«6D070200 - Автоматтандыру және басқару» мамандығы бойынша философия докторы (PhD) дәрежесін алу үшін Мырзатай Али Алтынбайұлы диссертациясын қорғауы
Л.Н. Гумилев атындағы Еуразия ұлттық университетінде философия докторы (PhD) дәрежесін алу үшін Мырзатай Али Алтынбайұлы «6D070200 – Автоматтандыру және басқару» мамандығы бойынша «Корпоративті желінің LAN жүйесінде шешім қабылдауды оңтайландыру және болжау алгоритмін жасау» тақырыбында диссертациясы қорғалады.
Диссертация Л.Н.Гумилев атындағы Еуразия ұлттық университетінің «Жүйелік талдау және басқару» кафедрасында орындалды.
Қорғау тілі - орыс тілінде
Ресми рецензенттер:
Иманбек Бағлан Талғатқызы - философия докторы (PhD), доцент, Әл-Фараби атындағы Қазақ ұлттық университеті, Доцент (и.о.)
Сугурова Лаура Алхайдаровна - философия докторы (PhD), қауымдастырылған профессор, М.Х.Дулати атындағы Тараз өңірлік университеті
Диссертациялық кеңестің уақытша мүшелері:
Капалова Нурсулу Алдажаровна - ғылым кандидаты
Кожахметова Динара Ошановна - философия докторы (PhD), Семей қаласының Шәкәрім атындағы университеті, Факультет деканы
Wasan Kadhim Saad - философия докторы (PhD)
Ғылыми кеңесшілері:
Рзаева Лейла Гумметовна – PhD, «Astana IT University» ЖШС, Зияткерлік жүйелер және киберқауіпсіздік департаментінің директор м.а., қауымдастырылған профессоры (Астана қ., Қазақстан).
Стефания Бандини – Милан-Бикокка университеті, Компьютерлік ғылымдар, жүйелер және байланыс департаментінің профессоры (Милан қ., Италия)
Қорғау 2024 жылғы 13 желтоқсан, сағат 14:00 Л.Н. Гумилев атындағы Еуразия ұлттық университетінің «6D070200 – Автоматтандыру және басқару» мамандығы бойынша «8D071 – Инженерия және инженерлік іс» кадрларды даярлау бағыты бойынша диссертациялық кеңесте өтеді. Диссертациялық кеңес мәжілісі онлайн форматта өткізіледі деп жоспарлануда.
Сілтемесі: https://teams.microsoft.com/l/meetup-join/19%3ae8sitCVDaL5sddkcKQEfLa_-OFywt86lSr2NqddxtqQ1%40thread.tacv2/1730869968015?context=%7b%22Tid%22%3a%225a2fd781-9261-485a-af2b-6171d0efab73%22%2c%22Oid%22%3a%2233d66466-78cc-4bf3-817c-92b97d57eb7b%22%7d
Мекен-жайы: Астана қ., Сәтбаев көшесі, 2, №1 ғимарат, Мәжіліс залы (№302 ауд.).
Аңдатпа (қаз.): АННОТАЦИЯ Мырзатай Али Алтынбайұлының 6D070200 «Автоматтандыру және басқару» мамандығы бойынша философия докторы (PhD) дәрежесін алу үшін ұсынылған «Корпоративті желінің LAN жүйесінде шешім қабылдауды оңтайландыру және болжау алгоритмін жасау» тақырыбындағы диссертациялық жұмысы Тақырыптың өзектілігі. Жаһандық ақпараттандыруға және ақпараттық технологиялардың дамуына байланысты көптеген елдер экономиканың да, қоғамның да қарқынды өсуіне қол жеткізу үшін саланы және қызмет тетіктерін жаңғыртып, цифрландыруды жүргізуде. Қазіргі уақытта ірі компаниялардың иелігінде деректердің үлкен массивтері бар. Осы деректерді талдай отырып, кейбір мәселелерді шешудің жолдарын табуға болады. Алайда, сарапшы-талдаушылар үшін жүздеген және мыңдаған көрсеткіштерді талдау процедуралары тым ұзақ және уақытты қажет ететін болып көрінуі мүмкін, егер мүмкін болса. Алайда, машиналық оқытуға негізделген Алгоритмдер берілген талдау тапсырмаларын тез және тиімді шеше алады. Ақпараттық технологиялардың дамуы кәсіпорындардың жергілікті желілерінің кеңеюіне және оларды тиімді басқару мен бақылаудың күрделілігінің артуына әкеледі. Бұл желілерде әр минут сайын көптеген әртүрлі деректер жасалады, бұл ЖЕЖ желілік инфрақұрылымын басқаруды қиындатады. Желілік инфрақұрылым