Джазыбаева А.А.

Email: Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в вашем браузере должен быть включен Javascript.

Джазыбаева Алтынай Аманберлеевна – магистрант, факультет информационных технологий, Евразийский национальный университет им. Л.Н. Гумилева, и.о. главного эксперта, Комитет информационной безопасности Министерства цифрового развития, инноваций и аэрокосмической промышленности Республики Казахстан, г. Алматы, Республика Казахстан

Аннотация: данный обзор представляет совокупность графических моделей для анализа рисков, идентификации уязвимостей и исследования динамики эксплуатации уязвимостей в системе, указывает на необходимость нивелирования рисков для обеспечения устойчивости систем. Настоящаая работа разделена на пять частей. В первой части показывается актуальность исследования, во второй части демонстрируется модель по анализу устойчивости и восстанавливаемости электрической сети, в третьей части дается анализ графов сетевых атак, а именно байесовских графов атак, в четвертой части рассматриваются методы запутывания сетевых атак и в финальной части делается общий вывод.

Ключевые слова: идентификация и нивелирование рисков, устойчивость системы, байесовские графы атак, вероятностные графические модели.

REVIEW OF GRAPHICAL MODEL USAGE FOR ANALYSIS OF SYSTEM SECURITY IN THE ELECTRIC POWER INDUSTRY

Jazybayeva A.A. 

Jazybayeva Altynay Amanberleevna – Master Student, FACULTY OF INFORMATION TECHNOLOGY, L.N. GUMILYOV EURASIAN NATIONAL UNIVERSITY,  Acting Senior Expert, INFORMATION SECURITY COMMITTEE MINISTRY OF DIGITAL DEVELOPMENT, INNOVATION AND AEROSPACE INDUSTRY OF THE REPUBLIC OF KAZAKHSTAN, ALMATY, REPUBLIC OF KAZAKHSTAN

Abstract: this review presents a set of graphical models for risk analysis, identification of vulnerabilities and research of the dynamics of vulnerabilities exploitation, and indicates the necessity to mitigate risks in order to enhance resilience of systems. This work is divided into five parts. In the first part, the actuality of the work is shown. In the second part, the model for analyzing the resilience of the electric network is demonstrated. In the third part, analyses of network attack graphs, namely Bayesian attack graphs, are made. In the fourth part, methods of obfuscating network attacks are considered, and in the final part, general conclusion is provided.

Keywords: identification and mitigation of risks, resilience of systems, Bayesian attack graphs, probabilistic graphical models.

Список литературы / References

• Ani U.D., Watson J. D McK., Nurse J. R.C. Cook A., Maple C. A review of critical infrastructure protection approaches: improving security through responsiveness to the dynamic modelling landscape. PETRAS/IET Conference Living in the Internet of Things: Cybersecurity of the IoT-2019.
• Kenney R., Crucitti P., Albert R., Latora V. Modeling cascading failures in the North American power grid, The European Physical Journal B 46, 101-107, 2005.
• Crucitti P., Latora V., Marchiori M. Model for cascading failures in complex networks Physical Review E, Vol. 69. Issue 4, 2004.
• Zeng J., Wu S., Chen Y., Zeng R., Wu C. “Survey of Attack Graph Analysis Methods from the Perspective of Data and Knowledge Processing”, Hindawi, Security and Communication Networks, Vol. 2019. [Электронный ресурс]. Режим доступа: https://doi.org/10.1155/2019/2031063/ (дата обращения: 01.01.2020).
• Mu˜noz-Gonz´alez L., Lupu E.C. “Bayesian Attack Graphs for Security Risk Assessment”, IST-153 Workshop on Cyber Resilience, 2017.
• Du H., Yang S. Probabilistic modeling and inference for obfuscated cyber attack sequences IEEE Transactions on emerging topics in computing, Special issue, Sep 2018. [Электронный ресурс]. Режим доступа: http://arXiv: 1809.0156.01562v1 [cs.CR],[Online], (дата обращения:01.01.2020).
• Common Attack Pattern Enumeraion and Classification. Access Date: Aug 2013 [Online]. [Электронный ресурс]. Режим доступа: http://capec.mitre.org./ (дата обращения: 27.04.2020).

Ссылка для цитирования данной статьи

		Тип лицензии на данную статью – CC BY 4.0. Это значит, что Вы можете свободно цитировать данную статью на любом носителе и в любом формате при указании авторства.
Джазыбаева А.А. ОБЗОР ИСПОЛЬЗОВАНИЯ ГРАФИЧЕСКИХ МОДЕЛЕЙ ДЛЯ АНАЛИЗА СИСТЕМ БЕЗОПАСНОСТИ В ЭЛЕКТРО ЭНЕРГЕТИКЕ // Наука, техника и образование № 4(68), 2020. - С.{см. журнал}.

Козлов В.О.

Email: Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в вашем браузере должен быть включен Javascript.

