CC BY
0ИНТЕЛЛЕКТУАЛЬНЫЕ ИНФОРМАЦИОННЫЕ СИСТЕМЫ
УДК 621.391 Б01:10.24412/2782-2141-2024-1-76-89
Обоснование требований к программно-аппаратным комплексам специального назначения для сбора и обработки информации на основе методов интеллектуального анализа большого количества разнородных
и неструктурированных данных
Елизаров В. В., Паращук И. Б., Салюк Д. В.
Аннотация. Постановка задачи: детальный анализ характерных особенностей и исследование роли интеллектуальных технологий в интересах построения и модернизации существующих и перспективных программно-аппаратных комплексов специального назначения для сбора и обработки информации. Изучение архитектуры, условий функционирования и формулировка основных требований к комплексам такого класса с учетом возможных ограничений и вариантов применения современных алгоритмов интеллектуального анализа данных. Новизна: состоит в том, что объектом исследования являются современные инструменты интеллектуального анализа большого количества разнородных и неструктурированных данных, хранимых, размечаемых, перерабатываемых и визуализируемых в рамках программно-аппаратных комплексов специального назначения, которые, в свою очередь, служат основой и исходными данными для формулировки и обоснования требований по построению комплексов такого класса. Целью работы является анализ существующих и разработка новых подходов, ориентированных на формулировку (синтез) системы требований к программно-аппаратным комплексам специального назначения для сбора и обработки информации на основе методов интеллектуального анализа большого количества разнородных и неструктурированных данных. Результат: заключается в том, что предложен вариант практического наполнения (описаны сущность и содержание) иерархической системы базовых требований к программно-аппаратным комплексам специального назначения для сбора и обработки информации на основе методов интеллектуального анализа большого количества разнородных и неструктурированных данных, обоснованы требования по интегрируемости, оперативности, масштабируемости, адаптируемости и способности подобных комплексов работать на различных современных аппаратных платформах. Сформулированы требования к содержанию задач, решаемых на различных этапах создания программно-аппаратных комплексов специального назначения для сбора и обработки информации, выработаны некоторые конкретные предложения по их построению с учетом изложенных базовых требований. Практическая значимость: результаты исследований и предложенный подход к формулировке и обоснованию требований к программно-аппаратным комплексам специального назначения для сбора и обработки информации, с учетом условий и ограничений, связанных с объективной необходимостью интеллектуального анализа большого количества разнородных и неструктурированных данных, позволяют на основе единых системных позиций сформировать архитектуру подобных комплексов, а также эффективные алгоритмы сбора, обработки и визуализации Больших Данных, жизненно необходимых для принятия решений в системах автоматизации управления специального назначения.
Ключевые слова: Большие Данные, интеллектуальный анализ данных, поддержка принятия решений, программно-аппаратный комплекс, разнородные и неструктурированные данные, сбор и обработки информации.
Актуальность
Стремительное внедрение компьютерных систем и построенных на их основе программно-аппаратных комплексов для оперативного и достоверного анализа большого количества информации, принятия на основе этого анализа решений и поддержки принятия решения в общественной, государственной, промышленно-экономической и социальной
сфере современного общества является важным и мощным стимулом их перспективного развития.
В полной мере это справедливо и для программно-аппаратных комплексов должностных лиц критических инфраструктур государства, в том числе в сферах топливной и электроэнергетики, транспорта, нефтегазовой отрасли, сфере защиты информации, автоматизированного производства в промышленности, управления городским хозяйством, здравоохранении и науке в Российской Федерации в целом [1-5].
В этой связи особого внимания, на наш взгляд, заслуживают вопросы построения и применения современных программно-аппаратных комплексов такого класса для обеспечения обороноспособности и правопорядка в Российской Федерации. Речь, в частности, идет о проблемах и перспективах создания программно-аппаратных комплексов специального назначения, предназначенных для сбора и обработки информации в интересах устойчивого, непрерывного оперативного и скрытного управления войсками и оружием.
Особую актуальность данная проблематика приобретает сейчас, в период проведения специальной военной операции, где сбор и обработка большого количества информации от армейской разведки, групп беспилотных летательных аппаратов и систем сбора данных объективного контроля играет важнейшую роль.
В то же время, существующие в мире проблемы Больших Данных (Big Date), обуславливающие огромные объемы собираемой, хранимой и обрабатываемой информации, необходимой должностным лицам для принятия управленческих решений, а также объективно существующие многообразие, разнородность (гетерогенность) и слабые структурированность и формализация наблюдаемых, собираемых и обрабатываемых данных в интересах этих должностных лиц, обуславливают необходимость формулировки и решения задач построения программно-аппаратных комплексов специального назначения для сбора и обработки информации на основе методов интеллектуального анализа больших массивов разнородной и неструктурированной информации в интересах оценки состояния и поддержки принятия управленческих решений при работе с этими Большими Данными [6-9].
В настоящее время перечисленные задачи имеют недостаточное количество адекватных научно-технических решений, а в некоторых случаях не имеют их вовсе. При этом известные и используемые в существующих программно-аппаратных комплексах специального назначения средства и подсистемы аналитической обработки больших массивов разнородных и неструктурированных данных не отвечают предъявляемым требованиям по оперативности, полноте, точности и адекватности принимаемых решений. Это во многом объясняется как значительным многообразием, разнородностью (гетерогенностью) этих неструктурированных (слабоструктурированных) данных, которые необходимо собирать и обрабатывать для принятия своевременных и адекватных решений по управлению войсками и оружием, так и рецидивом проблемы Больших Данных огромными объемами этих данных [6-9].
В результате возникает необходимость эффективного применения методов обработки этих больших объемов разнородных данных современными горизонтально масштабируемыми программными инструментами с использованием методов искусственного анализа (в частности, глубокого обучения), а также методов имитационного и графо-ориентированного моделирования, выявления аномальных данных, оперативного анализа качества информации и, оперативного принятия решений, а также оперативной визуализации [10-14].
