Principles of applied multi-agent system engineering for resilience management of critical infrastructures

Мұқаба

Дәйексөз келтіру

Толық мәтін

Аннотация

The work is aimed at development of information technologies for intelligent decision-making sup­port in the field of organizational management of the regional critical infrastructures resilience. This is urgent to enhance the efficiency of systems for ensuring the security and stability of these infrastructures under the influ­ence of heterogeneous situational factors. The study is based on systematization, analysis and generalization of well-known methodological approaches to ensuring the reliability, security and resilience of complex dynamic entities, as well as methods of general system theory, principles of network-centric control and multi-agent modeling concepts. A general classification of analysis and simulation methods and techniques used in practice to management support of the critical infrastructures resilience is given. The crucial need for applying the multi-agent systems paradigm to management support of the critical infrastructures resilience is substantiated. For this purpose, the field-of-use advantages and potential restrictions of applying a multi-agent approach in man­agement problems of critical infrastructures resilience are determined. Design principles of applied multi-agent decision support systems for overall resilience management of critical infrastructures, based on the conjugation of generic methodology for multi-agent systems engineering and technical approaches to organizing integrated security systems for critical facilities protection, have been proposed.

Авторлар туралы

Andrey Masloboev

Federal Research Centre “Kola Science Centre of the Russian Academy of Sciences”

Хат алмасуға жауапты Автор.
Email: masloboev@iimm.ru

Leading Researcher, Associate Professor, Doctor of Technical Sciences, Putilov Institute for Informatics and Mathematical Modeling 

