3635

Из приведенного выше графика видно, что объем информации уже к 2025 году вырастет примерно в 3 раза. Из этого следует проблема сбора и анализа информации. Даже в настоящее время не представляется возможным собрать всю необходимую для тех или иных задач информацию ручным способом, не говоря уже об осуществлении хранения и анализа собранных данных.

Решением данной проблемы является реализация средства автоматического сбора информации, для дальнейшего хранения и формирования наборов данных взаимосвязей информационных технологий.

Сбор исходных данных с информационных ресурсов является одной из ключевых подсистем средств построения и анализа карт киберпространства.

В контексте защищаемого киберпространства понимается совокупность информационных объектов:

-программное обеспечение в сфере защиты информации;

-средства защиты информации;

-научные публикации в сфере защиты информации.

Под картой понимается отображение R объектов O киберпространства C в евклидово пространство размерностью [ ] при помощи компьютерных средств T и правил отображения U [1-3]:

Карты позволяют наглядно представить исследуемые объекты, что намного упрощает анализ данных, в отличие от обычного текстового формата. Также благодаря картам киберпространства есть возможность рассчитывать метрики центральности (выявление наиболее важных вершин графа), проводить кластеризацию и другие виды анализа данных [1-2].

Для решения задачи реализации автоматического сбора были исследованы информационные ресурсы, с которых будет осуществлен сбор информации. В результате анализа источников были выделены «сущности», «атрибуты», «названия связей» (связи между сущностями).

Рис. 2. Пример связей сущностей для источника academia.edu

180

Для реализации задачи автоматизации сбора данных из источников используется Веб-скрайпинг. Данная технология, при помощи скриптов, «заходит» на сайт под видом обычного пользователя и собирает информацию по заранее установленным параметрам – ключевым словам. Таким образом, можно получить, обрабатывать, систематизировать данные с тысяч веб-страниц за короткое время. В данном случае используются ключевые слова: информационная безопасность, защита информации, information security, protection of information.

Первое, с чем стоит разобраться – это модель данных. В данном случае это объектная модель, по которой строится любой html–документ. У каждого элемента есть атрибут - его характеристика, указав искомый элемент и его характеристику, можно автоматически найти его на множестве веб-страниц, не прибегая к ручному поиску.

Рис. 3. Соответствие элемента на странице сайта с элементом html-документа

На рис. 3 приведен пример на основе источника academia.edu, где с помощью консоли браузера анализируются и выбираются необходимые в рамках сбора информационных технологий элементы html-документа.

Для выполнения запросов к серверу и обработки ответов используется Python библиотека request. Пользуясь данной библиотекой, пользователь получает содержимое страницы в виде html для дальнейшего парсинга сайта. Под парсингом подразумевается извлечение, сбор любой открытой информации с веб-сайта.

Рис. 4. Получение страницы в виде html для дальнейшего парсинга

На рис. 4 продемонстрировано получение всех публикаций и их параметров со страницы и сохранение всех данных в массив pubs.

181

Затем, пользователь анализирует html-код и выделяет нужные элементы с указанными сущностями.

Рис. 5. Получение элемента «автор» из публикации

Все собранные результаты записываются в файл JSON формата, которые представляют из себя пару «имя сущности»: «значение», для дальнейшего хранения и анализа собранной информации.

Литература

1.Сердечный А.Л., Остапенко А.Г. Картографический подход к описанию киберпространства в контексте обеспечения безопасности информации и информационной безопасности. // Информация и безопасность. 2019. Т. 22. Вып. 3.

С. 387-398.

2.Технологии картографирования защищаемого киберпространства. / А.Л. Сердечный, М.А. Тарелкин, А.А. Ломов, Д.М. Коваленко. // Информация и безопасность. 2019. Т. 22. Вып. 3. С. 399-410.

3.Калашников А.О, Сердечный А.Л., Остапенко А.Г. Картографический подход в библиометрическом исследовании отечественных научных школ, сложившихся в области защиты информации и обеспечения информационной безопасности. // Информация и безопасность. 2019. Т. 22. Вып. 4. С. 455-484.

182

УДК 621.396.6.001.63

ПОСТРОЕНИЕ КАРТ НАПРЯЖЕННОСТИ РАДИАТОРА С ПОМОЩЬЮ ДИПОЛЬНОЙ МОДЕЛИ

Т.С. Глотова1, В.В. Глотов2, А.С. Иваницкий2 1Аспирант каф. РЭУС, okipr.vgtu@rambler.ru 2Студенты, РКм-191, vadik-livny@mail.ru

ФГБОУ ВО «Воронежский государственный технический университет»

В данной статье описаны подходы, принимающие во внимание, как дипольные моменты, так и пассивные структуры радиатора, которые в свою очередь включены в двухволновую модель. С помощью данного подхода можно оценить связь ближнего поля и дальнего поля, излучаемого от радиатора, а так же можно оптимизировать для уменьшения непреднамеренных помех структуру радиатора.

Ключевые слова: электромагнитная совместимость, ближнее поле, дипольный момент, радиатор.

Обычно металлический радиатор находится в непосредственной близости от интегральной микросхемы (ИМС) – главного источника электромагнитных помех в конструкциях радиоэлектронных средств (РЭС). По мере того, как рабочая частота ИМС увеличивается, увеличиваются размеры радиатора, что приводит к значительному увеличению электромагнитных излучений в результате теплоотвода. Поэтому, чтобы точно проанализировать и уменьшить излучения от радиатора, его структура должна быть тщательно смоделирована и спроектирована. Электромагнитные поля от радиатора зависят как от структуры радиатора, так и от его излучений. Учитывая одинаковую структуру радиатора, если место или тип возбуждения отличается, то излучаемые поля могут быть совершенно разными. В традиционных исследованиях по моделированию и изучению радиатора наиболее распространенной моделью источника, вызывающей конфигурацию электромагнитного поля радиатора, является источник напряжения между радиатором и плоскостью заземления.

В этой статье предлагается подход для оценки точных электромагнитных полей от структуры радиатора, чтобы включить точное возбуждение, обусловленное ИМС под радиатором. ИМС моделируется массивом дипольных моментов, полученных при сканировании ближнего поля ИМС.

Некоторые методы [1] были предложены для моделирования электромагнитных полей от ИМС на основе таких измерений, как сканирование ближнего электромагнитного поля. В конструкциях РЭС, имеющих радиатор, моделирование на основе принципа эквивалентности Гюгенса с использованием эквивалентных плотностей тока в плоскости сканирования явно не подходит, поскольку тангенциальные поля в плоскости сканирования от ИМС могут резко измениться, когда присутствует радиатор. Для построения

183

модели от источника излучений наиболее подходят эквивалентные модели плотности тока или дипольные моменты.

Модель дипольного момента была предложена в [2], где массив электрических и магнитных диполей с одинаковым размером шага используется для представления ИМС для оценки поля, как показано на рисунке. В каждой точке измерения имеются - Pz (вертикальный электрический диполь), Mx и My (горизонтальный магнитный диполь), которые были тщательно выбраны для представления распределения напряжения и тока ИМС над плоскостью печатного модуля. Значения этих диполей были определены из измерений ближнего поля в плоскости сканирования над ИМС. Особое внимание было уделено расчетам дипольного момента, чтобы влияние базовой плоскости не было включено в дипольные моменты. Это очень важно для таких элементов, как радиаторы, где может произойти многократное рассеяние.

Эквивалентная модель дипольного момента для полевых расчетов над ИМС, основанная на измерениях сканирования ближнего поля

Поля, генерируемые массивом диполей, вносятся всеми диполями в массив и могут быть рассчитаны как:

где [Ex], [Ey], [Hx] и [Hy] обозначают x- и y- компоненты электрического и магнитного поля, оцененные в плоскости сканирования; векторы [Pz], [Mx] и [My] - электрические и магнитные дипольные моменты в матрице диполей, расположенной на ИМС; T - матрица генерации поля. Уравнение (1) можно переписать как:

где Fn и Xk - нормализованные формы векторов поля и источника, полученные из формулы 1. Регуляризационный подход был предложен в [4] для решения

184

обратной задачи, чтобы получить решение, которое могло бы отражать фактическое распределение напряжения и тока в ИМС. Другими словами, вектор источника может быть рассчитан как:

где Tnk' - транспонированное сопряжение Tnk; - коэффициент регуляризации, значение которого может быть выбрано на основе оцененной ошибки в данных ближнего поля. В источнике [4] показано, что наличие решения, отражающего фактическое распределение напряжения и тока, может обеспечить точность не только в дальнем поле, но и в оценках ближнего поля с использованием эквивалентного источника. Это особенно полезно для применений радиатора, где ИМС находится в непосредственной близости от конструкции радиатора. Наличие надежного эквивалентного источника обеспечивает правильное возбуждение конструкции радиатора.

