CC BY
6
УДК 681.5
DOI: 10.24412/2071-6168-2023-1-391-398
МЕТОДИКА ЭФФЕКТИВНОГО ОБМЕНА ИНФОРМАЦИОННЫМИ РЕСУРСАМИ В СИСТЕМАХ УПРАВЛЕНИЯ ТЕХНОЛОГИЧЕСКОГО ПРОИЗВОДСТВА
С.С. Соколов, Т.П. Кныш, Е.Г. Баленко, Д.А. Иванов
В статье рассматривается методика эффективного обмена информационными ресурсами в системах управления технологического производства, построенных на основе технологии распределенного реестра, которая учитывает вариативность стратегии поведения системы распределенного реестра при информационном обмене. Методика учитывает нештатные функции, такие как формирование ответвления обрабатываемых данных и воздействия злоумышленника, а также позволяет определить среднее значение времени задержки генерации блока путем корректировки числа операций, необходимых для решения блока. Применение данной методики позволяет повысить значение показателя своевременности и полноты обмена информационными ресурсами в корпоративной сети на 30% по сравнению с существующей системой информационного обмена.
Ключевые слова: технология распределенного реестра, корпоративная сеть, информационные
ресурсы.
Система с технологией распределенного реестра (ТРР) - система баз данных, распределенных между сетевыми узлами, не контролируемая единым органом [1].
Основными качественными свойствами, определяющими эффективность такой системы при применении ее в корпоративных сетях (КС) для обеспечения безопасного обмена информационными ресурсами (ИР), являются полнота и своевременность обмена ИР, которые зависят от множества характеристик такой системы, например, возможность изменения системы распределенного реестра (СРР), среднего времени задержки генерации блока, возможности формирования ответвления обрабатываемых данных, изменений системы из-за воздействия противника и др. [2-4].
С целью обеспечения своевременности и полноты обмена ИР в КС с учетом изменяющихся характеристик СРР разработана соответствующая методика (рис. 1), которая включает в себя 5 этапов.
На 1 этапе происходит сбор информации. В зависимости от условий функционирования КС времена создания блоков будут различными.
Формирование тел» блока \
Сбор незафиксированных сообщений
Я{Г-пиа(7^ Тя)
Ъ''
^ Формировал не стека хешей
Хч
Шифрование сообщений для уменьшения объема
Формирование блока
Добавление хеша предыдущего блока
Добавление хеше» предыдущих транзакций
Добавление хешей всех транзакций
ИтИ(Б) < ^
Формирование сгылкн )
Двухкратное шифрование
Добавление тела блока
г - мощность системы
X = (л-„„,■*•,).= ЮМ].0„___е [пл/]
Рисче! своиремешшсш
А.-Л—,
ТТ
Отимяльные значения
ХцкуХ,
Модель ПР (мирное/военное время)
Пшщпллпзапия времени создания блоков (своевременность) Пшшпялшанпя размера блоков (полнота)
( Оценки централи1нпни гнггемы )
_ Ли (г.)
Опенка и пересчет длины блока и времени обновления
Рис. 1. Структура методики 391
На 2 этапе производится сбор незафиксированных сообщений. Время T(r), которое необходимо для выполнения r операций, связанных с вычислением блока, имеет экспоненциальное распределение с параметром r/D:
p{t = min(71,...,T„) < t} = 1 -exp(-d¿r).
d i=i
Рассмотрим n узлов с хеширующими мощностями r1, r2, ... , r„. Время T для нахождения блока равно минимуму из случайных величин T(r,) и, согласно свойствам экспоненциального распределения, также распределено экспоненциально:
p{t = t }=-1r-.
L r
j=i
На 3 этапе производится шифрование сообщений для уменьшения объема. Чтобы блок считался действительным, его ссылка не должна превышать размера блока:
^МСдлина , Аадрес , t) < Бразмер .
На 4 этапе производится формирование блока. Для этого в начале процесса осуществляется перерасчет длины и времени обновления цепочки блоков (ЦБ) СРР.
Каждый блок состоит из заголовка блока с ключевыми параметрами и списка транзакций. Для того чтобы было возможно ссылаться на конкретный блок, его заголовок хешируется дважды с помощью функции SHA-256. Блок считается действительным, если его ссылка превышает определенный порог
hash(B) < M ■
Чем больше величина D, тем больше итераций необходимо произвести для нахождения действующего блока, причем ожидаемое число операций равняется D.