При этом могут, по нашему мнению, найти применение интеллектуальные технологии компьютерного зрения, алгоритмы и методы когнитивных вычислений и выбора в условиях неопределенности, классификаторы и методы статистического
обучения, искусственные нейронные сети, методы теории умного управления и даже генетические алгоритмы [15-18].
Все это накладывает свой отпечаток на решение задач анализа условий функционирования, задач учета ограничений применения и критериев оценки качества программно-аппаратных комплексов специального назначения для сбора и обработки информации, но если говорить о первичной, основополагающей задаче — то и на решение задачи формулировки, классификации и обоснования требований к комплексам такого класса, что, в свою очередь, делает эти вопросы, на наш взгляд, критически важными, актуальными.
Формулировка состава системы базовых требований к программно-аппаратным
комплексам специального назначения для сбора и обработки информации с использованием методов интеллектуального анализа большого количества разнородных и неструктурированных данных
Стратегия развития искусственного интеллекта на период до 2030 года, утвержденная Указом Президента Российской Федерации, и ряд других нормативно-правовых и руководящих документов, определяют искусственный интеллект как комплекс технологических решений, позволяющий имитировать когнитивные функции человека (включая самообучение и поиск решений без заранее заданного алгоритма) и получать при выполнении конкретных задач результаты, сопоставимые как минимум с результатами интеллектуальной деятельности человека [19].
С учетом этого определения и опираясь на результаты анализа современных подходов к решению проблемы Больших Данных, может быть выдвинута гипотеза о том, что программно-аппаратные комплексы специального назначения для сбора и обработки информации должны обладать аппаратной и/или программной возможностью автоматизации решения задач сбора и обработки информации на основе методов интеллектуального анализа разнородных (гетерогенных) неструктурированных (слабоструктурированных) данных, анализа с использованием методов искусственного интеллекта [20, 21].
В рамках программно-аппаратных комплексов специального назначения для сбора и обработки информации под интеллектуальным анализом разнородных (гетерогенных) неструктурированных (слабоструктурированных) данных в интересах задач управления войсками и оружием будем понимать общепринятый термин, применяемый для обозначения анализа данных такого типа с активным использованием современных интеллектуальных (когнитивных) математических методов и алгоритмов, таких как методы оптимизации, нейросетевые и генетические (биоинспирированные) алгоритмы, методы распознавания образов, статистические методы, классические методы искусственного интеллекта и т. д., а также использующих результаты их применения с помощью методов визуального представления данных. Фигурально говоря, смысл использования такого непростого анализа данных в рамках программно-аппаратных комплексов специального назначения для сбора и обработки информации может быть сведен к формулировке «получение информации из (исходных) данных» [22-24].
Интеллектуальный анализ разнородных (гетерогенных) неструктурированных (слабоструктурированных) данных в рамках задач, решаемых программно-аппаратными комплексами специального назначения, может быть представлен как «добыча данных», а глубинный анализ данных — совокупность методов обнаружения в данных ранее неизвестных, нетривиальных, практически полезных и доступных интерпретации знаний, необходимых для принятия своевременных и адекватных решений в сфере управления войсками и оружием.
При этом под интеллектуальным анализом в больших объемов гетерогенных данных, необходимых для управления войсками и оружием, также можно понимать как анализ массивов таких данных в рамках возможностей персональных рабочих мест - программно-аппаратных комплексов конкретных должностных лиц, так и анализ большого количества разнородных и неструктурированных данных в рамках возможностей систем управления базами данных о событиях, важных для принятия решений [13, 14].
Важно, что как в первом, так и во втором случае при формировании больших массивов разнородных и неструктурированных данных, при обработке статистики и визуализации возникают определенные трудности, которые заключаются в необходимости обеспечения скоординированной работы программ на десятках, сотнях, а иногда, и на тысячах программно-аппаратных комплексов специального назначения и серверов, предназначенных для интеллектуального анализа серьезных объемов таких гетерогенных данных, необходимых для принятия решений в сфере управления объектами такого класса.
С точки зрения формулировки иерархии и состава системы базовых требований к программно-аппаратным комплексам специального назначения, важным, по нашему мнению, общим требованием, является способность подобных комплексов осуществлять интеллектуальный анализ больших объемов разнородных (гетерогенных) неструктурированных (либо слабоструктурированных) данных, заключающийся в подготовке суммарной, агрегированной информации на основе больших массивов данных, например, об объектах и событиях, важных для управления войсками и оружием, иерархически структурированных по многомерному принципу [23].
Программно-аппаратные комплексы специального назначения для сбора и обработки информации должны быть способны реализовать многомерный и оперативный интеллектуальный анализ большого количества разнородных и неструктурированных данных, необходимых для принятия решений в сфере управления войсками и оружием, причем данный анализ может быть охарактеризован следующими параметрами:
-разнородность, разнообразие (многообразие) данных, принадлежность массивов анализируемых Больших Данных, необходимых для управления, к различным, но известным категориям, что облегчает работу с такими данными;
-количество, объем массивов данных об объектах и событиях, важных для устойчивого, непрерывного, оперативного и скрытного управления войсками и оружием (этот параметр характеризует, принадлежит ли конкретный массив данных к категории Больших Данных или не принадлежит);
-оперативность анализа - скорость сбора, генерирования и/или интеллектуальной обработки в программно-аппаратных комплексах специального назначения данных об объектах и событиях с целью решения поставленных задач, важных для управления войсками и оружием.
-подверженность данных изменениям в динамике управления, их нестабильность во времени;
-достоверность собранных данных с точки зрения их «качества», обуславливающего, в итоге точность интеллектуального анализа объектов и событий, важных для устойчивого, непрерывного, оперативного и скрытного управления войсками и оружием;
-сложность и трудоемкость процесса корреляции, визуализации и построения взаимосвязей между данными об объектах и событиях, важных для управления войсками и оружием.
