Интеллектуальная система поддержки принятия решения на основе нечеткой логики для диагностики состояния сети передачи данных тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат технических наук Кучер, Алексей Викторович

  • Кучер, Алексей Викторович
  • кандидат технических науккандидат технических наук
  • 2007, Краснодар
  • Специальность ВАК РФ05.13.01
  • Количество страниц 221
Кучер, Алексей Викторович. Интеллектуальная система поддержки принятия решения на основе нечеткой логики для диагностики состояния сети передачи данных: дис. кандидат технических наук: 05.13.01 - Системный анализ, управление и обработка информации (по отраслям). Краснодар. 2007. 221 с.

Оглавление диссертации кандидат технических наук Кучер, Алексей Викторович

ВВЕДЕНИЕ

1 Обзор существующих решений и сущность проблемы мониторинга и диагностики сетей передачи данных регионального оператора связи

1.1 Анализ существующих систем управления сетями и место в них задач мониторинга и диагностики сетевых процессов

1.2 Анализ основных видов деятельности администратора сети передачи данных и экспертная оценка критического множества задач по управлению сетевыми ресурсами

1.3 Анализ существующих методов мониторинга и диагностики сетевых аномалий

1.3.1 Сигнатурный анализ

1.3.2 Статистические методы

1.3.3 Интеллектуальные системы

1.4 Анализ существующих методов и приемов поддержки принятия решений для задач мониторинга и диагностики состояния сети передачи данных

1.4.1 Обобщенная схема принятия решения

1.4.2 Типы управленческих решений и формы их поддержки

1.4.3 Требования к СППР должностных лиц предприятия связи по управлению сетью передачи данных

1.5 Характеристики и сравнительный анализ СППР, основанных на знаниях

1.5.1 Структура СППР, основанных на знаниях

1-.5.2 Классификация функциональных применений СППР, основанных на знаниях, в исследуемой предметной области

1.5.3 Организация знаний в базе знаний интеллектуальной системы

1.6 Цели и задачи исследования

1.7 Выводы

2 Теоретические основы и математическое обеспечение интеллектуальной СППР для диагностики состояния сети передачи данных

2.1 Математическая модель сигнатурного анализатора сетевого трафика

2.2 Математическая модель статистического анализатора сетевого трафика

2.3 Математическая модель нечеткой интеллектуальной системы для диагностики состояния сети передачи данных

2.3.1 Определение состава и характеристики входных и выходных переменных нечеткой интеллектуальной системы

2.3.2 Математическая модель нечеткой базы знаний

2.3.3 Модели функций принадлежности лингвистических переменных

2.3.4 Математическая модель системы нечеткого логического вывода и дефаззификация выходного показателя

2.3.5 Задача оптимизации нечеткой базы знаний и методы её решения

2.4 Выводы

Структура, состав, алгоритмическая и программная реализация интеллектуальной СППР для диагностики состояния сети передачи данных

3.1 Общие принципы построения и структурная схема интеллектуальной СППР для диагностики состояния сети передачи данных

3.2 Операционная схема методики разработки интеллектуальной СППР для диагностики состояния сети передачи данных

3.3 Выбор инструментальных средств разработки интеллектуальной СППР для диагностики состояния сети передачи данных

3.4 Алгоритмическая реализация интеллектуальной СППР для диагностики состояния сети передачи данных

3.4.1 Структура входных данных для мониторинга состояния сети передачи данных

3.4.2 Алгоритм мониторинга состояния сети передачи данных

3.4.3 Алгоритмическая реализация статистического анализатора

3.4.4 Алгоритмическая реализация сигнатурного анализатора

3.5 Разработка нечеткой интеллектуальной системы

3.5.1 Структурная схема нечеткой интеллектуальной системы

3.5.2 Процедура разработки нечеткой интеллектуальной системы

3.6 Особенности программной реализации СППР

3.7 Выводы

Экспериментальные исследования работоспособности и эффективности интеллектуальной СППР для диагностики состояния сети передачи данных

4.1 Методика тестирования и оценки эффективности программных средств интеллектуальной СППР

4.2 Результаты тестирования программных средств системы

4.3 Оценка работоспособности и эффективности программных средств системы

4.4 Оценка экономической эффективности внедрения интеллектуальной СППР

4.5 Настройка нечеткой базы знаний интеллектуальной системы

4.6 Выводы

Рекомендованный список диссертаций по специальности «Системный анализ, управление и обработка информации (по отраслям)», 05.13.01 шифр ВАК

Введение диссертации (часть автореферата) на тему «Интеллектуальная система поддержки принятия решения на основе нечеткой логики для диагностики состояния сети передачи данных»

Актуальность проблемы. Телекоммуникация и сетевые технологии являются в настоящее время той движущей силой, которая обеспечивает поступательное движение вперед всей мировой цивилизации. Сегодня практически нет ни одной области человеческой деятельности, которая не использовала бы возможности современных информационных технологий на базе телекоммуникаций.

В 1980-х годах произошло слияние отраслей компьютерных наук и передачи данных, коренным образом изменившее индустрию компьютерной передачи информации. В результате таких революционных объединений в области компьютерной передачи данных произошло следующее:

• практически отсутствуют значительные отличия между обработкой информации (которая выполняется на компьютере) и передачей данных (которая выполняется аппаратурой передачи и коммуникации);

• сгладились различия между многопроцессорными и однопроцессорными компьютерами, локальной, региональной и глобальной сетями;

• отсутствуют значительные отличия в передаче данных, голоса и изображения.

