Модель интеллектуального распределения трафика в кластерных сегментах теплотехнологических систем

Б. В. Окунев, Е. К. Верейкина, А. И. Лазарев

---

Аннотация. В настоящее время принятие решений по управлению теплотехнологическими системами является достаточно сложным процессом. Непосредственное расширение параметров и взаимосвязанных элементов между участниками существенно сказывается на масштабировании систем оценки и контроля потоков информации. Несмотря на достаточно стремительное развитие информационно-коммуникационных технологий, существующие инструменты организации инфраструктурной поддержки процессов взаимодействия между клиентом и сервером все еще имеют существенные недостатки. Несовершенство таких решений не только сдерживает возможности роста их эффективности, но и является уязвимостью с точки зрения безопасности функционирования системы в целом. Целью исследования является алгоритмическая и программная разработка гибкой топологии сегментов сети с учетом динамически изменяющихся факторов. В результате проведен анализ существующих решений построения модульных сетевых протоколов для организации функционирования сложных систем. Выявлены их сильные стороны, уязвимости и потенциальные источники роста эффективности, на развитие и устранение которых направлено разработанное решение. Построена модель безопасной сети удаленного взаимодействия и обмена критически важной
информацией для обеспечения стабильной работы сложно-технического оборудования в теплотехнологической системе. Особенностью разработанной модели является модуль безопасного доступа к требуемой информации за счет прямого p2p обмена между клиентами при помощи безопасного туннеля. Практическая значимость заключается в возможности использования разработанной модели интеллектуального распределения трафика в сегментах сети теплотехнологических систем различных видов экономической деятельности.

Ключевые слова: TCP/IP топологии, обеспечение безопасности данных, управление данными, нейронные модели, теплотехнологические комплексы

Для цитирования. Окунев Б. В., Верейкина Е. К., Лазарев А. И. Модель интеллектуального распределения трафика в кластерных сегментах теплотехнологических систем // Известия Кабардино-Балкарского научного центра РАН. 2023. № 6(116). С. 235–246. DOI: 10.35330/1991-6639-2023-6-116-235-246

Информация об авторах

Окунев Борис Васильевич, канд. техн. наук, доцент, преподаватель кафедры информационных технологий в экономике и управлении, Национальный исследовательский университет «Московский
энергетический институт» – филиал в г. Смоленске;
214013, Россия, г. Смоленск, Энергетический проезд, 1;
ok-bmw@rambler.ru, ORCID: https://orcid.org/0000-0001-8740-7855
Верейкина Елизавета Константиновна, аспирант, Национальный исследовательский университет «Московский энергетический институт»;
111250, Россия, Москва, Красноказарменная улица, 17;
vereikina.ek@mail.ru, ORCID: https://orcid.org/0000-0003-3791-9099
Лазарев Алексей Игоревич, ассистент кафедры информационных технологий в экономике и управлении, Национальный исследовательский университет «Московский энергетический институт» – филиал в г. Смоленске;
214013, Россия, г. Смоленск, Энергетический проезд, 1;
anonymous.prodject@gmail.com, ORCID: https://orcid.org/0000-0003-3252-0409

