vrgupВестник Ростовского государственного университета путей сообщенияVestnik Rostovskogo Gosudarstvennogo Universiteta Putej Soobshcheniya0201-727XРостовский государственный университет путей сообщения10.46973/0201-727X_2024_1_158vrgup-210Research ArticleИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ, АВТОМАТИКА И ТЕЛЕКОММУНИКАЦИИINFORMATION TECHNOLOGIES, AUTOMATION AND TELECOMMUNICATIONSРазработка интеллектуального программного модуля на основе аппарата нейронных сетей для визуализации и автоматического анализа характеристик спектров информационного сигнала и деструктивных воздействийDevelopment of an intelligent software module based on neural networks for visualization and automatic analysis of characteristics of information signal spectra and destructive impactsХохловН. С.KhokhlovN. S.

Николай Степанович Хохлов, доктор технических наук, профессор

кафедра «Инфокоммуникационных систем и технологий»

Воронеж

Nikolai Stepanovich Khokhlov, Doctor of Engineering Sciences, Professor

Chair «Infocommunication Systems and Technologies»

Voronezh

nikolayhohlov@rambler.ruБоковаО. И.BokovaO. I.

Оксана Игоревна Бокова, доктор технических наук, профессор, научно-технический консультант

Москва

Oksana Igorevna Bokova, Doctor of Engineering Sciences, Professor, Scientific and Technical Consultant

Moscow

o.i.bokova@gmail.comКанавинС. В.KanavinS. V.

Сергей Владимирович Канавин, кандидат технических наук, доцент

кафедра «Инфокоммуникационных систем и технологий»

Воронеж

Sergey Vladimirovich Kanavin, Candidate of Engineering Sciences, Associate Professor

Chair «Infocommunication Systems and Technologies»

Voronezh

sergejj-kanavin@rambler.ruГилевИ. В.GilevI. V.

Игорь Владимирович Гилев, преподаватель

кафедра «Инфокоммуникационных систем и технологий»

Воронеж

Igor Vladimirovich Gilev, Lecturer

Chair «Infocommunication Systems and Technologies»

Voronezh

gileviv@bk.ruРтищевР. В.RtischevR. V.

Роман Владимирович Ртищев, курсант

радиотехнический факультет; кафедра «Инфокоммуникационных систем и технологий»

Воронеж

Roman Vladimirovich Rtischev, Cadet

Radio Engineering Faculty; Chair «Infocommunication Systems and Technologies»

Voronezh

gileviv@bk.ruВоронежский институт МВД РоссииVoronezh Institute of the Ministry of Internal Affairs of RussiaООО «Каскад»Cascade LLC20243003202401158168Copyright © Хохлов Н.С., Бокова О.И., Канавин С.В., Гилев И.В., Ртищев Р.В., 20242024Хохлов Н.С., Бокова О.И., Канавин С.В., Гилев И.В., Ртищев Р.В.Khokhlov N.S., Bokova O.I., Kanavin S.V., Gilev I.V., Rtischev R.V.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://vestnik.rgups.ru/jour/article/view/210

   Предложен способ реализации интеллектуального программного модуля на основе аппарата нейронных сетей для визуализации и автоматического анализа характеристик спектров информационного сигнала и деструктивных воздействий. Приведена процедура выбора и создания модели машинного обучения, позволяющей выявлять наличие деструктивного воздействия и его признаков. Обучение модели нейронной сети происходит в облачной среде с использованием графического процессора. Для обучения модели нейронной сети использована специализированная библиотека. Обучение реализуется на параметрах нейронной сети, характеризующих количество прохода датасета через нейронную сеть в прямом и обратном направлении. В результате обучения получены графики, характеризующие зависимости ошибок от количества эпох обучения моделей. Разработаны алгоритм выделения характеристик мощности, ширины спектра деструктивного воздействия в спектре информационного сигнала и интеллектуальный программный модуль (скрипт) для их автоматического анализа. Механизм анализа ширины спектра и мощности деструктивного воздействия в спектре информационного сигнала включает в себя программное обеспечение и модели машинного обучения для распознавания текста на изображениях.

   The paper proposes a method for implementing an intelligent software module based on neural networks for visualization and automatic analysis of the characteristics of information signal spectra and destructive influences. A procedure is given for selecting and creating a machine learning model that allows identifying the presence of destructive effects and its signs. The neural network model is trained in a cloud environment using a GPU. A specialized library was used to train the neural network model. Training is implemented on the parameters of the neural network, which characterize the number of times the dataset passes through the neural network in the forward and reverse directions. As a result of training, graphs were obtained characterizing the dependence of errors on the number of epochs of model training. An algorithm for identifying power characteristics, the width of the spectrum of destructive effects in the spectrum of an information signal, and an intelligent software module (script) for their automatic analysis has been developed. The mechanism for analyzing the spectrum width and power of destructive influence in the spectrum of an information signal includes software and machine learning models for recognizing text in images.

