CC BY
1
Горшков Алексей Николаевич, канд. техн. наук, сотрудник, Россия, Орел, Академия Федеральной службы охраны Российской Федерации,
Струев Александр Анатольевич, канд. техн. наук, сотрудник, Россия, Орел, Академия Федеральной службы охраны Российской Федерации
Кирикова Юлия Андреевна, сотрудник, Россия, Орел, Академия Федеральной службы охраны Российской
Федерации
FACTORS AFFECTING THE OCCURRENCE OF VULNERABILITIES OF INFORMATION SECURITY OF THE
CORPORATE COMMUNICATION NETWORK
M.M. Dobryshin, A.A. Gorshkov, A.A. Struyev, Yu.A. Kirikova
The process of ensuring information security from a practical point of view is to identify and eliminate vulnerabilities of the protected communication network. Existing solutions allow the specified process to be carried out with the required reliability, however, the search for vulnerabilities requires time and can negatively affect the process of providing communication services. For the purpose of reasonable use of resources in the article, based on the analysis carried out, the main factors influencing the emergence of new vulnerabilities in the communication network are identified and grouped into three groups. Monitoring the changes in the identified factors will allow, on the one hand, to timely identify vulnerabilities that were not previously characteristic of the network, and on the other hand, not to complicate the operation of the communication network.
Key words: information security level of corporate communication network, vulnerability, dynamic conditions.
Dobryshin Mikhail Mikhailovich, candidate of technical sciences, employee, [email protected], Russia, Orel, Academy of the Federal Security Service of the Russian Federation,
Gorshkov Alexey Nikolaevich, candidate of technical sciences, employee, Russia, Orel, Academy of the Federal Security Service of the Russian Federation,
Struyev Alexander Anatolyevich, candidate of technical sciences, employee, Russia, Oryol, Academy of the Federal Security Service of the Russian Federation,
Kirikova Yulia Andreevna employee, Russia, Orel, Academy of the Federal Security Service of the Russian
Federation УДК 629.7.015
DOI: 10.24412/2071-6168-2023-11-75-76
КОМПЛЕКСНОЕ ПРИМЕНЕНИЕ МНОГОАГЕНТНЫХ АЛГОРИТМОВ ДЛЯ РЕШЕНИЯ ЗАДАЧИ ПОСТРОЕНИЯ МАРШРУТА ДВИЖЕНИЯ ЛЕТАТЕЛЬНОГО АППАРАТА С УЧЕТОМ РЕЛЬЕФА МЕСТНОСТИ
О.В. Есиков, А.В. Данилов, М.С. Земляницын
Для гарантированного качества результата решения задачи построения маршрута движения летательного аппарата с учетом рельефа местности предложено комплексное использование многоагентных алгоритмов стохастического поиска. Для формирования базового варианта маршрута движения летательного аппарата обосновано применение метода динамики формирования рек. Получение рационального маршрута движения летательного аппарата предложено осуществлять на основе полученного базового с применением метода роя частиц.
Ключевые слова: планирование маршрута, многоагентный алгоритм.
Задача планирования маршрута решается перед полетом летательного аппарата (ЛА) и является частью этапа предполетной подготовки [1]. В качестве исходных данных задачи задаются значения координат исходной и конечной точек маршрута, карта высот рельефа местности, высота полета ЛА, число ППМ N. Планирование маршрута движения ЛА сводится к нахождению значений координат ППМ, обеспечивающих экстремальное значение принятого показателя эффективности.
В работах [2-5] предложена математическая модель оценки качества маршрута движения ЛА и предложен метод ее решения на основе применения метода роя частиц (МРЧ) с островной схемой организации вычислений.
Алгоритм метода роя частиц (МРЧ) представляет собой многошаговый процесс перемещения частиц в многомерном пространстве поиска решения, размерность которого определяется заданным числом ППМ маршрута [5, 6]. Направление движения частиц определяется их текущим положением, лучшим положением частиц на предыдущих шагах, а также положением лучшей в смысле критерия оптимизации частицы в рое.
В связи с тем, что МРЧ является методом локальной оптимизации, основанном на стохастическом поиске, даже с островной схемой организации вычислений качество получаемого решения в достаточно сильной степени зависит от результатов начальной инициализации алгоритма.