В настоящее время мы являемся свидетелями развития интегрированных мультисервисных сетей передачи данных (СПД), выполняющих обработку и передачу всех типов данных и информации, что позволяет легко получить доступ к этим ресурсам практически в любой точке мира. Поэтому справедливо рассматривать современную СПД как сеть телекоммуникационных услуг, которая обеспечивает предоставление таких услуг, как высокоскоростной и широкополосный доступ в Интернет (по выделенным и коммутируемым каналам связи), доступ к специализированным информационным системам (ИС), организация корпоративных сетей передачи данных, виртуальных частных сетей (VPN), предоставление сетевых сервисов виртуальных соединений, передача голоса с использованием технологии VoIP, Web-хостинг и др.

СПД, являясь сложной организационно-технической системой, должна обеспечить бесперебойную полноценную функциональность всех компонентов и гарантировать предоставление услуг пользователям независимо от времени суток.

Функционирование такой сложной системы обеспечивает система управления сетью, которая выполняет полный и непрерывный контроль за всеми элементами сети, своевременное обнаружение ошибок, неисправностей, сбоев и отказов оборудования, программного обеспечения, управление конфигурациями сетевых узлов, резервное копирование и восстановление всех элементов сети, управление сетевым трафиком и политикой безопасности.

С ростом размеров и топологии сети усложняется задача управления всеми процессами. Традиционный подход, который реализован в более простых СПД, основан на наблюдении за сетью и сборе информации (этот процесс называется мониторингом сети). В случае сложной сети трактовка результатов наблюдения - это задача для специалиста-эксперта по сетевому управлению. Эксперт, во-первых, должен отлично знать все используемое оборудование и программное обеспечение, чтобы быстро интерпретировать изменения каких-либо параметров. Во-вторых, он должен держать в уме всю топологию сети, чтобы быстро определить причину и источники таких изменений. В-третьих, при нарушении нормального режима функционирования сети, обычно, генерируется лавина сообщений и он должен уметь выделить из них существенные и отбросить те, которые являются следствием первых. Наконец, на нем лежит административный груз ответственности за эффективное использование огромных ресурсов (дорогостоящего оборудования, каналов связи, обслуживающего персонала). От его работы зависит экономическая эффективность предприятия.

Таким образом, сложное оборудование СПД, большой объем поступающей информации, трудность решения плохо формализуемых и слабо структурированных задач при отсутствии полной и достоверной информации о состоянии элементов сети, короткое время на анализ проблемных ситуаций и принятие решения приводят к несоответствию возможностей человека требованиям эффективно управлять сетью. Выход из данного положения заключается в создании систем поддержки принятия решений (СППР), которые помогали бы лицу, принимающему решения (ЛПР), вырабатывать и принимать рациональные решения. Все это касается и задач, связанных с поддержанием СПД в работоспособном состоянии, обеспечивающем предоставление пользователям сети услуг связи и информатизации в полном объеме.

В связи с этим, разработка и внедрение интеллектуальной СППР для диагностики состояния современной СПД является актуальной научно-технической задачей.

Кроме того, высокий уровень автоматизации и интеллектуализации системы позволит снизить нагрузку на специалистов по управлению СПД (сетевых администраторов), повысит эффективность их действий, увеличит надежность функционирования сети и снизит экономические риски для предприятия связи.

Объект исследования: сети передачи данных, управление которыми осуществляется в условиях неполной и нечеткой информации о сетевых процессах.

Предмет исследования: математическое и программное обеспечение системы поддержки принятия решений для управления диагностикой СПД в условиях отсутствия полной, четкой и достоверной информации о состоянии элементов сети и сетевых процессов.

Исходя из вышеизложенного, настоящая диссертационная работа посвящена разработке принципов функционирования и технологии создания комплексных интеллектуальных систем поддержки принятия решения, основанных на экспертных знаниях, предназначенных для мониторинга, анализа и диагностики состояния элементов мультисервисной сети передачи данных регионального оператора связи.

Целью диссертационной работы является разработка интеллектуальной СППР на базе комплексного подхода к проблеме диагностики состояния сети передачи данных, включающего использование методов сигнатурного и статистического анализа сетевого трафика для детектирования и идентификации сетевых аномалий, интеллектуальных (экспертных) систем реагирования на нештатные сетевые ситуации, а также создание моделей, алгоритмов и программ поддержки профессиональной деятельности специалистов-руководителей в области сетевого управления.

Для достижения этой цели в диссертационной работе решены следующие основные задачи:

• проведен анализ основных видов деятельности администраторов СПД регионального оператора связи по управлению программно-аппаратным комплексом и сетевыми службами;

• проведен анализ существующих методов диагностики сетевых аномалий, являющихся причинами нарушения нормального функционирования сети;

• исследованы существующие методы и приемы поддержки принятия решений для задач управления СПД (в том числе задачи анализа и диагностики элементов сети) регионального оператора связи;

• разработаны математические модели сигнатурного и статистического анализаторов потока пакетов сетевого трафика, нечеткой интеллектуальной (экспертной) системы анализа и реагирования на нештатные ситуации в СПД;

• разработан метод диагностики состояния СПД с использованием процедуры детектирования и идентификации сетевых аномалий на каждом уровне сети;

• разработан комплекс алгоритмов и программ: мониторинга состояния СПД, статистического анализа и детектирования сетевых аномалий;

• разработана интеллектуальная СППР на основе нечеткой логики для диагностики состояния элементов СПД;

• исследована эффективность разработанной интеллектуальной СППР с использованием следующих групп показателей: функциональная пригодность, оперативность, надежность, экономичность системы;

• разработана и внедрена в опытную эксплуатацию первая версия программного обеспечения интеллектуальной СППР для диагностики состояния элементов СПД.