С учетом рассмотренных особенностей программно-аппаратных комплексов специального назначения для сбора и обработки информации с использованием методов интеллектуального анализа большого количества разнородных и неструктурированных данных, необходимо с военно-научной точки зрения сформулировать иерархию и
определить состав системы базовых технологических требований к ним и к их внедрению, в частности:
-интегрируемость программно-аппаратных комплексов специального назначения - в них данные хранятся и обрабатываются в едином информационном пространстве системы управления войсками и оружием, что позволит обеспечить их полноту, непротиворечивость, достоверность и возможность многократного использования, причем комплекс может эволюционировать - включать в свою архитектуру вновь разработанные и уже используемые подсистемы, интеллектуальные технологии и инновационные приложения;
-системная платформа программно-аппаратных комплексов специального назначения такого типа - внедрение и/или адаптация готового решения от «доверенного» производителя или разработка нового программно-аппаратного комплекса в соответствии с техническим заданием заказчика;
-адаптируемость и преемственность программно-аппаратных комплексов специального назначения, использующих методы и алгоритмы интеллектуального анализа большого количества разнородных и неструктурированных данных - подобные комплексы «настраиваются» в соответствии с требованиями заказчика и с учетом особенностей информационной среды (информационного пространства) системы управления, с учетом существующих и функционирующих программно-аппаратных комплексов;
-оперативность работы программно-аппаратных комплексов специального назначения, использующих методы и алгоритмы интеллектуального анализа большого количества разнородных и неструктурированных данных - могут своевременно выполнять стоящие перед ними задачи;
-распределенность программно-аппаратных комплексов специального назначения, использующих методы и алгоритмы интеллектуального анализа большого количества разнородных и неструктурированных данных - могут эффективно функционировать в территориально удаленных подразделениях и подсистемах управления;
-горизонтальная и вертикальная масштабируемость программно-аппаратных комплексов специального назначения, использующих методы и алгоритмы интеллектуального анализа большого количества разнородных и неструктурированных данных - архитектура таких комплексов может выполняться в виде базового каркаса, первоначально содержащего ключевые модули, и дополняться (расширяться) в соответствии с вводимыми новыми интеллектуальными технологиями и требованиями изменяющейся внешней и внутренней среды функционирования.
Рассмотрим некоторые из этих требований более подробно.
Как и для других сложных интеллектуальных систем поддержки принятия решений, способность программно-аппаратных комплексов специального назначения обрабатывать большие объемы разнородной информации, необходимой для принятия решений в сфере управления войсками и оружием (информации в разном формате, поступающей из разных источников с учетом большого количества пользователей, привилегий и ресурсов), может достигаться путем обеспечения их масштабируемости.
Масштабируемость программно-аппаратных комплексов специального назначения, использующих методы и алгоритмы интеллектуального анализа большого количества разнородных и неструктурированных данных, позволит данным системам выполнять дополнительные требования к мониторингу и анализу такой информации в еще более крупных масштабах, позволит обеспечить поддержку обработки большого объема данных различных гетерогенных (иногда противоречивых) данных об объектах и событиях, критически важных для управления.
Помимо этого, масштабируемость программно-аппаратных комплексов специального назначения, использующих методы и алгоритмы интеллектуального анализа данных, подразумевает их способность увеличивать скорость обработки
большого количества разнородных и неструктурированных данных с увеличением числа подключаемых к системе дополнительных вычислительных ресурсов. Выполнение требования по масштабируемости позволяет поддерживать корректную работоспособность программно-аппаратных комплексов специального назначения в условиях пиковых нагрузок.
В создаваемых сейчас программно-аппаратных комплексах специального назначения требование масштабируемости может и должно быть удовлетворено за счет использования интеллектуальных технологий обработки Больших Данных, в том числе, методов и моделей распределенного машинного обучения на Больших Данных, нечеткой кластеризации и нечеткого логического вывода, а также методов эволюционных вычислений, реализованных для исполнения на высокопроизводительных кластерах с поддержкой горизонтального масштабирования вычислительных ресурсов системы управления.
Выполнение требования по оперативности (своевременности) работы программно-аппаратных комплексов специального назначения подразумевает необходимость обучения данной системы на результатах предобработки больших массивов разнородных и неструктурированных данных в течение заданного промежутка времени.
Для выполнения этого требования в рамках решения задач, стоящих перед программно-аппаратными комплексами специального назначения, использующими методы и алгоритмы интеллектуального анализа данных, машинного обучения, предлагается использовать интеллектуальные механизмы обработки данных с заданным интервалом, основанные на нейросетевом анализе временных рядов, где на основании заданного интервала времени определяется темп роста или снижения значений параметров, характеризующих состояние различных объектов, на которые ориентировано управление.
Оперативность обработки больших массивов разнородных и неструктурированных данных об объектах и событиях, критически важных для управления войсками и оружием, в рамках функционирования программно-аппаратных комплексов специального назначения, характеризует способность данных комплексов обеспечивать своевременное решение задач и доведение результатов (оценок событий или состояния системы) до должностных лиц, принимающих подобные решения.
Требования по оперативности обработки больших массивов разнородных и неструктурированных данных задаются исходя из общего времени, выделенного на решение задач управления, и представляют собой суммарное время реализации процедур интеллектуального анализа и обработки гетерогенных данных, а также принятия решений в рамках программно-аппаратных комплексов специального назначения.
В данных комплексах такое требование может быть выполнено за счет привлечения методов искусственного интеллекта, в том числе, методов эволюционных вычислений и машинного обучения, реализованных для исполнения на высокопроизводительных кластерах. В результате, благодаря применению этих алгоритмов, программно-аппаратные комплексы специального назначения смогут обрабатывать большие объемы данных, а также реализовывать новые подходы к обработке и анализу данных (например, методы глубокого обучения).
