�� Тема ДКР : Розробити та дослідити технології побудови автоматизованих систем інформаційного забезпечення критичних процесів управління силами та засобами в умовах впливу деструктивних факторів зовнішнього середовища� (шифр: Спостереження)

Науковий керівник - Петров Вячеслав Васильович, академік НАН України.

Термін виконання роботи - 01 січня 2022 р. - 31 грудня 2024 р.

Мета роботи : дослідження та розвиток сучасних технологій побудови високонадійних систем інформаційного забезпечення критичних процесів управління розподіленими системами з мережецентричною архітектурою, виявлення «вузьких місць» систем, розробки практичних рекомендацій із застосування інтегрованих систем збору, обробки різнорідної інформації для підвищення оперативності та обґрунтованості рішень з управління силами та засобами.

Науково-практична новизна результатів роботи полягає у створенні технології побудови систем з мережецентричною архітектурою на базі нових підходів, методів і алгоритмів об’єднання інформації від множини різнорідних джерел з метою надійного забезпечення даними відображення та аналізу поточної обстановки для різних споживачів. Застосування таких систем в сучасних умовах дозволить суттєво зменшити неповноту та підвищити достовірність інформації, що необхідна для прийняття рішень, та живучість автоматизованих систем управління спеціального типу в умовах впливу деструктивних факторів зовнішнього середовища

Порядок виконання роботи

Роботи виконувались у три етапи:

1 етап -2022 рік.

Розробка основних положень технології формування єдиного інформаційного простору в автоматизованих системах збору, об’єднання та розподілу інформації, як інструменту забезпечення безперервного надійного забезпечення інформацією систем прийняття рішень в умовах впливу деструктивних факторів зовнішнього середовища.

2 етап – 2023 рік.

Розробка технології побудови автоматизованих систем моніторингу навколишнього простору, спрямованої на вирішення завдання об’єднання різнорідної інформації від множини джерел (в інтегрованій системі добування інформації про об’єкти спостереження) для підвищення оперативності та обґрунтованості управлінських рішень в автоматизованих розподілених системах із мережецентричною архітектурою.

3 етап – 2024 рік.

Розробка методів аналізу поточного стану та підвищення живучості функціонування системи моніторингу навколишнього простору із мережецентричною архітектурою в умовах впливу зовнішніх деструктивних факторів. Розробка практичних рекомендацій з побудови автоматизованих систем моніторингу навколишнього простору на основі використання методів та засобів надійного забезпечення інформацією систем прийняття рішень в умовах впливу зовнішніх деструктивних факторів.

Основні завдання досліджень

Для досягнення мети роботи передбачалося виконання таких завдань:

• дослідження питань створення єдиного інформаційного простору для надійного забезпечення інформацією критичних систем прийняття рішень з мережецентричною архітектурою в умовах впливу деструктивних факторів зовнішнього середовища;
• розробка моделі єдиного інформаційно-функціонального простору для надійного забезпечення інформацією процесів управління критичних систем прийняття рішень з мережецентричною архітектурою в умовах впливу деструктивних факторів зовнішнього середовища;
• розробка основних положень технології об’єднання інформаційних ресурсів інтегрованої розподіленої системи спостереження за навколишнім простором для створення єдиного інформаційного простору
• розробка підходу до визначення інформаційних потреб споживачів інформації систем моніторингу навколишнього простору;
• розробка методів підвищення якості різнорідної інформації, що надходить від множини різнотипних джерел для підвищення обґрунтованості управлінських рішень;
• розробка методів автоматизованого формування інформаційних об’єктів різного рівня узагальнення для підвищення оперативності забезпечення інформаційних потреб систем управління із мережецентричною архітектурою;
• розробка технології побудови автоматизованих систем моніторингу навколишнього простору, спрямованої на вирішення завдання об’єднання різнорідної інформації від множини джерел (в інтегрованій системі добування інформації про об’єкти спостереження);
• розробка методів аналізу поточного стану надійного функціонування системи моніторингу навколишнього простору із мережецентричною архітектурою в умовах впливу зовнішніх деструктивних факторів;
• розробка практичних рекомендацій з побудови автоматизованих систем моніторингу навколишнього простору на основі використання методів та засобів надійного забезпечення інформацією систем прийняття рішень в умовах впливу зовнішніх деструктивних факторів.

