46364 (630418), страница 3

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 3)

Неограниченный доступ ко всем данным;

Неограниченный доступ к группе данных;

Ограниченный доступ к группе данных. С ограничением как у субъекта, так и по видам операций.

Подход к управлению доступом.

Использование ключей и замков (идентификация и аутентификация пользователя). Идентификация – характеристики пользователя, которые его определяют. Идентификация позволяет определить себя пользователю, сообщив своё имя. Замок (средство аутентификации) позволяет 2-йстороне (ПК) убедиться что субъект – тот, за кого себя выдаёт.

Способы идентификации:

Пароль, личный идентификационный номер или криптографический ключ и т.д.;

Личная карточка;

Голос или отпечатки пальцев;

Нечто, ассоциируемое с субъектом.

Наиболее распространённый способ – использование паролей, когда аутентификация реализуется в программном обеспечении. Символически алгоритм аутентификации можно представить:

Выход в зависимости от

количества пользователей

Преимущество этого метода – гибкость, доступность и простота реализации.

Недостатки:

Нужно многократно вводить пароль;

Изменение замка оказывает влияние на большое число пользователей;

Замок управления может реализовать только то лицо, которое разрабатывает данное ПО.

Повышение надёжности парольной защиты осуществляется:

Пароль должен быть не слишком коротким и использовать различные символы;

Периодически менять пароли;

Если пароли не встроены в программу, а реализованы в виде файла, то ограничить доступ к файлу паролями;

Если возможны ошибки в пароле, то нужно ограничить число повторных вводов пароля;

Использование генераторов паролей, которые позволяют формировать благозвучные (хорошо запоминающиеся) пароли.

Если в качестве идентификатора используется личная карточка, для аутентификации используется устройство, называемое токеном – устройство, владение которым позволяет определить подлинность пользователя.

2 вида токенов:

Пассивные (токены с памятью);

Активные (интеллектуальные) токены.

Наиболее распространенными в силу дешевизны являются токены 1-го класса. Это устройства с клавиатурой и процессором, а личная карточка снабжена магнитной полосой. При использовании этого токена пользователь с клавиатуры вводит свой идентификационный номер, который проверяется процессором на совпадение с карточкой и далее проверяется подлинность самой карточки. Недостатки: дороговизна, использование специальных устройств чтения, неудобство использования. 22.Кластерные текстовые файлы.

Документы разбиваются на родственные группы, которые называют кластерами или классами. Каждый класс описывается центроидом (профилем) и вектор запроса прежде всего сравнивается с центроидами класса.

Преимущества:

Возможен быстрый поиск, т.к. число классов, как правило, невелико;

Возможно интерактивное сужение (расширение) поиска за счёт исключения или добавления дополнительных кластеров.

Недостатки:

Необходимость формировать кластеры;

Необходимость введения файла центроидов;

Дополнительный расход памяти для файла центроидов или профилей.

23.Основные способы определения центроидов.

1. Логический профиль (обозначается Р₁).

Заданы вектора документов в следующем виде:

V^Di = (d₁ , d₂ , d₃ , … , d_t), где t – число индексационных терминов, выделенных во всех документах нашего массива. Тогда логический профиль определяется как результат с логической “или”:

Р₁ = V^D1 v V^D2 v V^D3 v …

1, если термин t^k входит в вектор документа D_i;

d_k (k = 1,t) = 0, в противном случае.

2.Профиль частотного документа (Р2).

Исходные данные также вектора документов. Исходная информация задана прошлой матрицей, а в формуле используются не логическое сложение, а арифметическое:

3.Профиль частотности термина (Р3).

Здесь используются веса терминов в документах:

V^Di = (w₁ , w₂ , w₃ , … , w_t), где w_i – веса терминов входящих в вектор документа V^Di.

В вычислении Р3 участвуют веса.

Р3 (k = 1,t) = сумм(j = 1,N) wⁱ_k , где j – порядковый номер документа; N – число документов кластера; t – число индексационных терминов в массиве; k – порядковый номер термина.

24. Логический способ определения центроидов.

Логический профиль (обозначается Р₁).

Заданы вектора документов в следующем виде:

V^Di = (d₁ , d₂ , d₃ , … , d_t), где t – число индексационных терминов, выделенных во всех документах нашего массива. Тогда логический профиль определяется как результат с логической “или”:

Р₁ = V^D1 v V^D2 v V^D3 v …

1, если термин t^k входит в вектор документа D_i;

d_k (k = 1,t) = 0, в противном случае.

25.Профиль частотности документа.

Исходные данные также вектора документов. Исходная информация задана матрицей, а в формуле используются не логическое сложение, а арифметическое:

26.Профиль частотности термина.

