Отримано 17.03.2023, Доопрацьовано 19.06.2023, Прийнято 25.07.2023

Нечіткі множини типу-2 в задачах моделювання та оцінювання станів критичних систем з недовизначеними вхідними даними та використанням експертів

Юрій Баришев, Наталія Кондратенко, Віталій Казміревський, Тетяна Кирилащук

Запропоновано методику використання нечітких множин типу-2 в задачах моделювання та оцінювання станів критичних систем з недовизначеними вхідними даними. Показано, що основою розв’язання задачі моделювання є побудова системи нечіткої логіки з інтервальними функціями належності типу-2.  В роботі представлено задачу розвитку процесу оцінювання інтервального виходу нечіткої системи за допомогою експертів. Запропоновано підхід на основі нечітких множин для розв’язання задачі оцінювання та моделювання станів критичних систем. На прикладі енергетичних систем, де наявний високий ступінь невизначеності, показано, що основні фактори, які впливають на появу невизначеностей у вихідних даних таких систем, обумовлюються  відсутністю достатньої інформації у відкритому друці та високою мінливістю загроз під впливом зростання темпів цифровізації робочих процесів. Наведено аналіз експертних оцінок інтервального виходу нечітких систем на прикладах моделювання складних об’єктів в різних прикладних галузях. В першому прикладі продемонстровано результати моделювання в природничій області з недовизначеними вихідними даними для оцінювання перспективності артезіанської свердловини, де кінцеву оцінку виставляє експерт.  Другий приклад демонструє реалізацію інтервальної нечіткої моделі в завданні соціального спрямування, де моделюється проблема підбору персоналу в соціальних групах з точки зору професійної придатності. Трете завдання відноситься до моделювання в галузі медичного діагностування захворювань ендокринної системи. Оцінювання експертами результатів інтервального нечіткого моделювання в цій галузі дає можливість визначити стан захворювання людини на ендокринну патологію та призначити своєчасне лікування. Наведені приклади оцінювання інтервального виходу нечіткої системи з врахуванням думки експертів, підтверджують можливості для прийняття рішень, що є адекватними предметній області в умовах недовизначених вхідних даних. Наведено перспективи застосування запропонованих моделей для задач кібербезпеки критичних систем

нечіткі множини типу-1 та типу-2, експертні знання, інтервальна нечітка модель, функція належності, недовизначені вхідні дані, кібербезпека, критичні системи
13-24
Baryshev, Y., Kondratenko, N., Kazmirevsky, V., & Kirilashchuk, T. (2023). Type-2 fuzzy sets in the tasks of modelling and estimating of critical systems’s states with uncertain input data and the usage of experts. Information Technologies and Computer Engineering, 20(2), 13-24. https://doi.org/10.31649/1999-9941-2023-57-2-13-24

Використані джерела

[1] Zadeh, L.A. (1965). Fuzzy sets. Information and Control, 8, 339-353.

[2] Zadeh, L.A. (1999). Fuzzy sets as a basis for theory of possibility. Fuzzy Sets and Systems, 100, 9-34.

[3] Mendel, J.M. (2000). Uncertaіnty, fuzzy logіc, and sіgnal processіng. Sіgnal Processіng Journal, 80, 913-933.

[4] Liang, Q., & Mendel, J.M. (2000). Interval Type-2 fuzzy logic systems: theory and design. IEEE Trans. on Fuzzy System, 8, 535-550.

[5] Zeng, J.,&  Liu, Z.Q. (2007). Type-2 Fuzzy sets for pattern classification: A review. In 2007 IEEE Symposium on Foundations of Computational Intelligence (pp. 193-200). Honolulu: IEEE. doi: 10.1109/FOCI.2007.372168.