Использование МРЧ позволяет получить рациональный вариант маршрута движения ЛА. Перед решением задачи необходимо задать ее размерность и параметры алгоритма (число роев, размер роя, число итераций, число шагов в итерации). В работе [5] экспериментально получены аппроксимирующие зависимости для определения значений параметров алгоритма для произвольного числа ППМ. Однако методика определения рационального ППМ для произвольного варианта исходных данных решаемой задачи к настоящему времени отсутствует.
75
Для определения числа ППМ для текущего варианта исходных данных и первого хорошего в смысле выбранного критерия оптимальности приближения к искомому экстремуму (для начальной инициализации алгоритма) предлагается использовать результат предварительного решения задачи методом динамики формирования рек (МДФР) [7]. Данный метод отличается невысокой вычислительной сложностью и не требует для получения результата настройки значительного (как в МРЧ) числа параметров и задания размерности решаемой задачи.
Принцип работы алгоритма МДФР заключается в имитации процесса формирования русел рек. Набор капель, помещенных в исходную точку, под воздействием гравитации осуществляют движение по рельефу, определяемому картой высот к конечной, самой низкой точке. В ходе этого процесса образуются русла рек со множеством извилин.
Применительно к решаемой задаче создается набор агентов-капель, которые перемещаются между узлами (ячейками) карты высот, исследуя пространство в поиске наилучшего решения. Закрепление промежуточных результатов поиска решения выполняется имитацией механизмов эрозии и осаждения почвы, связанных с изменением значений ячеек карты высот.
Капли, перемещаясь, размывают грунт на своей траектории (забирая часть почвы из ячеек) или осаждают переносимый осадок (таким образом, увеличивая их высоту). Вероятность выбора следующей ячейки карты высот зависит от градиента, который пропорционален разнице между значениями текущей и соседней с ней ячеек. Высота конечной ячейки задается равной нулю и в ходе решения задачи не меняется. На каждом шагу алгоритма МДФР группа капель последовательно пересекает пространство поиска, с последующим выполнением эрозии на посещенных ячейках.
Капли перемещаются поочередно, до тех пор, пока не достигнута конечная ячейка, либо будет возможности для перемещения (тупик) или выполнено максимально допустимое количество перемещений.
На к-м шаге алгоритма вероятность перемещения из текущей г'-й ячейки карты высот в соседнюю /-ю определяется по зависимости
Р (' ■ ) Вв{''1 ] ,
Рк 1 ) = -
^ ва{и)
(¡Щик (i)uFk (i) (d, )"'
где В - основание функции; а - коэффициент настройки сходимости; dj - декартово расстояние от ячейки j до конечной ячейки; Vk(i) - множество соседних узлов с положительным градиентом (ячейка i имеет большее значение, чем ячейка j), U(i) - множество соседних ячеек с отрицательным градиентом (значение ячейки j больше), Fk(i) - множество соседних с i-й ячеек с нулевым градиентом; G(i,j) - градиент высот между i-й и j-й ячейками карты высот
^ Lj;
hi - значение i-й ячейки карты высот; L(i j) - расстояние между i-й и j-й ячейками.
После перемещения всех капель (завершения одной итерации алгоритма) выполняется процесс эрозии на всех пройденных путях путем уменьшения значений ячеек карты высот пропорционально их градиенту со следующей ячейкой
E -
AH ( j ) = (-I)D G(, j >
где D - число капель; N - число ячеек карты высот; E' - коэффициент эрозии.
Кроме того, если капле не удалось выбрать следующую ячейку для перехода, она откладывает часть перенесенного осадка и испаряется до конца итерации алгоритма. Это уменьшает вероятность перехода в тупики и приводит к ослаблению плохих путей.
Для исключения ситуации, когда содержимое значительного числа ячеек близки к нулю, что делает незначительными величины градиентов и нарушает формирование путей к конечной ячейке, в завершение каждой итерации алгоритма определенное и небольшое количество осадка добавляется ко всем значениям ячеек карты высот
AH +(i, j ) = -E-, w/ N -1
где E+ - коэффициент осадка.
В качестве условия окончания алгоритма могут использоваться:
1. Пути, сформированные всеми каплями, идентичны.
2. Отсутствие улучшения качества решения (например, длины пути) за последние n итераций.
3. Выполнение заданного количества итераций.