Здесь используются веса терминов в документах:

V^Di = (w₁ , w₂ , w₃ , … , w_t), где w_i – веса терминов входящих в вектор документа V^Di.

В вычислении Р3 участвуют веса.

Р3 (k = 1,t) = сумм(j = 1,N) wⁱ_k , где j – порядковый номер документа; N – число документов кластера; t – число индексационных терминов в массиве; k – порядковый номер термина.

Вопрос 28(окончание).

D_p+1), если существуют пары: (D_i , D_p+1) , (D_j , D_p+1) , … , (D_p , D_p+1).

Алгоритм заканчивается, когда дальнейшее слияние невозможно.

Недостаток метода: образуется большое число кластеров.

29.Метод одной связи.

Здесь классы представляются документами, между которыми установлены отношения подобия, которые подчиняются следующему требованию: между двумя документами устанавливается связь при выполнении одного из следующих условий: существуют D_i , D_j,

S(D_i , D_k) , S(D_k , D_j);

S(D_i , D_k) , S(D_k , D_m) , S(D_m , D_j);

Самое сильное требование: S(D_i , D_k) – если в матрице подобия уже существует подобие.

Если одно из условий выполняется, то документы в одном классе.

30.Кластеризация вокруг выборочных документов.

Вместо построения матрицы подобия используют плотность пространства некоторых документов. В качестве возможных центров кластера выступают те документы, которые по результатам расчётов оказались расположенными в плотных зонах пространства. Все документы в данном методе делятся на 3 класса:

Документы, уже включённые в кластеры;

Документы, ещё не подвергшиеся исследованию(не включенные в кластеры);

Свободные документы. Те документы, относительно которых делалась попытка включения в кластер, но она закончилась неудачей.

Берём документ, пробуем включить его в кластер. Если не получается, то заносим его в множество свободных документов. Далее из свободного множества пытаемся подключить документы к кластеру.

Алгоритм:

Выбирается очередной, не включённый в кластеры документ и считается возможным центром кластера;

Рассчитываются коэффициенты подобия между этим документом, документами свободного типа и документами, не включёнными в классы;

Плотность считается достаточной, если:

существует по меньшей мере n1 документов, коэффициенты подобия которых по отношению к выбранному документу превышает некоторое пороговое значение T1;

Существует по крайней мере n2 документов, коэффициенты подобия (КП) которых, по отношению к исследуемому документу превышают пороговое значение T2;

Если между n2 и T2 существует некоторое соотношение: n2>=n1; T2<=T1, тогда считается, что выбранный документ - “центр массы”, вокруг которого собраны другие документы. Если плотность недостаточна (если одно из условий не выполняется), то документ относят к свободным и аналогичным образом исследуют следующий документ из множества не включенных в кластеры. Если плотность достаточна, то формируют кластер, включающий все свободные документы и не включённые ранее в кластеры документы, для которых КП с исследуемым документом не меньше порогового значения T3. Для нового кластера строится вектор центроида, и все документы, включённые в этот кластер и те, которые включены в остальные кластеры сопоставляются с данным центроидом. Это сопоставление служит для отнесения каждого документа к одной из следующих категорий:

Вопрос 33(окончание).

Фиксированная адаптация. При этом пользователь сам явно выбирает свой уровень подготовки;

Полная адаптивность. Здесь диалоговая система строит модель пользователя, которая меняется автоматически по ходу работы системы.

Косметическая. Занимает промежуточное место между фиксированной полной и достигается использованием специальных приёмов:

Приём использования сокращений (md – mkdir , cd – chdir , *.bak);

Синонимы – пользователь выбирает то, что ему ближе;

Использование объектов по умолчанию и макросы.

34.Естественность и последовательность как критерии хорошего диалога.

Естественность – свойство диалога, в соответствии с которым пользователю не нужно менять свои традиционные способы решения задачи.

Свойство включает следующие аспекты:

Диалог должен вестись на родном языке пользователя;

Стиль ведения диалога должен быть разговорным, т.е. имеется в виду краткость;

Фразы не должны требовать дополнительных пояснений;

Допускается использование жаргона пользователя;

Порядок ведения диалога должен соответствовать порядку, которым обычно пользователь обрабатывает информацию;

Должна быть исключена предварительная обработка данных перед их вводом в систему.

Последовательность.

Это свойство гарантирует, что пользователь, освоивший работу в одной части системы не запутается, работая в другой её части.

Выражается в 3-х явлениях:

Последовательность в построении фраз. Т.е. вводимые коды или команды в системе всегда трактуются одинаково;

Последовательность в использовании форматов данных - аналогичные поля всегда представляются в одном формате (противоречит требованию гибкости);

Последовательность в размещении данных на экране.

Рекомендуется следующий шаблон для оформления экрана:

Вверху в 2-х, 3-х строках помещается заголовок и данные о состоянии системы;

Далее, под заголовком размещается область для вывода справочных сообщений;

Основная область – для рисования или для ввода данных;

Ниже – область для вывода сообщений об ошибках;

Описание функциональных клавиш.

Вопрос 37(окончание).

Командный язык (MS – DOS).

Используется для организации диалога с операционной системой. Требует хорошей квалификации пользователя и команды должны нести смысловую нагрузку.

Параметры командного языка могут быть 2-х типов: позиционные и ключевые.

Применение такого диалога:

Число значений для ввода мало и их можно запомнить;

Задача не требует много данных на вводе;

Опытность пользователя.

Экранная форма.

Позволяет получить сразу всю информацию от пользователя, поскольку он отвечает сразу на несколько вопросов. И, следовательно:

Она быстрее работает;

Может работать с более широким диапазоном данных, чем меню;

Может использоваться пользователем любой квалификации.

Широко используется в Windows.

38.Задача морфологического анализа естественно-языковых текстов.

Морфологический анализ (МА) – выделяет гипотетические основы слов и приписывает им различные грамматические категории. Может включать в себя морфографический анализ;

МА выполняется 2-мя способами:

Декларативный: т.е. словарь системы содержит все всевозможные словоформы языка, с приписанными им грамматическими характеристиками. Словоформы – все возможные модификации, которые существуют в языке;

Процедурный способ проведения МА – когда МА выделяет основу слова по словоизмерительным аффиксам и приписывает этой основе необходимые грамматические характеристики.

Рассмотрим 2-й способ. Состоит из 2-х шагов:

Определение морфологического типа и части речи;

Получение списка гипотетических основ и знаний грамматических категорий.

Для реализации 1-го шага используется таблица словоизмерительных аффиксов, которая приведена в приложении (Л – любой)

39.Задача синтаксического анализа естественно-языковых текстов.

Синтаксический анализ (СА). Преследует 2 цели:

Проверка правильности построения фраз, т.е. соответствие её правилам языка;

Построение синтаксической структуры фразы, которая используется при выполнении следующей фазы – семантического анализа (СеА);

СА использует правила сочетаемости грамматических категорий, например, по числу, падежу и правила построения типичных языковых конструкций.

В зависимости от направления СА он может быть левосторонним и правосторонним. В 1-ом случае исходная фраза анализируется слева направо, во втором – справа налево.

2-й подход классификации: в зависимости от правил применения продукций различают:

восходящий СА (свёртка) – дерево разбора строится от листьев к корню;

нисходящий СА (развёртка) – дерево разбора строится от корней к листьям.

42.Постановка задачи семантического анализа .

Выявляет смысл предложения и отвергает те фразы, которые бессмысленны для данной предметной области. При выполнении СеА используется база знаний(БЗ) по предметной области, представленная как правила для этих задач в виде семантических сетей или фреймов.

Грамматика фразы: “Зелёные идеи яростно спят.”.

Это результат СА структуры.

Семантический анализатор на основе дерева строит следующую семантическую сеть:

Идеи Что делают Спят

Какие как

Зелёные Яростно

Эти связи возникли:

Из-за свёртки глагола и наречия в группу глагола (нагружается весом “как”);

Из-за свёртки прилагательного и существительного в группу существительного и нагружается весом “какие”, т.к. прилагательное в предложении как правило является определением;

Из-за свёртки группы существительного и группы глагола в предложение и нагружается весом “что делают”, т.к. эта связка связывает существительное и глагол в предложении.

Построенная семантическая сеть называется ситуативной и возникает в системе по мере прихода и анализа естественно-языковых фраз. Одновременно с ситуативными фразами, в системе существует БЗ, включающая парадигматические отношения между понятиями предметной области, которые тоже представлены некоторой семантической сетью.

Рисунок в приложении.

Между этими вершинами существуют связи, которые носят аналоговый характер. Наша ситуативная семантическая сеть проецируется на БЗ, которая присутствует в системе. Возникают следующие противоречия:

“идеи” и “спят” относятся к таким классам, где существует отношение с весом “никогда”. Аналогично между “идеи и зелёные” и “спят и яростно ” никогда не установятся семантические отношения. Т.о. в исходной фразе найдены 3 противоречия, в соответствии с которыми она отвергается как семантически некорректная.

При фреймовом подходе:

К решению задач СеА, с каждым слотом связывается правило, по которому формируется его значение;

Выбор конкретного фрейма при анализе определяется некоторыми ключевыми словами во фразе, роль которых как правило играют глаголы.

С СеА тесно связана интерпретация понятий. Если фраза корректна, то каждому понятию даём поле БД, например, у нас было бы 4 поля (А,В,С,Д), т.е. заполнение информации в БД.

Вопрос 45(окончание).

