Метод побудови захищених каналів передачі даних з використанням модифікованої нейронної мережі

Скорочена інформація про документ
dc.contributor.authorКальчук, Інна Володимирівна
dc.contributor.authorЛаптєва, Тетяна Олександрівна
dc.contributor.authorЛукова-Чуйко, Наталія Вікторівна
dc.contributor.authorХаркевич, Юрій Іліодорович
dc.date.accessioned2023-04-11T07:07:10Z
dc.date.available2023-04-11T07:07:10Z
dc.date.issued2021
dc.description.abstractСучасне суспільство все більше стає залежним від якості сучасних інформаційно-телекомунікаційних послуг. Важливими показниками якості таких послуг є рівень безпеки наданих сервісів. Тому розробка методів побудови захищених маршрутів у інформаційних мережах є актуальним науковим завданням. У статті розглянуто метод побудови захищених каналів передачі даних у інформаційних мережах. Традиційні нейронні мережі не можуть забезпечити сучасні можливості відображення безпечних мереж, що є найбільш важливими для аналізу передачі даних у наш час. Тому нейронні мережі Sigma-Pi-Sigma є хорошим інструментом для цієї операції через просту архітектуру. Застосування інтегрованого підходу до навчання нейронних мереж, що використовує Sigma-Pi-Sigma-нейрони, допомагає виконати завдання закороткий проміжок часу. Для точної інтерпретації змінного зондового сигналу використовується модель нейронної мережі Sigma-Pi-Sigma. Наукова новизна методу полягає у побудові захищених маршрутів у інформаційних мережах шляхом вдалого поєднання переваг радіального базису та сигмоїдної функції активації. Алгоритм навчання градієнта дозволяє регулювати синаптичні ваги мережі в режимі реального часу з заданою точністю. Висока швидкість навчання та універсальні апроксимаційні властивості запропонованої мережі мають практичне значення; вони будуть особливо корисні при обробці багатовимірних функцій векторного аргументу. У майбутньому дослідження включатимуть розробку мережі Sigma-Pi-Sigma без використання процедури прямого добутку вхідних векторів прихованого шару. Для досягнення переваг над існуючими методами додатково використовуються прямокутні методи матричного підсумовування рядів Фур’є, які раніше у подібних методах не були представлені. Ефективність цих методів для дослідження захищеної передачі інформації у два рази вища у порівнянні з трикутними методами, що підвищує імовірність надійної передачі даних на 15 %.uk
dc.description.abstractotherModern society is increasingly dependent on the quality of modern information and telecommunications services. An important indicator of the quality of such services is the security level of services provided. Therefore, the development of methods for constructing secure routes in information networks is an urgent scientific task. This article is devoted to solving this problem. The article considers the method of building secure routes in information networks. Traditional neural networks cannot provide modern capabilities for displaying secure networks, which are most important for data transmission analysis today. Therefore, Sigma-Pi-Sigma neural networks are a good tool for this operation due to their simple architecture. Applying an integrated approach to neural network learning that uses Sigma-Pi-Sigma neurons helps complete tasks in a short period. Neural networks need to find a solution to the problem. The Sigma-Pi-Sigma neural network model is used to accurately interpret the variable probe signal. The scientific novelty of the method is the construction of secure routes in information networks, it is a successful combination of the advantages of the radial basis and sigmoid activation functions. The gradient learning algorithm allows you to adjust the synaptic weights of the network in real-time with a given accuracy. The high learning speed and universal approximation properties of the proposed network are of practical importance; they will be especially useful when processing multidimensional vector argument functions. Future research will include the development of a Sigma-Pi-Sigma network without using the direct production procedure for hidden layer input vectors. To take advantage of existing methods, rectangular Fourier series matrix summation methods are used, which were not previously presented in similar methods. The efficiency of these methods for the study of secure data transmission is twice as high as triangular methods, which increases the probability of reliable data transmission by 15 %.uk
dc.format.pagerangePp. 232-243uk
dc.identifier.citationМетод побудови захищених каналів передачі даних з використанням модифікованої нейронної мережі / Кальчук Інна Володимирівна, Лаптєва Тетяна Олександрівна, Лукова-Чуйко Наталія Вікторівна, Харкевич Юрій Іліодорович // Information Technology and Security. – 2021. – Vol. 9, Iss. 2 (17). – Pp. 231–243. – Bibliogr.: 31 ref.uk
dc.identifier.doihttps://doi.org/10.20535/2411-1031.2021.9.2.250077
dc.identifier.issn2411-1031
dc.identifier.orcid0000-0001-8822-3716uk
dc.identifier.orcid0000-0002-5223-9078uk
dc.identifier.orcid0000-0003-3224-4061uk
dc.identifier.orcid0000-0002-8577-5096uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/54454
dc.language.isoukuk
dc.publisherInstitute of Special Communication and Information Protection of National Technical University of Ukraine “Igor Sikorsky Kyiv Polytechnic Institute”uk
dc.publisher.placeKyivuk
dc.relation.ispartofInformation Technology and Security : Ukrainian research papers collection, 2021, Vol. 9, Iss. 2 (17)uk
dc.rights.urihttps://creativecommons.org/licenses/by/4.0/
dc.subjectsecure networksuk
dc.subjectdata transmissionuk
dc.subjectalgorithmuk
dc.subjectreliabilityuk
dc.subjectneural networkuk
dc.subjectзахищена мережаuk
dc.subjectпередача данихuk
dc.subjectалгоритмuk
dc.subjectнадійністьuk
dc.subjectнейронна мережаuk
dc.subject.udc004.056.53uk
dc.titleМетод побудови захищених каналів передачі даних з використанням модифікованої нейронної мережіuk
dc.title.alternativeMethod of construction of protected data transmission channels using modified neural networkuk
dc.typeArticleuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
250077-583939-1-10-20220321.pdf
Розмір:
644.68 KB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.1 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Information Technology and Security, Vol. 9, Iss. 2 (17)