На 5 этапе производится оценка централизации системы, которая показывает отношение максимального значения ресурсной мощности rz, сосредоточенной в одном узле КС, к общему значению
ресурсной мощности всей сети.
Для оценки полноты обмена ИР между конечными устройствами СРР применяется подход, основанный на кластеризации сообщений путем их передачи между точками данных [5]. Предложенный алгоритм принимает на вход матрицу схожести между элементами набора данных и возвращает набор меток, присвоенных этим элементам. Обмен сообщениями между точками данных происходит до тех пор, пока не будет получен набор образцов высокого качества.
Определим метрику подобия s (X, x.) > s(X, xk ), если наблюдение xi больше похоже на наблюдение x. и меньше похоже на наблюдение xk. Простым примером такой метрики подобия является: s(Xi, Х.) = — || Xi —Х. ||2 . Сходство определяется как отрицательное значение евклидова расстояния между двумя экземплярами. Чем больше расстояние между любыми двумя экземплярами, тем меньше сходство между ними.
В итоге получаем матрицу подобия, представленную на рис. 2.
Значения недиагональных элементов будут определять количество сформированных кластеров. Чем меньше это значение (value < 0), тем меньше количество кластеров.
Опишем «соответствие», составив две нулевые матрицы. Одна из них, ri k, которая определяет,
насколько хорошо наблюдение kt является «образцом для подражания» для i-го наблюдения по отношению ко всем другим возможным «образцам для подражания». Другая матрица, ai k, определяет, насколько уместно для i-го наблюдения использовать kt наблюдение в качестве «эталонной модели».
Матрицы обновляются последовательно по следующим правилам:
( \
's(xi, xk) — max{aik' + s( xi, xk)}, ai ,k ^ min
0 rk,k + L max(0, r>)
/<2{i,k }
,i ф k,
ak,k ^Xmax(0, r,k).
i Фк
Так как своевременность, наравне с полнотой, является критически важным параметром, для его достижения предлагается алгоритм, псевдокод которого представлен ниже. MAIN(D, eps, MinPts) { C = 0
for each point P in dataset D { if P is visited
continue next point mark P as visited
NeighborPts = regionQuery(P, eps) if sizeof(NeighborPts) < MinPts
mark P as NOISE else { C = next cluster
expandCluster(P, NeighborPts, C, eps, MinPts)
}
}
}
expandCluster(P, NeighborPts, C, eps, MinPts) { add P to cluster C for each point Q in NeighborPts { if Q is not visited { mark Q as visited
QNeighborPts = regionQuery(Q, eps) if sizeof(QNeighborPts) >= MinPts NeighborPts = NeighborPts joined with QNeighborPts
}
if Q is not yet member of any cluster add Q to cluster C
}
}
regionQuery(P, eps) return all points within P eps-neighborhood (including P)
Рис. 2. Матрица подобия
Введем несколько определений. Пусть задана некоторая симметричная функция расстояния р( х, у) и константы £ и т. Обозначим Е (х) - область, для которой Уу : р (х, у) < £, £ - окрестность объекта х. Корневым объектом степени т называется объект, £ - в окрестности которого содержит не менее т объектов: | Е(х) |> т . Объект р непосредственно плотно достижим из объекта q, если
р £ Е^) и q - корневой объект. Объект р плотно достижим из объекта q, если Зр1, р2,..., рп , р1 = q, рп = р , такие что V/ £ 1...П — 1: р/+1 непосредственно плотно достижим из pi.
393
Выберем корневой объект из набора данных, пометим его и поместим всех его соседей в список обхода. Теперь для каждой точки из списка, если она тоже корневая, добавим всех ее соседей в список обхода. Кластеры помеченных точек, сформированные в ходе этого алгоритма максимальны. Их нельзя расширить еще одной точкой, чтобы удовлетворялись все условия. Отсюда следует, что если обошли не все точки, можно перезапустить обход из другого корневого объекта. Тогда новый кластер не поглотит предыдущий.
Сложность данного алгоритма может равняться 0(Щ, что полностью удовлетворяет условию своевременности. Также стоит отметить, что для оптимальной работы этого алгоритма необходим выбор оптимального количества кластеров (рис. 3, 4) [6]:
к
3 (С) = ^||х/ —
к=1 /£Ск
где С - набор кластеров мощностью К, /лк - центр кластера Ск
тт,
С
500000 ■
400000 ■
х 200000 ■
100000 -
0 1 2 3 4 5 6 7
Количество кластеров
Рис. 3. Зависимость суммы квадратов внутри кластеров от их количества
700
600
500
100
<1 1 2 Количество кластеров
Рис. 4. Зависимость количества кластеров от частоты
Что касается обеспечения полноты обмена, то следует отметить, что данный подход отлично справляется с плотными, хорошо отделенными друг от друга кластерами, как это показано на рис. 5.