көптеген әртүрлі құрылғыларды (мысалы, коммутаторлар, серверлер, маршрутизаторлар, компьютерлер) қамтитындықтан және олардың әрқайсысында үлкен көлемдегі деректерді тудыратын көптеген қолданбалар жұмыс істейтіндіктен, машиналық оқыту алгоритмдері ықтимал ақауларды тиімді болжай алады. Жабдықтың істен шығуын дәл болжау жергілікті есептеу желілерін пайдаланудың сенімділігін, қауіпсіздігін және экономикалық тиімділігін арттырады. Машиналық оқыту және жасанды интеллект қазірдің өзінде дәстүрлі аналитикалық әдістер арқылы анықтау қиын тәуекелдер мен бөлшектерді анықтауға мүмкіндік беретін өнеркәсіпте кеңінен қолданылуда. Машиналық оқытуды қолданудың бір саласы – кейінгі болжау үшін деректерді талдау. Мысалы, күн сайын қызметтердің кең спектрін ұсынатын IT-компаниялар көбейіп келеді. Мұндай компаниялардың табысты жұмысы әрқашан жүйелер мен ЖЕЖ ішкі инфрақұрылымын тиімді құруға байланысты. Дегенмен, ЖЕЖ неғұрлым көп болса, ЖЕЖ аппараттық құралдарының бірі істен шығу ықтималдығы соғұрлым жоғары болады. Ірі IT-компаниялар ЖЕЖ барлық көлік ортасын онлайн режимінде бақылау үшін желіні бақылау жүйелерін пайдаланады. Бақылау көптеген сезбектер мен сенсорларды ЖЕЖ-не біріктіру арқылы жүзеге асырылады, олар өте үлкен көлемдегі деректерді жинайды және топтастырады, ситуациялық орталықтарда, диспетчерлік бөлмелерде, ДӨО-да (деректер өңдеу орталықтары) белгілі бір түрде экрандарға шығарылады. Дегенмен, бұл деректердің барлығын машина емес, оператор өңдейді. Осыған байланысты машиналық оқыту негізінде корпоративтік желінің ЖЕЖ-де шешімдерді болжау және оңтайландыру алгоритмін әзірлеу өзекті ғылыми міндет болып табылады. Диссертациялық зерттеудің мақсаты: Осы зерттеудің мақсаты жергілікті есептеу желісінің (LAN) мониторинг жүйесінен кіріс деректер ағынын өңдейтін, ЖЕЖ құрылымындағы ықтимал инциденттердің болжамдарын қамтамасыз ететін алгоритмді әзірлеу болып табылады. Бұл үдерісті жеделдетуге және ЖЕЖ операторының шешім қабылдау тиімділігін арттыруға мүмкіндік береді, осылайша ықтимал ақауларға тезірек жауап беруге және желілік инфрақұрылымның жалпы сенімділігін жақсартуға ықпал етеді. Зерттеу міндеттері: Шолу және салыстырмалы талдау: Ағымдағы тәсілдердің негізгі бағыттары мен кемшіліктерін анықтай отырып, жергілікті есептеу желілеріндегі (ЖЕЖ) ақауларды болжау саласындағы бар зерттеулер мен әдістемелерге жан-жақты шолу және салыстырмалы талдау жүргізу. Корреляциялық талдау: Желінің тұрақтылығы мен тиімділігіне әсер ететін маңызды факторларды анықтау үшін ЖЕЖ жүйесінің кіріс параметрлеріне корреляциялық талдау жасау. Математикалық модель құру: Әр түрлі сценарийлер мен пайдалану жағдайларын ескере отырып, корпоративті желінің ЖЕЖ желісіндегі инциденттерді болжау алгоритмінің математикалық моделін әзірлеу. ML негізіндегі модельдерді әзірлеу: Болжамдардың дәлдігі мен сенімділігін арттыру үшін әртүрлі техникалар мен тәсілдерді біріктіре отырып, ұсынылған болжау алгоритмі негізінде машиналық оқыту (ML) модельдерін құру және оңтайландыру. Шешім қабылдауды оңтайландыру: Тиімділікті арттыру және реакция уақытын қысқарту үшін болжам деректерін пайдалана отырып, ЖЕЖ-дегі жоспардан тыс жөндеу жұмыстары бойынша шешім қабылдау үдерісін оңтайландыру әдістемесін әзірлеу. Сынақтан өткізу және тиімділікті бағалау: Машиналық оқыту әдістеріне негізделген ұсынылған болжау жүйесінің тиімділігі мен практикалық қолданылуын бағалай отырып, ЖЕЖ мониторингі жүйесінің нақты деректерінде әзірленген модельдер мен алгоритмдерді сынақтан өткізу. Зерттеу әдістері: Бұл жұмыста әртүрлі зерттеу әдістері, соның ішінде математикалық модельдеу, оңтайландыру әдістері, машиналық оқыту алгоритмдері, қос экспоненциалды тегістеу (DES) алгоритмдері қолданылды. Бұл тәсілдер кешенді болжау жүйесін құру үшін біріктірілген. Сонымен қатар, заманауи компьютерлік технологиялардың талаптарына сәйкес келетін заманауи бағдарламалық құралдар мен тілдік ресурстар қолданылды. Қорғауға шығарылатын негізгі қағидалар: Болжау моделін құрудың жалпы әдістемесін әзірлеу: ЖЕЖ-дегі ақауларды болжау моделін құрудың барлық негізгі кезеңдерін қамтитын кешенді әдістеме әзірленді. Бұл әдістеме деректерді алдын ала дайындаудан бастап алгоритмдерді қолданбалы іске асыруға дейінгі жүйелі тәсіл болып табылады. Параметрлерді оңтайландыруға арналған корреляциялық талдау: Әдістеме шеңберінде модель параметрлерін оңтайландыруға мүмкіндік беретін корреляциялық талдауға ерекше назар аударылады, осылайша болжамдардың дәлдігі мен сенімділігін жақсартады. Гибридті предикциялық модельдерді әзірлеу: Логистикалық регрессияны (LR), кездейсоқ орманды (RF), шешім ағаштарын (DT) және анықтамалық векторлық әдісті (SVM) қоса алғанда, машиналық оқыту алгоритмдерімен қос экспоненциалды тегістеуді (DES) біріктіретін гибридті болжау модельдерін жасауға баса назар аударылады. Бұл біріктіру уақыт қатарларын тиімді өңдеуге де, деректер сипаттамаларына терең талдау жасауға да мүмкіндік береді. Шешім қабылдау үдерісін оңтайландыру: ЖЕЖ-дегі жоспардан тыс жөндеу жұмыстары контекстінде шешім қабылдау үдерісін оңтайландыру үшін стратегиялар мен әдістерді әзірлеуді қамтиды, бұл тиімділікті арттыруға және ықтимал сәтсіздіктерге жауап беру уақытын қысқартуға ықпал етеді. Әдістеменің әмбебаптығы мен икемділігі: Әзірленген әдістеме әмбебаптығы мен икемділігімен ерекшеленеді, бұл оған корпоративтік желілерді пайдаланудың әртүрлі жағдайларына бейімделуге және тиімділік пен сенімділіктің заманауи талаптарына жауап беруге мүмкіндік береді. Зерттеудің негізгі нәтижелерінің сипаттамасы: Зерттеу DES әдісі температура мен CPU жүктемесі сияқты әртүрлі ЖЕЖ параметрлерінің трендтерін тиімді болжайтынын көрсетті. Бұл болжамдардың жоғары дәлдігін көрсететін MAPE және RMSE көрсеткіштерінің төмен мәндерімен расталады. DES қолданғаннан кейін оқытылған модельдер (ML) ықтимал бұзылуларды анықтау үшін болжамды деректерді жіктеді. Мысалы, DES-SVM негізіндегі модель 94% дәлдікті көрсетті, бұл олардың желілік жабдықтың істен шығуын болжаудағы тиімділігін көрсетеді. DES-пен біріктірілген әртүрлі ML модельдерін салыстыру DES-DT және DES-RF қиыстырылған әдістерінің оқу уақыты мен нәтижелердің дәлдігі тұрғысынан ең тиімді екенін анықтады. Бұл әсіресе үлкен көлемдегі деректерді жылдам талдауды қажет ететін сценарийлер үшін өте маңызды. Бірақ дәлдігі төмендеу және өңдеу уақыты ұзағырақ болса да, DES-SVM моделі қайта оқытуға жоғары төзімділікті көрсетеді, бұл нақты болжау тапсырмалары үшін үлгіні таңдауда маңызды аспект болып табылады. ЖЕЖ-де шешім қабылдауды оңтайландыру: Әзірленген жүйе дұрыс немесе бұрыс болжаудың шартты ықтималдығын ескере отырып, жергілікті желідегі шешім қабылдау үдерісін оңтайландыруға мүмкіндік береді. Бұл жөндеу жұмыстарын тиімді басқаруға ықпал етеді және желінің жалпы сенімділігін арттырады. Зерттеу тәуекелдерді бағалауға және шешім қабылдау процесін оңтайландыруға мүмкіндік беретін дұрыс болжау мен болжамды өткізіп жіберудің шартты ықтималдықтарын анықтады. Бұған сынуды анықтау, сынуды өткізіп жіберу, жалған дабыл және сынудың болмауын дұрыс болжау сияқты сценарийлерді талдау кіреді. Алынған нәтижелердің жаңалығы мен маңыздылығын негіздеу: Әзірленген алгоритм корпоративтік желінің ЖЕЖ жүйесінде шешім қабылдауды болжау мен оңтайландырудың инновациялық тәсілі болып табылады. Қос экспоненциалды тегістеуді (DES) машиналық оқыту алгоритмдерімен біріктіретін гибридті модельді пайдалану ықтимал ақауларды дәлірек болжауға және басқару процестерін оңтайландыруға мүмкіндік беретін шешім болып табылады. Зерттеу нәтижелері корпоративтік ЖЕЖ сенімділігі мен тиімділігін арттыруға тікелей ықпал етеді. Ұсынылған жүйе ықтимал сәтсіздіктерді уақтылы анықтауға және алдын алуға мүмкіндік береді, бұл күтпеген сәтсіздіктер мен үзілістерге байланысты тәуекелдер мен шығындарды азайтады. Қарастырылып отырған болжам негізінде шешім қабылдауды оңтайландыру әдістемесі жергілікті желідегі жөндеу жұмыстарын басқару үдерісін айтарлықтай жақсартады. Бұл ресурстар мен уақытты тиімді және экономикалық тұрғыдан басқаруды қамтамасыз етеді. Зерттеу нәтижелері автоматтандыру және басқару саласындағы ғылыми қауымдастыққа маңызды үлес қоса отырып, корпоративтік желілерді басқару саласында біріктірілген болжау әдістерін қолдану туралы түсінікті кеңейтеді. Ғылымды дамыту бағыттарына немесе мемлекеттік бағдарламаларға сәйкестігі: Мырзатай Али Алтынбайұлының диссертациялық жұмысы негізінен ғылыми зерттеулерді дамытудың негізгі бағыттарына және ақпараттық технологиялар, автоматтандыру және басқару саласындағы мемлекеттік бағдарламаларға айтарлықтай түрде сәйкес келеді. Бұл зерттеу қазіргі цифрландыру және автоматтандыру әлеміндегі өзекті міндет болып табылатын корпоративтік желілік жүйелердің тиімділігі мен сенімділігін арттыру үшін машиналық оқыту технологияларын дамытуға және оларды қолдануға үлес қосады. Нақтылау: • Жұмыс цифрлық трансформацияны дамытуға және ақпараттық технологияларды, әсіресе корпоративтік желілерді басқару контекстінде жақсартуға ықпал етеді. Бұл IT саласындағы жаһандық үрдістерге және цифрландыру стратегияларына сәйкес келеді. • Зерттеу автоматтандыру және басқару саласындағы инновацияларға бағытталған, бұл өндірістік және басқару процестерінің тиімділігін арттыруға бағытталған көптеген мемлекеттік бағдарламалардың стратегиялық мақсаттарына сәйкес келеді. • Әзірленген әдістер мен алгоритмдер корпоративтік желілік жүйелердің тиімділігі мен сенімділігін арттыруға бағытталған, бұл көптеген компаниялар мен ұйымдардың даму стратегияларының негізгі аспектісі болып табылады. • Зерттеу нәтижелері Scopus базасына кіретін бірқатар ғылыми журналдарда жарияланды, бұл жүргізілген зерттеулердің халықаралық танылуы мен маңыздылығын көрсетеді. • Зерттеу нәтижелері бойынша жарияланымдар корпоративтік желілерді басқару саласында болжау және оңтайландыру үшін машиналық оқытуды қолдану саласындағы білім шекараларын кеңейте отырып, ғылыми қоғамдастыққа айтарлықтай үлес қосады. Осылайша, Мырзатай Али Алтынбайұлының диссертациялық жұмысы ғылым мен технологияны дамытудың өзекті бағыттарына тығыз сәйкес келеді, сондай-ақ ақпараттық технологиялар, автоматтандыру және басқару саласындағы мемлекеттік бағдарламалардың стратегиялық мақсаттарын қолдайды.
Зерттеулерді этикалық бағалау жөніндегі комиссияның қорытындысы
Диссертациялық кеңестің шешімі
Диссертация қорғауының бейнежазбасы: https://youtu.be/aH8XDrZkZPg