Козлов Виталий Олегович – главный специалист, отдел искусственных сооружений, ООО «Инженерный центр «Мосты и тоннели», г. Москва

Аннотация: в основе статьи лежит железнодорожный путепровод через Большую Тульскую улицу и трамвайные пути в г. Москве, построенный в 2006 году. Путепровод представляет собой комбинированную систему с полигональным верхним и жестким нижним поясами и с решеткой из наклонных раскосов в качестве главного пролетного строения, и плитная конструкция из монолитного железобетона, трапецеидальной конфигурации в плане в качестве переходного строения. Проект был выполнен силами инженеров ГУП «Мосинжпроект». При проектировании было рассмотрено 8 вариантов, анализ которых позволил реализовать новейшие конструктивно-технологические решения, описанию которых уделено большое место в данной статье.

Ключевые слова: реконструкция, железнодорожный путепровод, проектирование, конструктивно-технологические решения, мостовое пересечение.

STRUCTURAL AND TECHNOLOGICAL SOLUTIONS IMPLEMENTED AT RECONSTRUCTION OF THE RAILWAY OVERPASS THROUGH BOLSHAYA TULSKAYA STREET IN MOSCOW

Kozlov V.O.

Kozlov Vitaly Olegovich – Chief Specialist, DEPARTMENT OF ARTIFICIAL STRUCTURES, LLC «ENGINEERING CENTER BRIDGES AND TUNNELS», MOSCOW

Abstract: the article is based on a railway overpass across Bolshaya Tulskaya Street and tram tracks in Moscow, which was built in 2006. The overpass is a combined system with a polygonal upper and rigid lower belts and with a lattice of inclined braces as the main span, and a slab structure of monolithic reinforced concrete, a trapezoidal configuration in the plan as a transitional structure. The project was designed by engineers of the State Unitary Enterprise "Mosinzhproekt." During the design, eight options were considered, the analysis of which made it possible to implement the latest structural and technological solutions, the description of which is given an essential place in this article.

Keywords: reconstruction, railway overpass, design, structural and technological solutions, bridge crossing.

Список литературы / References

• Потапов С.В., Кирик А.В., Шигин В.Н. Переустройство железнодорожного путепровода // Вестник мостостроения, 2005. № 3-4.

Ссылка для цитирования данной статьи

		Тип лицензии на данную статью – CC BY 4.0. Это значит, что Вы можете свободно цитировать данную статью на любом носителе и в любом формате при указании авторства.
Козлов В.О. КОНСТРУКТИВНО-ТЕХНОЛОГИЧЕСКИЕ РЕШЕНИЯ, РЕАЛИЗОВАННЫЕ ПРИ РЕКОНСТРУКЦИИ ЖЕЛЕЗНОДОРОЖНОГО ПУТЕПРОВОДА ЧЕРЕЗ БОЛЬШУЮ ТУЛЬСКУЮ УЛИЦУ В Г. МОСКВЕ // Наука, техника и образование № 3(67), 2020. - С.{см. журнал}.

Бадасян Т.С.

Email: Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в вашем браузере должен быть включен Javascript.

 Бадасян Тигран Смбатович – магистрант, Факультет прикладной математики и физики, Национальный политехнический университет Армении, г. Ереван, Республика Армения

Аннотация: поддержание безопасности цифровых систем с огромным объемом данных является одной из основных задач ИТ-специалистов в настоящее время. Обнаружение аномалий в системах является одним из решений для преодоления этой проблемы. Обнаружение аномалий означает обнаружение данных, которые не являются нормальными или отклоняются от нормального поведения в системе. Обнаружение аномалий имеет различные приложения в биоинформатике, обработке изображений, кибербезопасности, безопасности для баз данных и т.д.

В данной статье рассмотрена задача обнаружения двух видов аномалий (всплески или пики (spikes) и точки изменения (change points)) в среде ML.NET на данных временных рядов с информацией о ценах товара.

Ключевые слова: аномалия, временные ряды, среда ML.NET, всплески, точки изменения.

THE ANOMALY DETECTION PROBLEM WITH ML.NET FRAMEWORK

Badasyan T.S.

Badasyan Tigran Smbatovich - Graduate Student, FACULTY OF APPLIED MATHEMATICS AND PHYSICS, NATIONAL POLYTECHNIC UNIVERSITY OF ARMENIA, YEREVAN, REPUBLIC OF ARMENIA

Abstract: maintaining the security of digital systems with a huge amount of data is one of the main tasks of IT professionals at present. Detecting anomalies in systems is one of the solutions to overcome this problem. Anomaly detection means detecting data that is not normal or deviates from system normal behavior. Anomaly detection has various applications in bioinformatics, image processing, cybersecurity, database security, etc.

This article discusses the problem of detecting two types of anomalies (spikes and change points) in the ML.NET framework based on time series data with information on product prices.

Keywords: anomaly, time series, ML.NET framework, spikes, change points.