​

Технологія об’єднання інформаційних ресурсів інтегрованої розподіленої СМНП для створення єдиного інформаційного простору

Виходячи із особливостей функціонування СМНП та аналізу існуючих технологій інтеграції інформаційних ресурсів, пропонується технологія об’єднання інформаційних ресурсів інтегрованої розподіленої системи спостереження за навколишнім простором для створення єдиного інформаційного простору на основі комбінації технологій ETL (видобуток, перетворення та завантаження) та SDI (потокова інтеграція даних).

Основними етапами даної технології є:

• визначення (формулювання) цільових функцій та задач СМНП (задач за призначенням);
• декомпозиція цільових задач та функцій у відповідності до організаційної та функціональної ієрархії СМНП;
• визначення інформаційних потреб функціональних складових СМНП різних ієрархічних рівнів та конкретних користувачів в процесі виконання їх функціональних завдань;
• визначення інформаційних потреб для вирішення функціональних завдань, визначених за результатами декомпозиції цільових задач та функцій СМНП, які не «покриваються» існуючими функціональними та організаційними складовими СМНП;
• узагальнення інформаційних потреб СМНП за ІО та їх розподіл за можливими засобами (джерелами) їх задоволення з урахуванням вимог до якості інформації;
• організація процесу отримання та попередньої обробки вхідної інформації щодо зовнішнього середовища функціонування системи її стану та наявних ресурсів;
• визначення якості наявного інформаційного ресурсу та можливостей підсистеми добування (формування, постачання) нових даних;
• вибір методів (алгоритмів) обробки інформації в процесі формування інформаційного ресурсу ЄІП;
• багатоетапне перетворення (обробка) інформації від джерел її надходження за обраними алгоритмами із утворенням взаємопов’язаних ІО різного рівня узагальнення;
• збереження даних інформаційного ресурсу СМНП у відповідних базах та банках даних із організацією доступу до них у відповідності до визначених інформаційних потреб користувачів різних ієрархічних рівнів;
• формування переліку поточних інформаційних потреб СМНП з урахуванням показників якості наявних даних для управління підсистемою добування (формування, постачання) даних СМНП

Технологія об’єднання інформаційних ресурсів інтегрованої розподіленої СМНП для створення єдиного інформаційного простору

Визначення інформаційних потреб для вирішення функціональних завдань, визначених за результатами декомпозиції цільових задач та функцій СМНП, які не «покриваються» існуючими функціональними та організаційними складовими СМНП.

• При виявленні невідповідності між інформаційними потребами та даними, що надходять при визначеній послідовності її вирішення, проводиться пошук, вибір та включення до ІРС СНП додаткового джерела даних

Узагальнення інформаційних потреб СМНП за ІО та їх розподіл за можливими засобами (джерелами) їх задоволення з урахуванням вимог до якості інформації.

• Для кожного інформаційного блоку (інформаційної потреби для вирішення деякої фз) проводиться структуризація – виділення підмножин інформаційних блоків, які можуть використовуватись як окремі ІО більш простої структури, визначаються джерела їх формування. Окремо виділяється множина атомарних (елементарних) інформаційних об’єктів {ІО^(ел)} – таких, що логічно складають окремий інформаційний блок та не містять в собі інших, більш простих за структурою ІО.

Організація процесу отримання та попередньої обробки вхідної інформації щодо зовнішнього середовища функціонування системи її стану та наявних ресурсів.

• Початковим джерелом даних для ІРС СНП є моніторинг зовнішнього середовища та внутрішнього стану Системи. Далі дані проходять такі стадії попередньої обробки: формалізація даних → оцінка якості → комплексування даних → покращення якості.

Визначення якості наявного інформаційного ресурсу та можливостей підсистеми добування (формування, постачання) нових даних.

• Окремою важливою задачею є визначення вимог до якості інформації про «атомарні» ІО, яка по суті визначатиме (обмежуватиме) якість забезпечення інформаційних потреб користувачів в цілому.
• До таких показників якості інформації відносяться: актуальність; точність; достовірність; повнота.
• Оцінка показника точності інформації, що отримується за допомогою технічних засобів, як правило, не складає проблем. При цьому таку інформацію можна вважати достовірною. Показники точності та достовірності інформації, отриманої від інших джерел, встановлюються дослідним шляхом.

Вибір методів (алгоритмів) обробки інформації в процесі формування інформаційного ресурсу ЄІП.

