+
Действующая цена700 499 руб.
Товаров:
На сумму:

Электронная библиотека диссертаций

Доставка любой диссертации в формате PDF и WORD за 499 руб. на e-mail - 20 мин. 800 000 наименований диссертаций и авторефератов. Все авторефераты диссертаций - БЕСПЛАТНО

Расширенный поиск

Формальная модель процессов работы и метод адаптации нейросетевых средств мониторинга безопасности

  • Автор:

    Андронов, Алексей Викторович

  • Шифр специальности:

    05.13.19

  • Научная степень:

    Кандидатская

  • Год защиты:

    2012

  • Место защиты:

    Санкт-Петербург

  • Количество страниц:

    200 с. : ил.

  • Стоимость:

    700 р.

    499 руб.

до окончания действия скидки
00
00
00
00
+
Наш сайт выгодно отличается тем что при покупке, кроме PDF версии Вы в подарок получаете работу преобразованную в WORD - документ и это предоставляет качественно другие возможности при работе с документом
Страницы оглавления работы


Содержание

Список используемых сокращений
Введение
Глава 1 Программное обеспечение для моделирована интеллектуальных средств мониторинга безопасности критических информационных систем
1.1 Инструментальные средства интеллектуального анализа данных
1.1.1 Инструментальные средства нечеткого логического вывода
1.1.2 Инструментальные средства проектирования баз знаний
1.1.3 Инструментальные средства моделирования нейронных сетей
1.1.4 Инструментальные средства эволюционных вычислений
1.2 Программное обеспечение для гибридных средств
интеллектуального анализа данных
1.2.1 Извлечение нечетких правил из баз данных
1.2.2 Использование эволюционных алгоритмов в гибридных системах
1.2.3 Использование эволюционных алгоритмов в нейросетевых
системах
Выводы по главе
Г лава 2 Модель процессов работы и метод адаптации нейросетевых
средств в контексте существующей методологии мониторинга безопасности критических информационных систем
2.1 Системный подход и обеспечение информационной
безопасности критических информационных систем
2.2 Иерархический подход представления структуры критических
информационных систем
2.2.1 Представление информационной структуры критической
информационной системы в виде топологии
2.2.2 Описание информационной структуры критической информационной системы пакетной нейросетевой программой
2.2.3 Представление информационной структуры критической
информационной системы с разной степенью детализации
2.2.4 Формализация описания топологии критической информационной системы с использованием теории графов
2.2.5 Моделирование критической информационной системы и адаптивной системы мониторинга безопасности с

использованием нейронных сетей
2.2.6 Применение стандартных средств защиты информации при
передаче сообщений
2.2.7 Использование различных средств защиты информации и
мониторинга безопасности в зависимости от детализации структуры критической информационной системы
2.2.8 Использование механизмов иммунной защиты
2.3 Средства описания структуры критических информационных
систем
2.3.1 Язык для описания структуры критических информационных
систем
2.3.2 Представление структуры критических информационных систем
в формализованном виде
2.4 Модель информационных процессов в структуре критических информационных систем
2.4.1 Формализация процессов в адаптивных средствах мониторинга
безопасности
2.4.2 Формальная модель нейросетевых процессов
2.4.3 Процесс активации операторных вершин
2.5 Метод адаптации нейросетевых средств мониторинга
безопасности
2.5.1 Параллельная обработка операторных вершин
2.5.2 Процесс в модели пакетной нейросетевой программы
2.5.3 Свойства модели нейросетевых процессов
Выводы по главе
Глава 3 Моделирование адаптивных средств мониторинга
безопасности критических информационных систем
3.1 Основы технологии разработки адаптивных систем мониторинга
безопасности
3.1.1 Основные этапы разработки адаптивных систем мониторинга
безопасности
3.2 Модель адаптивной системы мониторинга безопасности
критической информационной системы
3.2.1 Основные положения модели адаптивной системы мониторинга
безопасности
3.2.2 Механизмы реализации модели адаптивной системы
мониторинга безопасности
3.2.3 Модель адаптивной системы мониторинга безопасности