интеллектуальный программный модульнейронные сетиавтоматический анализ характеристик спектровдеструктивные воздействиямодель машинного обученияалгоритм автоматического анализа характеристик спектра информационного сигналаintelligent software moduleneural networksautomatic analysis of spectrum characteristicsdestructive effectsmachine learning modelan algorithm for automatic analysis of the characteristics of the information signal spectrumReferencesХохлов, Н. С. Анализ некоторых уязвимостей информационной безопасности системы беспроводной связи стандарта DMR / Н. С. Хохлов, С. В. Канавин, И. В. Гилев // Вестник Воронежского института МВД России. – 2022. – № 1. – С. 9–17. – ISSN 2071-3584.Khokhlov, N. S. Analysis of some information security vulnerabilities of the wireless communication system of the DMR standard / N. S. Khokhlov, S. V. Kanavin, I. V. Gilev // Bulletin of the Voronezh Institute of the Ministry of Internal Affairs of Russia. – 2022. – No. 1. – P. 9–17. – ISSN 2071-3584.Хохлов, Н. С. Модель противодействия угрозам разрушения информации в системах связи специального назначения при деструктивных воздействиях / Н. С. Хохлов, С. В. Канавин, И. В. Гилев // Вестник Воронежского института МВД России. – 2023. – № 1. – С. 106–117. – ISSN 2071-3584.Khokhlov, N. S. Model of countering threats of information destruction in special-purpose communication systems under destructive influences / N. S. Khokhlov, S. V. Kanavin, I. V. Gilev // Bulletin of the Voronezh Institute of the Ministry of Internal Affairs of Russia. – 2023. – No. 1. – P. 106–117. – ISSN 2071-3584.Оптическое распознавание символов в Raspberry Pi с помощью Tesseract. – URL: https://microkontroller.ru/raspberrypiprojects/opticheskoe-raspoznavanie-simvolov-v-raspberry-pi-s-pomoshhyu-tesseract (дата обращения: 18. 10. 2023).OCR on Raspberry Pi using Tesseract. – URL: https://microkontroller.ru/raspberry piprojects/opticheskoe-raspoznavanie-simvolov-v-raspberry-pi-s-pomoshhyu-tesseract (date of access: 10/18/2023).Сирота, А. А. Анализ алгоритмов поиска объектов на изображениях с использованием различных модификаций сверточных нейронных сетей / А. А. Сирота, Е. Ю. Митрофанова, А. И. Милованова // Вестник Воронежского государственного университета. Серия : Системный анализ и информационные технологии. – 2019. – № 3. – С. 123–137. – ISSN 1995-5499.Sirota, A. A. Analysis of algorithms for searching objects in images using various modifications of convolutional neural networks / A. A. Sirota, E. Yu. Mitrofanova, A. I. Milovanova // Bulletin of Voronezh State University. Series: System analysis and information technologies. – 2019. – No. 3. – P. 123–137. – ISSN 1995-5499.Чорбаа, Н. А. Сравнительный анализ методов детектирования объектов на радиолокационных изображениях при помощи нейронных сетей / Н. А. Чорбаа, А. Ту. Ле, И. М. Толстой // Научный результат. Информационные технологии. – 2020. – Т. 5, № 4. – С. 15–25. – ISSN 2518-1092.Chorbaa, N. A. Comparative analysis of methods for detecting objects on radar images using neural networks / N. A. Chorbaa, A. Tu. Le, I. M. Tolstoy // Scientific result. Information Technology. – 2020. – Vol. 5, No. 4. – P. 15–25. – ISSN 2518-1092.Применение искусственных нейронных сетей для анализа мультиспектральных изображений / М. Ю. Альес, Е. А. Антонов, А. И. Калугин, М. Р. Зарипов // Оптический журнал. – 2021. – Т. 88, № 8. – С. 48–53. – ISSN 1023-5086.Application of artificial neural networks for the analysis of multispectral images / M. Yu. Alyes, E. A. Antonov, A. I. Kalugin, M. R. Zaripov // Optical Journal. – 2021. – Vol. 88, No. 8. – P. 48–53. – ISSN 1023-5086.Черниговский, А. В. Нейронные сети как инструмент анализа сетевого трафика / А. В. Черниговский, М. В. Кривов // Вестник Ангарского государственного технического университета. – 2019. – № 13. – С. 151–157. – DOI: 10.36629/2686-777x-2019-1-13-151-157.Chernigovsky, A. V. Neural networks as a tool for analyzing network traffic / A. V. Chernigovsky, M. V. Krivov // Bulletin of the Angarsk State Technical University. – 2019. – No. 13. – P. 151–157. – DOI: 10.36629/2686-777x-2019-1-13-151-157.