Сборник 70 студ конференции БГТУ

251

СУБД. Но с увеличением объемов появились проблемы, с которыми классическая реляционная архитектура не справлялась, поэтому инженерам пришлось придумывать новые решения.Но главная проблема заключается в том, что помимообъема данных изменился и их характер. Основной объем этих данных – неструктурированная информация, поэтому ее хранение и обработка в привычных системах на основе реляционных БД, как правило, малоэффективна. И постепенно пришло осознание того, что реляционные СУБД не являются оптимальным решением, а это, в свою очередь, привело к появлению целого семейства решений, которые можно классифицировать одним словом – NoSQLсистемы.

Работа выполнена под руководством доц. Е.А.Леонова

Д.В. Грицев АВТОМАТИЗАЦИЯ АНАЛИЗА ПОЛЬЗОВАТЕЛЬСКИХ ИНТЕРФЕЙСОВ ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ

Объект исследования:автоматизация анализа пользовательских интерфейсов программного обеспечения.

Результаты, полученные лично автором: предложена методика оценки эргономики пользовательских интерфейсов веб-ресурсов. Разработана модель эффективной оценки эргономики.

В настоящее время вопрос оптимизации эффективности веб-ресурсов становится все более актуальным. В связи с этим возникает проблема нахождения и использования наиболее оптимального способа оценки эргономики пользовательских интерфейсов.

Классическое исследование эргономики интерфейсов является дорогим в осуществлении. Возникает необходимость оплаты личной встречи с каждым респондентом. Также необходимо оплачивать специализированное оборудование, работу менеджеров тестирования и аналитиков. Кроме того, классическое тестирование подразумевает достаточно большие временные затраты на получение релевантных результатов тестирования в силу задействования большого количества специалистов на каждом из этапов тестирования.

Более дешевые и быстрые в проведении способы тестирования не дают такого же качества, как классическое исследование эргономики интерфейса. Получение релевантных результатов достигается на основе количественных, а не качественных объемов тестирования. Поэтому такие способы применяются нечасто.

Существующие сервисы автоматизированного удаленного тестирования в свою очередь не подходят для русского сегмента интернета, так как не обладают должным количеством русскоговорящей аудитории респондентов.

Приведенные факторы являются основанием необходимости разработки нового решения для тестирования пользовательских интерфейсов программного обеспечения.

252

Предлагаемая в работе модель основана на совмещении классического тестирования эргономики интерфейсов с возможностями проведения этого тестирования через интернет на удаленной основе. Данный подход позволяет устранить существенные недостатки приведенных применяемых сейчас методов за счет объединения их достоинств.

Работа обладает следующими атрибутами научной новизны:

1.Предложена методика оценки эргономики пользовательских интерфейсов веб-ресурсов.

2.Разработана модель эффективной оценки эргономики пользовательских интерфейсов веб-ресурсов.

Также разработана программная реализации предлагаемой модели в формате веб-сервиса.

Обобщенная структура модели системы автоматизированного анализа пользовательских интерфейсов представлена на рис. 1.

Рис. 1. Модель анализа эргономики пользовательских интерфейсов

При использовании предлагаемой модели существенно упрощается процесс проведения тестирования.

Проведение оценки эргономики пользовательских интерфейсов основанное на предлагаемой модели позволит существенно сократить затраты на само тестирование, как напрямую – такое тестирование стоит

253

дешевле, чем аналоги, так и косвенно – сокращение сопутствующих расходов.

При использовании предлагаемой модели становится реальным более быстрое получение результатов тестирования.

На основе разработанной модели было проведено проектирование и прототипирование программной реализации предложенных методов и подходов в форме веб-сервиса.

Внедрение на рынок предложенной модели оценки интерфейсов, реализованной в формате веб-сервиса, повысит удобство оценки, приведет к уменьшению сроков осуществления необходимого тестирования.