Соблюдение требований по своевременности работы программно-аппаратных комплексов специального назначения позволит обеспечить необходимый уровень быстродействия и поддержать масштабируемость разрабатываемой системы, а также избежать задержек в работе систем поддержки и принятия решений в целом.
Повышение обоснованности принимаемых решений в рамках программно-аппаратных комплексов специального назначения, помимо прочего, достигается путем повышения достоверности и точности анализа больших массивов разнородных и
неструктурированных данных о событиях, об объектах и событиях, критически важных для управления.
Кроме того, обоснованность принимаемых решений в рамках работы программно-аппаратных комплексов специального назначения, зависит от качества данных, получаемых из различных источников: из внутренних источников, из внешних источников, в том числе от третьих сторон, из собственных источников, из общедоступных источников, по результатам непосредственного анализа событий.
Достоверность результатов работы программно-аппаратных комплексов специального назначения характеризует меру точности оценки объектов и событий, верности выводов при анализе ситуаций и правильности принимаемых решений относительно выбора мер, направленных на эффективное управление войсками и оружием. Она зависит от точности измерений, диагностики, наблюдения, прогнозирования и от полноты и эффективности интеллектуальной аналитической обработки данных [24].
Применение высокоточных распределенных методов и алгоритмов из области искусственного интеллекта, в частности, нейросетевых методов и методов глубокого обучения, способно повысить достоверность решений, принимаемых в рамках программно-аппаратных комплексов специального назначения, а значит, в итоге, повысить обоснованность принимаемых решений системой в целом. Также достоверность может достигаться, например, за счет использования высокопроизводительных средств анализа, базирующихся на интеллектуальных агентах, обладающих возможностями самообучения.
Одним из важнейших требований к программно-аппаратным комплексам специального назначения для сбора и обработки информации с использованием методов интеллектуального анализа большого количества разнородных и неструктурированных данных, является высокая полнота полученных результатов, то есть способность, в рамках и по результатам аналитической обработки, предоставлять всестороннюю и достаточную для принятия решений оценку всех обрабатываемых на входе данных об объектах и событиях, важных для управления войсками и оружием [13, 14, 24].
Полнота обработки больших массивов разнородных и неструктурированных данных в рамках программно-аппаратных комплексов специального назначения для сбора и обработки информации определяется уровнем охвата характеристик объектов и событий, эффективностью процедур обработки этих данных и характеризует качество принимаемых решений. При определении полноты обработки данных об объектах и событиях, критически важных для управления войсками и оружием, следует исходить из уровня достоверности результатов работы всех компонентов глобальной системы управления.
Требование к адаптивности программно-аппаратных комплексов специального назначения для сбора и обработки информации призвано обеспечивать соответствие характеристик процесса работы этих комплексов конкретной ситуации и соответствующей ей задаче управления войсками и оружием. Требование адаптивности является следствием (и производной) требований по непрерывности и гибкости работы, так как, даже в случае сбоя или выхода из строя подсистемы интеллектуальной аналитической обработки, программно-аппаратные комплексы должны принимать решение об очередном изменении, учитывающем возможность наступления тех или иных событий, важных для управления войсками и оружием.
Адаптивность программно-аппаратных комплексов специального назначения для сбора и обработки информации подразумевает возможность изменения состава выявляемых и анализируемых объектов и событий, критически важных для управления войсками и
оружием, а также способность этих комплексов настраивать свои параметры без перерыва в работе с целью лучшего выполнения задачи всей системой в целом.
Предполагается, что программно-аппаратные комплексы специального назначения для сбора и обработки информации на основе методов интеллектуального анализа большого количества разнородных и неструктурированных данных поддерживают несколько режимов работы, в частности режим дообучения, который должен позволить не переобучать все обученные ранее модели машинного обучения, а расширить и уточнить состав типов данных, объектов и событий, подлежащих интеллектуальному анализу.
При этом для каждой модели машинного обучения программно-аппаратных комплексов специального назначения для сбора и обработки информации на основе методов интеллектуального анализа большого количества разнородных и неструктурированных данных может быть задан свой набор правил и критериев принятия решений. Предполагается, что в состав компонентов модели машинного обучения программно-аппаратных комплексов такого класса будут входить блоки обучения и верификации моделей, а также компоненты обнаружения аномалий в анализируемых данных.
Некоторые предложения по построению программно-аппаратных комплексов специального назначения для сбора и обработки информации с учетом изложенных требований
Практика показывает, что в ходе построения программно-аппаратных комплексов специального назначения для сбора и обработки информации на основе методов интеллектуального анализа большого количества разнородных и неструктурированных данных необходимо исследовать возможность включения в такие комплексы высокоэффективных нейросетевых и эволюционных алгоритмов, поддерживающих инкрементное обучение (на основе приращения знаний) и позволяющих добавить новые категории знаний без прерывания работы системы интеллектуального анализа.
Следует отметить, что для поддержки адаптивной, широко и глубоко масштабируемой структуры программно-аппаратных комплексов специального назначения для сбора и обработки информации с использованием методов интеллектуального анализа большого количества разнородных и неструктурированных данных, при их работе в реальном или близком к реальному времени, они должны иметь открытую масштабируемую архитектуру, что позволит добавлять и адаптировать новые способы интеллектуальной обработки цифрового контента без существенных затрат на переобучение, а также поддерживать горизонтальное масштабирование за счет добавления высокопроизводительных вычислительных узлов и новых моделей и алгоритмов без прерывания работы комплексов такого класса.