К вопросу обеспечения защищенного доступа к информационным системам с применением биометрической аутентификации на основе нечеткого образа личности пользователя и нейросетевых преобразований. / О. И. Бокова, С. В. Канавин, Н. С. Хохлов [и др.] // Вестник Дагестанского государственного технического университета. Технические науки. – 2023. – № 50 (4). – С. 75–84. – DOI: 10.21822/2073-6185-2023-50-4-75-84.On the issue of ensuring secure access to information systems using biometric authentication based on a fuzzy image of the user’s personality and neural network transformations / O. I. Bokova, S. V. Kanavin, N. S. Khokhlov [et al.] // Bulletin of the Dagestan State Technical University. Technical science. – 2023. – No. 50 (4). – P. 75–84. – DOI: 10.21822/2073-6185-2023-50-4-75-84.Фисун, В. В. Искусственный интеллект управления информационной безопасностью объектов критической информационной инфраструктуры : монография / В. В. Фисун. – Москва : Русайнс, 2023. – 360 с. – ISBN 9785436597232.Fisun, V. V. Artificial intelligence for managing information security of critical information infrastructure objects: monograph / V. V. Fisun. – Moscow : Rusigns, 2023. – 360 p. – ISBN 9785436597232.Климов, С. М. Противодействие компьютерным атакам. Методические основы / С. М. Климов, М. П. Сычев, А. В. Астрахов. – Москва : МГТУ имени Н. Э. Баумана, 2013. – 108 с.Klimov, S. M. Countering computer attacks. Methodological foundations. / S. M. Klimov, M. P. Sychev, A. V. Astrakhov. – Moscow : MSTU named after N. E. Bauman, 2013. – 108 p.Шелухин, О. И. Сетевые аномалии. Обнаружение, локализация, прогнозирование : монография / О. И. Шелухин. – Москва : Горячая линия – Телеком, 2020. – 447 с. – ISBN 978-5-9912-0756-0.11 Shelukhin, O. I. Network anomalies. Detection, localization, forecasting : monograph / O. I. Shelukhin. – Moscow : Hotline – Telecom, 2020. – 447 p. – ISBN 978-5-9912-0756-0.Элбон, К. Машинное обучение с использованием Python. Сборник рецептов : перевод с английского / К. Элбон. – Санкт-Петербург : БХВ-Петербург, 2019. – 384 с. – ISBN 978-5-9775-4056-8.Albon, K. Machine learning using Python. Collection of recipes : Transl. from English / K. Elbon. – Saint Petersburg : BHV-Petersburg, 2019. – 384 p. – ISBN 978-5-9775-4056-8.FSH8 портативный анализатор спектра. – URL: https://www.samarapribor.ru/main/fsh8.html (дата обращения: 18. 10. 2023).FSH8 portable spectrum analyzer. – URL: https://www.samarapribor.ru/main/fsh8.html (date of access: 10/18/2023).BL-YOLOv8 : An Improved Road Defect Detection Model Based on YOLOv8. – URL: https://www.mdpi.com/1424-8220/23/20/8361#B19-sensors-23-08361 (дата обращения: 18. 10. 2023).BL-YOLOv8 : An Improved Road Defect Detection Model Based on YOLOv8. – URL: https://www.mdpi.com/1424-8220/23/20/8361#B19-sensors-23-08361 (date of access: 10/18/2023).Преснецов, А. М. Разработка программно-аппаратного комплекса для мониторинга производственной деятельности с использованием нейросети YOLOV8 / А. М. Преснецов, А. П. Тюрин // Интеллектуальные системы в производстве. – 2023. – Т. 21, № 2. – С. 140–151. – ISSN 1813-7911.Presnetsov, A. M. Development of a hardware and software complex for monitoring production activities using the YOLOV8 neural network / A. M. Presnetsov, A. P. Tyurin // Intelligent systems in production. – 2023. – Vol. 21, No. 2. – P. 140–151. – ISSN 1813-7911.Свидетельство о государственной регистрации программы для ЭВМ RU, № 2023688381. Интеллектуальный программный модуль для автоматизированного анализа характеристик спектров информационного сигнала и деструктивных воздействий. / Р. В. Ртищев, И. В. Гилев, С. В. Канавин, Н. С. Хохлов. – № 2023687782 ; заявл. 08. 12. 2023 ; опубл. 21. 12. 2023, Бюл. № 1. – 1 с.Certificate of state registration of the computer program RU, No. 2023688381 dated December 21, 2023. Intelligent software module for automated analysis of the characteristics of information signal spectra and destructive influences. / R. V. Rtishchev, I. V. Gilev, S. V. Kanavin, N. S. Khokhlov // No. 2023687782 ; application 12. 08. 2023, Bulletin. No. 1. – 1 p.Постолит, А. В. Основы искусственного интеллекта в примерах на Python. Самоучитель / А. В. Постолит. – 2-е изд., перераб. и доп. – Санкт-Петербург : БХВ-Петербург, 2024. – 448 c. – ISBN 978-5-9775-1818-5.Postolit, A. V. Fundamentals of artificial intelligence in examples in Python. Self-instruction manual / A. V. Postolit. – 2<sup>nd</sup> ed., revised. and additional. – Saint Petersburg : BHV-Petersburg, 2024. – 448 p. – ISBN 978-5-9775-1818-5.

The authors declare that there are no conflicts of interest present.