Предмет исследования. Рассмотрены подходы к решению задачи выявления аномальных ситуаций в информационно-телекоммуникационных системах, на основе методов искусственного интеллекта, анализирующих статистическую информацию пакетов трафика в различных режимах и состояниях. Метод. Представленный метод выявления аномальной ситуации основан на обработке полученных кортежей значений пакетов сетевого трафика путем применения бэггинга алгоритмов классификации машинного обучения. Сетевой трафик рассматривается как множество кортежей параметров пакетов, распределенных по дискретам времени. В отличие от существующих, метод не требует специальной подготовки данных, получаемые ошибки при классификации кортежей значений пакетов отдельными алгоритмами классификации усредняются их «коллективным» голосованием. Предложенное решение с целью повышения показателя точности дает возможность использовать оптимизированные для разных видов событий и аномалий алгоритмы классификации, обученные на различных обу...
Развитие концепции интернета вещей обусловливает необходимость поиска и совершенствования моделей и методов анализа состояния удаленных автономных устройств. В связи с возможным нахождением элементов интернета вещей вне контролируемой зоны возникает необходимость разработки универсальных моделей и методов идентификации состояния маломощных с вычислительной точки зрения устройств, использующих комплексные подходы анализа данных, поступающих от различных информационных каналов. Рассматривается подход к идентификации состояния устройств интернета вещей, на основе параллельно функционирующих классификаторов, обрабатывающих временные ряды, полученные от элементов в различных состояниях и режимах работы. Целью работы является разработка подхода идентификации состояния устройств интернета вещей на основе временных рядов, регистрируемых при выполнении различных процессов. Предлагаемое решение основано методах параллельной классификации и статистического анализа, требует начальной размеченно...