ivdon3@bk.ru
Исследована возможность обнаружения ложноположительных инцидентов кибербезопасности с применением моделей глубокого обучения – GRU, Bidirectional LSTM (Bi-LSTM), LSTM. Полученные результаты демонстрируют эффективность решения поставленной задачи для сценариев Powershell. Наилучшие результаты классификации показала модель Bi-LSTM, продемонстрировав точность 98,50 % на тестовой выборке.
Ключевые слова: машинное обучение, классификация, кибербезопасность, глубокое обучение, Powershell
2.3.3 - Автоматизация и управление технологическими процессами и производствами , 2.3.6 - Методы и системы защиты информации, информационная безопасность
С использованием оригинального теневого прибора Теплера, системы высокоскоростной трассерной визуализации и лазерного допплеровского анемометра исследована динамика газопорошковых потоков во внеосевой сопловой насадке лазерной наплавочной головки YC52 (Precitec, Германия). Проведена оптимизация длины ламинарной части газопорошкового потока по параметрам расхода транспортного и защитного газа, а также диаметра отверстия сменного колпачка циклона. Показано, что поток частиц на выходе сопловой насадки в основных чертах повторяет структуру потока газа-носителя. Установлено, что для сопловой насадки диаметром 4 мм при взаимодействии потока порошка с обрабатываемой поверхностью образуются устойчивые вихревые структуры, отводящие из зоны плавления порядка 2/3 от общего объема порошка, что существенно снижает эффективность процесса наплавки и коэффициент использования порошка. Даны практические рекомендации по применению методов оптической диагностики для оптимизации газопорошковых потоков в сопловых насадках головок для лазерной наплавки.
Ключевые слова: лазерная порошковая наплавка, теневой метод, внеосевое сопло, трассерная визуализация, лазерная допплеровская анемометрия, оптимизация газопорошковых потоков
05.11.07 - Оптические и оптико-электронные приборы и комплексы
Рассмотрены вопросы классификации почвенно-грунтовых условий как важнейшего фактора выбора машин для расчистки лесных площадей от древесно-кустарниковой растительности. С учетом выполненного анализа предложена классификация условий применения машин для расчистки лесных площадей
Ключевые слова: Древесно-кустарниковая растительность, почвенно-грунтовые условия, расчистка лесных площадей