В.Н. Ручкин1, Б.В. Костров2, В.А. Фулин3

1,3 Рязанский государственный университет им. С.А. Есенина
2 Рязанский государственный радиотехнический университет им. В.Ф. Уткина

Постановка проблемы. В настоящее время в науке и промышленности активно продвигают стандарт мобильной связи 5G и грядущий ему на смену 6G. Это естественный эволюционный процесс перехода от старого к новому. Главной задачей переходного процесса от 5G к 6G является обеспечение преемственности и совместимости перехода как в аппаратном, так и программном исполнении.

Цель. Рассмотреть интеллектуальные возможности кластерного анализа архитектуры нейропроцессорных ресурсов перехода 5G-6G.

Результаты. Предложено использование устойчивого к внешним воздействиям гетерогенного многоядерного чипа 1879VM8Ya кодирования и декодирования информации в виде модуля МС 127.05 с использованием цифрового сигнального нейропроцессорного ядра NeuroMatrixCore (NMC). Применен 64-битный RISC процессор с архитектурами VLIW, EPIC, SIMD и суперскалярностью для существенно повышения защищенности и конфиденциальности вычислительных платформ с использованием ОС Windows 10 и Windows 11 для переходного процесса 5G-6G. Обеспечено управление кодирующими ключами, защитой и отчетностью о показателях целостности, виртуальной средой обеспечения безопасности, облачной службой аттестации работоспособности вычислительной платформы и биометрической защитой. Проанализированы различные алгоритмы шифрования, процессы кодирования, декодирования информации с использованием стандартных и нестандартных средств, например, симметричного ключевого блочного шифрования по ГОСТ 28147-89 с 64-битным размером и 256-битным ключом. Осуществлено программирование алгоритмов управления кодирующими ключами на примере кодирования информации на языке ассемблера NMС, которые в целом составляют библиотеку макросов.

Практическая значимость. Использование искусственного интеллекта в стандарте 5G для оптимизации динамического распределения ресурсов, а также обработки данных в стандарте 6G позволит обеспечить внедрение современных технологий, повысить энергоэффективность и расширить возможности связи.

Ручкин В.Н., Костров Б.В., Фулин В.А. Интеллектуальные возможности кластерного анализа архитектуры нейропроцессорных ресурсов перехода 5G-6G // Динамика сложных систем. 2022. Т. 23. № 2. С. 10−18. DOI: 10.18127/j19997493-202202-02

1. Jozwiak L. Introduction to Modern Cyber – Physical Systems and Their Quality – Driven Desing p.65 Proceeding – Research Monograph. Budva, Montenegro. June 10th – 14th. 2019.
2. Ruchkin V.N., Kostrov B.V., Fulin V.A., Romanchuk V., Kolesenkov A.N., Ruchkina E., Koryachko A. Personal Trusted Platform Module on Multi Core System for 5G Security & Privacy, Proceedings of the 13th International Conference ELEKTRO 2020.,
3. Horst Feistel. A Survey of Problems in Authenticated Communication and Control, MIT Lincoln Laboratory. 1958.
4. Chernikov A., Chernikov V., Vixne P., Shelukhin A. New Core of Signal Processor Core NMC4 Of Set Neuro Matrix. Proceding of 6th Moscow Supercomputing Forum 2015. P. 12–13.
5. Ручкин В.Н., Костров Б.В., Романчук В.А., Фулин В.А. Многокритериальный нечеткий выбор вычислительной структуры на основе кластеризации // Динамика сложных систем – XXI век. 2016. Т. 10. № 1. С. 33–40.
6. Ruchkin V.N., Fulin V.A., Romanchuk V.A. Personal Trusted Platform Module for the Multi-Core System of 5G Security and Privacy.
7. Yu Z., Zhang W., Dai H. A trusted architecture for virtual machines on cloud servers with trusted platform module and certificate authority. Journal of Signal Processing Systems. 2017. V. 86. № 2–3. P. 327–336.
8. Ruchkin V.N., Koctrov B.V., Svirina A.G. Systems of Artificial Intelegence. Neural Networks and Neural Computers. Moscow: KURS. 2018. 288 p.
9. Ручкин В.Н., Костров Б.В., Романчук В.А., Фулин В.А. Анализ явного и неявного параллелизма на основе кластеризации вычислительных систем // Динамика сложных систем – XXI век. 2015. Т. 9. № 2. С. 20–28.
10. Ручкин В.Н., Костров Б.В., Колесенков А.Н. Информационное, операционное и алгоритмическое обеспечение кибер-физической системы мониторинга чрезвычайных ситуаций // Динамика сложных систем – XXI век. 2017. Т. 11. № 2. С. 18–24.