• Для формування інформаційного ресурсу ЄІП застосовуються методи формалізації різнорідної інформації, методи об’єднання різнорідних та різноточних даних, методи групування розпізнавання, тощо. При виборі методів та алгоритмів обробки інформації перевага має надаватись методам автоматичного (автоматизованого) характеру.

Багатоетапне перетворення (обробка) інформації від джерел її надходження за обраними алгоритмами із утворенням взаємопов’язаних ІО різного рівня узагальнення.

Збереження даних інформаційного ресурсу СМНП у відповідних базах та банках даних із організацією доступу до них у відповідності до визначених інформаційних потреб користувачів різних ієрархічних рівнів.

Формування переліку поточних інформаційних потреб СМНП з урахуванням показників якості наявних даних для управління процесом добування (формування, постачання) даних СМНП

• Здійснюється оцінка поточної якості наявних в інформаційному ресурсі ЄІП даних щодо ІО на відповідність вимогам споживачів. У результаті формується (уточнюється, конкретизується, звужується) завдання для підсистеми добування інформації (моніторингу стану ОКІ та зовнішнього середовища) з урахуванням поточного стану задоволення інформаційних потреб. Результатом є більш ефективний розподіл ресурсів зазначеної підсистеми. Останній етап може здійснюватися безперервно в процесі добування (отримання) інформації від підсистеми з урахуванням результатів обробки інформації в ЕІП ОКІ щодо підвищення її якості.

​

​

​

Розробка методів автоматизованого формування інформаційних об’єктів різного рівня узагальнення для підвищення оперативності забезпечення інформаційних потреб систем управління із мережецентричною архітектурою

Групування ІО з метою автоматизованого агрегування даних обстановки та підвищення оперативності її аналізу споживачами:

• автоматичне визначення оптимальної кількості груп ІО, які формують обстановку у поточний момент часу;
• методи групування ІО при заданій кількості груп для різних випадків розподілу об’єктів у координатному просторі.

Методи розпізнавання групових ІО:

- опис об’єктів у формалізованому вигляді, придатному для застосування методів розпізнавання (формування метрики об’єктів);

- формалізація ознак кількісного чи якісного характеру, які визначаються :числом, інтервалом можливих числових значень, лінгвістичними значеннями на порядковій шкалі, числом чи лінгвістичними значеннями на номінальній шкалі.

Методи реалізації процедури розпізнавання об’єктів:

-методи порівняння об’єктів розпізнавання із прецедентами;

-методи порівняння об’єктів розпізнавання з еталонами.

Методи автоматизованого формування інформаційних об’єктів різного рівня узагальнення для підвищення оперативності забезпечення інформаційних потреб систем управління із мережецентричною архітектурою. Задача групування ІО.

Запропоновано формувати комплексні інформаційні об’єкти різного рівня узагальнення у два етапи:

- Групування точкових інформаційних об’єктів;

- Розпізнавання групових об’єктів метричними методами.

Якість результатів групування пропонується оцінювати методом силуету, для «нецентроїдних» скупчень. Метод ліктя із розрахунком коефіцієнтів інерції – для нецентроїдних (ланцюгоподібних) скупчень (запропоновано спосіб перетворення методу ліктя на «екстремальний метод» для автоматичного вирішення задачі оцінки).

Для вирішення задачі групування ІО за різними критеріями запропоновано використовувати кластерний аналіз, що відноситься до методів машинного навчання без вчителя або некерованого навчання.

Обрано методи ієрархічної агломеративної кластеризації (k-середніх (для «круглих» скупчень) та модифікований найближчого сусіда (для ланцюгових)) із застосуванням відомих підходів до автоматичного визначення «оптимальної» кількості кластерів (груп ІО) на основі оцінки якості результатів розбиття.

Метод силуету

Метод силуету

«Хороший» результат

«Поганий» результат

«Хороший» результат

Варіант методу для автоматичного вирішення задачі

Методи автоматизованого формування інформаційних об’єктів різного рівня узагальнення для підвищення оперативності забезпечення інформаційних потреб систем управління із мережецентричною архітектурою. Задача групування ІО.

Недоліки методу: 1) Складно визначити вхідні параметри. 2) Точки на межі, які досяжні з декількох кластерів, можуть належати одному або іншому кластеру в залежності від порядку обробки даних. 3) Погано кластеризуються набори даних з великим перепадом щільності.