Методы исследования. Теоретические исследования проведены с использованием методов теории управления, системного анализа, исследования операций, принятия решений, алгоритмизации, моделирования, оптимизации, инженерии знаний, нечетких множеств и нечеткой логики, математической статистики. Экспериментальная часть работы основана на методах машинного моделирования и вычислительного эксперимента с использованием языков программирования высокого уровня и системы математического моделирования MatLab.

Достоверность научных положений, выводов и рекомендаций диссертационной работы подтверждается полнотой и корректностью исходных посылок, теоретическим обоснованием, основанном на использовании проверенного математического аппарата, результатами экспериментальных исследований и внедрением полученных результатов в практическую деятельность.

Научная новизна проделанной работы заключается в том, что разработан новый подход к построению интеллектуальной СППР для мониторинга, анализа и диагностики состояния СПД, базирующийся на комплексном использовании методов статистического и сигнатурного анализа сетевых аномалий и нечеткой интеллектуальной (экспертной) системы реагирования на нештатные ситуации в сети. Разработаны модели, алгоритмы, доведенные до программной реализации, для решения профессиональных задач по управлению СПД регионального оператора связи.

Практическая ценность работы. Первая версия программного обеспечения для поддержки принятия решений по диагностике СПД после проведения тестирования, испытания и оценки специалистов передана в 2006 году в опытную эксплуатацию в Центр новых технологий (филиал «Южной телекоммуникационной компании»). Комплексный подход при разработке интеллектуальной

СППР, методики построения и оптимизации нечеткой базы знаний интеллектуальной системы используются в учебном процессе КубГТУ (на кафедре ВТиА-СУ, по дисциплине «Системы искусственного интеллекта»). По результатам проделанной работы получены два акта внедрения и свидетельство об официальной регистрации программ для ЭВМ.

Апробация работы. Основные положения работы апробированы на II, III и IV Всероссийский научных конференциях молодых ученых и студентов «Современное состояние и приоритеты развития фундаментальных наук в регионах» (Краснодар, 2005, 2006, 2007), II, III, IV и V Межведомственных научно-практических конференциях «Проблемы комплексного обеспечения защиты информации» (Краснодар, 2001,2002, 2003, 2005).

По теме диссертации опубликовано 16 работ, из них 10 статей (в том числе 3 - в изданиях, рекомендованных ВАК) и 6 тезисов докладов на вышеперечисленных конференциях.

Основные положения, выносимые на защиту:

• принципы построения и структура интеллектуальной системы поддержки принятия решений на основе нечеткой логики для диагностики состояния сети передачи данных;

• алгоритмы основных методов и этапов поддержки принятия решения для диагностики состояния сети передачи данных;

• модели статистического анализатора сетевого трафика и нечеткой интеллектуальной (экспертной) системы реагирования на нештатные сетевые ситуации;

• механизм применения метода структурной декомпозиции для диагностики компьютерных сетей передачи данных;

• программное обеспечение системы поддержки принятия решений для мониторинга и диагностики состояния сети передачи данных.

Личный вклад автора. Все основные научные результаты, структура и методика разработки интеллектуальной СППР, алгоритмы основных методов и этапов поддержки принятия решения для диагностики состояния СПД, модель нечеткой интеллектуальной (экспертной) системы, разработанные на их основе программные средства, экспериментальные исследования, приведенные в диссертации, получены автором лично.

Объем и структура работы. Диссертационная работа состоит из введения, четырех глав, заключения, списка использованных источников из 109 наименований и 4 приложения на 26 страницах. Объем основного текста составляет 191 страницы машинописного текста, в том числе 58 рисунков и графиков, 22 таблицы.

Похожие диссертационные работы по специальности «Системный анализ, управление и обработка информации (по отраслям)», 05.13.01 шифр ВАК

Заключение диссертации по теме «Системный анализ, управление и обработка информации (по отраслям)», Кучер, Алексей Викторович

4.6 Выводы

В заключительной главе приведены результаты экспериментальных исследований работоспособности и эффективности интеллектуальной СППР для диагностики состояния СПД. Получены следующие результаты.

1. Определены показатели оценки эффективности функционирования разработанной СППР. Для оценки основных аспектов функционирования разработанной СППР были использованы четыре группы показателей эффективности: функциональная пригодность, оперативность, надежность, экономичность системы.

2. Проведен эксперимент по проверке работоспособности разработанной СППР, который состоял из двух этапов: на первом этапе проводились тестовые испытания системы на модели СПД, на втором этапе - на реально действующей сети оператора связи.

3. В качестве источников информации о состоянии сети при проведении испытаний использовались:

• сетевой трафик;

• журналы событий: журналы событий генерируемых программным обеспечением Cisco IOS, а также любые другие журналы событий в формате Syslog;

• базы данных управляющей информации телекоммуникационного оборудования (М1Вы): MIB-I, MIB-II, а также группа MIB фирмы Cisco.