В качестве метрик оценки точности предложенного подхода предлагается использовать следующие показатели.
1. Кластерный индекс достоверности. Эта метрика позволяет оценить качество кластеризации, используя только начальные данные и результат кластеризации, следующим образом:
р—q
$ = ——-—, тах(р, q)
где р -среднее расстояние до точек в ближайшем кластере, q - среднее внутрикластерное расстояние до всех точек в собственном кластере. Значения этой оценки для каждого кластера лежат в диапазоне от -1 до 1. Если эта оценка ближе к 1, то это указывает на то, что точка данных очень похожа на другие точки
данных в кластере. Если оценка ближе к -1, то это указывает на то, что точка данных не похожа на остальные точки данных в его кластере.
Data
prm: (0.05, 31, found 44 dst.
• • • —
6 * . , -. * * * • • V % • 6
4 • • • * * * 4
• • , *• • t
2 * • • • 1* 2
0 • ¡SP» • 0
-2 • к ft 4 -2
• # • * •• •
-4 • • . -4
• ....
-6 • • • * • • • • •• • * -6
-е # • •• . -8
-a -6 -4 -2 О 2 A 6 prm: (0.1, 5), found 14 dst.
. ' ' • J. • * • • \ ♦ • ;
.* • ■ i * *
•. ••
-3-6-4-2 0 2 4 6
prm: (0.25, 5), found 3 cist.
6
4 ■ 2 0 ■ -2 -4 ■ -6 ■ -8 ■
... • ; '-.'• 'jßF' ...
• .» ' * I * *
• . » • •« *
* - • '
Ф
•. . I*
prm: (0.1, 3), found 22 cist.
-8-6-4-2 0 2 4 6 prm: (0.1, 7), found 13 cist.
6 4 2 0 ■ -2 ■ -4 --6 -8
• * * * •
.. • •. *
* . ••• Ф
• г
• • i *
. ...
. ....
-8 -6 -4 -2 0 2 4 6 prm: (0.4, 5). found 2 cist.
6
4 ■ 2 0 --2 --4 --6 ■ -8
< ■ « • »
• . » . ' и .
» , зйь*
w-
I 1
&
4 2 0 -2 -4 -6 -3
. • • • % .
• .
-6 -6 -4 -2 0 2 4 6 prm: (0.25, 3), found 5 dst.
* » . <* • * ' * ' Л •
• • * .4 '.•*" . * • * ' •
• . I • ...
• • .,
-6 -4 -2 0 2 4 6
prm: (0.6, 8), found 2 dst.
6
4 ■ 2 0 -2 ■ -A -6 ■ -3 ■
. * • •. • . '
. I
Ф
-8 -6 -4 -2 0 2 4 6
-6 -4 -2 0 2 4 6
энтропии:
-8 -6 -4 -2 0 2 4 6
Рис. 5. Распределение конечных устройств СРР 2. Однородность и полнота. Данные метрики базируются на функциях энтропии и условной
А = ! _ НСК) , с = ! _ Щ^С) ,
Н(С) Н(К)
где К - результат кластеризации, а С - начальное разделение. Метрики не симметричны. Оценки лежат в диапазоне [0,1]. Значения ближе к 1 указывают на более точные результаты кластеризации.
На рис. 6 представлена зависимость коэффициента централизации СРР от времени отправки ЦБ СРР [7].
Прокомментируем характер изменения оценки степени централизации системы. Легко заметить, что на отдельных участках графика идет падение эффективности системы. Причиной этого является тот факт, что у каждого узла КС имеется разная вычислительная мощность, которая измеряется скоростью создания хешей. На отдельных итерациях слабые машины не справляются с просчетом больших хешей, система реконфигурируется [7]. Однако в целом можно отметить, что с увеличением длины блока растет время отправки.
Зависимость размера блока в СРР от времени отправки ЦБ СРР представлена на рис. 7.
Взаимное информационное согласие
Зависимость времени от длины Блока
Низкая производительность , \ГЛ
Время отправки (мин]
Рис. 6. Зависимость коэффициента централизации СРР от времени отправки ЦБ СРР
время отправки (нин)
Рис. 7. Зависимость размера блока в СРР от времени отправки ЦБ СРР
Заключение. Анализ показал, что для выполнения требований по своевременности и полноте обмена ИР СРР ЕИП время отправки блоков должно быть 17,5 минут, а размер блока - 2,2 Мб.
