Wyniki wyszukiwania - BazTech

Ograniczanie wyników

2 2024

Powiadomienia systemowe

Sesja wygasła!

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Sortuj według:

Ogranicz wyniki do:

Implementing machine learning for enhanced critical infrastructure protection : a framework-centric approach for legacy systems

Grunt Maciej, Potejko Piotr

Wiedza Obronna

2024

nr 1

This article introduces a comprehensive framework for integrating Artificial Intelligence (AI) into critical infrastructure security systems, with a focus on overcoming integration challenges with legacy systems. It details the necessity of a structured approach to AI deployment, addressing technical, regulatory, and operational hurdles to enhance security and maintenance. Through the lens of a pilot study, the paper discusses the encountered integration challenges, underscoring the framework's role in facilitating a smoother transition to AIenhanced infrastructure. This work lays a foundation for future advancements in critical infrastructure protection through AI.

W artykule przedstawiono kompleksowe ramy integracji sztucznej inteligencji (AI) z systemami bezpieczeństwa infrastruktury krytycznej, ze szczególnym uwzględnieniem pokonywania wyzwań związanych z integracją ze starszymi systemami. Szczegółowo opisano konieczność ustrukturyzowanego podejścia do wdrażania sztucznej inteligencji, uwzględniającego przeszkody techniczne, regulacyjne i operacyjne w celu zwiększenia bezpieczeństwa i konserwacji. W artykule przez pryzmat badania pilotażowego omówiono napotkane wyzwania związane z integracją, podkreślając rolę frameworku w ułatwianiu płynniejszego przejścia na infrastrukturę wzmocnioną sztuczną inteligencją. Praca ta kładzie podwaliny pod przyszłe postępy w ochronie infrastruktury krytycznej za pomocą sztucznej inteligencji.

Multi-domain, Autonomous Measurement Buoy as an Element of the Water Quality Monitoring and Early Warning System in Rivers and Water Reservoirs

Błażejewski Andrzej, Pecolt Sebastian, Grunt Maciej, Wieczorek Gwidon, Królikowski Tomasz

Rocznik Ochrona Środowiska

2024

Tom 26

18--29

This article presents a novel, innovative, open multi-domain platform for early warning against adverse events in reservoirs and watercourses, which can measure temperature, pH, redox, conductivity, turbidity, chlorophyll and phycocyanin. These parameters are key indicators of cyanobacteria bloom. This platform allows remote and distributed monitoring of important locations on lakes and rivers. The station's design enables the use of both wired sensors directly connected to the station and wireless data collection from locally dispersed measurement points that communicate with the station-buoy. The data aggregation system is open, and the technological solution of the station is universal, which means it can use different sensors for chemical and biological parameters that are required by, for example, the Water Framework Directive, from the market and industry standards. The platform also has built-in machine learning and data analysis mechanisms that can optimise the number of stations needed to achieve the desired level of data acquisition. The sensor dispersion and station autonomy ensure the flexibility and scalability of the measurements.