Результаты экспериментальной проверки эффективности применения МДФР для решения задачи построения маршрута движения ЛА представлены на рис. 1. На рис. 1, а приведена исходная карта высот, на рис. 1, б -результат решения задачи. Для карты высот размерностью 30x30 использованы следующие основные параметры алгоритма: числа задействованных капель - 500, итераций - 100. Время получения решения составило 36 сек. На рис. 1, б помимо полученного пути движения капель из исходной точки в конечную, на его основе сформирован маршрут движения ЛА с заданной высотой полета.
Алгоритм определения перечня ППМ и их местоположения на основе полученного МДФР пути движения капель из начальной в конечную точки включает следующие шаги.
Path - массив координат ячеек, входящих в результирующий путь капель из исходной в конечную точки;
Track - массив координат ППМ ЛА;
Нп - заданная высота полета ЛА.
1. i = 0; k = i + 1; N = Path.Count; Track ^ Path[0]
2. Если линия, проведенная между i-м элементом Path и k-м, пересекает на высоте Нп элементы рельефа, задаваемые картой высот, то перейти к шагу 3, иначе к шагу 4
3. Track ^ Path[k - 1]; I = k - 1; Перейти к шагу 2
4. Если k = N - 1 перейти к шагу 5 иначе: k = k + 1; Перейти к шагу 2
5. Track ^ Path[N - 1]; Конец
Из полученных результатов видно, что применение МДФР позволяет получать рациональный маршрут из исходной точки в конечную в условиях сложного рельефа местности. В следствие особенностей работы МДФР ППМ имеют координаты, совпадающие с центрами соответствующих ячеек карты высот, что не во всех случаях может удовлетворить требования по точности их расположения. Уточнение положения ППМ возможно путем применения МРЧ.
а) исходная карча высот б) результат решения задачи
методом ДФР
Рис. 1. Результат решения задачи
Схема комплексного применения МРЧ и МДФР для решения задачи построения маршрута движения летательного аппарата представлена на рис. 2.
Рис. 2. Схема применения многоагентных методов для решения задачи построения маршрута движения ЛА
с учетом рельефа местности
На заданных исходных данных первоначально задача решается МФДР. Полученный маршрут движения ЛА принимается за базовый (опорный). Относительно числа ППМ, входящих в базовый маршрут движения ЛА определяются параметры алгоритма МРЧ по методике, изложенной в [5, 8]. Далее выполняется инициализация МРЧ. При этом базовый маршрут движения ЛА включается в состав промежуточных вариантов решения задачи, задаваемых частицами в МРЧ. Это приводит к тому, что базовый маршрут с высокой степенью вероятности будет являться лучшим для всего роя частиц, что будет способствовать скорейшему движению всего роя в направлении экстремума решаемой задачи. Задача решается методом роя частиц с применением математической модели оценки качества маршрутов [2-5].
Подобное построение вычислительного процесса позволит гарантированно получать рациональный вариант маршрута ЛА, нивелируя влияние начальной инициализации МРЧ без применения островной его версии, что в свою очередь позволит сократить существенно время решения задачи.
Список литературы
1. Моисеев В.С. Динамика полета и управление беспилотными летательными аппаратами: монография. Казань: Редакционно-издательский центр «Школа», 2017. 416 с.
2. Есиков О.В., Акиншин О.Н., Хомяков К.А., Агафонов Д.О. Модели алгоритмы имитации движения воздушных целей в тренажерных комплексах. Тула: ВСРОК, 2022. 115 с.
3. Nikolos I.K., Valavanis K.P., Tsourveloudis N.C., Kostaras A.N. Evolutionary Algorithm Based Offline/Online Path Planner for UAV Navigation // IEEE Transactions on systems, man, and cybernetics - part b: cybernetics. 2003. doi: 10.1109/TSMCB.2002.804370
4. Есиков О.В., Данилов А.В., Земляницын М.С. Планирование маршрута движения летательного аппарата с применением многоагентных алгорит-мов стохастического поиска решения // Известия Тульского государственного университета. Технические науки. Вып. 12. 2022. С. 156-159.
5. Есиков О.В. Решение задачи планирования маршрута движения летательного аппарата с учётом рельефа местности / О.В. Есиков, Р.Н. Акиншин, А.В. Данилов, М.С. Земляницын // Электронные информационные системы. № 1 (36). 2023. С. 17-26.
6. Карпенко А.П. Современные алгоритмы поисковой оптимизации. Алгоритмы, вдохновленные природой: уч. пособие. Москва: Изд. МГТУ им. Н.Э. Баумана, 2017. 446 с.