3.3 Реализация и исследование модели адаптивной защиты с
использованием квазилогических нейронных сетей
3.3.1 Разработка нейросетевых средств классификации для
адаптивной системы мониторинга безопасности
3.3.2 Квазилогические нейронные сети для решения задачи
классификации в системах мониторинга безопасности
3.4 Реализация и исследование модели адаптивной системы
мониторинга безопасности с использованием сетей адаптивного резонанса
3.4.1 Нейронные сети теории адаптивного резонанса
3.4.2 Разработка архитектуры адаптивных средств классификации
3.4.3 Разработка программных моделей адаптивных средств
классификации и их алгоритмическая интерпретация
3.4.4 Аудит событий в операционной системе «MS Windows»
Выводы по главе
Глава 4 Программная поддержка процесса моделирования
адаптивных систем мониторинга безопасности
4.1 Моделирование классификаторов адаптивных уровней системы
мониторинга безопасности
4.1.1 Представление знаний для средств классификации в составе
средств мониторинга безопасности
4.1.2 Разработка квазилогических классификаторов для системы
мониторинга безопасности
4.1.3 Разработка инструментальной среды
4.1.4 Моделирование адаптивных средств мониторинга безопасности
критических информационных систем
4.2. Исследование классификаторов адаптивных уровней системы
мониторинга безопасности
Выводы по главе
Заключение
Перечень использованных источников

Пакет предназначен для работы под ОС «Windows». Помимо средств взаимодействия с операционной системой («OLE»), нейропакет снабжен генератором исходного кода и позволяет использовать внешние модули при создании и обучении нейронной сети. Пакет поддерживает программы, написанные на языке «C++» для компиляторов «MS Visual C++» и «Borland C++», а также в виде DLL-кода. Таким образом, «NeuroSolutions» является гибкой открытой системой, которую можно дополнять и модифицировать, содержит встроенный макроязык, позволяющий производить настройку под конкретную задачу.
В пакете поддерживается ряд типов формальных нейронов, включая взвешенный сумматор (ФН первого порядка), ФН высших порядков (с перемножением входов), а также непрерывный интегрирующий ФН. Функция активации ФН может быть выбрана из пяти 5 (кусочно-линейная, функция знака и 3 сигмоидальных) функций, а также задана пользователем. Связи между ФН задаются на этапе моделирования и могут быть изменены в процессе работы. Поддерживаются прямые, перекрестные и обратные связи. Хорошо реализована схема организации связей: можно задать одну векторную связь с заданной весовой матрицей, а не набор скалярных связей с весовыми коэффициентами.
Нейропакет «NeuroSolutions» содержит развитые средства для организации обучающих выборок. Встроенные конверторы данных поддерживают графические изображения в формате *.bmp, текстовые файлы с числовыми или символьными данными, а также функции непрерывного аргумента (например, времени), заданные в аналитическом виде или в виде набора значений. Нейропакет позволяет использовать любые внешние конверторы данных.
На этапе обучения может быть использован широкий круг критериев обучения, как дискретных, так и непрерывных. Можно формировать собственные критерии. Используются как встроенные алгоритмы обучения типа «Back Propagation» или дельта-правила, так заданные пользователем. Система визуализации процесса обучения позволяет проводить анализ изменения весов непосредственно в процессе обучения НС и вносить коррективы. Как при тестировании, так и при обучении НС можно задать шум произвольной природы.
«NeuroSolutions» содержит генератор стандартных нейросетевых архитектур «Neural Wizard», с помощью которого задается архитектура, подбирается обучающая выборка, критерии и методы обучения НС.
Оценка «NeuroSolutions»:
V Простота иерользования - 9. Прост в использовании, имеет хороший интуитивно понятный интерфейс с возможностями настройки. Неудобством является непривычная терминология, примененная разработчиками.

Рекомендуемые диссертации данного раздела

Время генерации: 0.150, запросов: 967