В этой связи в процессе разработки и совершенствования программно-аппаратных комплексов специального назначения для сбора и обработки информации с использованием методов интеллектуального анализа большого количества разнородных и неструктурированных данных, должны быть, по нашему мнению, выбраны следующие направления, исследованы следующие вопросы и решены следующие задачи:
-системный и доскональный анализ существующих отечественных и зарубежных аппаратно-программных решений по построению программно-аппаратных комплексов специального назначения, нацеленных на автоматизацию решения задач сбора и обработки информации на основе методов интеллектуального анализа разнородных и неструктурированных данных;
-формулировка и согласование достоверных источников и перечня исходных данных для создания программно-аппаратных комплексов специального назначения для сбора и
обработки информации, как с точки зрения системных, программных и аппаратных решений, так и с точки зрения видов обеспечения (математического, лингвистического и др.);
-формулировка и согласование источников, объема и номенклатуры (перечня) исходных данных, включая виды неструктурированных (слабоструктурированных) данных, для функционирования программно-аппаратных комплексов специального назначения для сбора и обработки информации с использованием методов интеллектуального анализа большого количества разнородных и неструктурированных данных;
-разработка единой концепции построения и функционирования программно-аппаратных комплексов специального назначения для сбора и обработки информации с использованием методов интеллектуального анализа большого количества разнородных и неструктурированных данных;
-формирование общего подхода и требований, предъявляемых к компонентам программно-аппаратных комплексов специального назначения для сбора и обработки информации с использованием методов интеллектуального анализа большого количества разнородных и неструктурированных данных (например, к компонентам: сбора и предварительной обработки данных; многокритериальной оценки и категоризации объектов и ситуаций, анализ которых необходим для принятия управленческих решений; обеспечения своевременности многоуровневого и многомодульного анализа таких объектов и ситуаций; адаптации и переобучения системы анализа объектов и ситуаций, в том числе, в режиме эксплуатации; выработки и выбора мер управления войсками и оружием; реализации визуальных интерфейсов для поддержки принятия решений по управлению войсками и оружием;
-разработка общей архитектуры перспективных программно-аппаратных комплексов специального назначения для сбора и обработки информации с использованием методов интеллектуального анализа большого количества разнородных и неструктурированных данных в интересах устойчивого, непрерывного, оперативного и скрытного управления сложными объектами, силами и средствами такого класса.
Выводы
Детальный анализ характерных особенностей и исследование роли некоторых интеллектуальных технологий в интересах построения и модернизации существующих и перспективных программно-аппаратных комплексов специального назначения для сбора и обработки информации, показывает, что существующие и успешно апробированные инструменты интеллектуального анализа большого количества разнородных и неструктурированных данных, хранимых, размечаемых и перерабатываемых в комплексах такого класса, не только доступны и применимы для задач подобного рода, решаемых с учетом проблем Больших Данных, но и способны существенно улучшить качество принятия решений по управлению войсками и оружием.
Доказательством таких выводов могут служить, как уже давно существующие позитивные примеры использования некоторых наиболее распространенных технологий интеллектуального анализа больших объемов данных в различных сферах жизнедеятельности государства, так и реальные результаты экспериментального методологического и практического анализа, посвященного вопросам внедрения алгоритмов интеллектуальной обработки большого количества разнородных и неструктурированных данных в системы и комплексы специального (военного) назначения.
С учетом этого предпринята попытка сформулировать и обосновать основные требования к программно-аппаратным комплексам специального назначения для сбора и обработки информации на основе методов интеллектуального анализа большого количества разнородных и неструктурированных данных. Предполагается, что данные требования позволят с системных позиций взглянуть на проблемы построения комплексов такого класса,
смогут повысить качество их архитектурных решений в рамках проектирования и построения и, в целом, смогут повысить эффективность их применения. Определена и сформулирована иерархия системы базовых технологических требований к программно-аппаратным комплексам специального назначения для сбора и обработки информации, обоснованы требования по интегрируемости, оперативности, масштабируемости, адаптируемости и способности подобных комплексов работать на различных современных аппаратных платформах. Рассмотрены требования, которым должны соответствовать современные и перспективные процедуры интеллектуального анализа большого количества разнородных и неструктурированных данных.
Сформулированы требования к содержанию задач, решаемых на различных этапах создания программно-аппаратных комплексов специального назначения для сбора и обработки информации, выработаны некоторые конкретные предложения по их построению с учетом изложенных требований.
Полученные результаты исследований и изложенный подход к формулировке и обоснованию требований к программно-аппаратным комплексам специального назначения для сбора и обработки информации, с учетом условий и ограничений, связанных с объективной необходимостью интеллектуального анализа большого количества разнородных и неструктурированных данных, позволяют на основе единых системных позиций сформировать архитектуру подобных комплексов, а также эффективные алгоритмы сбора, обработки и визуализации Больших Данных, жизненно необходимых для принятия решений в системах автоматизации управления специального назначения.
Литература
1. Сорокин С. А., Горшков А. В. Архитектура программно-аппаратных комплексов. - М.: Издательство МИРЭА - Российский технологический университет. 2023. 61 с.
2. Казарин О. В., Забабурин А. С. Программно-аппаратные средства защиты информации. Защита программного обеспечения: учебник и практикум для среднего профессионального образования. - М.: Издательство Юрайт, 2023. 312 с.
3. Шабров Н. Н. Программно-аппаратные комплексы виртуального окружения как ключевые технологии принятия решений // Суперкомпьютеры. 2013. № 1 (13). С. 27-31.
4. Музипов X. Н. Программно-технические комплексы автоматизированных систем управления. Учебное пособие для вузов. 2-е издание. -М.: Лань. 2022. 164 с.
5. Программно-аппаратные комплексы. Оборудование. -М.: Интегра-С, 2021. 34 с.
6. Паращук И. Б. Проблемы Больших Данных. Особенности и пути решения // IX Санкт-Петербургская Межрегиональная конференция «Информационная безопасность регионов России-2015 (ИБРР-2015)». Материалы конференции, - СПб.: СПОИСУ, 2015. С. 175-176.