Работа выполнена под руководством к.т.н., доц. С.М. Рощина

Г. М. Егорова ФУНКЦИОНАЛЬНОЕ НАЗНАЧЕНИЕ И ТЕХНИЧЕСКИЕ ХАРАКТЕРИСТИКИ СБОРОЧНОГО УЗЛА «ДЕМПФЕР»,

ВХОДЯЩЕГО В СОСТАВ ОПОРНО-ПОВОРОТНОГО УСТРОЙСТВА (ОПУ) АНТЕННОГО УСТРОЙСТВА МОБИЛЬНОГО ПРИЕМОПЕРЕДАЮЩЕГО КОМПЛЕКСА (АУ-МППК)

Объект исследования: сборочный узел «Демпфер».

Результаты, полученные лично автором: детально изучен сборочный узел «Демпфер».

Антенный комплекс мобильного приемопередающего комплекса (АКМППК) предназначен для эксплуатации в составе мобильного приемопередающего комплекса и обеспечивает прием/передачу высококачественных сигналов путем формирования диаграмм направленности в L, X и Ku диапазонах частот и наведение/сопровождение космического аппарата (КА) во всей небесной полусфере с заданными точностными характеристиками без «мертвых зон».

Состав АК-МППК входят следующие элементы: антенное устройство (АУ-МППК), транспортируемое опорное основание (ТОО-АК), комплект электропитания, комплект монтажных частей, комплект кабелей, комплекты ЗИП, комплект эксплуатационной документации.

Рассмотрим опорно-поворотное устройство (ОПУ) входящее в состав антенного устройства (АУ-МППК). ОПУ обеспечивает поворот подзеркальной рамы на определенный угол с требуемой точностью наведения.

Согласно техническим требованиям у АУ-МППК с установленным на него оборудованием диапазон углов поворота механизма наклонного азимута должен составлять 270°. Выполнение данного требования достигается с помощью сборочного узла «Демпфер» (рис. 1) и деталей «Диск» и «Упор».

254

Рисунок 1 – Геометрическая 3D модель сборочного узла «Демпфер»

Сборочный узел «Демпфер» устанавливается на вращающийся диск поворотного устройства, который приводится во вращение подвижной обоймой ведомого колеса через специальную проставку.

На упоре, который обеспечивает необходимую точность поворота всего устройства в процессе его работы, расположены концевые выключатели и автомат выключения. При помощи данных выключателей происходит остановка поворотного устройства в момент касания пластины "Демпфера" самого концевого выключателя.

Сборочный узел «Демпфер» фиксирует конечные положения поворотного устройства, и позволяет значительно снизить ударные нагрузки при остановке узла в процессе работы.

В состав сборочного узла «Демпфер» входят корпус, толкатели (2 шт.), тарельчатые пружины, упор подвижный, пластина упора подвижного, крышка демпфера, крышки (2шт.). Разрез сборочного узла «Демпфер» представлен на рисунке 2.

Рисунок 2 – Разрез сборочного узла «Демпфер»

Снижение ударных нагрузок при остановке узла в процессе работы достигается за счет специальной схемы расположения толкателей и тарельчатых пружин в корпусе "Демпфера".

Тарельчатые пружины представляет собой пологие конические кольца, подвергающиеся в процессе использования осевым нагрузкам. Они используются при необходимости обеспечения высоких силовых нагрузок при малых деформациях на сжатие.

255

"Корпус" является основной деталью сборочного узла "Демпфер. В "Корпус" вставляются и крепятся все детали, входящие в данный сборочный узел, с помощью винтов различных видов.

Всего в детали «Корпус» имеется 19 резьбовых отверстий. Из них 4 сквозных резьбовых отверстий, расположенных на верхней части детали «Корпус», необходимы для закрепления сборочного узла «Демпфер» к детали «Диск», с помощью винтов с цилиндрической головкой и шестигранным углублением под ключ класса точности А (ГОСТ 11738-84) с номинальным диаметром резьбы 8мм и длинной резьбовой части 80мм. Так же 8 винтов М10х30 ГОСТ 11738-84 используется для крепления боковых крышек к детали корпус.

