Інформаційна технологія контролю та класифікації станів в оптичних лініях передачі даних

Abstract

Зінченко В.Л. «Інформаційна технологія контролю та класифікації станів в оптичних лініях передачі даних». Кваліфікаційна наукова праця на правах рукопису. Дисертація на здобуття наукового ступеня доктора філософії за спеціальністю 122 «Комп’ютерні науки» – Інститут телекомунікацій і глобального інформаційного простору Національна академія наук України, Київ, 2025. Дисертація спрямована на розробку моделей та методів інформаційної технології для визначення аномальних станів у оптичних лініях зв’язку з метою забезпечення прийнятної надійності процесу передачі даних. У вступі розкрита актуальність дослідження безпеки оптичних каналів зв’язку, визначено об’єкт, предмет, мету та завдання роботи. Сформульовано наукову новизну й практичне значення результатів, які спрямовані на створення інформаційної технології для визначення типів аномалій та штатних режимів за для підвищення надійності виконання функцій передачі даних. У першому розділі проведено теоретичний аналіз проблем безпеки квантових каналів зв’язку. На основі аналізу джерел інформації за темою дослідження показано, що, попри стрімкого розвитку протоколів квантового розподілу ключів залишається низка невирішених питань по захисту інформації. Відомі атаки на практичні системи, зокрема розділення числа фотонів, засліплення детектора, та троянський кінь, доводять, що навіть квантові системи не є повністю захищеними. Це змушує замислитися над тим, наскільки ефективними є наявні підходи по забезпеченню захищеності, чи здатні вони виявляти приховані загрози в реальних умовах експлуатації і реагувати на відповідні загрози. Особлива увага приділяється питанням ефективного моніторингу параметрів квантового каналу та виявлення аномалій. З одного боку, традиційні статистичні методи дають змогу оцінювати середні характеристики, проте їхня чутливість обмежена. З іншого боку, зростає інтерес до методів кластерного аналізу та машинного навчання, які можуть розкрити закономірності, недоступні класичним підходам. У другому розділі роботи представлено математичну та імітаційну моделі інформаційної технології аналізу стану каналу передачі даних та функціональну схему контролю станів каналу інформації на основі нейронної мережі. Вихідною точкою є загальні положення та концептуальна постанова задачі, що полягає у створенні методу імітаційного динамічного моделювання подій в віртуальному каналі зв’язку. Такий підхід дає змогу формалізувати причинно-наслідкові зв’язки між подіями та станами фотонів, а також досліджувати вплив квантових ефектів і атак на роботу системи. Використання цього підходу уможливлює побудову більш гнучких і точних механізмів моніторингу, що є основою для подальшої оптимізації систем безпечного зв’язку. У межах розділу сформовано методи інтелектуального аналізу станів квантового каналу, які враховують ознаки когерентних та некогерентних атак, ефект спостерігача, принцип неможливості клонування та властивості квантової заплутаності. Ці методи дозволяють описувати поведінку параметрів каналу як сукупність підсистем, кожна з яких може перебувати у працездатному або у стані відмови. Для цього застосовуються методи класифікації та кластеризації, які інтегруються в архітектуру та модель нейронної мережі. У розділі розроблено математичну модель оцінки відмов та критичних станів каналу, яка представлена у вигляді кортежу множин параметрів (графу), регістрів та функцій переходу. Ця модель описує динаміку роботи каналу, враховуючи детерміновані та стохастичні процеси. Модель інтегрує класичні принципи теорії кодування з особливостями квантових систем, зокрема неможливістю клонування квантових станів. Завершальним етапом є побудова імітаційної моделі контролю квантового каналу та функціональної схеми інтелектуального аналізу, реалізованої на основі багатошарової нейронної мережі. Запропоновано архітектуру з вхідним шаром симптомів, проміжним шаром патерів і синдрому з вихідним шаром рішень. Така структура дозволяє відобразити причинно-наслідкові зв’язки між