[6] Kondratenko, N.R. (2022). Applications type-2 membership functions in fuzzy logic systems under conditions of uncertainty input data. In Proceedings of XVI International Conference Measurement and Control in Complex System (MCCS-2022). Vinnitsa: VNTU. doi: 10.31649/mccs2022.02

[7] Guerrero, M., Valdez, F., & Castillo, O. (2022). Comparative study between type-1 and interval type-2 fuzzy systems in parameter adaptation for the cuckoo search algorithm. Symmetry, 14(11), article number 2289. doi: 10.3390/sym14112289.

[8] Zhang, Z., & Niu, Y. (2018). Adaptive sliding mode control for interval type-2 stochastic fuzzy systems subject to actuator failures. International Journal of Sytems Science, 49(15), 3169-3181. doi: 10.1080/00207721.2018.1534027.

[9] Kondratenko, N., & Snihur, О. (2016). Interval fuzzy modeling of comlex systems under conditions of input data uncertainly. Eastern-European Journal of Enterprise Technologies, 4/4(82), 20-28.

[10] Kondratenko, N., Snihur, О., & Kondratenko, R. (2023). Interval type-2 generalizing fuzzy model for monitoring the states of cmplex systems using experts knowledge. System Research and Information Technologies, 2, 63-73. doi: 10.20535/SRIT.23088893.2023.2.05.

[11] Kondratenko, N.R. (2022). The use of fuzzy knowledge bases with type-2 membership functions in medical diagnostics. In Materials of the articles of the International scientific and practical conference "Actual problems of medical, biological physics and informatics" (pp.82-87). Vinnytsia: National Pirogov Memorial Medical University.

[12] Kondratenko, N.R., Zelinska, N.B., & Kuzemko, S.M. (2004). Fuzzy logical systems taking into account gaps in experimental data. Scientific News of NTUU "KPI", 5, 37-41.

[13] Kondratenko, N.R., & Cheboraka, O.V. (2008). Study of the capabilities of the generalized interval type-2 fuzzy model for forecasting time sequences. Bulletin of the Vinnytsia Polytechnic Institute, 6, 22-27.

[14] Kondratenko, N.R., Luzhetskyi, S.V., & Cheboraka, O.V. (2011). Fuzzy models in personnel selection tasks when forming social groups. System Studies and Information Technologies, 3, 56-62.

[15] Kondratenko, N. R. (2014). Increasing the adequacy of fuzzy models due to the use of type 2 fuzzy sets Scientific News of NTUU "KPI", 6, 56-61.

[16] Kotsiuba, I., Skarga-Bandurova, I., Giannakoulias, A., Chaikin, M., & Jevremovic, A. (2019). Technique for finding and investigating the strongest combinations of cyberattacks on smart grid infrastructure. In 2019 IEEE International conference on Big Data (pp. 4265-4272). Los Angeles: IEEE. doi: 10.1109/BigData47090.2019.9006335.

[17] Plėta, T., Tvaronavičienė, M., Della Casa, S., & Agafonov, K. (2020). Cyber-attacks to critical energy infrastructure and management issues: overview of selected cases. Insights into Regional Development, 2(3), 703-715.

[18] Kondratenko, N.R., & Kuzemko, S.M. (2004). Fuzzy logical systems using fuzzy sets of the general type. Scientific News of NTUU "KPI", 1, 16-21.

[19] Kondratenko, N.R., & Snigur, O.O. (2019). Study of the adequacy of interval fuzzy models of type-2 in complex object identification tasks. System Research and Information Technologies, 4, 94-104.

[20] Ilyin, M.I., & Yakobchuk, D.I. (2020). Reverse development and analysis of malicious software: Laboratory workshop. Kyiv: NTUU "KPI".

[21] Oyetoyan, T.D., Milosheska, B., Grini, M., & Cruze, D.S. (2018). Myths and facts about static application security testing tools: An action research at Telenor digital. In Agile processes in software engineering and extreme programming 19th International conference, XP 2018 (Vol. 314, pp. 86-103). Cham: Springer. doi: 10.1007/978-3-319-91602-6_6.