7. Rabanal P., Rodriguez I. and Rubio F. Applying River Formation Dynamics to Solve NP-Complete Problems. In: Nature-Inspired Algorithms for Optimisation. Ed. by R. Chiong. Vol. 193. Studies in Computational Intelligence. Springer Berlin Heidelberg. 2009. Pp. 333-368.
8. Есиков О.В., Есиков Д.О., Акиншина Н.Ю. Общие принципы выбора параметров многоагентных алгоритмов стохастического поиска для решения отдельных задач дискретной оптимизации // Приборы и системы. Контроль, управление, диагностика. № 5. 2018. С. 47-56.
Есиков Олег Витальевич, д-р техн. наук, профессор, заместитель начальника отдела, [email protected], Россия, Тула, АО Центральное конструкторское бюро автоматики (ЦКБА),
Данилов Александр Владимирович, преподаватель, Россия, Пенза, Филиал Военной академии материально-технического обеспечения,
Земляницын Максим Самюэльевич, студент, Россия, Тула, Тульский государственный университет
COMPLEX APPLICATION OF MULTI-AGENT ALGORITHMS FOR SOLVING THE PROBLEM OF CONSTRUCTING THE ROUTE OF THE AIRCRAFT TAKING INTO ACCOUNT THE TERRAIN
O.V. Yesikov, A. V. Danilov, M.S. Zemlyanitsyn
To guarantee the quality of the result of solving the problem of constructing the route of the aircraft, taking into account the terrain, a comprehensive use of multi-agent stochastic search algorithms is proposed. To form a basic variant of the route of the aircraft, the application of the method of dynamics of the formation of rivers is justified. It is proposed to obtain a rational route for the movement of the aircraft on the basis of the obtained base using the particle swarm method.
Key words: route planning, multi-agent algorithm.
Yesikov Oleg Vitalievich, doctor of technical sciences, professor, deputy head of the department, [email protected], Russia, Tula, JSC Central Automation Design Bureau (CDBAE),
Danilov Alexander Vladimirovich, teacher, Russia, Penza, Branch of the Military Academy of Logistics,
Zemlyanitsyn Maxim Samuelevich, student, Russia, Tula, Tula State University
УДК 681.5
DOI: 10.24412/2071-6168-2023-11-78-79
АНАЛИЗ ВОЗМОЖНОСТЕЙ ПРОВЕДЕНИЯ АВТОМАТИЗИРОВАННОГО РАЗМЕРНОГО КОНТРОЛЯ
ВИДИМЫХ ДЕФЕКТОВ ПЕЧАТНЫХ ПЛАТ
И.В. Зайчиков
Выполнен анализ параметров контроля рисунка печатных проводников в группевизуально наблюдаемых дефектов печатных плат и возможностей применения планшетных сканеров дляпроведения автоматизированного размерного контроля указанных дефектов.
Ключевые слова: печатные платы, параметры, визуальные дефекты, планшетные сканеры, автоматизированный размерный контроль.
Группа визуально наблюдаемых дефектовпечатных плат (ПП) по ГОСТ Р56251-2014 [1] подлежит визуальному контролю. При этом применяются инструментальное оборудование, позволяющее выполнить просмотр ПП с увеличением в диапазоне от 1,75 до 40 кратности.
Обычно оптическим инструментальным оборудованием для проведения визуального контроля в самом простом случае может быть микроскоп. Но при его применении возникает ограниченная зона просмотра. По этой причине требуется многократноепермещение ПП для контроля всего рисунка. В более дорогих системах для визуального контроля погрешностей формы проводников рисунка ПП применяют проекторы с увеличением в диапазоне от 10 до 20 кратности.
Основными параметрами при внешнем визуальном осмотре является рисунок печатных проводников, который обеспечивает правильную эксплуатацию всего собранного на ПП устройства. Параметры контроля рисунка печатных проводников определяются в ГОСТ Р 53429-2009 [2]. Основными параметрами являются ширина проводника, зазор между проводниками и поясок контактной площадки. Их наименьшие номинальные значения определены в таблице 2 указанного ГОСТа в зависимости от класса точности изготовления ПП.
Анализ параметров указанной таблицы позволяет сделать вывод, что в качестве инструментального оборудования, позволяющее выполнить визуальный контроль ПП для ряда классов и их параметров можно использовать современные устройства - планшетные сканеры. Для реализации визуального контроля физическая разрешающая способность сканера должна соответствовать параметрам, указанным в приведённой таблице.
78