Активные токены имеют собственную вычислительную мощность, т.е. способность не только к памяти, но и анализу. Пользователь вводит свой идентификационный номер, а дальнейшие действия токена определяются в зависимости от его вида:

Определяет статический обмен паролями. Пользователь вводит пароль, а затем он проверяется ПК;

Динамическая организация пароля. В ПК и в токене установлены синхронно работающие системы генерации паролей.

Запросно-ответная система. ПК выдаёт случайное число, которое преобразуется криптографическим механизмом, встроенным в токен. После чего этот пароль возвращается в ПК. Пользователь вводит его либо вручную, либо через электронный интерфейс.

Достоинство: обеспечивают ежедневно меняющийся пароль.

Недостаток: дороговизна.

Голос или отпечатки пальцев (сетчатка глаза). Средства биологической аутентификации очень сложны и используются в специальных случаях, когда объекту требуется дополнительное обеспечение безопасности.

Аутентификация путём определения координат. Целесообразно использовать для распределённых систем (клиент-сервер). Сервер аутентификации на основании положения спутника по имени ПК в сети определяет его географическое местоположение с точностью до метра.

2-й подход управления доступом:

Таблица управления доступом (таблица безопасности).

Поддерживается в локальных или распределённых БД и могут поддерживаться ОС.

Структура таблицы показана в приложении.

Определяются операции, которые доступны.

Достоинства: возможность построения таблицы пользователя, простота изменения, отсутствие необходимости многократного указания ключей.

Протоколирование и аудит.

3-й подход к управлению доступом.

Протоколирование – сбор и накопление информации о событиях, происходящих в информационной системе предприятия.

Аудит – периодический анализ накопленной информации.

Цели подхода:

Обеспечение подотчётности пользователей и администрации;

Обнаружение попыток нарушения ИБ.

Шифрование или криптографическое кодирование.

Экранирование.

Скрытие данных на экране (физически информация остаётся, но ёе не видно).

27.Постановка задачи кластеризации документов.

Задача кластеризации состоит в том, чтобы разнести документы по группам таким образом, чтобы документы одной группы были достаточно сходны друг с другом, так, чтобы индивидуальными различиями можно было пренебречь.

1.Нахождение КЛИК.

Клика – такой вид кластера, в котором каждый документ подобен любому другому документу. Клика формируется тогда, когда возникает полный граф, т.е. полное соотношение подобия между всеми элементами.

А В

С Д

Исходными данными для метода является матрица подобия документа массива, которая заполняется коэффициентами подобия всех пар документов.

Матрица: S(Di , Dj) – диагональная квадратная и симметричная.

i = 1,N ; j = 1,N.

Пусть задано множество пар:

V^Di = {(t_i , w_i)}

V^Dj = {(t_j , w_j)}

Коэффициент подобия документов определяется:

S(Dⁱ , D^j) = сумм(k =1,N)r_k/N

r – отношение; N – мощность множества документов.

0, w_i = 0 или w_j = 0

r_k = w_i / w_j в противном случае

Чтобы задача решалась адекватно, вектора (*) должны быть упорядочены по терминам, т.е. одни и те же термины должны быть записаны в одних и тех же позициях этих векторов. Исходная матрица, которая получена в результате расчётов, преобразуется в бинарную следующим образом: вводится некоторое пороговое значение T коэффициента подобия, и те коэффициенты, которые меньше его заменяются на 0, в противном случае на 1:

S(Dⁱ , D^j) 0

S(Dⁱ , D^j) > T , => 1

2.Метод одной связи.

Здесь классы представляются документами, между которыми установлены отношения подобия, которые подчиняются следующему требованию: между двумя документами устанавливается связь при выполнении одного из следующих условий: существуют D_i , D_j,

S(D_i , D_k) , S(D_k , D_j);

S(D_i , D_k) , S(D_k , D_m) , S(D_m , D_j);

Самое сильное требование: S(D_i , D_k) – если в матрице подобия уже существует подобие.

Если одно из условий выполняется, то документы в одном классе.

3.Кластеризация вокруг выборочных документов.

Вместо построения матрицы подобия используют плотность пространства некоторых документов. В качестве возможных центров кластера выступают те документы, которые по результатам расчётов оказались расположенными в плотных зонах пространства. Все документы в данном методе делятся на 3 класса:

Документы, уже включённые в кластеры;

Документы, ещё не подвергшиеся исследованию(не включенные в кластеры);

Свободные документы. Те документы, относительно которых делалась попытка включения в кластер, но она закончилась неудачей.

Берём документ, пробуем включить его в кластер. Если не получается, то заносим его в множество свободных документов. Далее из свободного множества пытаемся подключить документы к кластеру.

Характеристики

Список файлов ответов (шпаргалок)