Для присоединения детали «Крышка демпфера» к корпусу используются 7 резьбовых отверстий. «Крышка демпфера» крепится с помощью винтов с цилиндрической головкой М4х12 ГОСТ 1491-80.

Работа выполнена под руководством к.т.н., доц. каф «Компьютерные технологии и системы» М. В. Терехов

Я. И. Ефремова

ОРГАНИЗАЦИЯ РАБОТЫ WEB-СЕРВИСА «ЯНДЕКС.ПРОБКИ»

Объект исследования: web-сервис «Яндекс.Пробки», методы обработки и прогнозирования данных.

Результаты, полученные лично автором: показатели работы сервиса для дорожной сети Брянской области.

В настоящее время большой популярностью пользуются различные сервисы компьютерной навигации. Одним из таких сервисов является webсервис «Яндекс.Пробки». Подробное знакомство с ним позволяет описать следующие принципы его работы (рис. 1).

Рис. 3. Схема работы сервиса «Яндекс.Пробки»

256

Получение данных о дорожной ситуации происходит через Онлайн сервисы «Яндекс.Пробки» или «Яндекс.Навигатор», установленные на смартфонах, планшетах, навигаторах автомобилистов и обычных пользователей. Так как в собранных данных много шумов, таких, как например, данные от пешехода или припаркованной машины, они обрабатываются и фильтруются.

Следующим этом является привязка данных трека к графу. Она осуществляется путем приближения по критерию географического местоположения. После чего путем вычисления математического ожидания возвращается информация о среднем времени пребывания пользователей на участке дороги в данный момент времени. Данная информация выводится пользователю в виде графического изображения карты города с обозначенной цветом (зеленым, желтым, красным) загруженностью дорог.

По собранным данным web-сервис позволяет прогнозировать загруженность дорог на 15-30-45-60 минут вперед. Для реализации этого в нем используется следующий подход. Он основывается на машинном обучении, с применением метода линейной авторегрессии. Метод k ближних соседей более точный в сравнении с методом линейной авторегресии, однако первый метод трудно реализуем на программноаппаратном уровне. Связанно это с тем, что для хранения графов дорог необходимо около 100 Gb памяти, а для хранения истории дорожных ситуаций, произошедших раннее

– десятки Tb. Из-за этого время, затраченное на прогнозирование при помощи метода k ближайших соседей, производящееся на 30 вычислительных кластерах одновременно, сопоставимо с временем, на которое делается прогноз. В результате потребность в таких данных отпадает. Метод линейной авторегрессии, хоть и менее точен, но на небольшой промежуток времени (1 час) может предоставить достаточно точные спрогнозированные данные. На обучение метода тратится несколько часов, после чего, прогнозирование происходит в течении нескольких минут всего на одном сервере. Что позволяет максимально оптимизировать вычислительные ресурсы для обеспечения процесса прогнозирования и предоставления информации пользователям.

После изучения организации работы сервиса были проведены опытные испытания в рамках города Брянска, точности предоставляемого прогноза. В результате полученных данных был сделан вывод, что при попытке прогнозирования на 30 минут вперед, отклонение положения предполагаемой пробки от реальной составляет всего 3-5%, а при прогнозировании на 1 час вперед – 13-15%, что является достаточно высоким показателем достоверности (Испытания были проведены в Советском районе и в Володарском в час пик).

Работа выполнена под руководством: доц. Каф «Компьютерные технологии и системы» Казакова П. В.

257

А.П.Жолнеров АНАЛИЗ СФЕР ПРИМЕНЕНИЯ БАЗ ЗНАНИЙ В

АНАЛИТИЧЕСКИХ СИСТЕМАХ

Объект исследования: сферы баз знаний и их классификация. Результаты,полученные лично автором: проведен анализ

классификаций баз знаний в аналитических системах.