Серед альтернатив поширеним агломеративним методам кластеризації може бути популярний на сьогодні ітераційний метод DBSCAN, який демонструє гарну якість результатів кластеризації для скупчень об’єктів фактично довільної форми. DBSCAN є методом кластеризації, який використовує для групування об’єктів щільність даних.

Ефективність методу для групування ІО для формування інформаційного ресурсу потребує подальших досліджень.

Методи автоматизованого формування інформаційних об’єктів різного рівня узагальнення для підвищення оперативності забезпечення інформаційних потреб систем управління із мережецентричною архітектурою. Задача розпізнавання групових об’єктів.

Задача групування ІО є, зокрема, необхідним попереднім етапом розпізнавання багатоелементних (групових) ІО.

Задача розпізнавання групових об’єктів відноситься до задач, які вирішуються у рамках теорії розпізнавання образів, де під розпізнаванням розуміють процес віднесення деякого об’єкта до певного образу (моделі).

Запропоновано для вирішення задачі розпізнавання (класифікації) групових об’єктів використовувати метричні методи, оскільки ІО описуються кінцевими множинами ознак. Вони засновані на аналізі близькості (схожості) об’єктів.

Запропоновано комбінований двоетапний метод розпізнавання групових ІО із нечіткою формалізацією об'єктів розпізнавання, прецедентів та еталонів. Відмінність методу полягає у комбінуванні методів розпізнавання по прецедентам та за еталонами із використанням модифікації методу найближчого сусіда, що передбачає врахування ширини класів. У якості метрики близькості об’єктів класифікації використовується кількісно-якісна метрика Журавльова із нормалізацією отриманого значення відстані (близькості) загальною кількістю ознак.

Нечітке представлення об'єктів позбавляє необхідності перетворення (нормування, стандартизації) значень ознак та більш поступову (плавну) зміну відстані між об’єктами в процесі їх порівняння (класифікації).

Основні загрози для систем СМНП

Основними загрозами для систем моніторингу слід вважати:

• фізичне ураження каналів телекомунікації та вузлів концентрації інформаційного ресурсу вражаючими факторами різної природи;
• відмови та збої функціонування технічних та програмних засобів.
• ураження інформаційних ресурсів ЄІП комп'ютерними вірусами;
• застосування засобів придушення інформаційного обміну різної природи каналів зв'язку;
• організацію цілеспрямованої фальсифікації даних під час передачі їх каналами державного та відомчого підпорядкування, і навіть каналів обміну даними;
• знищення або розкрадання інформаційних масивів, які визначають (забезпечують) своєчасність прийняття обґрунтованих рішень органом управління;
• дезорганізація інформаційних потоків у обчислювально-комунікаційних мережах шляхом несанкціонованого обмеження чи заборони доступу до інформації легітимних користувачів;

​

Основні функції ССНП ЄІП

Методи аналізу (виявлення) поточного стану СМНП під час впливу на неї на канальному рівні

​

Зміна еквівалентного відношення сигнал/шум

Формування інформаційних потоків зі складною структурою за рахунок імітації хибних кадрів (пакетів)

​

Зміна ефективної пропускної здатності радіоліній в складі СМНП МЦА

Зміна своєчасності передачі повідомлень

Зміна імовірності відмов в обслуговуванні користувачів

Підвищення вимог до ресурсів вузлів управління СМНП МЦА та маршрутизаторів для обробки інф. потоків

Зниження оперативності передачі інф. потоків

Збільшення імовірності відмов в обслуговуванні користувачів

Зміна характеристик по: пропускній здатності, своєчасності, надійності

Ретрансляція інформаційних потоків зі складною структурою в суміжні мережі

Методи аналізу (виявлення) поточного стану СМНП під час впливу на неї на мережевому рівні

​

​

​

​

​

​

​

​

​

​

​

​

​

Методи аналізу (виявлення) поточного стану СМНП під час впливу на неї на транспортному рівні

Динамічна зміна метрики окремих вузлів мережі

Динамічна зміна топології мережі

Зростання часу збіжності протоколів маршрутизації

Зростання часу на реконфігурацією протоколів в мережі

Збільшення часу на обслуговування інформаційних потоків у вузлах маршрутизації

Збільшення часу обробки хибних інформаційних потоків у вузлах мережі

Зниження своєчасності обслуговування інформаційних потоків

Збільшення часу на встановлення з’єднання

Збільшення імовірності відмови

Реконфігурація маршрутів в мережі

Збільшення часу передачі інф. потоків

Зниження ефективності захисту трафіку

Зниження надійності та швидкодії міжмережевих з’єднань

Методи аналізу поточного стану СМНП під час впливу на неї на різних рівнях мережи системи

Методи аналізу поточного стану СМНП з використанням моделей системи захисту інформації та моделей процесів кібернападу і кіберзахисту від стороннього кібервпливу

Ключовим елементом методів аналізу поточного стану СМНП виступають моделі системи захисту інформації, а математичним забезпеченням — моделі процесів кібернападу (КбН) і кіберзахисту (КбЗ) від стороннього кібервпливу.

