CC BY
48
И.А. Калмыков, А.А. Шилов
Россия, г. Ставрополь, Сев.Кав. ГТУ
МАТЕМАТИЧЕСКАЯ МОДЕЛЬ НЕЙРОННОЙ СЕТИ ДЛЯ ОПРЕДЕЛЕНИЯ ИНТЕРВАЛЬНОГО НОМЕРА ЧИСЛА
Обеспечение защиты информации в распределенных информационных системах базируется в основном на применении методов биометрической идентификации пользователя. Для обеспечения высокой точности и производительности целесообразно применение полиномиальной системы класса вычетов (ПСКВ).
Полиномиальная система класса вычетов, реализованная в расширенных полях Галуа 0¥(рп), обеспечивает не только высокоскоростную параллельную обработку сигналов, но, и благодаря введению избыточности, обнаруживает и исправляет ошибки. Техническое выполнение процедур коррекции ошибки тесно связано с операциями определения позиционных характеристик ПСКВ. При этом главным фактором выбора такой характеристики является алгоритм определения характеристики избыточной ПСКВ. Известно, что ошибка изменяет местоположение правильного числа А(і), осуществляя перенос его из нулевого подмножества полного
к+г у >
диапазона р (т\, где т() - полиномиальные взаимно простые ос-
рполн(2) П ті (2)
і=1
нования, в ]-е подмножество полного диапазона] # 0. Таким образом, определение }-го номера интервала позволит однозначно локализовать и исправить ошибку в кодограмме. Известно, что интервальный номер числа £ определяется выражением
А( z)
А( z)
П т‘(г)
1_ 1=1
где Рр - рабочий диапазон.
Согласно китайской теореме об остатках значение А(2) задается равенством
к+г
А(г') = (г) ■ Вх (г) + «2 (г) ■ В2 (г) + ...+ &к+г (г) ■ Вк+Г (г) = (г) ■ В, (г) - га ■ Рполн,
где Бі - ортогональный базис полного диапазона, га - ранг числа. Тогда интервальный номер определяется
а і ( z) ■ В*(г)
П ті( 2)
+ ^а(2) ■ 1=1
В, (2)
П ті (2)
(тоа П тх (2))
где Бі - ортогональный базис рабочего диапазона. Обладая внутренним параллелизмом, алгоритм вычисления интервального номера представляет идеальную основу для построения высокоскоростных устройств обнаружения и коррекции ошибки с использованием ней-росететвых технологий. Представлена разработанная структура нейронной сети, реализующая данный алгоритм.
Ф. Н. Морозов
Россия, г. Ростов-на-Дону, РВИ РВ
ОРГАНИЗАЦИЯ ТЕСТОВЫХ РЕЖИМОВ ПЭВМ
При проведении инструментального контроля категорированных автоматизированных систем на базе ПЭВМ необходимо организовать работу обследуемых объектов в тестовых режимах. Специальные тесты должны обеспечивать полноту
і=1
=1
х=к
исследований и проверку путей циркуляции во всех режимах её обработки как при автономной работе, так и в комплексе с другими СВТ.
Текстовый режим работы должен обеспечивать: формирование на выделенном пути циркуляции информации определенной периодической последовательности информационных сигналов (импульсов); максимально возможные частоту повторения и уровень излучения информационных сигналов (импульсов); задействование по возможности максимального числа цепей прохождения информационных сигналов (импульсов); возможность обнаружения информационных сигналов акустическим методом.
Для анализа причин утечки сообщений в устройствах ПЭВМ источник излучения информативного сигнала обычно представляют в виде электродвижущей силы (ЭДС) с внутренним импедансом 2ИНФ. Под действием этой ЭДС в проводах и кабелях, соединенных с источником сигнала, возникают токи, поэтому, если источник излучения включает в себя открытый контур с индуктивностью или емкостью, через который проходит ток информативного сигнала, то в пространстве будет создаваться электромагнитное поле, несущее некоторое сообщение. Примером является видеоусилитель дисплея, выход которого нагружается на катод электронно-лучевой трубки, представляющей собой открытый контур емкостного типа. Особую проблему при реализации тестовых режимов работы представляет собой выделение информативных сигналов на фоне технологических сигналов, обеспечивающих функционирование информационного тракта. Практически всегда при функционировании информационного тракта в эфире наблюдается сложный аддитивный сигнал, представляющий собой смесь информативных сигналов с различными характеристиками, источниками которого являются различные участки информационного тракта, а также служебных и технологических сигналов, обеспечивающих функционирование тестовой программы.
Следовательно, тестовый режим работы сертифицируемого (аттестуемого) оборудования вычислительной техники должен быть организован таким образом, чтобы в эфире одновременно присутствовало минимально возможное количество информативных сигналов от различных участков информационного тракта (в идеальном случае - 1), а технологические сигналы - отсутствовали. Для сертифицируемого (аттестуемого) средства вычислительной техники определяются возможные режимы обработки секретной информации. По результатам анализа представленной схемы тракта прохождения информационного сигнала, либо инструментальных исследований должно быть принято решение об источнике информативного сигнала, определяющем размеры зоны 2.
А.Ф. Чипига, Р.А. Воронкин
Россия г. Ставрополь, Сев.Кав. ГТУ,
ОБУЧЕНИЕ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ ПУТЕМ СОВМЕСТНОГО ИСПОЛЬЗОВАНИЯ МЕТОДОВ ЛОКАЛЬНОЙ ОПТИМИЗАЦИИ И ГЕНЕТИЧЕСКИХ АЛГОРИТМОВ
Использование механизмов генетической эволюции для обучения нейронных сетей кажется естественным, поскольку модели нейронных сетей разрабатываются по аналогии с мозгом и реализуют некоторые его особенности, появившиеся в результате эволюции. Основные компоненты генетических алгоритмов: стратегии репродукций, мутаций и отбор «индивидуальных» нейронных сетей [1].
Обучение нейронных сетей с помощью генетических алгоритмов обладает следующими преимуществами:
