Штыркина, А. А. Метод реконфигурации топологии киберфизической системы на основе графовой искусственной нейронной сети [Текст] = Method of cyberphysical system topology reconfiguration based on graph artificial neural network / А. А. Штыркина // Проблемы информационной безопасности. Компьютерные системы. - 2023. - № 2. - С. 173-182 : диагр., граф. - Библиогр.: с. 180-181 (14 назв.). - Список литературы представлен на русском и английском языках. . - ISSN 2071-8217
Рубрики: Радиоэлектроника Искусственный интеллект. Экспертные системы Кл.слова (ненормированные): artificial neural networks -- cyberphysical systems -- graph neural networks -- neural networks -- reconfiguration of topology of cybersystems -- topology of cybersystems -- графовые нейронные сети -- искусственные нейронные сети -- киберфизические системы -- нейронные сети -- реконфигурация топологии киберсистем -- топология киберсистем Аннотация: В работе представлен показатель оценки устойчивости киберфизических систем, а также метод их реконфигурации для нейтрализации негативных последствий структурных атак. Предложенный метод применяется для систем, моделирующихся графами, каждой вершине которых сопоставлены атрибуты - типы устройств. Процесс функционирования таких систем определяется путем на графе, проходящим через вершины заданного типа. Метод реконфигурации на основе графовой искусственной нейронной сети (ИНС) направлен на увеличение числа рабочих путей без необходимости добавления новых ребер. Модель ИНС обучалась на синтетическом наборе данных, составленном из случайных графов, типы вершин которых задавались в соответствии с метрикой центральности по посредничеству. The paper proposed approach to estimation the resilience of cyber-physical systems, as well as a method for their reconfiguration to neutralize the negative effects of structural attacks. The proposed method is applied to systems modeled by graphs, each vertex of which is associated with attributes - types of devices. The functioning of such systems is determined by the path on the graph, passing through the vertices of a given type. The reconfiguration method based on the graph artificial neural network (ANN) aims at increasing the number of working paths without the need to add new edges. The ANN model was trained on a synthetic dataset composed of random graphs whose vertex types were specified according to the betweenness centrality metric. Нет сведений об экземплярах (Источник в БД не найден) |