В роботі застосовано такі моделі:

• дискреційного доступу (п’ятивимірна модель Хартсона, модель на основі матриці доступу, модель Харисона—Рузо—Ульмана (модель HRU), модель типізованої матриці доступу (модель ТАМ), теоретико-графову модель TAKEGRANT);
• мандатного доступу (модель Белла—Лападули, модель Low-WaterMark);
• тематичного доступу (модель на основі тематичної решітки, модель тематико-ієрархічного розмежування доступу);
• рольового доступу (модель MMS Лендвера і Мак- Ліна);
• автоматні та теоретико-ймовірнісні (модель Гогена—Месигера (GM-модель));
• захисту від загроз відмов в обслуговуванні (модель розподілення ресурсів Мілена (МРР));
• контролю цілісності (модель Біба, модель Кларка—Вілсона).

​

​

Методи аналізу поточного стану СМНП з використанням моделей системи захисту інформації та моделей процесів кібернападу і кіберзахисту від стороннього кібервпливу (продовження)

Для побудови зазначених моделей використано теоретичний, емпіричний та теоретико-емпіричний підходи.

• Теоретичний підхід ґрунтується на методах теорії підтримання та ухвалення рішень, теорії графів, теорії ймовірностей, теорії мереж Петрі та напівмарковських процесів.
• Моделі КбН і КбЗ, розроблені на зазначеній базі, дають змогу отримати передусім якісні оцінки рівня захищеності (РЗ).
• Для емпіричного підходу застосовано методи теорії ймовірностей, теорії підтримання та ухвалення рішень, теорії ігор, мереж Петрі, теорії графів та матричного аналізу, економічного аналізу тощо. Статичні, стохастичні та динамічні моделі, розроблені на основі емпіричного підходу, дозволяють отримувати як суто якісні, так і суто кількісні показники оцінювання РЗ.

В роботі показано, що синтез теоретичного та емпіричного підходів — теоретико-емпіричний підхід спирається на групу відповідних математичних методів: методів теорії збурень, нейронних мереж та ланцюгів Маркова, методів теорії логіки та оптимізації, теорії трафіку тощо. При цьому побудовані моделі, на базі теоретико-емпіричного підходу, дозволяють отримувати не лише кількісні, а й кількісно-якісні оцінки РЗ.

​

Методи аналізу поточного стану СМНП з застосуванням марківського моделювання для систем дискретного часу з дискретними станами

�Методи аналізу поточного стану СМНП з застосуванням марківського моделювання (продовження)�

S₁

S₃

S₂

Р₁₃

Р₃₁

Р₁₂

Р₂₁

Р₃₂

Р₂₃

Р₃₃

Р₁₁

Р₂₂

Методи аналізу поточного стану СМНП з застосуванням марківського моделювання (продовження)

Методи аналізу поточного стану СМНП з застосуванням марківського моделювання для систем дискретного та безперервного часу з дискретними станами (продовження)�

0

1

2

2λ

μ

2μ

λ

Методи аналізу поточного стану СМНП з застосуванням марківського моделювання для систем дискретного та безперервного часу з дискретними станами (продовження)

Метод розрахунку очікуваної ефективності функціонування СМНП в умовах кібератак

Метод розрахунку очікуваної ефективності функціонування СМНП в умовах кібератак:

1. Розраховуються статистичні характеристики для часових проміжків між початками окремих інцидентів під час кібератаки. В якості основної характеристики можна вибрати середнє значення часу очікування між окремими інцидентами.
2. Розраховуються статистичні показники для наростання інтенсивності окремих інцидентів під час кібератаки.

3. Розраховуються статистичні показники для часу опрацювання окремого інциденту під час кібератаки.

