Технології самовідновлення для розподілених систем на базі штучного інтелекту

Скорочена інформація про документ
dc.contributor.advisorСтьопочкіна, Ірина Валеріївна
dc.contributor.authorФокін, Олександр Владиславович
dc.date.accessioned2020-02-14T12:02:32Z
dc.date.available2020-02-14T12:02:32Z
dc.date.issued2019-12
dc.description.abstractenGraduate work consists of 102 pages, 39 illustrations, 36 literature sources. The object of the study is self-healing technologies for system components. The subject of the study is the methods of monitoring and restoring the components of the system, and the task of ensuring the accessibility in which they participate. Research Methods is a combination of existing monitoring, recovery methods and technologies together with our own determined rules and artificial intelligence. Scientific novelty is justified by the fact that the existing systems of customer service are faulty and cannot fully the regulatory requirements of cyber security in full or restore the system with the loss of some functionality. This work proposes a distributed system architecture with a self-healing property that performs better than existing systems by combining current recovery methods with artificial intelligence. The results of the work are presented in the third section, which implements a distributed customer service system is implemented with the property of self-healing using the Decision Tree machine learning algorithm, as well as the Docker health check mechanism in combination with the determined rules. The results of the work can be used to build a distributed system that should satisfy the “НД ТЗІ 2.5-004-99”, as well as to improve the security of the system.uk
dc.description.abstractukОбсяг роботи 102 сторінок, 39 ілюстрацій, 36 джерел літератури. Об’єктом дослідження є технології самовідновлення компонентів системи. Предметом дослідження є методи моніторингу та відновлення компонентів системи, та завдання забезпечення доступності, в яких вони беруть участь. Методи дослідження - поєднання що існує методів і технологій моніторингу та відновлення разом з власними детермінованими правилами, і штучним інтелектом. Наукова новизна обґрунтована тим, що існує системи обслуговування клієнтів є небездоганними і не можуть забезпечувати нормативні вимоги безпеки в повній мірі або відновлюють систему з втратою частини функціоналу. Дана робота пропонує архітектуру розподіленої системи з властивістю самовідновлення, що має кращі показники в порівнянні з що існує системами, завдяки поєднанню наявних методів відновлення зі штучним інтелектом. Результати роботи викладені у третьому розділі, в якому реалізована розподілена система обслуговування клієнтів з властивістю самовідновлення, використовуючи алгоритм машинного навчання Decision Tree, а також механізм Docker health check у поєднанні з детермінованими правилами. Результати роботи можуть бути використані для побудови розподіленої системи, яка повинна задовольняти НД ТЗІ 2.5-004-99, а також для підвищення безпеки системи.uk
dc.format.page105 с.uk
dc.identifier.citationФокін, О. В. Технології самовідновлення для розподілених систем на базі штучного інтелекту : магістерська дис. : 125 Кібербезпека / Фокін Олександр Владиславович. – Київ, 2019. – 105 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/31604
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectсистема самовідновленняuk
dc.subjectсистема моніторингуuk
dc.subjectвідновлення системиuk
dc.subjectрозподілена системаuk
dc.subjectштучний інтелектuk
dc.subjectмашинне навчанняuk
dc.subjectдетерміновані правилаuk
dc.subjectобслуговування клієнтівuk
dc.subjectself-healing systemuk
dc.subjectmonitoring systemuk
dc.subjectsystem restorationuk
dc.subjectdistributed systemuk
dc.subjectartificial intelligenceuk
dc.subjectmachine learninguk
dc.subjectdetermination of rollinguk
dc.subject.udc004.056uk
dc.titleТехнології самовідновлення для розподілених систем на базі штучного інтелектуuk
dc.typeMaster Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Fokin_magistr.pdf
Розмір:
3.59 MB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.06 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Магістерські роботи (ІБ)
Магістерські роботи