Список литературы / References

• Chandola V., Banerjee A., Kumar V. "Anomaly detection: a survey". ACM Computing Surveys. Vol. 41. № 3, Pp. 1–58, 2009.
• Chandola V., Banerjee A., Kumar V. "Anomaly detection for discrete sequences: a survey", IEEE Trans. Knowl. Data Eng. Vol. 24. № 5. Pp. 823-839, 2012.
• Aggarwal C.C., Sathe S. Outlier ensembles. An introduction, Springer, 2017.
• Xu X., Liu H., Yao M. "Recent progress of anomaly detection". Hindawi. Complexity, 2019.
• Cesar De la Torre, Introducing ML.NET: Cross-platform, Proven and Open Source Machine Learning Framework. May, 2018. [Электронный ресурс]. Режим доступа: https://devblogs.microsoft.com/dotnet/introducing-ml-net-cross-platform-proven-and-open-source-machine-learning-framework/ (дата обращения: 31.03.2020).
• Cesar De la Torre, Announcing ML.NET 1.4 general availability (Machine Learning for .NET). November, 2019. [Электронный ресурс]. Режим доступа: https://devblogs.microsoft.com/dotnet/announcing-ml-net-1-4-global-availability-machine-learning-for-net/ (дата обращения: 31.03.2020).
• Machine learning tasks in ML.NET. December, 2019. [Электронный ресурс]. Режим доступа:https://docs.microsoft.com/en-us/dotnet/machine-learning/resources/tasks#anomaly-detection/ (дата обращения: 31.03.2020).

Ссылка для цитирования данной статьи

		Тип лицензии на данную статью – CC BY 4.0. Это значит, что Вы можете свободно цитировать данную статью на любом носителе и в любом формате при указании авторства.
Бадасян Т.С. ЗАДАЧА ОБНАРУЖЕНИЯ АНОМАЛИЙ В СРЕДЕ ML.NET // Наука, техника и образование № 3(67), 2020. - С.{см. журнал}.

Бадасян Т.С., Авагян С.К.

 Email: Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в вашем браузере должен быть включен Javascript.

 Бадасян Тигран Смбатович – магистрант,

 факультет прикладной математики и физики;

Авагян Сурен Константинович – магистрант,

 кафедра электронных измерительных приборов и метрологии,

Национальный политехнический университет Армении,

г. Ереван, Республика Армения

Аннотация: красно-чёрное дерево – вариант самобалансирующегося двоичного дерева поиска, которым гарантируется логарифмическое увеличение высоты и скорость выполнения основных операций, представленных добавлением, удалением и поиском узла. Сбалансированность определяется введением «чёрного цвета» или «красного цвета». Red-black tree применяется с целью организации сравнимых данных в виде текстовых фрагментов или числа. В листовых узлах не содержатся данные, поэтому отсутствует необходимость выделять память, а работа предполагает ведение записи в узле-предке (указатель на потомка). В статье рассмотрено красно-чёрное дерево: его балансирование и сложность.

Ключевые слова: красно-черное дерево, балансирование, алгоритм, эффективность, элемент.

RED-BLACK TREE: BALANCING AND COMPLEXITY

Badasyan T.S., Avagyan S.K.

 Badasyan Tigran Smbatovich - Undergraduate,

FACULTY OF APPLIED MATHEMATICS AND PHYSICS;

Avagyan Suren Konstantinovich - Undergraduate,

 DEPARTMENT OF ELECTRONIC MEASURING INSTRUMENTS AND METROLOGY,

NATIONAL POLYTECHNIC UNIVERSITY OF ARMENIA,

YEREVAN, REPUBLIC OF ARMENIA

Abstract: а red-black tree is a variant of a self-balancing binary search tree, which guarantees a logarithmic increase in height and speed of performing basic operations, represented by adding, deleting and searching a node. Balance is determined by the introduction of “black” or “red”. Red-black tree is used to organize comparable data in the form of text fragments or numbers. The leaf nodes do not contain data, so there is no need to allocate memory, and the work involves maintaining records in the ancestor node (a pointer to a descendant). The article considers the red-black tree: its balancing and complexity.

Keywords: red-black tree, balancing, algorithm, efficiency, element.

Список литературы / References

• Ахо Альфред В., Хопкрофт Джон Э., Ульман Джеффри Д. Структуры данных и алгоритмы. М.: Вильямс, 2000. С. 384.
• Мейн Майкл, Савитч Уолтер. Структуры данных и другие объекты в C++. 2-е изд. М.: Вильямс, 2002. С. 832.
• Седжвик Роберт. Фундаментальные алгоритмы на C. Анализ / Структуры данных / Сортировка / Поиск. СПб.: ДиаСофтЮП, 2003. С. 672.

Ссылка для цитирования данной статьи

		Тип лицензии на данную статью – CC BY 4.0. Это значит, что Вы можете свободно цитировать данную статью на любом носителе и в любом формате при указании авторства.
Бадасян Т.С., Авагян С.К. КРАСНО-ЧЁРНОЕ ДЕРЕВО: БАЛАНСИРОВАНИЕ И СЛОЖНОСТЬ // Наука, техника и образование № 3(67), 2020. - С.{см. журнал}.