4. Проведена оценка эффективности разработанной СППР. Полученные данные позволяют утверждать, что разработанная система обладает достаточно высоким коэффициентом обнаружения и идентификации сетевых аномалий (при испытании на модели сети процент выявления СА составлял около 90%, на реально действующей сети - 82%), приемлемым коэффициентом ложных срабатываний (на модели сети 14%, на реально действующей сети - 20%), может выявлять СА на всех уровнях СПД за достаточно короткое время.

5. Проведено испытание надежности программного обеспечения разработанной СППР. В течение установленного планом эксперимента времени (два месяца для реально действующей сети и 10 дней - на модели) сбоев и отказов в работе программного обеспечения не было.

6. Проведена экономическая оценка эффективности внедрения разработанной интеллектуальной СППР по следующим частным критериям: стоимость разработки, стоимость эксплуатации и экономическая выгода от внедрения системы. Расчеты показали, что расходы на создание и поддержку системы окупаются за первый год её эксплуатации, а предотвращение выхода из строя в течение года одного узла 5-ти раз (при времени простоя 10 часов - 2 часа на поиск причин СА и 8 часов на восстановление работоспособности узла) дает экономический эффект более 2 млн. 800 тыс. руб.

7. С использованием пакета расширения Optimization Toolbox системы математического моделирования MatLab, проведена оптимизация нечеткой базы знаний интеллектуальной системы, построены таблица весовых коэффициентов правил нечеткой базы знаний на двух обучающих выборках и графики функций принадлежности нечетких термов входных и выходных переменных.

8. Тестирование нечеткой системы Мамдани, после настройки, свидетельствует о том, что база знаний хорошо описывает взаимосвязь признаков источников сетевых аномалий, соответствующего уровня сети, с выходным показателем степени возможности состояния соответствующего уровня СПД.

ЗАКЛЮЧЕНИЕ

Основным научным результатом диссертационной работы является теоретическое обоснование, исследование методов построения и разработка интеллектуальной системы поддержки принятия решения на основе нечеткой логики для мониторинга, анализа и диагностики состояния программно-аппаратного комплекса мультисервисной сети передачи данных регионального оператора связи.

Основные теоретические и практические результаты работы заключаются в следующем.

1. Исследованы современные системы управления компьютерными сетями и место в них задач мониторинга, анализа и диагностики сетевых процессов. Проведен анализ существующих методов и приемов поддержки принятия решений для задач управления СПД регионального оператора связи. Результатом данного исследования является вывод о необходимости создания человеко-машинной системы поддержки принятия решений, обеспечивающей информационную, вычислительную и интеллектуальную поддержку профессиональной деятельности должностных лиц.

2. Исследованы современные методы диагностики сетевых аномалий (сигнатурный анализ, статистические методы, использование интеллектуальных (экспертных) систем, нейросетей и генетических алгоритмов), выявлены их достоинства и недостатки. Сделан вывод о необходимости использования комплексного подхода к решению задач анализа и диагностики состояния элементов сети передачи данных.

3. Проведен анализ основных видов деятельности администраторов СПД регионального оператора связи по управлению программно-аппаратным комплексом и сетевыми службами в виде множества задач. Проведено ранжирование задач по степени их важности. Методами математической статистики проведено исследование наличия корреляционных связей между группами задач.

Определены критические задачи, которые оказались связанные с обнаружением и устранением аномалий в работе программного обеспечения, оборудования и сетевых служб.

4. Проведен сравнительный анализ моделей СППР, основанных на знаниях. Сделан вывод о целесообразности из всех видов моделей выбрать нечеткую интеллектуальную систему, как наиболее подходящую в качестве советующей системы для решения нештатных нечетких задач, возникающих в процессе эксплуатации СПД.

5. Разработана математическая модель сигнатурного анализатора аномалий сетевого трафика. Проведена оценка вычислительной сложности сигнатурного метода и доказана возможность его использования в составе СППР для диагностики состояния СПД.

6. Разработана математическая модель статистического анализатора сетевого трафика на основе метода подбора параметров весовых функций для вычисления текущих статистических характеристик потока пакетов. Проведено обоснование выбора вида весовой функции и исследована её взаимосвязь с длиной выборки, достаточной для получения усредненных характеристик потока пакетов СПД.

7. Разработана методика определения текущих статистических характеристик потока сетевых пакетов: выборочное среднее выборочная дисперсия d2 и статистика/2. Определены критерии аномального поведения сетевого трафика.

8. Проведено обоснование выбора нечеткой модели представления знаний об источниках сетевых аномалий и нечеткой интеллектуальной (экспертной) системы, способной обрабатывать нечеткую информацию о нештатных ситуациях в рамках нечетких алгоритмов функционирования СПД. Определен состав и дана характеристика входных и выходных лингвистических переменных и их термов для построения нечеткой базы знаний с MISO-структурой.

9. Разработана математическая модель нечеткой базы знаний отдельного уровня модели сети как системы логических высказываний, связывающей значения входных переменных с одним из возможных состояний уровня СПД. Построена система логических уравнений, позволяющая вычислять значения функций принадлежности различных решений при фиксированных значениях выходных переменных.