Всегодняшние дни для получения необходимой информации заинтересованные лица могут применить любые доступные им средства. Например,простые базы знаний могут использоваться для создания экспертных систем и хранения данных об организации: документации, руководств, статей технического обеспечения. Главная цель создания таких баз — помочь менее опытным людям найти существующее описание способа решения какой-либо проблемы предметной области. Онтология может служить для представления в базе знаний иерархии понятий и их отношений. Онтология, содержащая еще и экземпляры объектов не что иное, как база знаний.

Говоря о базах знаний, стоит упомянуть о их классификации и области применения. По предметной области наибольшее количество экспертных систем используется в военном деле, геологии, инженерном деле, информатике, космической технике, математике, медицине, метеорологии, промышленности, сельском хозяйстве, управлении процессами, физике, филологии, химии, электронике, юриспруденции. Классификация экспертных систем по методам представления знаний делит их на традиционные и гибридные. Традиционные экспертные системы используют,

восновном, эмпирические модели представления знаний и исчисление предикатов первого порядка. Гибридные экспертные системы используют все доступные методы, в том числе оптимизационные алгоритмы и концепции баз данных. По степени сложности экспертные системы делят на поверхностные и глубинные. Поверхностные экспертные системы представляют знания в виде правил «ЕСЛИ-ТО». Условием выводимости решения является без обрывность цепочки правил. Глубинные экспертные системы обладают способностью при обрыве цепочки правил определять (на основе метазнаний)какие действия следует предпринять для продолжения решения задачи. Кроме того, к сложным относятся предметные области в которых текст записи одного правила на естественном языке занимает более 1/3 страницы. Классификация экспертных систем по динамичности делит экспертные системы на статические и динамические. Предметная область называется статической, если описывающие ее исходные данные не изменяются во времени. Статичность области означает неизменность описывающих ее исходных данных. При этом производные данные (выводимые из исходных) могут и появляться заново, и изменяться (не изменяя, однако, исходных данных

Врезультате проведенных исследования были рассмотрены сферы применения баз знаний в аналитических системах, и их классификация;

258

рассмотрены конкретные области знаний, в которых используются базы знаний.

Работа выполнена под руководством доц.Е.А. Леонова

Т.С. Кадыш, И.О. Мещерякова, Е.М. Шароварин АНАЛИЗ УЯЗВИМОСТЕЙ ОТКРЫТЫХ ИНФОРМАЦИОННЫХ

СИСТЕМ

Объект исследования: открытые информационные системы. Результаты, полученные лично автором: статистика уязвимостей

открытых информационных систем.

Понятие информационной системы в современном мире приобрело важное значение. Информационные системы распространены в большинстве сфер жизни и занимают там неотъемлемое место. Наиболее перспективными среди них являются открытые информационные системы. Их используют в своих последних разработках все ведущие поставщики программного обеспечения и разработчики прикладных информационных систем. Их результативность на рынке информационных технологий и систем определяется согласованной научно-технической политикой и реализацией стандартов открытых систем.

По определению, принятому Комитетом IEEE POSIX 1003.0, открытой информационной системой называется система, которая реализует открытые спецификации на интерфейсы, сервисы (услуги среды) и поддерживаемые форматы данных, достаточные для того, чтобы дать возможность должным образом разработанному прикладному программному обеспечению быть переносимым в широком диапазоне систем с минимальными изменениями, взаимодействовать с другими приложениями на локальных и удалённых системах, и взаимодействовать с пользователями в стиле, который облегчает переход пользователей от системы к системе. Такая система обладает свойствами: расширяемость, масштабируемость, портируемость, интероперабельность, интеграция, высокая доступность, стандартизованность.

Основной принцип открытых систем состоит в создании среды, которая имеет стандарты и обеспечивает переносимость, взаимодействие и масштабируемость приложений и данных. Второй принцип состоит в использовании методов функциональной стандартизации. Для структурирования среды открытых систем используется эталонная модель, принятая в основополагающем документе ISO/IEC TR 14252-1996. ОИС отличает наличие открытых API и структуры. Такие свойства дают возможность произвольных действий со стороны злоумышленника. Наличие этих свойств означает наличие большого количества уязвимостей.

