Zagadnienie modelowania bezpieczeństwa wymiany informacji w inteligentnych środkach transportu The issue of modeling the security of information exchange in intelligent transportation systems Artykuł stanowi merytoryczne wprowadzenie do tematyki wyzwań związanych z cyberbezpieczeństwem w kontekście inteligentnych środków transportu. Zadaniem tego działania jest zidentyfikowanie kluczowych trudności i potrzeb w zakresie bezpiecznej wymiany informacji w takich systemach. Praca skupia się na analizie różnych technologii komunikacyjnych, jak również na przeglądzie obecnych standardów i technik wykrywania zagrożeń. Przedstawiono również modele potencjalnych zagrożeń oraz możliwe mechanizmy zabezpieczeń, które mogą znaleźć zastosowanie w przyszłych pracach badawczych. Na podstawie wyników badań podkreślono konieczność dalszego rozwoju i badania modeli bezpieczeństwa, co będzie przedmiotem kolejnych prac, w tym konkretnych implementacji i testowania ich efektywności.
EN
The article provides a substantive introduction to the issue of challenges of cyber-security in the context of intelligent transportation modes. The task of this study is to identify the key difficulties and needs for the secure exchange of information in such systems. This work focuses on an analysis of various communication technologies, as well as a review of current standards and threat detection techniques. It also presents models of potential threats and possible security mechanisms that can be applied in future research work. Based on the results of this research, the need for further development and study of security models is emphasized, which will be the subject of future work, including specific implementations and testing of their effectiveness.
This article presents research on modeling the behavior of quadruped robots, specifically Spot from Boston Dynamics, under various external conditions using fuzzy logic and machine learning. A two-stage fuzzy inference model was developed to analyze the impact of environmental factors (temperature, precipitation, visibility) and operational factors (route duration, population density) on navigation disruptions and the probability of failure. Advanced machine learning algorithms, such as Gaussian Process Regression (GPR) and neural networks, were used for precise prediction of navigation failures. The proposed model, developed using MATLAB tools, represents a significant advancement in improving navigation precision and operational efficiency of assistive robots in complex environments. These findings hold promise for applications aiding individuals with special needs.
PL
W tym artykule przedstawiono badania nad modelowaniem i przewidywaniem zachowania robotów czworonożnych przy użyciu logiki rozmytej i uczenia maszynowego, w szczególności robota Spot firmy Boston Dynamics, w różnych warunkach zewnętrznych. Opracowano dwuetapowy model wnioskowania rozmytego w celu analizy wpływu czynników środowiskowych (temperatura, opady, widoczność) i czynników operacyjnych (czas trwania trasy, gęstość zaludnienia) na zakłócenia nawigacji i prawdopodobieństwo awarii. Do precyzyjnego przewidywania awarii nawigacji wykorzystano zaawansowane algorytmy uczenia maszynowego, takie jak regresja procesów gaussowskich (GPR) i sieci neuronowe. Proponowany model, opracowany przy użyciu narzędzi MATLAB, stanowi znaczący postęp w zakresie poprawy precyzji nawigacji i wydajności operacyjnej robotów wspomagających w złożonych środowiskach.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.