10. Разработана математическая модель системы нечеткого логического вывода, основанная на использовании композиционного правила вывода Л.Заде. Обосновано использование нечеткого логического вывода Мамдани при нечетком значении входных переменных и метода дефаззификации (по методу «центра тяжести») выходного показателя.

11. Сформулирована задача оптимизации нечеткой базы знаний исследуемой предметной области и показаны пути её решения на основе структурной и параметрической идентификации.

12. Разработан метод диагностики состояния СПД, основанный на детектировании и идентификации аномалий на всех уровнях сети. Экспертным путем определены источники сетевых аномалий на каждом уровне сети.

13. Разработана структура интеллектуальной СППР для диагностики состояния СПД, реализующая проведение сигнатурного и статистического анализа сетевого трафика и работу нечеткой интеллектуальной системы в случае появления нештатной сетевой ситуации.

14. Проведен анализ и обоснован выбор объектно-ориентированного языка Java в качестве основного средства программирования СППР, позволяющего объединить разнородные элементы СППР между собой. Проанализированы современные средства разработки нечетких систем и сделан выбор в пользу пакета Fuzzy Logic Toolbox вычислительной среды MatLab, который позволяет осуществить эффективную разработку нечеткой интеллектуальной системы для диагностики состояния СПД.

15. Определены показатели эффективности функционирования разработанной СППР. Проведен эксперимент по проверке работоспособности и эффективности разработанной СППР. Полученные оценки позволяют утверждать, что разработанная система обладает надежным программным обеспечением, хорошими возможностями по обнаружению и идентификации сетевых аномалий, может выявлять и идентифицировать их на всех уровнях сети за приемлемое время.

16. Проведена экономическая оценка эффективности внедрения разработанной СППР по следующим показателям: стоимость разработки, стоимость эксплуатации и экономическая выгода от внедрения системы. Расчеты показали, что расходы на создание и поддержку системы окупаются за первый год её эксплуатации. Внедрение системы позволит сохранить региональному оператору связи только на одном узле или сегменте СПД более 2 млн. 800 тыс. руб. в год.

17. Проведена настройка нечеткой базы знаний интеллектуальной системы средствами Optimization Toolbox системы Matlab, построены таблицы весовых коэффициентов правил нечеткой базы знаний на двух обучающих выборках и графики функций принадлежности нечетких термов входных и выходных переменных. Тестирование нечеткой системы Мамдани, после настройки, свидетельствует о том, что база знаний хорошо описывает взаимосвязь признаков источников сетевых аномалий, соответствующего уровня модели сети, с выходным показателем степени возможности состояния соответствующего уровня модели СПД.

По теме диссертации опубликовано 16 печатных работ. Из них 10 статей (в том числе 3 в изданиях, рекомендованных ВАК) и 6 тезисов докладов на Всероссийских конференциях. На программные продукты, используемые в СППР, получено свидетельство об официальной регистрации программ для ЭВМ в Федеральной службе по интеллектуальной собственности, патентам и товарным знакам.

Список литературы диссертационного исследования кандидат технических наук Кучер, Алексей Викторович, 2007 год

1. Абрамовиц М., Стиган И. Справочник по специальным функциям. М.: Наука, 1979.-С.754.

2. Алиев Р.А., Абдикеев Н.М., Шахназаров М.М. Производственные системы с искусственным интеллектом. М.: Радио и связь, 1990. -264с.

3. Амато, Вито. Основы организации сетей Cisco, том 1.: Пер. с англ.- М.: Издательский дом «Вильяме», 2002. 512с.

4. Анфилатов B.C. Вычислительные системы. СПб.: Издательство ВУС, 1998.-278с.

5. Анфилатов B.C., Емельянов А.А., Кукушкин А.А. Системный анализ в управлении. М.: Финансы и статистика, 2003. - 368с.

6. Антамошин А.Н., Близнова О.В., Бобов А.В., Большаков А.А. и др. Интеллектуальные системы управления организационно-техническими системами.- М.: Горячая линия Телеком, 2006. - 160с.

7. Аттетков А.В., Галкин С.В., Зарубин B.C. Методы оптимизации: Учеб. для вузов/Под ред. Зарубина B.C., Крищенко А.П. М.: Издательство МГТУ имени Н.Э.Баумана, 2001. - 440с.

8. Афонин В.Л., Макушкин В.А. Интеллектуальные робототехнические системы. Курс лекций: Учеб пособие для студентов вузов. М.: Интернет-Университет Информационных Технологий, 2005. - 208с.

9. Баев Н.Н., Гордиенко С.А., Курицын С.А. Многоканальные системы передачи: Учеб. для вузов. М.: Радио и связь, 1997. - 560с.

10. Балдин К.В., Воробьев С.Н., Уткин В.Б. Управленческие решения. М.: Издательстко-торговая корпорация «Дашков и К», 2006. - 496с.

11. Банди Б. Методы оптимизации. Вводный курс: Пер. с англ. М.: Радио и связь, 1988,- 128с.

12. Беллман Р., Заде JI. Принятие решений в расплывчатых условиях. В кн. Вопросы анализа и процедуры принятия решений. М.: Мир, 1976. - С. 172215.

13. Борисов А.Н., Крумберг О.А., Федоров И.П. Принятие решений на основе нечетких моделей: примеры использования. Рига: Зинатне, 1990. - 184с.

14. Борисов В.В., Круглов В.В., Федулов А.С. Нечеткие модели и сети. М.: Горячая линия - Телеком, 2007. - 284с.

15. Борисов В.В., Бычков И.А., Дементьев А.В., Соловьев А.П., Федулов А.С. Компьютерная поддержка сложных организационно-технических систем. М.: Горячая линия - Телеком , 2002. - 154с.

16. Боровиков В. STATISTICA: искусство анализа данных на компьютере. Для профессионалов. СПб.: Питер, 2001. - 656с.

17. Брайдо B.JI. Вычислительные системы, сети и телекоммуникации. СПб.: Питер, 2002. - 688с.

18. Бугорский В.Н., Соколов Р.В. Экономика и проектирование информационных систем. СПб.: РИО «Роза мира», 1998. - 340с.

19. Варламов О.О. Эволюционные базы данных и знаний для адаптивного синтеза интеллектуальных систем. Миварное информационное пространство. -М.: Радио и связь, 2002. 288с.

20. Вентцель Е.С. Исследование операций. Задачи, принципы, методология: Учеб пособие для студ. втузов. М.: Высшая школа, 2001,- 208с.

21. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем. СПб.: Питер, 2000. - 382с.

22. Галкин В.А., Григорьев Ю.А. Телекоммуникации и сети. М.: Издательство МГТУ имени Н.Э.Баумана, 2003. - 608с.

23. Гаранин М.В., Журавлев В.И., Кунегин С.В. Системы и сети передачи информации: Учеб. пособие для вузов. М.: Радио и связь, 2001. - 336с.

24. Геловани В.А., Башлыков А.А., Бритков В.Б., Вязилов Е.Д. Интеллектуальные системы поддержки принятия решений в нештатных ситуациях с использованием информации о состоянии природной среды. М.: Эдиториал УРСС, 2001.-304с.

25. Горяинов В.Б., Павлов И.В., Цветкова Г.М. и др. Математическая статистика: Учеб. для вузов / Под ред. Зарубина B.C., Крищенко А.П. М.: Издательство МГТУ имени Н.Э.Баумана, - 2001. - 424с.

26. Гроднев И.И., Верник С.М., Кочановский JI.H. Линии связи: Учеб. пособие для вузов. М.: Радио и связь, 1995. - 489с.

27. Дегтярев Ю.И. Методы оптимизации: Учеб. пособие для вузов. М.: Сов. радио, 1980.-272с.

28. Дегтярев Ю.И. Системный анализ и исследование операций. М.: Высшая школа, 1996. - 335с.

29. Демидова Л.А., Кираковский В.В., Пылькин А.Н. Алгоритмы и системы нечеткого вывода при решении задач диагностики городских инженерных коммуникаций в среде MATLAB. М.: Радио и связь, Горячая линия - Телеком, 2005.-365с.

30. Дж. Скотт Хогдал. Анализ и диагностика компьютерных сетей: пер. с англ. М.: Издательство «Лори», 2001. - 351с.

31. Гук М. Аппаратные средства IBM PC. Энциклопедия. СПб.: Питер 2000. -816с.

32. Гук М. Аппаратные средства локальных сетей. Энциклопедия. -СПб.: Питер,2002.-576с.

33. Ерофеев А.А., Поляков А.О. Интеллектуальные системы управленияю -СПб.: Издательство СПбГТУ, 1999. 265с.

34. Заде Л. Понятие лингвистической переменной и её применение к принятию приближенных решений. М.: Мир, 1976. - 167 с.

35. Керов Л.А., Частиков А.П., Юдин Ю.В., Юхтенко В.А. Экспертные системы: Инструментальные средства разработки: Учебное пособие. СПб.: Политехника, 1996.-220с.

36. Комашинский В.И., Смирнов Д.А. Нейронные сети и их применение в системах управления и связи. М.: Горячая линия - Телеком, 2003. - 94с.

37. Кофман А. Введение в теорию нечетких множеств: Пер. с франц. М.: Радио и связь, 1982. - 432с.

38. Круглов В.В., Борисов В.В. Искусственные нейронные сети. Теория и практика. И.: Горячая линия -Телеком, 2002. - 382с.

39. Крухмалев В.В., Гордиенко В.Н., Иванов В.И. Проектирование и техническая эксплуатация систем передачи: Учеб. пособие для студентов вузов. М.: Радио и связь, 1996. - 344с.

40. Кукушкин А.А. Теоретические основы автоматизированного управления. 4.1: Основы анализа и оценки сложных систем. Орел: Издательство ВИПС, 1998.-254с.

41. Кукушкин А.А. Теоретические основы автоматизированного управления. 4.2: Основы управления и построения автоматизированных информационных систем. Орел: Издательство ВИПС, 1999. - 209с.

42. Кульгин М. Технологии корпоративных сетей. Энциклопедия. СПб.: Питер, 1999.-704с.

43. Кучер А.В., Фещенко Д.А., Луценко И.Н. Об одном подходе к формализации процесса принятия решений по управлению системой защиты информации в АСУ //межвузовский сборник научных трудов № 3. Краснодар: Издание КВИ, 2002. - С.32-35.

44. Кучер А.В., Частиков А.П. Использование интеллектуальных систем для управления сложными объектами // Научная мысль Кавказа. Приложение 7. -Ростов-на-Дону: Издательство Северо-Кавказского научного центра высшей школы, 2005.-С.140-144.

