Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Powiadomienia systemowe

Sesja wygasła!
Sesja wygasła!

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: dystrybucja danych

Sortuj według:

Ogranicz wyniki do:

Problematyka dystrybucji danych infrastruktury informacji przestrzennej

Szabat-Pręcikowska A.

Logistyka

2013

nr 4

Systemy informacji przestrzennej (SIP) są dziś produktem powszechnie stosowanym w wielu dziedzinach życia. Społeczeństwo informacyjne przejawia popyt na dane przestrzenne, z których każdy może korzystać, przechowywać, przetwarzać, przeprowadzać analizy i wizualizacje dla potrzeb funkcjonowania różnych instytucji. Zarówno organy administracji publicznej oraz podmioty prywatne korzystają z SIP w celu poprawy efektywności zarządzania swoimi zasobami. Opisywana problematyka jawi się aktualnie jako bardzo ważne zagadnienie logistyczne w kontekście danych przestrzennych. Ogromnym plusem tego typu rozwiązań jest dystrybucja dużej ilości danych w czasie rzeczywistym. Autorka stara się odpowiedzieć na pytanie, czy obecny stan prawny dopuszcza komercyjny sposób dystrybucji tych danych udostępnianych za pośrednictwem geoportali, a jeśli tak, to w jakim zakresie.

Geographic Information Systems (GIS) are widely used product in many areas of our lives. The information society is reflected demand for spatial data, each of us has need to use, collect, convert, do analyses and visualization to many kind of purposes present times. Both government agencies and commercial one use GIS system to improve efficiency of its data management. The described problems appear currently as very important issues in the context of logistic spatial data. A huge advantage of this solution type became a large amount of information, in a real-time processing. The Author tries to answer the question of whether the current legal situation permits the use of spatial data available through geoportals in commercial way of distribution. If so, to what extent.

Statistics in cyphertext detection

Gancarczyk G., Dąbrowska-Boruch A., Wiatr K.

Prace Instytutu Elektrotechniki

2011

Z. 251

67-85

Mostly when word encrypted occurs in an article text, another word decryption comes along. However not always knowledge about the plaintext is the most significant one. An example could be a network data analysis where only information, that cipher data were sent from one user to another or what was the amount of all cipher data in the observed path, is needed. Also before data may be even tried being decrypted, they must be somehow distinguished from non-encrypted messages. In this paper it will be shown, that using only simple Digital Data Processing, encrypted information can be detected with high probability. That knowledge can be very helpful in preventing cyberattacks, ensuring safety and detecting security breaches in local networks, or even fighting against software piracy in the Internet. Similar solutions are successfully used in steganalysis and network anomaly detections.

Nowoczesna kryptografia wykorzystuje wyszukane i skomplikowane obliczeniowo przekształcenia matematyczno-logiczne w celu ukrycia ważnej informacji jawnej przez osobami niepowołanymi. Przeważająca większość z nich nadal odwołuje się do postawionego w roku 1949 przez Claude'a E. Shannona postulatu, że idealnie utajniona informacja charakteryzuje się tym, że żaden z pojawiających się w niej symboli nie jest bardziej prawdopodobny niż inne spośród używanego alfabetu znaków. Zgodnie z tą definicją dane idealnie zaszyfrowane w swej naturze przypominają dane losowe o rozkładzie równomiernym, czyli przypomina swoim rozkładem szum biały. Koncepcja detektora opiera się o algorytm analizujący podawane na wejściu dane pod względem ich podobieństwa do szumu białego. Wielkości odniesienia są bardzo dobrze znane, a ich ewentualne wyprowadzenie nie przysparza żadnych trudności. Wyznaczając w sposób doświadczalny granice tolerancji dla każdego z parametrów uzyskuje się w pełni działający algorytm, dokonujący w sposób zero-jedynkowy klasyfikacji na jawny/tajny. W grupie przedstawionych 14 Parametrów Statystycznych pojawiają się takie jak: energia, wartość średnia czy też momenty centralne. Na ich podstawie można stworzyć klasyfikator pierwszego poziomu. Efektywność poprawnego rozróżnienia danych przez klasyfikator pierwszego rzędu waha się w granicach od 80% do 90% (w zależności od użytej w algorytmie wielkości). W celu zwiększenia wykrywalności danych proponuje się, a następnie przedstawia, klasyfikator drugiego rzędu, bazujący na dwóch lub więcej, wzajemnie nieskorelowanych Parametrach Statystycznych. Rozwiązanie takie powoduje wzrost sprawności do około 95%. Zaproponowany w artykule algorytm może być wykorzystany na potrzeby kryptoanalizy, statystycznej analizy danych, analizy danych sieciowych. W artykule przedstawiona jest także koncepcja klasyfikatora trzeciego rzędu, wykorzystującego dodatkowo informacje o charakterze innym niż statystyczny, na potrzeby prawidłowej detekcji danych zaszyfrowanych.