параметрами каналу і можливими відмовами, забезпечуючи ефективну класифікацію станів. Це створює основу для розробки програмного забезпечення, яке здатне працювати в режимі OLAP, здійснювати діагностику каналу в реальному часі та вибрати дії для підвищення надійності й безпеки квантових систем передачі даних. У третьому розділі проведено систематичний розгляд методів статистичного та інтелектуального аналізу даних, які інтегруються в інформаційну технологію для класифікації режиму роботи каналу передачі інформації. Вихідним пунктом є усвідомлення того, що навіть у квантових комунікаціях, де застосовуються фундаментальні принципи квантової механіки, безпека каналу не є абсолютною. Канал зв’язку може піддаватися як природним стохастичним флуктуаціям, так і цілеспрямованим атакам, що проявляються через зміну фізичних параметрів сигналу. Це зумовлює потребу в методах аналізу, здатних своєчасно виявляти такі відхилення та формувати рішення щодо стану системи. Первинним рівнем обробки даних є статистичний аналіз. Він забезпечує формальне описання розподілів параметрів каналу, які інтерпретуються як багатовимірні дані з часовими залежностями. Обчислення середніх значень, стандартних відхилень, коефіцієнтів варіації дає змогу оцінити базову стабільність системи та порівняти різні режими роботи. Впровадження показника Z-score переводить усі параметри в єдину нормовану шкалу та дозволяє автоматично ідентифікувати відхилення. Така уніфікація ознак є необхідною умовою для подальшого застосування алгоритмів машинного навчання. За допомогою коефіцієнта Пірсона досліджуються кореляційні зв’язки між параметрами. В результаті у стаціонарному режимі зв’язки майже відсутні, але стають суттєвими в умовах аномального режиму роботи каналу. Візуалізація у вигляді теплових карт і гістограм дозволяє ідентифікувати латентні закономірності, асиметрії чи мультимодальні розподіли. Таким чином, статистичний аналіз не обмежується лише числовими оцінками, а трансформується у базу для побудови інтелектуальних алгоритмів. У цьому розділі також представлено інтелектуальні методи кластеризації та машинного навчання. Алгоритм k-means застосовується для групування даних результатів спостережень без попередньо заданих міток. Це дозволяє виявляти приховані стани каналу та автоматично відокремлювати стаціонарний режим від аномального. Застосування багатошарового перцептрона (MLP) є логічним продовженням статистичних і кластерних методів, оскільки надає змогу реалізувати класифікацію станів каналу в реальному часі з необхідною точністю та стійкістю до шумів. У четвертому розділі здійснено розробку імітаційних моделей та віртуальний канал передачі даних для виконання процедур з застосуванням інтелектуальних методів машинного навчання. Якщо статистичні підходи дозволяють описати поведінку параметрів каналу, то нейронні мережі здатні виявляти приховані нелінійні залежності та своєчасно фіксувати критичні відхилення. Такий перехід є закономірним кроком у розвитку інформаційних технологій для підвищення надійності каналів комунікацій. Підготовка даних розглядається як фундаментальний етап: часові вимірювання трансформуються у вектори статистичних ознак, що робить їх придатними для навчання моделей. Вибір багатошарової нейронної мережі обґрунтовано її здатністю апроксимувати складні відображення у багатовимірному просторі ознак. Це рішення виводить систему за межі аналізу і переводить її в площину інтелектуальної діагностики, де модель не лише спостерігає, а й робить узагальнені висновки про стан каналу. Оцінка моделі базується на комплексі метрик (accuracy, precision, recall, F1), що дає змогу досягти балансу між чутливістю до аномалій і стійкістю до хибних спрацьовувань. Таким чином, питання класифікації набуває характеру оптимізації ризиків. Завершальною ланкою є інтеграція моделі в структурно-функціональну схему квантового каналу, де локальні прогнози об’єднуються у глобальне рішення. Це демонструє практичну цінність поєднання статистичних та інтелектуальних методів, що формує основу нової інформаційної технології для квантових комунікацій.