45. Кучер В.А., Кучер А.В. Обнаружение сетевых аномалий с использованием эталонных характеристик сети // Научная мысль Кавказа. Приложение 4. -Ростов-на-Дону: Издательство Северо-Кавказского научного центра высшей школы, 2006.-С.149-152.

46. Кучер А.В. К вопросу обнаружения сетевых девиаций с использованием эталонных характеристик вычислительной сети //Межвузовский сборник научных трудов № 6. Краснодар: Издательство КВВУ (ВИ), 2006. - С.162-165.

47. Лагоша Б.А., Емельянов А.А. Основы системного анализа. М.: Издательство МЭСИ, 1998.- 106с.

48. Лукацкий А.В. Обнаружение атак. СПб.: БХВ-Петербург, 2003. - 608 с.

49. Microsoft Corporation. Компьютерные сети. Учебный кур: Пер. с англ. -М.: Издательский отдел «Русская редакция» ТОО «Chanell Trading Ltd.». -1997.-696с.

50. Минаев Ю.Н., Филимонова О.Ю., Бенамеур Лиес. Методы и алгоритмы решения задач идентификации и прогнозирования в условиях неопределенности в нейросетевом логическом базисе. М.: Горячая линия - Телеком, 2003. -205с.

51. Михалин И.С., Шарыпова Т.Н. Принципы построения IP-сети и требования к качеству ее работы // Известия высших учебных заведений. Северо

52. Кавказский регион. Технические науки. Приложение №9. Ростов-на-Дону: Издательство РГУ, 2004. - С.8-15.

53. Нестеренко В.А. Статистические методы обнаружения нарушений безопасности в сети // Информационные процессы, Том 6, №3. Ростов-на-Дону: РГУ, 2006. - С.208-217.

54. Олифер В.Г., Олифер Н.А. Компьютерные сети. Принципы, технологии, протоколы, 0- СПб.: Питер, 2002. 672с.

55. Олифер В.Г., Олифер Н.А. Основы Сетей передачи данных. М.: ИНТУ-ИТ.РУ «Интернет-Университет Информационных Технологий», 2003. - 248с.

56. Прикладные нечеткие системы / Под ред. Т.Тэрано, К.Асаи, М.Сугэно. -М.: Мир, 1993.-368с.

57. Платонов В.А. Программно-аппаратные средства обеспечения информационной безопасности вычислительных сетей: Учеб. пособие. М.: Издательский центр «Академия», 2006. - 240с.

58. Попов Э.В., Фоминых И.Б., Кисель Е.Б., Шапот М.Д. Статические и динамические экспертные системы. М.: Финансы и статистика, 1996. - 320с.

59. Пятибратов А.П., Гудыно Л.П., Кириченко А.А. Вычислительные системы, сети и телекоммуникации. М.: Финансы и статистика, 2001. - 512с.

60. Ротштейн А.П. Интеллектуальные технологии идентификации: нечеткая логика, генетические алгоритмы, нейронные сети. Винница: УН1ВЕРСУМ-Вшниця, 1999.-320с.

61. Ротштейн А.П. Кательников Д.И. Идентификация нелинейных зависимостей нечеткими базами знаний // Кибернетика и системный анализ. 1998. -№5. - С.53-61.

62. Ротштейн А.П., Штовба С.Д. Влияние методов дефаззификации на скорость настройки нечеткой модели // Кибернетика и системный анализ. -2002. -№5.-С. 169-176.

63. Рутковская Д., Пилиньский М., Рутковский JI. Нейронные сети, генетические алгоритмы и нечеткие системы: Пер. с польск. М.: Горячая линия - Телеком, 2004.-452с.

64. Симанков B.C., Луценко Е.В. Адаптивное управление сложными системами на основе теории распознавания образов. Краснодар: Издательство КубГТУ, 1999.-318с.

65. Скиба В.Ю., Ухлинов Л.М. Базовые модели СППР по управлению безопасностью (сохранностью) информации // Известия Академии Наук. Теория и системы управления, 1995., №1. С.139-148.

66. Скотт К. Унифицированный процесс. Основные концепции: Пер. с англ. -М.: Издательский дом «Вильяме», 2002. 160с.

67. Столлингс, Вильям. Компьютерные системы передачи данных, 6-е издание: Пер. с англ. М.: Издательский дом «Вильяме», 2002. - 928с.

68. Тарков М.С. Нейрокомпьютерные системы: учебное пособие. М.: Интернет-Университет Информационных Технологий; БИНОМ. Лаборатория знаний, 2006. - 142с.

69. Тельнов Ю.Ф. Интеллектуальные информационные системы в экономике. -М.: СИНТЕГ, 2002.-316с.

70. Трахтенгерц Э.А. Компьютерная поддержка принятия решений: Научно-практическое издание. Серия «Информатизация России на пороге XXI века». -М.: СИНТЕГ, 1998,-376с.

71. Трахтенгерц Э.А. Компьютерная поддержка переговоров при согласовании управленческих решений. Серия «Системы и проблемы управления». М.: СИНТЕГ, 2003.-284с.

72. Трахтенгерц Э.А. Компьютерная поддержка формирования целей и стратегий. Серия «Системы и проблемы управления». М.: СИНТЕГ, 2005. - 224с.