Ресей, Apatity

Әдебиет тізімі

  1. Goonatilleke S.T., Hettige B. Past, Present and Future Trends in Multi-Agent System Technology. Journal Européen des Systèmes Automatisés. 2022; 55(6): 723-739.
  2. Dorri A., Kanhere S.S., Jurdak R. Multi-Agent Systems: A Survey. IEEE Access. 2018; 6: 28573-28593.
  3. Wooldridge M. An Introduction to MultiAgent Systems. 2nd Edition. John Wiley & Sons. 2009; 484.
  4. Pospelov D.A. Multi-agent systems – present and future. Information technologies and computing systems. 1998; 1: 14-21. (In Russ.)
  5. Sokhova Z.B., Redko V.G. Modeling the search for investment decisions by autonomous agents in a transparent competitive economy. Artificial intelligence and decision making. 2019; 2: 98-108. (In Russ.)
  6. Ouyang M. Review on modeling and simulation of interdependent critical infrastructure systems. Reliability Engineering and System Safety. 2014; 121: 43-60.
  7. Masloboev A.V. Formal models of the regional critical infrastructures resilience. Proceedings of the Institute of System Analysis of the Russian Academy of Sciences. 2022; 72(3): 59-80. (In Russ.)
  8. Emel’yanov V.V., Yasinovskiy S.I. Introduction to intelligent simulation modeling of complex discrete systems and processes. RDO language. Moscow: ANVIK, 1998; 432. (In Russ.)
  9. Makarov V.L., Bakhtizin A.R. Social modeling-a new computer breakthrough (agent-based models). Moscow: Ekonomika, 2013; 295. (In Russ.)
  10. Serfilippi E., Ramnath G. Resilience measurement and conceptual frameworks: A review of the literature. Annals of Public and Cooperative Economics. 2018; 89(4): 645-664.
  11. Andersson J., Grassi V., Mirandola R., Perez-Palacin D. A conceptual framework for resilience: fundamental definitions, strategies and metrics. Computing. 2021; 103: 559-588.
  12. Pospelov D.A. Situational control. Theory and practice. 2nd Edition. Moscow: URSS, 2021; 288. (In Russ.)
  13. Hosseini S., Barker K., Ramirez-Marquez J.E. A review of definitions and measures of system re-silience. Reliability Engineering & System Safety. 2016; 145: 47-61.
  14. Linkov I., Kott A. Fundamental concepts of cyber resilience: Introduction and overview. Cyber resilience of systems and networks. Risk, Systems and Decisions. Springer, Cham, 2019; 1-25.
  15. Kouicem E., Raiievsky C., Occello M. Artificial emotions for distributed cyber-physical systems resilience. Proceedings of the Cyber-Physical systems PhD Workshop. 2019; 84-95.
  16. Ferber J., Weiss G. Multi-agent systems: an introduction to distributed artificial intelligence. 1st Edition. Addison-Wesley Longman Publishing Co., Inc. Boston, MA USA. 1999; 509.
  17. Janu´ario F., Cardoso A., Gil P. Multi-agent framework for resilience enhancement over a WSAN. 15th International Conference on Electrical Engineering/Electronics, Computer, Telecommunications and Information Technology (ECTI-CON’2018). Chiang Rai, Thailand. 2018; 110-113.
  18. Janu´ario F., Cardoso A., Gil P. A distributed multi-agent framework for resilience enhancement in cyber-physical systems. IEEE Access. 2019; 7: 31342-31357.
  19. Roizenzon G.V. Synergetic effect in decision making. System Research. Methodological problems. Yearbook. In Yu.S. Popkov, V.N. Sadovsky, V.I. Tishchenko (eds.). Moscow: URSS, 2012; 36: 248-272. (In Russ.)
  20. Fominykh I.B., Romanchuk S.V., Alekseev I.P. Model of goal setting in a multi-agent system with a limited time resource. Bulletin of MPEI. 2018; 5: 73-78. (In Russ.)
  21. Cardoso R.C., Ferrando A. A Review of AgentBased Programming for Multi-Agent Systems. Computers. 2021; 10(2): 16.
  22. Masloboev A.V. A technology for dynamic synthesis and configuration of multi-agent systems of regional security network-centric control. Reliability and Quality of Complex Systems. 2020; 3(31): 112-120.
  23. Poslad S., Charlton P. Standardizing Agent Interoperability: The FIPA Approach. Multi-Agent Systems and Applications. ACAI 2001. Lecture Notes in Computer Science. Springer, Berlin, Heidelberg. 2001; 2086: 98-117.
  24. Zoitl A., Lewis R. Modeling control systems using IEC 61499 (Control, Robotics and Sensors). Second Edition. London, The Institution of Engineering and Technology, 2014; 248.
  25. Makarenko S.I. Interoperability of organizational and technical systems. St. Petersburg: Publishing house Science-intensive technologies. 2024; 313. (In Russ.)
  26. Masloboev A.V. Tools for interoperability support of network-centric systems for regional security management. Reliability and quality of complex systems. 2020; 1(29): 91-105. (In Russ.)
  27. Burkov V.N., Novikov D.A. Theory of active systems: state and prospects. Moscow: Sinteg Publishing. 1999; 128. (In Russ.)
  28. Methods and models for coordinating hierarchical decisions. In A.A. Makarov Eds. Novosibirsk: Nauka, 1979; 240. (In Russ.)
  29. Mesarovic M., Mako D., Takahara I. Theory of hierarchical multi-level systems. Moscow: Mir Publishing. 1973; 343. (In Russ.)
  30. Ou-Yang C., Lin J.S. The development of a hybrid hierarchical/heterarchical shop floor control system applying bidding method in job dispatching. Robotics and Computer-Integrated Manufacturing. 1998; 14(3): 199-217.
  31. Tarasov V.B. From multi-agent systems to intelligent organizations. Series “Sciences of the Artificial”. Moscow: URSS. 2002; 352. (In Russ.)
  32. Masloboev A.V. Hybrid architecture of an intelligent agent with a simulation apparatus. Bulletin of MSTU: Proceedings of the Murmansk State Technical University. 2009; 12(1): 113-124. (In Russ.)
  33. Gorodetsky V.I., Skobelev P.O. Multi-agent technologies for industrial applications: reality and prospects. Proceedings of SPIIRAS. 2017; 6(55): 11-45. (In Russ.)
  34. Baig Z.A. Multi-agent systems for protecting critical infrastructures: A survey. Journal of Network and Computer Applications. 2012; 35(3): 1151-1161.
  35. Masloboev A.V. An overview of the regional security theory and methodological foundations. Reliability and Quality of Complex Systems. 2022; 2(38): 102-118.
  36. Masloboev A.V. Model and technology of decision support in the conditions of network-centric management of regional security. Reliability and quality of complex systems. 2019; 2(26): 43–59. (In Russ.)
  37. Masloboev A.V. Regional management center framework for G2C-feedback and public safety support. