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
- Jozwiak L. Introduction to Modern Cyber – Physical Systems and Their Quality – Driven Desing p.65 Proceeding – Research Monograph. Budva, Montenegro. June 10th – 14th. 2019.
- 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.,
- Horst Feistel. A Survey of Problems in Authenticated Communication and Control, MIT Lincoln Laboratory. 1958.
- 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.
- 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.
- Ruchkin V.N., Fulin V.A., Romanchuk V.A. Personal Trusted Platform Module for the Multi-Core System of 5G Security and Privacy.
- 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.
- Ruchkin V.N., Koctrov B.V., Svirina A.G. Systems of Artificial Intelegence. Neural Networks and Neural Computers. Moscow: KURS. 2018. 288 p.
- 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.
- 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.