22 августа 2012
Систематизация проблемы метаданных и аспекты систем безопасности
Особенности систем безопасности при использовании метаданных
Часть 4
В этой части обоснуем применение вегетативных компонент или бионических принципов для обработки метаданных и вообще определим преимущества моделей бионических метаданных. На сегодняшний день биологические системы обладают наиболее развитой и сложной сенсорной системой, которая является основой познавательных способностей биологических организмов.
При рассмотрении бионического подхода в системах мониторинга основную роль отыгрывают биологические принципы выявления, фильтрации, измерения, регистрации, накопления, обобщения и передачи информации, получаемой из внешней среды. Эти процессы в архитектуре телеметрического облака обеспечиваются на уровне логической вычислительной ткани - виртуальной сенсорной сети.
Обработка мультипотоковой информации в биологических системах осуществляется на уровне функциональности нервной системы или ее более простых аналогов. В более простых случаях – искусственной имитации некоторых функций биологической нервной системы, могут быть использованы простые вегетативные принципы. Механизм памяти в биологических системах имеет распределенный характер, этот механизм дополнен процессами внимания и ощущений, которые создают целостный и адекватный динамический образ внешней среды.
Проще говоря, принцип организации с использованием бионической модели метаданных позволяет создавать многомерный образ объекта мониторинга в реальном времени, многомерность обеспечивается за счет использования композиции сенсоров различной модальности. Обратите внимание на свои органы чувств, с помощью механизма внимания на базе рецепторной системы постоянно обновляется образ среды, который мы воспринимаем как объемный за счет органов чувств различной модальности: зрения, слуха, обоняния, вкуса и осязания, а также глубокой чувствительности. Речь идет о стереочувствительности сенсорной системы, а также «ощущениях» местоположения в пространстве относительно группы сенсоров.
В системах мониторинга, особенно крупномасштабных и динамически распределенных, на уровне системы становится возможным обрабатывать события мониторинга, обеспечить реакцию с минимальным лагом запаздывания и избавиться от влияния пресловутого человеческого фактора. Бионические принципы предполагают адаптивность, многофакторность и многокритериальность, то есть система сама анализирует область покрытия мониторинга, мертвые зоны и прочий набор параметров, выбирает наиболее значимые сенсоры.
Рассмотрим ряд примеров. Например, как можно организовать мониторинг информационных источников для департамента информационной безопасности? В CASE-системе задается цель. Популяция агентов-роботов начинает поиск требуемой информации, определяет наиболее значимые источники и начинает «собирать» образ со ссылкой на источники, определять релевантные источники, их достоверность, осуществлять дополнительный поиск. Современные поисковые роботы в целом повторяют этот алгоритм, за исключением создания внутреннего многомерного и многоаспектного образа проблемы.
Задачи электронной разведки реализуются следующим образом. Создается популяция вирусных «червей», которые соединяются между собой в вычислительную ткань и формируют за счет своей распределенности образ проблемы, собранный из разных сенсорных источников различной модальности. Что важно в таких вирусных тканях, они берут всю доступную информацию «там, где важно» и «там, где есть», то есть сенсорные функции роботов адаптируются к типам внешних сигналов. Объектом мониторинга может быть вычислительная ткань любых систем безопасности. Для этих целей целесообразно иметь облако типа DaaS («данные как сервис») и пиринговую сеть вирусных «червей» с интерфейсом метаданных.
В заключение рассмотрим пример видеосистемы с интерфейсом метаданных и ее возможности. Предположим, что мы имеем комплекс видеокамер с embedded ОС «на борту». Видеокамеры предполагают набор встроенных сенсоров, а также настроены на обработку детекторов. По сути, видеокамера уже является мультимодальным сенсором, достаточно оцифровать изображение и определить детекторы, а также подключить к системе группу вспомогательных сенсоров, чтобы уменьшить вычислительную сложность при обработке. В процессе слежения за объектом видеокамеры реплицируют цифровое отображение и передают между собой, тем самым обеспечивается коллегиальная работа, и создание объемного стереообраза объекта слежения в реальном времени.
Литература:
- Перспективные классы систем безопасности. Прогноз, Sec.ru. - http://daily.sec.ru/publication.cfm?pid=34018, 2012.
- Edward A.Feigenbaum and Pamela McCorduck, The Fifth Generation: Aritficial Intelligence and Japan’s Computer Challenge to the World, Michael Joseph, 1983. ISBN 0-7181-2401-4
- Global Internet Traffic Projected to Quadruple by 2015, http://newsroom.cisco.com/press-release-content?type=webcontent&articleId=324003
- Cisco® Visual Networking Index (VNI) Forecast (2010-2015), http://www.cisco.com/en/US/netsol/ns827/networking_solutions_sub_solution.html#~forecast
- Луговой А.В., Зеленцова Ж.Ю. «Эра мегаданных. Состояние и эволюция мирового информационно-вычислительного пространства». Випуск 1/2012 (72). Частина 1. -http://www.nbuv.gov.ua/portal/Natural/Vkdpu/2012_1_1/36.pdf.
- Chandler Harris, «Data Centers Face Growth Challenges», InformationWeek, May 20, 2011. – http://www.informationweek.com/news/hardware/data_centers/229600034, 2012-02-28.
- Д.Н. Ушаков «Большой толковый словарь современного русского языка»
- Fabric Computing: Gartner’s view for the future of the datacenter. Juniper Networks. - http://forums.juniper.net/t5/The-New-Network/Fabric-Computing-Gartner-s-view-for-the-future-of-the-datacenter/ba-p/75820.
- Луговой А.В., Зеленцова Ж.Ю. «Подходы и принципы разработки гибридного облака системы мониторинга с многомерными объектами исследования». Вестник университета № 6'2011. – Кременчуг: Национальный политехнический университет им. М.Остроградского, 2011.
Продолжение следует
