9Известия Кабардино-Балкарского научного центра РАН № 6 (56) 2013
- МАТЕМАТИКА. ИНФОРМАТИКА. НАНОТЕХНОЛОГИИ =
УДК 004.089
ПОСТРОЕНИЕ ЛОГИЧЕСКОГО КОНТЕКСТА СИТУАЦИЙ В СИСТЕМАХ ОБВОЛАКИВАЮЩЕЙ БЕЗОПАСНОСТИ С ПОМОЩЬЮ ИНТЕЛЛЕКТУАЛЬНЫХ МУЛЬТИАГЕНТНЫХ КОГНИТИВНЫХ АРХИТЕКТУР*
П.М. ИВАНОВ, В.Ч. КУДАЕВ, З.В. НАГОЕВ, Ю.Х. ХАМУКОВ
ФГБУН Институт информатики и проблем регионального управления Кабардино-Балкарского научного центра РАН 360000, КБР, г. Нальчик, ул. И. Арманд, 37-а E-mail: [email protected]
Цель данного исследования состоит в разработке метода формирования логического контекста текущей ситуации в системах обволакивающей безопасности на основе самоорганизации мультиагентной рекурсивной когнитивной архитектуры. Задача исследования состоит в разработке алгоритмов формирования контекста текущей ситуации, выраженного в конъюнктивной нормальной форме, на основе формального описания с помощью мультиагентных рекурсивных когнитивных архитектур. Задача синтеза логической формулы контекста в системе обволакивающей безопасности сведена к информированному поиску пути, субоптимального по критерию максимизации энергии, в дереве решений, глубина которого равна горизонту планирования агента. Разработана схема формирования контекста текущей ситуации на основе семантически нагруженного мультиагентного алгоритма обработки входной неструктурированной информации.
Ключевые слова: обволакивающий интеллект, системы обволакивающей безопасности, мультиагентные рекурсивные когнитивные архитектуры, абстрактные детерминированные автоматы, синтез оптимального управления.
Введение
Системы обволакивающей безопасности (СОБ) являются частью концепции обволакивающего интеллекта, ориентированной на предметную область обеспечения комплексной безопасности [1]. СОБ можно отнести к классу сложных систем, формальному описанию которых посвящена большая библиография [2, 4, 5, 9]. Принципиальное значение для поддержки функциональности СОБ имеет задача автоматического формирования контекста текущей ситуации на основе использования гетерогенных устройств различной степени интеллектуальности, удаленных сенсоров и эффекторов [3, 7]. Центральным интегрирующим звеном СОБ является распределенная децентрализованная система интеллектуального принятия решений и управления, объединяющая возможности гетерогенных устройств, взаимодействующих на основе современных сетей. В силу сложности, неструктурированности, нечеткости, гетерогенности, значительных объемов входных информационных потоков интеллектуальный анализ ситуаций с целью построения текущего контекста в СОБ представляет собой сложную, в общем случае не решенную задачу. Основной методологической проблемой, на наш взгляд, здесь является разработка формальных систем рассуждений без учета системного подхода к изучению и моделированию психических процессов, связанных с анализом сложных ситуаций.
* Работа выполнена при поддержке грантов РФФИ №№ 12-07-00744, 13-07-01002, 12-01-00367, 13-01-00929 и Программы Президиума РАН «Фундаментальные проблемы модернизации полиэтнического региона в условиях роста напряженности» № 32.
Как показано в [7, 8, 10, 11], применение так называемой мультиагентной рекурсивной когнитивной архитектуры (МуРКА) позволяет рассматривать синтез интеллектуального решения как процесс, каждая часть которого детерминирована внутренними механизмами отдельных когнитивных блоков и общесистемными целями. В работах [6, 7] для формализации МуРКА предлагается использовать рекурсивный детерминированный абстрактный автомат [8], отражающий рекурсивную структуру и мультиагентный характер архитектуры. В [7] дается описание алгоритмов, задающих функции переходов и функции выходов таких автоматов, позволяющих им участвовать в процессах самоорганизации системы, обмена знаниями между агентами и обучения.
Цель данной работы состоит в разработке метода построения логического контекста текущей ситуации в СОБ на основе самоорганизации мультиагентной рекурсивной когнитивной архитектуры.
