Цель исследования заключается в разработке платформы, которая позволяет проводить различные типы проверок для выявления слабых мест в подсистемах беспилотных автоматизированных систем. Методы исследования: при разработке платформы использовалась методика, основанная на построении онтологических моделей, которая позволила связать структурно-функциональные характеристики беспилотных автоматизированных систем с угрозами и уязвимостями, а также с атаками таких систем. Для сканирования радиочастотных диапазонов использовался метод распараллеливания процессов. Система принятия решений основана на методах оценки рисков. Результаты исследования: платформа позволяет оптимизировать процесс тестирования безопасности беспилотных автоматизированных систем. Для автоматизированной проверки используется база данных, включающая в себя каталог структурно-функциональных характеристик, угроз, уязвимостей, атак. Платформа может определить, каким типам структурно-функциональных характеристик соответствуют уязвимости беспилотных автоматизированных систем. Система, состоящая из отдельных компонентов (сенсор для сканирования беспилотных автоматизированных систем, интеллектуальная система активного анализа беспилотных автоматизированных систем). Сенсор для сканирования беспилотных автоматизированных систем реализован в виде малогабаритного устройства. Система интеллектуального активного анализа беспилотных автоматизированных систем реализована в виде программного обеспечения. Научная новизна заключается в разработке концепции системы анализа безопасности беспилотных автоматизированных систем на основе онтологических моделей и анализа радиочастотного диапазона для выявления уязвимых мест системы при проведении предэксплуатационных проверок.

Ключевые слова: анализ данных, статистика, атаки, риски, беспилотные автоматизированные системы

2.3.6 - Методы и системы защиты информации, информационная безопасность , 2.9.6 - Аэронавигация и эксплуатация авиационной техники

Целью данной работы является разработка алгоритма для распознавания усадочных дефектов на металлических сплавах. Описываются шаги по обработке изображения. При разборе алгоритма, для каждого шага представлено описание с последующей программной реализацией. Заключительным этапом, после использования методов алгоритма, является подсчет контуров дефектов. Для демонстрации работоспособности программного обеспечения были взяты случайные фотографии металлического тела в разрезе, где можно непосредственно наблюдать дефекты в виде газовых пор. Программное обеспечение при правильном подборе входных данных обрабатывает изображение с высокой точностью, минимизируя погрешности вычисления дефектов. Использование предложенных алгоритмов сокращает время диагностики. В статье была приведена сравнительная характеристика ручного и автоматизированного методов, показывающая эффективность второго метода по сравнению с первым. Для написания программного обеспечения был использован язык программирования Python 3.7, а также библиотека алгоритмов компьютерного зрения OpenCV.

Ключевые слова: обнаружение дефектов, алгоритмы компьютерного зрения, OpenCV, металлические дефекты, усадочные дефекты

05.13.06 - Автоматизация и управление технологическими процессами и производствами (по отраслям)