Искусственный интеллект в системах хранения данных

Введение. Рассмотрено функционирование искусственного интеллекта (ИИ) в системах хранения данных. Определено преимущество его использования при работе с данными как с экономической точки зрения, так и с точки зрения безопасности. Целью работы является внедрение искусственного интеллекта в системы хранения данных. Основные задачи: описание методов разделения данных, организации их хранения и противодействия угрозам безопасности.

Материалы и методы. Данные, которые необходимо занести на накопители, разбивается на части таким образом, чтобы их можно было восстановить, не имея одной из частей. Это необходимо для того, чтобы иметь возможность доступа и восстановления информации в случае программного или аппаратного сбоя.

Результаты исследования. Рассмотрена работа искусственного интеллекта при обнаружении угроз безопасности. Так как модель подразумевает взаимодействие пользователей с данными, то было выяснено, каким образом происходит управление доступом данных, а также приведено описание способа хранения ключей.

Обсуждение и заключения. Использование искусственного интеллекта при организации хранилища данных позволит увеличить скорость работы системы. Искусственный интеллект с встроенными алгоритмами машинного обучения позволит реагировать на ситуацию, влияющую на состояние системы. Анализ состояния накопителей позволит избежать возможного аппаратного или программного сбоя. Минимизация человеческого фактора в функционировании системы способствует улучшению её работы.

1. Могилевская, Н. С. Пороговое разделение файлов на основе битовых масок: идея и возможное применение / Н. С. Могилевская, Р. В. Кульбикаян, Л. А. Журавлёв // Вестник Донского государственного технического университета : [сайт]. — 2011. — Т. 11, №10. — С. 1749-1755. — URL: https://vestnik.donstu.ru/jour/article/view/912/907 (дата обращения: 04.04.2020).

2. Николенко, С. И. Глубокое обучение. Погружение в мир нейронных сетей/ С. И. Николенко, А. А. Кадурин, Е. В. Архангельская. — Санкт-Петербург : Питер, 2018. — 481 с.

3. Dubrova, E. Fault-Tolerant Design / Springer, 2013. — 185 p.

4. Флах, П. Машинное обучение / П. Флах.— Москва : ДМК Пресс, 2015. —400с.

5. Трехмерная модель безопасности компьютерных систем / В.В.Жилин, И. И. Дроздова, Л. В. Черкесова, О. А. Сафарьян // Молодой исследователь Дона : [сайт]. — 2018. — № 5. — С. 30-37. — URL: http://mid-journal.ru/upload/iblock/f81/6_620_ZHilin_30_37.pdf (дата обращения: 04.05.2020).

6. Parloff, R. Why Deep Learning Is Suddenly Changing Your Life / R. Parloff // Fortune. — 2016. (Retrieved 13 April,2018.).

7. Алгоритмы: построение и анализ / Кормен Томас Х., Лейзерсон Чарльз И., Ривест Рональд Л. — Москва : Вильямс, 2006. —1296 с.

8. Hutson, M. Missing data hinder replication of artificial intelligence studies / Matthew Hutson // Science. — 15 February, 2018. doi:10.1126/science.aat3298.