7. Тесленко И. Б., Крылов В. Е., Губернаторов А. М. и др. Анализ больших данных: учебное пособие. - М.: КноРус, 2023. 295 с.
8. Паращук И. Б. Большие Данные, проблемы и перспективы // Неделя науки. Материалы конференции, в 2-х кн. Кн. 2. - СПб.: ВАС, 2015. С. 66-71.
9. Горелик А. Корпоративное озеро больших данных. Новый подход к использованию Big Data и Data Science в бизнесе. - М.: Эксмо, 2023. 272 с.
10. Боровская Е. В., Давыдова Н. А. Основы искусственного интеллекта: учебное пособие. 4-е изд. -М.: Лаборатория знаний, 2020. 130 с.
11. Остроух А. В. Введение в искусственный интеллект: монография. - Красноярск: Научно-инновационный центр, 2020. 250 с.
12. ГОСТ Р 59277-2020. Системы искусственного интеллекта. Классификация систем искусственного интеллекта. -М.: Стандартинформ. 2021. 16 с.
13. Буренок В. М. Проблемы применения систем с искусственным интеллектом в военном деле // Известия РАРАН. № 4 (119). 2021. С. 3-6.
14. Елизаров В. В., Паращук И. Б., Салюк Д. В. Анализ этапов и критериев выбора современных технологий искусственного интеллекта в интересах построения и совершенствования
техники средств связи и автоматизации управления специального назначения // Техника средств связи. 2023. № 1 (161). С. 60-68.
15. Королев А. Д., Кореневский Н. А., Кузнецов Д. Н. и др. Интеллектуальные программно-аппаратные комплексы передачи информации в телемедицинских сетях. — Томск: Издательский Дом Томского государственного университета. 2018. 348 с.
16. Иванов В. М. Интеллектуальные системы: учебное пособие. - Екатеринбург: Изд-во Урал, ун-та, 2015. 92 с.
17. Ясницкий JI. Н. Интеллектуальные системы. — М.: Лаборатория знаний, 2016. 221 с.
18. Богуславский А. А., Боровин Г. К., Карташев В. А. и др. Модели и алгоритмы для интеллектуальных систем управления. -М.: ИПМ им. М. В. Келдыша, 2019. 228 с.
19. Указ Президента Российской Федерации от 10 октября 2019 года №490 «О развитии искусственного интеллекта в Российской Федерации». - М.: Управление делами Президента Российской Федерации. 2019. 25 с.
20. Виткова JI. А., Паращук И. Б., Саенко И. Б. Проблематика и особенности процедур аналитической обработки больших массивов гетерогенных данных о событиях кибербезопасности в инфокоммуникационных сетях и системах // Актуальные проблемы инфотелекоммуникаций в науке и образовании. XI Международная научно-техническая и научно-методическая конференция; сб. науч. ст. в 4 т. / Под. ред. А. В. Шестакова; сост. В. С. Елагин, Е. А. Аникевич. - СПб.: СПбГУТ, 2022. Т. 1. С. 279-283.
21. Михайличенко А. В., Паращук И. Б., Селезнев А. В. Интеллектуальная аналитическая обработка больших массивов гетерогенных данных в интересах контроля безотказности и ремонтопригодности мобильных дата-центров // Современные тенденции инженерного образования. Сборник материалов Научно-практической конференции. - СПб.: ВАС, 2022. С. 188— 192.
22. Мусаев А. А. Интеллектуальный анализ данных: учебное пособие. - СПб.: СПбГТИ(ТУ), 2018. 56 с.
23. Замятин А. В. Интеллектуальный анализ данных: учебное пособие. - Томск: Издательский Дом Томского государственного университета, 2020. 194 с.
24. Котенко И. В., Саенко И. Б., Браницкий А. А., Паращук И. Б., Гайфулина Д. А. Интеллектуальная система аналитической обработки цифрового сетевого контента для защиты от нежелательной информации // Информатика и автоматизация (Труды СПИИРАН). Вып. 20 (4), 2021. С. 755-792.
References
1. Sorokin S. A., Gorshkov А. V. Arxitektura programmno-apparatny "x kompleksov [Architecture of software and hardware complexes]. Moscow. IzdateFstvo MIRE"A - Rossijskij texnologicheskij universitet Publ., 2023. 61 p. (In Russian)
2. Kazarin О. V., Zababurin A. S. Programmno-apparatny"e sredstva zashhity" informacii. Zashhita programmnogo obespecheniya: uchebnik i praktikum dlya srednego professionaVnogo obrazovaniya [Software and hardware means of information protection. Software protection: textbook and workshop for secondary vocational education], Mockow. IzdateFstvo Yurajt Publ., 2023. 312 p.