4. Формується класифікація кібератак, яка залежить від поставленої перед СМНП задачі. В цій класифікації обов’язково враховується наявність наростання інтенсивності окремих інцидентів під час кібератаки.

5. Формується база даних для показників та їх статистичних характеристик для кожного із класів кібератак.

Таким чином, діяльність по оптимізації організації захисту від кібератак із наростанням інтенсивності може бути коротко описана такою послідовністю: класифікація кібератак → аналіз статистичних характеристик інцидентів під час кібератаки → аналіз статистичних характеристик окремих СМНП → імітаційне моделювання для розрахунку статистичних характеристик ефективності СМНП для окремих класів кібератак → прогноз очікуваного рівня захисту (в залежності від характеристик кібератаки та СМНП) → попередній прогноз вибору СМНП для досягнення потрібного рівня захисту → моніторинг статистичних характеристик поточної кібератаки → оптимізація вибору СМНП для досягнення потрібного рівня захисту.

​

Задачі підсистеми підтримки прийняття рішень (рекомендаційної підсистеми) СМНП

• Фільтрація інформаційних ресурсів – відбір фрагментів даних з великого обсягу динамічно генерованої інформації відповідно до потреб і вподобань користувача, його інтересів і спостережуваної поведінки;
• Допомога в аналізі та оцінці об’єктивних процесів, формуванні розуміння управлінської ситуації, що склалася, виявлення обмежень зовнішнього середовища;
• Пошук найбільш релевантних рішень, тобто формування списку ймовірних варіантів та оцінка альтернатив з урахуванням пріоритетів користувачів і умов зовнішнього середовища;
• Аналіз можливих наслідків прийняття того чи іншого рішення;
• Визначення пріоритетів користувачів, а саме виявлення переваг, врахування неповноти і невизначеності вхідних даних.

Етапи процесу вироблення рекомендацій

Процес побудови рекомендацій виконується у такі фази (рис. %%):

• Етап збору інформації. Рекомендаційна підсистема збирає відповідну інформацію для побудови профілю користувача, що включає атрибути користувача, вміст ресурсів, поведінка, когнітивні навички, інтелектуальні здібності, інтереси, уподобання, стилі взаємодії з системою. На основі профілю користувача будується модель користувача, яка в подальшому використовується для прогнозування і формування точних рекомендацій.
• Етап навчання. Застосовуються алгоритми навчання як з вчителем (на основі зворотнього зв’язку), так і без вчителя (на основі аналізу поведінки користувача).
• Етап прогнозування/побудови рекомендації. Алгоритми прогнозування виробляють рішення, якому виду інформації або процесу віддасть перевагу користувач, з урахуванням моделі користувача та його дій, що спостерігаються системою .
• Зворотній зв’язок:
• Явний – врахування оцінок користувачів;
• Неявний – автоматичне визначення вподобань користувача за його діями
• Гібридний - поєднання елементів явного і неявного типів.

Методики, що використовуються у рекомендаційних системах

Оцінка вироблених рекомендацій

Результат роботи:

• прогнози – числові значення R_ij, які виражають очікувану оцінку елемента IO_j для користувача K_i
• рекомендації – список з N найбільш рейтингових елементів за груповими уподобаннями

Нехай:

p_u,i – прогнозована оцінка користувача uза елементом i,

r_u,i – фактичний рейтинг,

N – загальна кількість оцінок для набору елементів.

Показники статистичної точності:

• Середньоквадратична помилка

• Середня абсолютна помилка

Показники точності підтримки прийняття рішень:

- частка рекомендованих елементів, які є актуальними для користувача

- частка релевантних елементів, які є частиною набору рекомендованих клкмкнтів

- узагальнений показник Точності і Чутливості

Структура єдиного інформаційного простору СМНП, побудована на базі мультиагентної технології

Структура єдиного інформаційного простору СМНП, побудована на базі мультиагентної технології

Склад:

• платформа функціональних компонентів (внутрішніх і зовнішніх);
• мультиагентна платформа;
• платформа накопичення і управління знаннями;
• платформа надання інформації користувачам (рекомендаційної підсистеми)

Типи агентів:

Сервісні агенти (СА) – спеціальні модулі, адаптовані до роботи з конкретною функціональною підсистемою (зовнішньою системою),;

Персональні агенти (ПА) – особисті помічники користувача, які діють автономно та вирішують такі задачі, як трансляція інформаційних інтересів користувача у формальні запити до бази знань та інших джерел (як внутрішніх, так і зовнішніх), виклик СА для виконання команд від свого користувача, посередництво в обміні інформацією між користувачами, допомога у створенні та збереженні нових знань та інше;

Трансферні агенти (ТА) – шлюзи, які взаємодіють з різними компонентами у складі ЄІП, що мають власні структури і протоколи з’єднання, та забезпечують їх сумісність.