Задача исследования состоит в разработке алгоритмов формирования контекста текущей ситуации, выраженного в конъюнктивной нормальной форме, на основе формального описания с помощью мультиагентных рекурсивных когнитивных архитектур.
Элементарным агентом, или агентом ранга 0 (нулевого ранга), будем называть систему N° = 5ь{Иь, Рь, состоящую из генома агента йь = 5ьи уь, множества рецепторов агента И^Гц,... ,Г1к} и множества эффекторов агента Рь^ы., .■■, ^с}. Будем считать, что множество рецепторов Иь является структурной частью агента порождающей все слова входного алфавита Хь, а множество эффекторов Рь - структурной частью агента, порождающей все слова выходного алфавита У. 1-й агент ^ ранга (уровня в МуРКА) 5 определяется следующим образом:
5-1 5-1
5 ( 5-1 5-1)
Кь11Иь,рь,Сь,Сь,Кь1 .....\
5-1
Здесь Сь - приобретенные знания, Кьк - «встроенные» агенты нижних рангов. Множества йь и Сь основываются на системах продукций. Будем считать, что вместе они образу-
ют базу знаний агента: йьи Сь = КВ (к^.
Обозначим через з'#_с у-ю ситуацию, в которой агент Кй находится в текущий момент времени Ьс, первое состояние в составе которой сформировано в момент времени (с-х. Состояние можно определить как ситуацию з{#С_, сформировавшуюся за один шаг времени (с. В свою очередь ситуации состоят из последовательных состояний:
= (Ль зКъ+1
Продукционные правила, составляющие структурно-функциональную единицу - знание - в составе БЗ агента, можно определить следующим образом:
'ч = {1ч-,Н«и«= зЦс_х 7 зЦУу-9,50 = г>с — х,е<у + и.
ь0 •3ь#с_х'"3Ыу >110 ь#
Здесь зЦсС__х - начальная ситуация, з'#Уу-и - конечная (желательная) ситуация, а'^ -действие, которое переводит агента из начальной ситуации в конечную. Будем считать,
что каждое состояние агента Кьг характеризуется энергией Р (зЦ__/. Пусть в начальный момент времени Ьс некоторой ситуации загент Кьг обладает энергией Р (зЦ__/. Будем
считать, что для перехода на следующий такт времени (с+1 агенту необходимо затратить некоторую фиксированную энергию перехода ЛЕЬ (к?, ), а для совершения действия
а
а'#$ > с, которое переводит агента из состояния в состояние я^2 за время Л(К, агент
К?, должен затратить помимо энергии перехода дополнительную энергию действия
^ ______________________________________________ ____________кс2
и7
Е Тогда агент , совершивший для перехода из состояния в состояние "к
2
действие а'#$#2, обладает энергией
г = Е ("£—&) = Е (з^) - ЛЕ (К?, ) . Л^ - Е «$&) Е ЛЕ' (а™). (1)
где Л(К - время развития (количество дискретных шагов времени) ситуации, ДЕГ (а''#$#2) -чистое приобретение/потеря энергии в результате выполнения действия - энергетический эффект действия а'#$#2.
Будем рассматривать выражение (1) как целевую функцию в задаче поиска субоптимального управления интеллектуальным поведением агента по критерию максимизации энергии. По нашему мнению, решение этой задачи определит характер процессов самоорганизации в МуРКА, которые могут быть интерпретированы с точки зрения перехода системы из нестабильных состояний, связанных с некоторыми внешними целевыми функциями, - например, из состояний, характеризующихся нарушением безопасности объектов или систем, - в стабильные состояния, характеризующиеся подпороговыми значениями индикаторов безопасности.
Необходимо найти оптимальное управление (поведение) а'#$#_с*, которое синтезирует последовательность состояний С , таких, что:
<-С—Х
а'Ыс
1^С—Х
» тах. (2)
Применение МуРКА позволяет выполнять синтез оптимального управления в задаче
КВ (к?,) * л), что дает возможность эффективно применять
(2) за время Т(К) = О (тах
его в задачах ситуационного анализа и построения текущего контекста.