(In Russian)
3. Shabrov N. N. Programmno-apparatny"e kompleksy" virtuaVnogo okruzheniya как klyuchevy e texnologii prinyatiya reshenij [Software and hardware complexes of virtual environment as key decisionmaking technologies]. Superkomp'yutery' Publ., 2013. No.1(13). Pp. 27-31 (In Russian)
4. Muzipov H. N. Programmno-texnicheskie kompleksy" avtomatizirovanny "x sistem upravleniya [Software and hardware complexes of automated control systems]. Moscow. Lan" Publ. 2022. 164 p. (In Russian)
5. Programmno-apparatny"e kompleksy\ Oborudovanie [Software and hardware complexes. Equipment]. Moscow. Integra-S Publ. 2021. 34 p. (In Russian)
6. Parashchuk I. B. Problemy" BoVshix Danny "x. Osobennosti i puti resheniya [Big Data Problems. Features and solutions]. IX Sankt-Peterburgskaya MezhregionaVnaya konferenciya «Informacionnaya bezopasnost" regionov Rossii-2015 (IBRR-2015)». Materialy" konferencii [IX-th St. Petersburg Interregional Conference "Information Security of the regions of Russia-2015 (IBRD-2015)". Materials of the conference]. St. Petersburg: SPOISU Pabl., 2015. Pp. 175-176. (In Russian)
7. Teslenko I. B., Krylov V. E., Gubernatorov A. M. et al. Analiz boVshix danny uchebnoe posobie [Big Data analysis: textbook]. Moscow: KnoRus Publ., 2023. 295 p. (In Russian)
8. Parashchuk I. B. BoVshie Danny problemy" i perspektivy" [Big Data, problems and prospects]. Nedelya nauki. Materialy" konferencii [Week of Science. Conference materials.]. St. Petersburg. Military Academy of Communications Publ., 2015. Pp. 66—71. (In Russian)
9. Gorelik A. Korporativnoe ozero boVshix danny x. Novyj podxod k ispoVzovaniyu Big Data i Data Science v biznese [Corporate lake of big data. A new approach to the use of Big Data and Data Science in business]. Moscow: Eksmo Publ., 2023. 272 p. (In Russian)
10. Borovskaya E. V., Davy'dova N. A. Osnovy" iskusstvennogo intellekta: uchebnoe posobie [The basics of artificial intelligence: a textbook]. Moscow. Laboratoriya znanij Publ., 2020. 130 p.
(In Russian)
ll.Ostroux A. V. Vvedenie v iskusstvennyj intellekt: monografiya [Introduction to Artificial Intelligence: monograph]. Krasnoyarsk. Nauchno-innovacionny j centr Publ., 2020. 250 p. (In Russian)
12. GOST R 59277-2020 Sistemy" iskusstvennogo intellekta. Klassifikaciya sistem iskusstvennogo intellekta [Artificial intelligence systems. Classification of artificial intelligence systems]. Moscow. Standartinform Publ., 2021. 16 p. (In Russian)
13. Burenok V. M. Problemy" primeneniya sistem s iskusstvenny Vw intellektom v voennom dele [Problems of using systems with artificial intelligence in military affairs]. Izvestiya RARAN [Izvestia RARAN], № 4 (119). 2021. Pp. 3-6. (In Russian)
14. Elizarov V. V., Parashchuk I. B., Salyuk D. V. Analysis of the stages and criteria for the selection of modern artificial intelligence technologies in the interests of building and improving communication equipment and control automation of special purpose. Means of Communication Equipment. 2023. No. 1 (161). Pp. 60-68. DOI: 10.24412/2782-2141-2023-1-60-68. (in Russian).
15. Korolev A. D., Korenevsky N. A., Kuznetsov D. N., etc. IntellektuaVny^e programmno-apparatny e kompleksy" peredachi informacii telemedicinskix setyax [Intelligent software and hardware complexes for transmitting information to telemedicine networks]. Tomsk. Publishing House of Tomsk State University. 2018. 348 p. (In Russian)
16. Ivanov V. M. IntellektuaVny^e sistemy V uchebnoe posobie. [Intelligent systems: a textbook], -Yekaterinburg: Ural Publishing House, 2015. 92 p. (In Russian)
17. Yasnitskiy L. N. IntellektuaVny^e sistemy" [Intelligent systems]. Moscow. Laboratory of Knowledge Publ., 2016. 221 p. (In Russian)
18. Boguslavsky A. A., Borovin G. K., Kartashev V. A. and others. Modeli i algoritmy" dlya intellektuaVny^x sistem upravleniya [Models and algorithms for intelligent control systems]. Moscow. IPM named after M. V. Keldysh Publ., 2019. 228 p. (In Russian)
19. Ukaz Prezidenta Rossijskoj Federacii ot 10 oktyabrya 2019 goda № 490 «0 razvitii iskusstvennogo intellekta v Rossijskoj Federacii» [Decree of the President of the Russian Federation No. 490 dated October 10, 2019 "On the development of artificial intelligence in the Russian Federation"]. Moscow. Upravlenie delami Prezidenta Rossijskoj Federacii. [Administration of Affairs of the President of the Russian Federation]. 2019. 25 p. (In Russian)
20. Vitkova L. A., Parashchuk I. B., Saenko I. B. Problematika i osobennosti procedur analiticheskoj obrabotki boVshix massivov geterogenny\ danny\ o soby^tiyax kiberbezopasnosti v infokommunikacionny x setyax i sistemax [Problematics and features of analytical processing procedures for large arrays of heterogeneous data on cybersecurity events in infocommunication networks and systems]. Aktual ny e problemy" infotelekommunikacij v nauke i obrazovanii. XI Mezhdunarodnaya nauchno-texnicheskaya i nauchno-metodicheskaya konferenciya. [Actual problems of infotelecommunications in science and education. XI International Scientific-Technical and Scientific-methodological Conference]. St. Petersburg. SPbSUT Publ., 2022. Vol.1. Pp. 279-283.
(In Russian)
21. Mikhaylichenko A. V., Parashchuk I. B., Seleznev A. V. IntellektuaVnaya analiticheskaya obrabotka boVshix massivov geterogenny x danny x v interesax kontrolya bezotkaznosti i remontoprigodnosti mobiVny\ data-centrov [Intelligent analytical processing of large arrays of heterogeneous data in the interests of monitoring the reliability and maintainability of mobile data centers]. Sovremenny^e tendencii inzhenernogo obrazovaniya. Sbornik materialov Nauchno-prakticheskoj konferencii [Modern trends in engineering education. Collection of materials of the
Scientific and practical conference]. St. Petersburg. Military Academy of Communications Publ., 2022. Pp. 188-192. (In Russian)
22. Musaev A. A. Intellektual ny j analiz danny x: uchebnoe posobie [Data mining: a textbook]. St. Petersburg. SPbGTI(TU), 2018. 56 p. (In Russian)
23. Zamyatin A. V. Intellektual "ny j analiz danny "x: uchebnoe posobie [Data mining: a textbook]. Tomsk. Publishing House of Tomsk State University Publ., 2020. 194 p. (In Russian)
24. Kotenko I. V., Saenko I. В., Branitsky A. A., Parashchuk I. В., Gayfulina D. A. IntellektuaVnaya sistema analiticheskoj obrabotki cifrovogo setevogo kontenta dlya zashhity" ot nezhelateVnoj informacii [Intelligent system of analytical processing of digital network content for protection from unwanted information]. Informatika i avtomatizaciya (Trudy" SPIIRAN). [Informatics and automation (Proceedings of SPIIRAN)]. Is. 20(4). 2021. Pp. 755-792. (In Russian)
Статья поступила 04 февраля 2024 г.