Формування рекомендацій на базі мультиагентної платформи

Схема взаємодії персональних агентів при функціонуванні рекомендаційної підсистеми. Типи ПА: АМ – Агент-Менеджер, АІ – Агент-Інтерпретатор, АА – Агент-Аналізатор, АШ – Агент_Шукач, АР – Агент-Рекомендатор

(1) – Сервісний агент ініціює роботу рекомендаційної підсистеми;

(2) – Менеджер викликає Інтерпретатор для представлення параметрів запиту у потрібному вигляді;

(3) – менеджер викликає Аналізатор для формування завдань Шукача;

(4) – Аналізатор відправляє завдання Шукачу;

(5) – Шукач направляє відібрану інформацію Рекомендатору;

(6) – Шукач запитує і отримує відповідь від Інтерпретатора;

(7) – Інтерпретатор вибирає дані з бази знань для розуміння завдання;

(8) – Шукач збирає інформацію з внутрішньої бази даних;

(9) – Шукач збирає інформацію про схожі об’єкти з зовнішніх джерел;

(10) – Рекомендатор запитує і отримує відповідь Інтерпретатора;

(11) – Рекомендатор формує список альтернативних рішень з урахуванням корекції Інтерпретатора і записує до БД результатів;

(12) – Інтерпретатор аналізує нові дані щодо діяльності Користувача і доповнює базу знань;

(13) – Інтерпретатор аналізує нові дані щодо діяльності Користувача і доповнює базу метаданих;

(14) – Менеджер аналізує підготовлений список рекомендацій і при необхідності повторює процес;

(15) – Менеджер видає результат Користувачу і отримує його оцінку;

(16) – Менеджер коригує базу метаданих з урахуванням оцінок Користувача

​

Публікації

Статті:

1. Ланде Д.В., Юзефович В.В. Лінгвістичний підхід до прогнозування часових рядів // Реєстрація, зберігання і обробка даних. – Том 24 № 1 (2022). – c. 13-22. DOI: https://doi.org/10.35681/1560-9189.2022.24.1.262673
2. Dmytro Lande, Volodymyr Yuzefovych, Yevheniia Tsybulska. Linguistic Approach to Time Series Forecasting // Preprint  arXiv:2207.00985v1. (2022). DOI: https://doi.org/10.48550/arXiv.2207.00985
3. Мезенцев О., Миронюк С., Осіновий Г.Г., Козіс К.В. Структури адаптивних систем обробки сигналів для радіолокаційних датчиків зовнішньої інформації кореляційно-екстремальних систем навігації літальних апаратів // Космічна наука і технологія, Т.29 № 6, 2023. С.102-106, DOI: https://doi.org/10.15407/knit2023.06.102
4. О. Мезенцев, І. Шовкошитний, М. Капась. Спосіб підвищення швидкодії адаптивних систем обробки сигналів радіолокаційних головок самонаведення літальних апаратів // Сучасні інформаційні технології в сфері безпеки і оборони. – 2024. - 49 (1), с.105-110. DOI:10.33099/2311-7249/2024-49-1-105-110
5. О. Мезенцев, І. Шовкошитний. Підхід до вибору методу глобальної оптимізації вирішальної функції для кореляційно-екстремальних систем наведення літальних апаратів // Сучасні інформаційні технології в сфері безпеки і оборони. – 2024. - 50 (2), с.69-76. DOI: https://doi.org/10.33099/2311-7249/2024-50-2-69-76

Конференції:

1. Yuzefovych V., Tsybulska Y., Andriichuk O. One Approach to Formation of Common Information Space Information Resource in Organizational Management Systems // CEUR Workshop Proceedings, 2021, 3241, pp. 215–224 (опубліковано у липні 2022 р.). URL: https://ceur-ws.org/Vol-3241/paper20.pdf
2. В.В. Юзефович, О.В. Андрійчук, Є.О. Цибульська, Ніколай Стоянов¹. Врахування особливостей експертних знань в системах організаційного управління при формуванні інформаційного ресурсу // Матеріали ХХІІ Міжнародної науково-практичної конференції «Інформаційні технології та безпека» ( ІТБ-2022 ), вип. 22, с. 84-89. ІПРІ НАН України, 16 листопада 2022 р. (¹Болгарський оборонний інститут імені професора Цвєтана Лазарова, Софія, Болгарія)
3. Oleh Andriichuk, Volodymyr Yuzefovych, Yevheniia Tsybulska, Nikolai Stoianov Formation of an Information Resource Based on Various Sources in Organizational Management System. // Матеріали ХХІІІ Міжнародної науково-практичної конференції «Інформаційні технології та безпека» (ІТБ-2023). ІПРІ НАН України, 30 листопада 2023 р. (подано для публікації до CEUR)
4. Юзефович В.В., Цибульська Є.О., Стоянов Н. Ідентифікація інформаційних об’єктів різних джерел при формуванні інформаційного ресурсу системи моніторингу динамічних об’єктів навколишнього простору // Матеріали ХХІV Міжнародної науково-практичної конференції «Інформаційні технології та безпека» (ІТБ-2024). ІПРІ НАН України, 19 грудня 2024 р.

Публікації

Щорічна підсумкова наукова конференція ІПРІ НАН України

1. Мезенцев О.В. Спосіб використання ЛЧМ сигналів у радіолокаційних датчиках зовнішньої інформації кореляційно-екстремальних систем наведення літальних апаратів для отримання радіолокаційного зображення на вихідному знімку.
2. Науменко Є.М. Імітаційна модель дослідження ефективності функціонування просторово-розподілених систем моніторингу рухомих об’єктів.
3. Юзефович В.В. Особливості вирішення задач довгострокового прогнозування.
4. Цибульська Є.О. Формування прогнозної підсистеми в складі системи організаційного управління.
5. Цвєлодуб І.О. Аналіз методів і засобів боротьби з пасивними завадами.
6. Сухенко Ю.І., Третьяков Д.Б. Методика моделювання функціонування РЛС в умовах радіопротидії.
7. Шворена І.В. Оцінка селекцій цілей за просторовим рознесенням виміряних положень при спільній обробці радіолокаційної інформації.
8. Назарова Г.Г. Розробка моделей навмисного створення активних завад сигналам з дискретною модуляцією.
9. О.В.Мезенцев. Збільшення інформативності поточних зображень у кореляційно-екстремальних системах наведення літальних апаратів
10. В.В. Юзефович. Модель оцінки можливостей інтеграції автоматизованих систем великих складних систем організаційного управління
11. Є.О. Цибульська. Моделювання інформаційних потреб користувачів за допомогою методів рекомендаційних систем
12. Г.Г. Назарова. Способи представлення даних та дослідження підходів до інтеграції інформаційних ресурсів у мережецентричних системах
13. Ю.І. Сухенко, Д.Б. Третяков. Засоби і методи підвищення надійності функціонування телекомунікаційної системи критичної системи прийняття рішень в умовах застосування навмисних завад
14. Є.М. Науменко. Дослідження проблемних питань створення автоматизованих систем управління силами і засобами ЗС України та шляхи їх вирішення
15. І.О. Цвєлодуб. Визначення деструктивних факторів зовнішнього середовища та їх впливу на критичні системи прийняття рішень з єдиним інформаційним простором
16. О.В.Мезенцев. Методика вибору методу глобальної оптимізації вирішальної функції для кореляційно-екстремальних систем наведення літальних апаратів
17. В.В. Юзефович. Семантичне об’єднання даних про об’єкти обстановки для формування спільного інформаційного ресурсу при інтеграції інформаційних систем
18. Є.О. Цибульська. Забезпечення інформаційних потреб користувачів за допомогою мультиагентних технологій в єдиному інформаційному просторі
19. Г.Г. Назарова. Аналіз особливостей задачі визначення інформаційних потреб споживачів інформації систем моніторингу навколишнього простору
20. Ю.І. Сухенко, Д.Б. Третяков. Використання інформаційно-технічних впливів для порушення функціонування автоматизованих систем управління з мережецентричною архітектурою
21. Є.М. Науменко. Методика формування єдиного інформаційного простору поля бою автоматизованої системи управління силами і засобами ЗС України
22. І.О. Цвєлодуб. Методика збору та об’єднання інформаційних ресурсів для створення єдиного інформаційного простору в системі моніторингу навколишнього простору