Группа распределенных агентов, взаимодействующих на основе коллективной оптимизации по локальным критериям максимизации энергии, может быть инкапсулирована в одного большого агента - функциональную систему, в которой все внутренние агенты (агенты нижних рангов) ведут себя согласовано для корректной обработки текущего контекста (рис. 1).
*
I I - события в реальной среде Д - эффекторы агентов ф - базы знаний агентов А - рецепторы агентов
)- мультиагентная база знаний[ ) - системы управле-агента верхнего ранга ния агентов
Рис. 1. Семантизация символов в восходящих путях интеллектона Таким образом, процесс формирования контекста текущей ситуации на основе МуРКА связан с эффектом «инкапсуляции и семантизации символов», который связан с тем, что агенты на основе локальных критериев оптимизации реагируют только на события, имеющие принципиальное значение для изменения значения критерия энергии.
Применение процедур обучения позволяет добиться того, чтобы высказывания агентов, передаваемые в афферентных путях МуРКА, объединялись в логические выражения на основе дизъюнкции входов отдельных агентов (рис. 2). При этом выходы агентов данного уровня, напротив, будут объединяться на основе конъюнкции. Таким образом, левая часть МуРКА, которая непосредственно отвечает за формирование контекста, синтезирует конъюнктивную нормальную форму. При этом от уровня к уровню контекст уточняется за счет семантически нагруженного абстрагирования и инкапсуляции символов.
Рис. 2. Мультиагентное формирование логической формулы решения
на основе интеллектона
В результате работы правой, эфферентной части МуРКА синтезируется сложный алгоритм принятия решений, реализующий на основе работы мультиагентной системы логическую функцию управления поведением СОБ.
На рис. 2 показан процесс логического вывода на основе МуРКА, который используется для решения задачи синтеза текущего контекста.
Интеллектуальная система управления и принятия решений - МуРКА - в данном случае интегрирована в среду W с помощью рецепторов и эффекторов. Как следует из рисунка, энергия вознаграждения поступает к агентам МуРКА из этой внешней среды при условии выполнения требований задачи управления поведением СОБ с заданным качеством. МуРКА самоорганизуется по итогам испытаний, применяя методы обучения и правила модификации знаний. Интересный эффект состоит в том, что инкапсуляция символов на каждом уровне афферентного тракта приводит к тому, что в восходящих путях формируется логическая формула, описывающая условия выполнения мультиагентных алгоритмов и представленная в конъюнктивной нормальной форме (как показано на рисунке). В эфферентном тракте происходит реализация алгоритмов декапсуляции (десемантизации, декодирования) символов.
Такая МуРКА способна за счет самоорганизации на основе обучения на разных уровнях синтезировать сложные децентрализованные мультиагентные алгоритмы поведения, использующие мультиагентные базы знаний для синтеза закона управления заданного качества на различных уровнях абстрактного описания ситуаций. Таким образом, МуРКА на основе единых принципов позволяет синтезировать стратегическое, тактическое и опера-
тивное управление и согласовывать соответствующие планы действий для достижения совокупного эффекта.
Заключение
Построение логической формулы контекста текущей ситуации в СОБ с помощью МуРКА опирается на организацию сложного процесса рассуждения или формирование интеллектуального поведения системы. Такое поведение формируется за счет мультиа-гентного поиска в пространстве состояний системы распределенного искусственного интеллекта, ответственной за принятие решений. Динамика системы обеспечивается организацией когнитивного тракта интеллектуального агента в составе МуРКА, ориентированного на поиск локальных максимумов целевого критерия, связанных с состоянием защищенности распределенных систем.
Применение МуРКА позволяет получать контексты ситуаций, выраженные в терминах конъюнктивной нормальной формы, логические условия которой представлены семантически нагруженными символами, синтезированными агентами на основе локальных баз знаний и мультиагентных взаимодействий.
ЛИТЕРАТУРА
1. Башоров З.А., Нагоев З.В. Мультиагентная система обволакивающей безопасности на основе автономных программных агентов и мобильных роботов. Материалы XI Международной научно-практической конференции "Информационная безопасность 2010". Ч. 1. Таганрог: Изд-во ТТИ ЮФУ, 2010. С. 153-157.