Информация об авторах
Елизаров Вячеслав Владимирович — кандидат технических наук. Заместитель начальника отдела ООО «СТЦ». Область научных интересов: проектирование и разработка автоматизированных систем специального назначения; технологии сбора и обработки информации. Тел.: +7 911 227 90 95. E-mail: m_els@mail.ru
Паращук Игорь Борисович — доктор технический наук, профессор, Заслуженный изобретатель Российской Федерации. Профессор кафедры (автоматизированных систем специального назначения) Военной академии связи им. Маршала Советского Союза С.М. Буденного. Область научных интересов: мониторинг информационных и телекоммуникационных систем; сетевые технологии; комплексы и средства защиты информации. Тел.: +7 911 944 36 88. E-mail: shchuk@rambler.ru.
Салюк Дмитрий Владиславович - кандидат технических наук, доцент. Начальник отдела ПАО «Интелтех». Область научных интересов: проектирование и разработка автоматизированных систем специального назначения, сетевые технологии. Тел.: +7 921 7941064. E-mail: salukdv@rambler.ru
Адрес: 197342, Россия, г. Санкт-Петербург, ул. Кантемировская, д. 8.
Substantiation of requirements for special-purpose software and hardware complexes for collecting and processing information based on methods of intellectual analysis of a large number of heterogeneous and unstructured data
V. V. Elizarov, I. B. Parashchuk, D. V. Salyuk
Annotation: Task statement: a detailed analysis of the characteristic features and research of the role of intelligent technologies in the interests of building and upgrading existing and promising special-purpose software and hardware complexes for collecting and processing information. Study of architecture, operating conditions and formulation of basic requirements for complexes of this class, taking into account possible limitations and application options of modern algorithms of data mining. Novelty: consists in the fact that the object of research is modern tools for the intelligent analysis of a large number of heterogeneous and unstructured data stored, marked up, processed and visualized within the framework of special-purpose software and hardware complexes, which, in turn, serve as the basis and source data for the formulation and justification of requirements for the construction of complexes of this class. The purpose of the work is to analyze existing and develop new approaches focused on the formulation (synthesis) of a system of requirements for special-purpose software and hardware complexes for collecting and processing information based on methods of intellectual analysis of a large number of heterogeneous and unstructured data. The result is that a variant of practical filling is proposed (the essence and content are described) of a hierarchical system of basic requirements for special-purpose software and hardware complexes for collecting and processing
information based on methods of intellectual analysis of a large number of heterogeneous and unstructured data, the requirements for integrability, efficiency, scalability, adaptability and the ability of such complexes to work are justified on various modern hardware platforms. The requirements for the content of tasks solved at various stages of the creation of special-purpose software and hardware complexes for the collection and processing of information are formulated, some specific proposals for their construction are developed taking into account the stated basic requirements. Practical significance: the research results and the proposed approach to the formulation and justification of requirements for special-purpose software and hardware complexes for collecting and processing information, taking into account the conditions and limitations associated with the objective need for intelligent analysis of a large number of heterogeneous and unstructured data, allow us to form the architecture of such complexes based on unified system positions, as well as effective algorithms collection, processing and visualization of Big Data, vital for decision-making in special purpose control automation systems.
Keywords: information collection and processing, data mining, big data, decision support, hardware and software complex, heterogeneous and unstructured data.
Information about Authors
Elizarov Vacheslav Vladimirovich - Candidate of Technical Sciences. Deputy Head of the Department of JSC «STC». Research interests: design and development of automated systems for special purposes; technologies for collecting and processing information. Tel.: +7 911 227 90 95. E-mail: m_els@mail.ru
Parashchuk Igor Borisovich - Doctor of Technical Sciences, Professor, Honored Inventor of the Russian Federation. Professor of the Department (Automated Special purpose Systems) of the Military Academy of Communications named after Marshal of the Soviet Union S.M. Budyonny. Research interests: monitoring of information and telecommunication systems; network technologies; complexes and means of information protection. Tel.: +7 911 944 36 88. E-mail: shchuk@rambler.ru
Salyuk Dmitry Vladislavovich - Candidate of Technical Sciences, Associate Professor. Head of the Department of PJSC «Inteltech». Research interests: design and development of automated systems for special purposes, network. Tel.: +7 921 794 10 64. E-mail: salukdv@rambler.ru
Address: Russia, 197342, Saint-Petersburg, Kantemirovskaya St. 8.
Для цитирования: Елизаров В. В., Паращук И. Б., Салюк Д. В. Обоснование требований к программно-аппаратным комплексам специального назначения для сбора и обработки информации на основе методов интеллектуального анализа большого количества разнородных и неструктурированных данных // Техника средств связи. 2024. № 1 (165). С. 76-89. DOI: 10.24412/2782-2141-2024-1-76-89.
For citation: Elizarov V. V., Parashchuk I. В., Salyuk D. V. Substantiation of requirements for special-purpose software and hardware complexes for collecting and processing information based on methods of intellectual analysis of a large number of heterogeneous and unstructured data. Means of Communication Equipment. 2024. No. 1 (165). Pp. 76-89. (in Russian). DOI: 10.24412/2782-2141 -2024-1 -76-89.
