Метод обнаружения нарушений информационной безопасности в роевых робототехнических системах с использованием технологий машинного обучения

Аннотация

Интенсивное развитие роевой робототехники актуализирует вопросы обеспечения ее информационной безопасности. Известные подходы к обнаружению угроз информационной безопасности процесса коллективного принятия решений в роевых робототехнических системах используют физические параметры, которые сильно зависят от среды функционирования и аппаратной реализации системы. Поэтому трудно определить универсальные признаки аномального поведения робота, обеспечивающие точный порог отклонения и низкий процент ложных срабатываний. Целью работы является повышение эффективности достижения консенсуса в роевых робототехнических системах в условиях наличия неисправных или вредоносных роботов. Решение задачи обнаружения вредоносных роботов базируется на применении методов машинного обучения. В качестве классификатора вредоносных роботов использована искусственная нейронная сеть, обученная на наборе данных, сгенерированных с помощью разработанного ранее аналитического метода. Новизна представленного решения заключается в выборе параметров с варьируемыми значениями для проведения симуляций с целью формирования набора данных для обучения классификатора вредоносных роботов. Предложенный подход обеспечивает универсальность выявления вредоносных роботов независимо от их численности или стратегии поведения. Проведено имитационное моделирование роевой робототехнической системы, состоящей из 100 роботов. При наличии 20 % роботов с некорректным поведением, количество ложных срабатываний снижено на 41,07 % относительно метода-прототипа. Представленный метод реализован в виде программного обеспечения на языке программирования C++, которое может быть использовано при моделировании систем управления роевыми робототехническими системами.