2. Глушков В.М. Введение в кибернетику / Печатается по постановлению научного совета по кибернетике АН УССР. Киев: Изд-во АН УССР, 1964.
3. Городецкий В.И., Карсаев О.В., Самойлов В.В., Серебряков С.В. Прикладные мно-гоагентные системы группового управления // Искусственный интеллект и принятие решений, 2009. № 2.
4. Иванов П.М. Автоматно-алгебраические модели в информационных технологиях. Материалы II международной конференции «Автоматизация управления и интеллектуальные системы и среды». Красная Поляна, 23-29 декабря 2011 г. Изд-во КБНЦ РАН. Т. I. С. 4-15.
5. Иванов П.М. Алгебраическое моделирование сложных систем. М.: Изд-во: Наука -Физматлит, 1996. 272 с.
6. Иванов П.М., Нагоев З.В. Автоматное описание мультиагентной рекурсивной когнитивной архитектуры для задачи формализации процесса интеллектуального принятия решений. Материалы III международной конференции «Автоматизация управления и интеллектуальные системы и среды». Махачкала, 9-15 октября. Изд-во КБНЦ РАН, 2012. Т. 1. С. 7-14.
7. Иванов П.М., Нагоев З.В. Самоорганизующаяся система принятия решений на основе автоматного представления рекурсивной мультиагентной когнитивной архитектуры для систем обволакивающего интеллекта // Известия КБНЦ РАН. Нальчик: Издательство КБНЦ РАН, 2012. № 5 (49). С. 30-37.
8. Кудаев В. Ч., Нагоев З.В., Нагоева О.В. Рекурсивные агенты для задач моделирования интеллектуального принятия решений на основе самоорганизации мультиагентных когнитивных архитектур // Известия КБНЦ РАН. № 4 (48). Нальчик: Изд-во КБНЦ РАН, 2012.
9. Летичевский А.А. Инсерционное моделирование / Ю.В. Капитонова, А. А. Летичев-ский // Пращ мiжнар. конф. «50 роюв 1нституту юбернетики iм. В.М. Глушкова НАН Украни». Кив: Вид-во 1К НАНУ, 2008. С. 293-301.
10. Нагоев З.В. Формализация агента для задачи синтеза интеллектуального поведения на основе рекурсивной когнитивной архитектуры. Материалы международного конгресса по интеллектуальным системам и информационным технологиям IS&IT 11. 2-9 сентября, Дивноморское, 2012. Т. II.
11. Нагоев З.В. Интеллектуальная система на основе фрактальной мультиагентной нейронной пластичной когнитивной архитектуры. Материалы международного конгресса по интеллектуальным системам и информационным технологиям IS&IT 11. 2-9 сентября, Дивноморское, 2011. Т. III. С. 5-10.
CREATION OF THE LOGICAL CONTEXT OF SITUATIONS IN SYSTEMS OF ENVELOPING SAFETY BY MEANS OF INTELLECTUAL MULTIAGENTNYKH COGNITIVE ARCHITECTURE
P.M. IVANOV, V.CH. KUDAYEV, Z.V. NAGOYEV, YU.KH. HAMUKOV
Institute of Computer Science and Problems of Regional Management of KBSC of the Russian Academy of Sciences 360000, KBR, Nalchik, 37-a, I. Armand street E-mail: iipru@r ambler. ru
The goal of this investigation is the working out the method of forming the logical context of on-going situation in systems of ambient security on a basis of self-organization of multiagent recursive cognitive architecture. The task of the investigation is working out algorithms of forming the context of on-going situation, expressed in a conjunctive normal form on a basis of multiagent recursive cognitive architecture.
The task of synthesis of the logical formula of the context in a system of ambient security is reduced to an informed search of a path, that is suboptimal along the criterion of maximization of energy, in a decision tree, the depth of which equals the planning horizon. The scheme of forming of the context of the current situation on a basis of semantically charged multiagent algorithm of processing of input non-structured information is worked out.
Key words: ambient intelligence, systems of ambient security, multiagent recursive cognitive architectures, abstract deterministic automata, aynthesis of optimal control.
Работа поступила 11. 12. 2013 г.