Литература

1.Кечиев Л.Н. Проектирование печатных плат для цифровой быстродействующей аппаратуры. М.: ООО «Группа ИДТ», 2007. 616 с.

2.Ромащенко М.А. Основные задачи анализа обеспечения ЭМС в конструкциях РЭС и принципы его выполнения // Вестник Воронежского государственного технического университета. 2011. Т. 7. №4. С. 106-109.

3.Суриков В.В. Электромагнитная совместимость приемнопередающих устройств, расположенных на элементах конструкций сложной формы: автореф. дис. ... канд. техн. наук: 01.04.03. СПб, 2010. 36 с.

4.Князев А.Д., Кечиев Л.Н., Петров Б.В. Конструирование радиоэлектронной и электронновычислительной аппаратуры с учетом электромагнитной совместимости. М.: Радио и связь, 1989. 224 с.

185

УДК 681.3

ПРИМЕНЕНИЕ OLAP-КУБОВ В РАМКАХ РАБОТЫ БАНКОВСКИХ СИСТЕМ И СИСТЕМ ПОДДЕРЖКИ ЦЕЛЕВОГО МАРКЕТИНГА

В.В. Попова1, А.А. Колесникова2, А.В. Питолин3 1Студент гр. мАП-191, sapris@vorstu.ru 2Студент гр. мАП-191, sapris@vorstu.ru

4Канд. техн. наук, доцент, sapris@vorstu.ru

ФГБОУ ВО «Воронежский государственный технический университет»

Рассмотрены вопросы применения технологии OLAP-кубов на примере банковских систем и систем поддержки целевого маркетинга.

Ключевые слова: OLAP-технологии, визуализация многомерных данных.

В настоящее время одной из обязательных составляющих программ анализа финансового и экономического состояния организаций является применение OLAP-кубов. Суть OLAP-технологий состоит в том, чтобы представить большое количество связанных данных в виде многомерного массива с целью одновременного рассмотрения всех взаимосвязей. Для графического представления OLAP-кубов используют имеющуюся базу данных или данные, хранящиеся в электронных таблицах[1]. Ячейки куба, чаще всего являются составными элементами, которые в свою очередь также делятся на элементы, такие многоуровневые объединения называются иерархиями.

Необходимость в таких многоуровневых иерархиях существует в аналитических системах банков. Она обусловлена тем, что именно благодаря детальному рассмотрению всех взаимосвязей между данными существует возможность контролировать финансовое состояние банка, а также оценивать возможные и будущие риски. Это одна из целей, для чего банковские структуры стремятся создать централизованное аналитическое хранилище больших данных.

Как правило, организация хранилища в банках (рис. 1) состоит из нескольких основных слоев данных [2]:

Первый слой представляет собой аналитические копии данных из операционных систем-источников, взятые без преобразований.

Второй слой – слой, где данные из систем-источников приводятся к единому виду.

Третий слой предназначен для обеспечения надежности и защиты от несанкционированного доступа хранилища. На этом слое хранятся данные уже в том виде, в котором они будут фигурировать в конечных витринах для формирования отчетности, операционных отчетов и аналитики.

Таким образом, происходит процесс получения данных и их очистки, результатом которого будет единая модель данных для формирования аналитической и финансовой отчетности.

186

Рис. 1. Архитектура хранилища

На уровне предоставления данных витрины должны иметь структуры данных, максимально отвечающие потребностям бизнес-задачи. Следующим этапом разработки хранилища будет создание полной согласованности между всеми финансовыми и аналитическими отчетами системы, чего достаточно сложно достичь, поскольку потоки данных, приходящие с систем-источников, кардинально отличаются друг от друга.