73. Трахтенгерц Э.А., Шершаков В.М., Камаев Д.А. Компьютерная поддержка управления ликвидацией последствий радиационного воздействия. Серия «Системы и проблемы управления». М.: СИНТЕГ, 2004. - 460с.

74. Терехов В.А., Ефимов Д.В., Тюкин И.Ю. Нейросетевые системы управления: Учебное пособие для вузов. М.: Высшая школа, 2002. - 183с.

75. Усков А.А., Кузьмин А.В.Интеллектуальные технологии управления, искусственные нейронные сети и нечеткая логика. М.: Горячая линия - Телеком, 2004. - 143с.

76. Частиков А.П., Алешин А.В., Дедкова Т.Г. Системы искусственного интеллекта. От теории к практике: Учебное пособие. Краснодар: Издательство КубГТУ, 1998.- 166с.

77. Частиков А.П., Волков С.С. Интеллектуальные поисковые системы: Учебное пособие. Краснодар: Просвещение-Юг, 2001. - 316с.

78. Частиков А.П., Костенко К.И., Леднева И.Ю., Частикова В.А., Никонов В.О. Интеллектуальные информационные системы: Учебное пособие. Краснодар: Просвещение-Юг, 2005. - 327с.

79. Частиков А.П., Кучер А.В. Управление вычислительными сетями с использованием интеллектуальных программных агентов // Научный журнал «Труды КубГТУ», Серия: Информатика и управление. Том XXV, вып. 3. -Краснодар: Издательство КубГТУ, 2005. С. 107-112.

80. Частиков А.П., Кучер А.В. Применение экспертных систем для управления сложными объектами // Научный журнал «Труды КубГТУ», Серия: Информатика и управление. Том XXV, вып. 3. Краснодар: Издательство КубГТУ, 2005. - С.165-168.

81. Частиков А.П., Кучер А.В. Моделирование процессов управления вычислительными сетями // Научная мысль Кавказа. Приложение 6. Ростов-на-Дону: Издательство Северо-Кавказского научного центра высшей школы, 2005. -С.85-90.

82. Чубукова И.А. Data Mining: Учеб. Пособие. М.: Интернет-Университет Информационных Технологий; БИНОМ. Лаборатория знаний, 2006,- 382с.

83. Халсалл Ф. Передача данных, сети компьютеров и взаимосвязь открытых систем. М.: Радио и связь, 1995. - 408с.

84. Штовба С.Д. Проектирование нечетких систем средствами MATLAB. -М.: Горячая линия Телеком, 2007. - 288с.

85. Штовба С.Д. Идентификация нелинейных зависимостей с помощью нечеткого логического вывода в системе MATLAB // Exponenta Pro: Математика в приложениях. -2003. №2. -С.9-15.

86. Штовба С.Д. Классификация объектов на основе нечеткого вывода // Exponenta Pro: Математика в приложениях. 2004. - №1. - С.68-69.

87. Якубайтис Э.А. Информационные сети и системы. Справочная книга. -М.: Финансы и статистика. 1996. 386с.

88. Ярмоленко A.M. Принципы построения экспертной системы администратора вычислительной сети // Моделирование и управление в распределенных вычислительных сетях. Киев: Наукова думка, 1989. - С.33-36.

89. Яхъяева Г.Э. Нечеткие множества и нейронные сети: Учеб. пособие. М.: Интернет-Университет Информационных Технологий; БИНОМ. Лаборатория знаний, 2006. - 316с.

90. Fuzzy Logic Toolbox. User's Guide, Version 2.1 The Math Work, Inc., 2001.

91. Kosko B. Fuzzy Systems as Universal Approximator // IEEE Trans, on Computers. 1994.-Vol.43. - № 11.-PP. 1329-1333.

92. Kwitt R. A Statistical Anomaly Detection Approach for Detection Network Attacks. 14th December, 2004.

93. Mamdani E.H., Assilian S. An Experiment in Linguistic Synthesis with Fuzzy Logic Controller// Int. J. Man-Machine Studies. 1975. - Vol. 7. - № 1. - PP. 1-13.

94. Mamdani E.H. Aplication of Fuzzy Logic to Approximate Reasoning Using Linguistic Systems //Fuzzy Sets and Systems. 1977. - Vol. 26. - PP.1182-1191.

95. Optimization Toolbox. User's Guide, Version 2. Math Works, Inc. 1999.

96. Takagi Т., Sugeno M. Fuzzy Identification of Systems and Its Application to Modeling and Control // IEEE Trans. Of Systems, Man, and Cybernetics. 1985. — Vol. 15. - №1. - PP.116-132.

97. Thottan M., Ji C. Anomaly Detection in IP Networks // IEEE Transactions on singnal processing. -2003. Vol. 51. - №8. -PP.2191-2204.

98. Zhang L., White G. Analysis of Payload Based Application Level Networkth

99. Anomaly Detection // 40 Hawaii International Conference on System Science. -2007.

100. Huang L., Nguyen X., Garofalakis M., Jordan M., Joseph A., Taft N. Distributed PC A and Network Anomaly Detection // EECS Department, University of California, Technical Report No. UCB/EECS-2006-99.

101. Mahoney M., Chan P. Learning Rules for Anomaly Detection of Hostile Network Traffic // ICDM 2003. PP.601-604.

102. Ли К. Java обгоняет по производительности С++. http ://kano .net/j avabench/.

Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания. В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.