Электронный каталог

32.81
Ч-56
Чехарин, Е. Е.
    Информационный риск / Е. Е. Чехарин // Дистанционное и виртуальное обучение. - 2018. - №1. - С. 70-77
ББК 32.81

Рубрики: Кибернетика

Кл.слова (ненормированные):
информационный риск -- оппозиционные пары -- информационная неопределенность -- не информированность -- агент принципал -- каскадный метод -- контингенция -- актуарий -- специалист по страхованию -- статистическая оценка риска -- надежность -- опасность -- информационное поле
Аннотация: Информационные риски постоянно появляется в новых формах, что требует совершенствования механизмов их обнаружения и уменьшения рисков. В данной статье рассматривается многоаспектность оценки риска, подходы к оценке риска, различие риска и опасности. Понятие риска обозначает сложный комплекс обстоятельств, поэтому в статье выявлены причины информационных рисков, рассмотрены четыре принципа, минимизирующие риски информационного взаимодействия, возникающие при проблеме «агент принципал». Приводится каскадный метод минимизации информационного риска, сделан вывод о его эффективности.

Держатели документа:
ЗКГУ

32.81
P25

    Parameters of the distributed databases of information systems when splitting data with application of algorithms of multidimensional parity / A. Zh. Karipzhanova [et al.] // Известия Национальной академии наук Республики Казахстан=News of National academy of sciences of the Republic of Kazakhstan. - 2019. - №5. - Р. 82-90. - (Серия геологии и технических наук=Series of geology and technical sciences)
ББК 32.81

Рубрики: Кибернетика

Кл.слова (ненормированные):
безопасная информация -- облачные технологии -- распределенное хранение -- расщепление данных -- система безопасности Big Data -- многомерная четность -- места хранения -- резервирование -- хранение данных -- угрозы
Аннотация: К настоящему времени общепринятым методом предотвращения потери информации является многократное резервирование, что приводит к огромным материальным затратам. Разработанная авторами статьи система безопасности Big Data с применением алгоритмов многомерной четности, устойчивых к частичным потерям мест хранения, показала повышенный уровень безопасности, в частности при использовании в облачных технологиях. В этом алгоритме данные расщепляются на большое число файлов, каждый из которых не может содержать даже одного бита рассредоточенной в облаке исходной информации. Реализованная авторами система не требует дополнительной дорогой инфраструктуры резервирования, легко масштабируется, расширяется, причем по мере увеличения размеров инфраструктуры с добавления единиц хранения автоматически увеличивается безопасность и надежность хранения данных. Получены результаты тестирования параметров безопасности основных базовых подсистем технологии распределенного хранения с расщеплением данных. Результаты показали соответствие параметров безопасности современным требованиям и, соответственно, возможность уменьшения доминирования дорогой инфраструктуры резервирования и Backup. Технология распределенного хранения с расщеплением данных воплощает в себе новую парадигму безопасности, открывающую возможность эффективного противодействия многочисленным угрозам хранимой информации и большим вычислениям.
Держатели документа:
ЗКГУ
Доп.точки доступа:
Karipzhanova, A. Zh.
Sagindykov, K. M.
Gudov, А.М.
Kalin Dimitrov

32.81
A29
Akhmed-Zaki, D. Zh.
    Three dimensional visualization of models and physical characteristics of oil and [Текст] / D. Zh. Akhmed-Zaki, O. N. Turar, A. R. Rakhymova // Вестник Казахского национального университета имени Аль-Фараби=Journal оf Al-Farabi Kazakh national university. - Аlmaty, 2018. - №3. - Р. 92-105. - (Серия математика, механика, информатика=Series mathematics, mechanics, computer science)
ББК 32.81

Рубрики: Информатика

Кл.слова (ненормированные):
компьютерная графика -- компьютерная анимация -- машинная графика -- виртуальная реальность -- OpenGL -- OpenVR -- шейдер -- визуализация -- визуализация сеточной модели
Аннотация: В работе описаны основные действия для трехмерной визуализаций сеточных моделей нефтяных и газовых месторождений для систем виртуальной реальности. Работа была реализована на языке программирования C ++, для визуализации модели была использована библиотека OpenGL и для визуализации модели в виртуальной среде использовалась библиотека OpenVR в дополнении с программой SteamVR. Созданный модуль визуализации требует подключения специальных оборудований для работы с виртуальной средой, таких как шлем виртуальной реальности, базовые станции и контроллеры. В качестве входных данных для прорисовки модели предложены геометрические данные и физические характеристики модели в формате .GRDECL.
Держатели документа:
ЗКГУ
Доп.точки доступа:
Turar, O.N.
Rakhymova, A.R.

32.81
A36
Alimzhanov, Ye. S.
    Educational Data and Learning Analytics in KazNU MOOCs Platform [Текст] / Ye. S. Alimzhanov, M. Ye. Mansurova // Вестник Казахского национального университета имени Аль-Фараби=Journal оf Al-Farabi Kazakh national university. - Аlmaty, 2018. - №3. - Р. 106-115. - (Серия математика, механика, информатика=Series mathematics, mechanics, computer science)
ББК 32.81

Рубрики: Информатика

Кл.слова (ненормированные):
МООК -- анализ обучения -- образовательные данные -- онлайн обучение -- смешанное обучение -- аналитика -- студенты -- инновационный подход
Аннотация: Начальный ажиотаж вокруг массовых открытых онлайн курсов (MOOК) пошел на спад, но число новых учащихся на платформах MOOК все еще растет. Из-за низких показателей завершения МООК по сравнению с зарегистрированными студентами, важным этапом является установление и утверждение стандартов качества для этих курсов. Использование образовательных данных и аналитики обучения для улучшения планов уроков и предоставления курсов станет инновационным подходом для учителей, разработчиков учебных программ и политики в области образования. Аналитика обучения онлайн курсов может быть использована для улучшения образовательного процесса смешиванием дистанционных и традиционных моделей обучения. В данной работе представлены некоторые наблюдения о поведении слушателей курсов, полученные путем анализа данных, накопленных при проведении 13 МООК. Результаты показывают, что качество межличностного взаимодействия в рамках курса имеет положительный и существенный характер для учащихся.
Держатели документа:
ЗКГУ
Доп.точки доступа:
Mansurova, M.Ye.

32.81
K34
Kenzhebek, Y. G.
    Development of a hybrid parallel algorithm (MPI + OpenMP) for solving the [Текст] / Y. G. Kenzhebek, S. B. Baryssova, Т. S. Imankulov // Вестник Казахского национального университета имени Аль-Фараби=Journal оf Al-Farabi Kazakh national university. - Аlmaty, 2018. - №3. - Р. 116-126. - (Серия математика, механика, информатика=Series mathematics, mechanics, computer science)
ББК 32.81

Рубрики: Информатика

Кл.слова (ненормированные):
высокопроизводительные вычисления -- гибридные технологии -- параллельные вычисления -- MPI -- OpenMP -- решение задачи Дирихле -- двумерное уравнение Пуассона -- итерационный метод Якоби
Аннотация: В данной статье представлена разработка гибридного параллельного алгоритма для решения задачи Дирихле для двумерного уравнения Пуассона. В качестве технологии для распараллеливания были выбраны MPI и OpenMP. Для численного последовательного решения уравнения Пуассона использовалась явная схема «крест» (итерационный метод Якоби). Параллельный алгоритм был реализован методом декомпозицией областей, а именно одномерная декомпозиция. В статье в виде таблиц и графиков показаны ускорения и эффективности параллельных алгоритмов при использовании технологий MPI и Open-MP по отдельности и были сравнены с ускорением и эффективностью гибридного алгоритма MPI + OpenMP. Так же, обоснован выбор архитектуры гибридной программы и объяснены распределения данных между процессами. Полученные результаты говорят об эффективности использования гибридного алгоритма для решения подобных задач и показывают ускорение времени в 1,5-2 раза. Представленный алгоритм протестирован на кластере вычислительного центра Новосибирского Государственного Университета для различного количества точек расчетной области (от 64х64 до 1024х1024). Результаты представленной работы можно применить для моделирования задач гидродинамики, экологии, аэродинамики, распространение химических реагентов, распространение тепла и других физических процессов.
Держатели документа:
ЗКГУ
Доп.точки доступа:
Baryssova, S.B.
Imankulov, Т.S.

32.81
A13
Abdiakhmetova , Z. M
    Data processing in electrocardioqraphs by wavelet transformation for early forecasting of parossysmal arthritis [Текст] / Z.M Abdiakhmetova // Әл - Фараби ат. ҚҰУ Хабаршы = Вестник КазНУ им Аль - Фараби. - Алматы, 2018. - №1(97). - Р. . 111-119. - (Математика, механика, информатика сериясы = Серия математика, механика, информатика)
ББК 32.81

Рубрики: Информатика

Кл.слова (ненормированные):
электрокардиограмма -- вейвлетное преобразование -- пароксизмальная мерцательная аритмия
Аннотация: Являются основной причиной смертности в разных странах. Качество сигнала ЭКГ можетбыть затронут и ухудшен различными источниками, такими как состояние пациента, базовоеблуждание, контакт электродов ЭКГ и другие. Кроме того, если ЭКГ контролируетсявизуально, вероятность получения человеческой ошибки высок, каждый 10-результатинтерпретируется с ошибкой (Brikena Xhaja, 2015: 305-312). А также по многим ЭКГ снимкампросто не возможно провести визуальный анализ частотных данных сигнала. Морфологиянизкоамплитудных высокочастотных сигналов, так называемых Р волн, скрывает ценнуюинформацию для раннего доклинического прогнозирования болезней. То есть необходимостьпоиска новых методов ранней доклинической диагностики все еще актуальна. Посколькубольшая часть клинически полезной информации в ЭКГ обнаруживается в интервалах и амплитудах, определяемых ее значимыми точками (характерные пики и границыволн), разработка точных и надежных методов автоматического разграничения ЭКГявляется предметом серьезной важности, особенно для анализа длинных записей(Juan Pablo Martinez, 2014: 570-581). Проблемы извлечения из электрофизиологическогосигнала информации, которую невозможно получить при визуальном анализе записи, атакже проблемы автоматизации традиционных алгоритмов врачебного анализа являютсяактуальными в связи с недостатком исследований в данной области. Целью исследованияявляется поиск новых областей применения метода вейвлетного преобразования вобработке сигналов. Получившее широкое распространение в 2000 годах в исследованиисвойств сигналов вейвлетное преобразование позволяет с помощью аппроксимирующихи детализирующих коэффициентов «разглядеть» скрытые частотно-временные данныесигнала. Полученные результаты показывают, что предлагаемый алгоритм обеспечиваетреальную эффективность в обработке первичных сигналов для задачи выделениядетализирующих коэффициентов ЭКГ сигнала. Наше исследование показывает, что вейвлет-анализ Морлета интервалов Р, который применять легко и недорого, может достовернопредсказать частоту симптоматических эпизодов пароксизмальной мерцательной аритмииу пациентов без клинически и эхокардиографически выраженной болезни сердца. Вейвлетанализ может способствовать нашему пониманию электрофизиологических механизмов,лежащих в основе генерации и рецидивов пароксизмальной мерцательной аритмии, иможет позволить идентифицировать пациентов с высоким риском увеличения рецидивовпароксизмальной мерцательной аритмии, тем самым создавая перспективу раннегоприменения неинвазивных и инвазивных терапевтических стратегий для предотвращениябудущих событий пароксизмальной мерцательной аритмии. Литература
Держатели документа:
ЗКГУ
Доп.точки доступа:
Nurmakhanova, Zh.M

32.81
B19
Balakayeva , G. T
    Modeling the processing of a large amount of data [Текст] / G.T Balakayeva // Әл - Фараби ат. ҚҰУ Хабаршы = Вестник КазНУ им Аль - Фараби. - Алматы, 2018. - №1(97). - Р. 120-127. - (Математика, механика, информатика сериясы=Серия математика, механика, информатика. Journal of Mathematics, Mechanics, Computer Science.)
ББК 32.81

Рубрики: Информатика

Кл.слова (ненормированные):
Большие обьемы данных -- обработка данных -- анализ -- моделирование -- методы
Аннотация: Определение больших объемов данных, BigData, используется для обозначения такихтехнологий как хранение и анализ значительного объема данных, при обработке которыхтребуется высокая скорость, и принятие решений в режиме реального времени. Обычно, когдаговорят о серьезной аналитической обработке, особенно если используют термин DataMining,подразумевают, что данных огромное количество. Не существует универсальных способованализа или алгоритмов, пригодных для любых случаев и любых объемов информации.Методы анализа данных существенно отличаются друг от друга по производительности,качеству результатов, удобству применения и требованиям к данным. Оптимизацияможет производиться на различных уровнях: оборудование, базы данных, аналитическаяплатформа, подготовка исходных данных, специализированные алгоритмы. Большие данные– это совокупность технологий, которые призваны совершать три операции. Во-первых,обрабатывать большие по сравнению со "стандартными" сценариями объемы данных. Во-вторых, уметь работать с быстро поступающими данными в очень больших объемах. Тоесть данных не просто много, но их постоянно становится все больше и больше. В-третьих,они должны уметь работать со структурированными и плохо структурированными даннымипараллельно в разных аспектах. Большие данные предполагают, что на вход алгоритмыполучают поток не всегда структурированной информации и что из него можно извлечьбольше, чем какую-то одну идею. Результаты исследования используются авторами примоделировании больших данных и разработке веб-приложения.
Держатели документа:
ЗКГУ
Доп.точки доступа:
Darkenbayev, D.K

32.81
B19
Balakayeva , G. T
    Mathematical and numerical modeling of transfer processes in the cleaning ofexhaust gases in an automobile neutralizer [Текст] / G.T Balakayeva // Әл - Фараби ат. ҚҰУ Хабаршы = Вестник КазНУ им Аль - Фараби. - Алматы, 2018. - №1(97). - Р. 127-133. - (Математика, механика, информатика сериясы=Серия математика, механика, информатика. Journal of Mathematics, Mechanics, Computer Science.)
ББК 32.81

Рубрики: Информатика

Кл.слова (ненормированные):
нейтрализатор -- каталитический нейтрализатор -- итерационный метод -- метод прогонки
Аннотация: Every year, the atmosphere in Kazakhstan is polluted approximately 5-7 million tons of pollutants,about a third of which belong to the vehicle. Also excess pollution of the air basin of the cities ofthe Republic is caused by pollution of pollutants by metallurgy, oil refining and chemical industryfactories, automobile and railway transport. The harmful substances emitted by motor transportadversely affect the air, water reservoirs, soil and the planet’s biosphere. At Nowadays car engineconsumes about 3 kilogram of atmospheric oxygen when liters of gasoline per 1 kg are burned.Every car delivers 60 m3of gas per hour, and the truck produces 120 m3of gas. These substancesare very dangerous for living organisms and finding solution for the problem of cleaning exhaustedgases is very actual.The purpose of this article is mathematical and numerical modeling on transfer processes in motor-car neutralizer with usage modern programming language and modern computing technologies.The solution of such a problem brings a certain contribution to the protection of the environmentfrom automobile exhaust gases. The task of cleaning at exhaust gases is investigated, that is tosay catalytic oxidation of exhausted gases automobile neutralizer . The mathematical model thereis a system of differential equations warm and mass transfer including heat generation from thechemical reaction. The equation system is solved through numerical methods and to create anddevelop an algorithm of computing the task of cleaning exhaust gases in automobile neutralizer.
Держатели документа:
ЗКГУ
Доп.точки доступа:
Akimbay, Sh.

32.81
B75
Bolatbek, M. A
    Creating the dataset of keywords for detecting an extremist orientation inweb-resources in the Kazakh language [Текст] / M.A Bolatbek // Әл - Фараби ат. ҚҰУ Хабаршы = Вестник КазНУ им Аль - Фараби. - Алматы, 2018. - №1(97). - Р. 134-142. - (Математика, механика, информатика сериясы=Серия математика, механика, информатика. Journal of Mathematics, Mechanics, Computer Science.)
ББК 32.81

Рубрики: Информатика

Кл.слова (ненормированные):
экстремистские тексты -- частота терминов -- классификация текста -- эмоциональные оценка
Аннотация: This paper is part of the research on creating semantic analysis models in web resources for definingan extremist orientation in the text. To solve this task a model was created, which consists of fivestages: identifying websites of an extremist groups, preparing for data extraction, data extraction,data analysis and classification. This work presents the results of data analysis stage of abovementioned model. The purpose of this study is to identify keywords, often used by extremists,which will later be used to classify texts to "extremist" and "neutral" categories using machinelearning methods. There is no such database for the Kazakh language. As the result of this studyan experimental corpus and list of keywords in Kazakh language was created. The keywords wereadded to the database with various morphological variants. The program was built that checksfor the presence of extremist keywords in the given input text and displays the words found.
Держатели документа:
ЗКГУ
Доп.точки доступа:
Mussiraliyeva, Sh.Zh
Tukeyev, U.A

32.81
B63
Bissaliyev, M. S
    Enterprise Security Assessment Framework for Cryptocurrency Mining Basedon Monero [Текст] / M.S Bissaliyev // Әл - Фараби ат. ҚҰУ Хабаршы = Вестник КазНУ им Аль - Фараби. - Алматы, 2018. - №2(98). - С. 67-76. - (Математика, механика, информатика сериясы=Серия математика, механика, информатика. Journal of Mathematics, Mechanics, Computer Science.)
ББК 32.81

Рубрики: Информатика

Кл.слова (ненормированные):
cryptocurrency mining -- monero -- hidden mining -- cloud abuse
Аннотация: Mining a cryptocurrency is profitable on someone’s resources. It is becoming increasing problemin the enterprise to control the operations of its infrastructure while in idle or “off-work” time. Inthis paper we present enterprise security assessment framework for cryptocurrency mining basedon Monero cryptocurrency. The framework consists from surveying power consumption on GPUmining farms and traditional desktop PCs, analysis of web resources for browser-based miningon both internal and external domain names, the handy network logs analysis tool based on theregular expressions. While there had been significant difference between GPU and traditionaldesktop PC’s power consumption, computational ratio of the idle PCs after working time remainsquestionable. In the browser-based cryptocurrency mining, there were no data on public domains,however there had been a possibility for using the private domain names, thus further researchand different tools are required. In the network analysis, there were not enough evidences on thenetwork mining, and this leads to the different research question that attackers may use proxytechniques to bypass traffic filtering and network analysis.
Держатели документа:
ЗКГУ
Доп.точки доступа:
Nyussupov, A.T
Mussiraliyeva, Sh.Zh