Таким образом, разработанная методика показывает, что показатели своевременности и полноты обмена ИР в КС при использовании ТРР повышаются на 30% по сравнению с показателями в системе обмена без ТРР.
Список литературы
1. Brendan J. Frey, Delbert Dueck Clustering by Passing Messages Between Data Points. [Электронный ресурс] URL: www.warwick.ac.uk/fac/sci/dcs/research/combi/seminars/freydueck affinitypropagation science2007.pdf (дата обращения: 10.09.2022).
2. Rabin M. Rondamized byzantine generals // Proc. 24th Symp. on Foundations of Computer Sci. USA. 1983. P. 393-402.
3. Rabin M. Probabilistic algorithms // Algorithms and Complexity. N.Y.-London: Acad. Press. 1976. pp. 21-39.
4. Robinson P. Hyland-Wood D., Saltini R., Johnson S., Brainard J. Atomic Crosschain Transactions for Ethereum Private Sidechains. [Электронный ресурс] URL: semanticscholar.org/paper/Atomic-Crosschain-Transactions-for-Ethereum-Private-Robinson-Hyland-Wood/9a0889a3fd116595a697a180c852817de5caaa50 (дата обращения: 10.09.2022).
5. Rosenfeld M. Analysis of bitcoin pooled mining reward systems // arXiv preprint arXiv: 1112.4980. 2011.
6. Sapirshtein A., Sompolinsky Y., Zohar A. Optimal selfish mining strategies in Bitcoin // arXiv preprint arXiv: 1507.06183. 2015.
7. Schlichting R., Schneider F. Fault-stop processes: an approach to designing fault tolerant computing systems // ACM Trans. Comput. Syst. 1983. V. 1. № 3. P. 222-238.
Соколов Сергей Сергеевич, д-р техн. наук., доцент, проректор по образовательной деятельности, sokoloVv_S_S@yandex.ru, Россия, Санкт-Петербург, Государственный университет морского и речного флота имени адмирала С. О. Макарова,
Кныш Татьяна Петровна, канд. тех. наук, доцент, kk_taT_Pet@mail.ru, Россия, Государственный университет морского и речного флота имени адмирала С. О. Макарова,
Баленко Елена Георгиевна, канд. пед. наук, доцент, заведующая кафедрой, balenko2008@mail.ru, Россия, Ростов-на-Дону, Донской государственный аграрный университет,
Иванов Денис Александрович, преподаватель, prosto deniss@mail.ru, Россия, Челябинск, Филиал Военного учебно-научного центра Военно-воздушных сил «Военно-воздушная академия имени профессора Н.Е. Жуковского и Ю.А. Гагарина
METHODOLOGY OF EFFECTIVE EXCHANGE OF INFORMATION RESOURCES IN CONTROL SYSTEMS OF TECHNOLOGICAL PRODUCTION
S.S. Sokolov, T.P. Knysh, E.G. Balenko, D.A. Ivanov
The article deals with the methodology of effective exchange of information resources in control systems of technological production, built on the basis of distributed registry technology, which takes into account the variability of the strategy of behavior of the distributed registry system during information exchange. The technique takes into account non-standard functions, such as the formation of a branch of the processed data and the impact of an attacker, and also allows you to determine the average delay time of block generation by adjusting the number of operations required to solve the block. The use of this technique makes it possible to increase the value of the indicator of timeliness and completeness of the exchange of information resources in the corporate network by 30% compared to the existing information exchange system.
Key words: distributed registry technology, corporate network, information resources.
Sokolov Sergey Sergeevich, doctor of technical sciences, docent, vice-rector for educational activities, sokolo Vv_S_S@yandex.ru, Russia, St. Petersburg, Admiral S.O. Makarov State University of the Sea and River Fleet?
Knysh Tatiana Petrovna, candidate of technical sciences, docent, kk_taT_Pet@mail.ru, Russia, Admiral S.O. Makarov State University of Marine and River Fleet,
Balenko Elena Georgievna, candidate of pedagogical sciences, docent, head of the department, balenko2008@mail. ru, Russia, Rostov-on-Don, Don State Agrarian University,
Ivanov Denis Alexandrovich, teacher, prosto_deniss@mail.ru, Russia, Chelyabinsk, Branch of the Military Training and Scientific Center of the Air Force «Air Force Academy named after Professor N.E. Zhu-kovsky and YuA. Gagarin»