На данный момент есть различные классификации ОИС. Например: по масштабу, по сфере применения, по способу организации, по хранению данных. Но не существует четкой классификации уязвимостей открытых

259

информационных систем, эта область еще изучена недостаточно хорошо. Однако есть очень много работ, посвященных описанию уязвимостей. Например, такими работами занималась компания PositiveTechnology, каждый год они проводят статистику уязвимостей. На портале Securitulab.ru также часто публикуется информация о свежих уязвимостях.

Наша работа аналогично была посвящена классификации и статистике уязвимостей. Были рассмотрены различные ОИС. Выяснилось, что во многих ОИС есть схожие уязвимости. К примеру, наиболее часто встречались такие уязвимости как: уязвимость нулевого дня, переполнение буфера, уязвимости, позволяющие сделать подмену URL адресов и SQL-инъекцию. Наименее защищенными оказались такие открытые системы как браузеры и интернетресурсы.

ВCAD-системах общими оказались уязвимости внедрения своих DLLбиблиотек, благодаря которым, могут быть осуществлены действия со стороны нарушителя.

Втекстовых редакторах достаточно часто встречаются уязвимости при использовании макросов, ошибки определения границ данных.

Врезультате работы выделенные уязвимости были классифицированы по вероятности и частоте их появления в определенных системах, по времени их образования, а также по степени вреда, который они могут нанести.

Работа выполнена под руководством Грабежова И.Е.

Д.Ю. Казаков Возможности имитационного моделирования для решения

многокритериальных задач

Объект исследования: системы имитационного моделирования. Результаты, полученные лично автором: проведен анализ систем

имитационного моделирования и возможности их применения при решении трудно формализуемых задач.

Моделирование – метод решения задач, при использовании которого исследуемая система заменяется более простым объектом, описывающим реальную систему и называемым моделью.

Моделирование применяется в случаях, когда проведение экспериментовнад реальной системой невозможно или нецелесообразно, например, из-за высокой стоимости или длительности проведения эксперимента в реальном масштабе времени.

При использовании математического моделирования поведение системы описывается с помощью формул. Особым видом математических моделейявляются имитационные модели.

Имитационная модель – это компьютерная программа, которая описываетструктуру и воспроизводит поведение реальной системы во времени. Имитационная модель позволяет получать подробную статистику о

260

различных аспектахфункционирования системы в зависимости от входных данных.

Имитационное моделирование – разработка компьютерных моделей и постановка экспериментов на них. Целью моделирования в конечном счете является принятие обоснованных, целесообразных управленческих решений. Компьютерное моделирование становится сегодня обязательным этапом в принятииответственных решений во всех областях деятельности человека в связи с усложнением систем, в которых человек должен действовать и которыми он должен управлять. Знание принципов и возможностей имитационного моделирования, умение создавать и применять модели являются необходимыми требованиями к инженеру, менеджеру, бизнесаналитику.

Математическая модель сложной системы - совокупность моделей подсистем, их связей, а также влияний внешней среды. Реальная сложная система может иметь не единственную математическую модель. Это обусловлено тем, что имеют место различные цели построения моделей, например, полнота описания свойств и закономерностей, точность воспроизведения результатов и пр. Кроме того, наличие не единственной модели позволяет существенно расширить знания об исследуемой сложной системе.

Для достижения поставленной цели необходимо формализовать задачу множественности описания моделей, показать границы применимости типов математических моделей для различных видов компонент и связей между ними, синтезировать методику и провести ее практическую апробацию. Для решения таких задач может быть предложена древовидная структура, представленная в матричной форме.

Обобщенно процедура выбора наиболее подходящей математической модели может быть представлена последовательным прохождением ряда этапов

На первом этапе происходит формирование дерева целей по аналогии со структурой

После этого на основе имеющейся компонентной структуры происходит формирование множества вариантов математических моделей.