Список литературы

1. Kensworth S., Saumitra A., Vahid D. et al. On the Design and Implementation of IP-over-P2POverlay Virtual Private Networks. IEICE Transactions on Communications. 2020. Vol. E103.B. No. 1. P. 2–10. DOI: https://doi.org/10.1587/transcom.2019CPI0001
2. Zhang Y., Zhong N., You W. et al. NDFuzz: a non-intrusive coverage-guided fuzzing framework for virtualized network devices. Cybersecurity. 2022. No. 5(21). DOI: https://doi.org/ 10.1186/s42400-022-00120-1
3. Seneviratne P. Beginning LoRa Radio Networks with Arduino: Build Long Range, Low Power Wireless IoT Networks. New York: Apress, 2019. 320 p.
4. Ahmadi A.E. An Introduction to Wireless Mesh Networks. New York: Scholars’ Press. 68 p.
5. Kim J.-W., Kim J., Lee J. Cross-Layer MAC/Routing Protocol for Reliability Improvement of the Internet of Things. Sensors. 2022. Vol. 22(9429). DOI: https://doi.org/10.3390/s22239429
6. Моисеев В. И. Экспериментальное исследование структуры пакетного буфера Ethernet коммутатора. T-Comm. 2020. № 1. С. 18–24.
7. Канаев А. К., Логин Э. В., Гришанов И. С. Комплексный алгоритм процессов контроля и управления телекоммуникационной сетью Carrier Ethernet с применением механизмов ОАМ // Известия Петербургского университета путей сообщения. 2022. Т. 19. Вып. 2. С. 266–275. DOI: 10.20295/1815-588X-2022-2-266-275
8. Никишин К. И. Исследование передачи трафика в программно-конфигурируемой сети с использованием cisco packet tracer // ВГТУ. 2022. № 5. С. 85–90.
9. Simla J.A., Chakravarthy R., Leo M.L. An Experimental study of IoT-Based Topologies on MQTT protocol for Agriculture Intrusion Detection. Measurement: Sensors. 2022. Vol. 24. DOI: https://doi.org/10.1016/j.measen.2022.100470
10. Wang M., Li Y., Lv J., Gao Y., Qiao C., Liu B., Dong W. ACE: A Routing Algorithm Based on Autonomous Channel Scheduling for Bluetooth Mesh Network. Electronics. 2022. No. 11(113). DOI: https://doi.org/10.3390/electronics11010113
11. Андреев С. В., Хлупина А. А. Оптимизация скорости vpn для удаленной работы с использованием маршрутизаторов с arm-процессорами // Программные продукты и системы. 2020. № 4. С. 605–612.
12. Мартьянов А. В. Анализ информации о подключениях к сети предприятия удаленных пользователей // Инновационная наука. 2021. № 6. С. 46–48.
13. Zaenchkovsky A., Kirillova E., Zeman Z. Mathematical foundations intellectually coordination of data for group expert innovative processes evaluation within the framework of scientific and industrial cooperation. Algorithms and solutions based on computer technology. Lecture Notes in Networks and Systems. Vol. 387. Springer, Cham. DOI: https://doi.org/10.1007/978-3-030-93872-7_9
14. Dai Y., Zhou Q., Leng M. et al. Improving the bi-LSTM model with XGBoost and attention mechanism: A combined approach for short-term power load prediction. Applied Soft Computing. 2022. No. 130. DOI: https://doi.org/10.1016/j.asoc.2022.109632
15. Борисов В. В., Булыгина О. В., Дли М. И., Козлов П. Ю. Рубрицирование текстовых документов на основе нечетких отношений различия // Прикладная информатика. 2020. Т. 15. № 3. С. 36–45. DOI: 10.37791/2687-0649-2020-15-3-36-45
16. Pajankar A., Joshi A. Hands-on Machine Learning with Python: Implement Neural Network Solutions with Scikit-learn and PyTorch. New York: Apress, 2022. 356 p.
17. Чумакова Е. В., Корнеев Д. Г., Гаспариан М. С. Подход к проектированию нейронной сети для формирования индивидуальной траектории тестирования знаний // Прикладная информатика. 2022. Т. 17. № 5. С. 102–115. DOI: 10.37791/2687-0649-2022-17-5-102-115
18. Непомнящий О. В. Метод оценки ресурсов в процессе функционально-потокового высокоуровневого синтеза СБИС // Прикладная информатика. 2022. Т. 17. № 3. С. 34–44. DOI: 10.37791/2687- 0649-2022-17-3-34-44
19. Park M.-H., Chakraborty S., Vuong Q.D. et al. Anomaly detection Babed on time series data of hydraulic accumulator. Sensors. 2022. Vol. 22(9428). DOI: https://doi.org/10.3390/s22239428
20. Chen G., Tat T.P. Introduction to Fuzzy Sets, Fuzzy Logic, and Fuzzy Control Systems. 1st ed. Boca Raton: CRC Press, 2019. 328 p.