Уровень бизнес-приложений представляет собой сценарные расчеты, статистический анализ, многомерный анализ, средства планирования и предоставление отчетности.

Рассмотрим систему поддержки целевого маркетинга, в которой данные аналогично с банковскими, обновляются непрерывно большими объемами. Различные источники данных для анализа представлены на рис. 2.

В рамках проведения анализа данных систем целевого маркетинга построим трехмерный OLAP-куб(рис. 3), осями которого будут являться данные продуктового каталога, кампаний информирования и ответов абонентов.

На основании данных, выбранных к рассмотрению в данном кубе можно сделать следующие выводы:

об успешности подключения продукта абонентам при положительном ответе в рамках каждого из каналов информирования;

о корректности настройки самой кампании информирования при не подключении ни одному абоненту продукта;

о правильности данных, указанных в продукте, если на различных каналах информирования данные об ответах абонентов кардинально отличаются;

187

Рис. 2. Источники данных для анализа системы поддержки целевого маркетинга

Рис. 3. OLAP-куб выбранных данных системы целевого маркетинга

Литература

1.С.А. Тоноян, В.А. Высочанский методика проектирование корпоративного хранилища данных на базе платформы SAP NET WEAVER BUSINESS WAREHOUSE / Вестник МГТУ им. Н.Э. Баумана. Сер. Приборостроение. 2016. № 4.

2.Э.Э. Акимкина, А.Э. АббасовАнализ инструментальных средств информационных систем для обработки многомерных данных / Информационно-технологический вестник. 2016. Т. 2. С. 61–75.

188

УДК 621.74.045

ПРИМЕНЕНИЕ ВЫСОКОЭФФЕКТИВНОГО МЕТОДА ЗАГОТОВИТЕЛЬНОГО ПРОИЗВОДСТВА

ДЛЯ ИЗГОТОВЛЕНИЯ НАУКОЕМКИХ ИЗДЕЛИЙ

А.К. Севостьянов1, С.В. Акмамедова2, Е.В. Котуков3, О.Н. Кириллов4 1Магистрант гр. мТМ-11, Alex1235e@yandex.ru

2Магистрант гр. мТМ-11, svetlana.akmamedova@mail.ru

3Аспирант evgeniy_kotukov@icloud.com 4Д-р техн. наук, профессор, kirillov.olli@yandex.ru

ФГБОУ ВО «Воронежский государственный технический университет»

В статье рассматривается метод литья по выплавляемым моделям, применяемый при изготовлении изделий на АО КБХА.

Ключевые слова: литье, модель, отливка, лопатки, ЖРД, плавильная печь.

Литье по выплавляемым моделям (ЛВМ) получило значительное распространение в машиностроении, за счет получения из любых сплавов, сложных по форме отливок, массой от нескольких граммов до десятков килограммов, с толщиной стенки менее 1мм. Шероховатость при данном методе получения заготовок составляет от Ra=20 мкм до Ra=1,25 мкм, с точностью размеров до 9-10 квалитетов (IT). Указанные преимущества дают возможность максимально приблизить отливку к готовой детали. Метод ЛВМ предоставляет возможность получить отлитую деталь, дополнительная обработка которой перед сборкой не потребуется [1].

В АО КБХА литье по выплавляемым моделям активно применяется для изготовления различного вида изделий. Цех точного литья по ЛВМ изготавливает отливки деталей из высококачественных сталей и жаропрочных сплавов на никелевой основе [2]:

-крыльчатки, рабочие колеса турбины;

-сопловые и направляющие аппараты;

-корпусные детали агрегатов и других изделий.

Продукция, которая производится в цехе литья, характеризуется сложными геометрическими формами. После обработки получаем изделия с высокой точностью заданных размеров и чистотой поверхности, практически не требующими дополнительной механической обработки.

Модельные блоки деталей жидкостных ракетных двигателей (ЖРД) лопаточного типа получают путем запрессовки модельного состава в металлические пресс-формы. Модели из воска, полученные в пресс-формах: сама отливка, элементы литниково-питающей системы, собираются в модельный блок. На рис. 1 показаны модельные блоки деталей ЖРД [1].

189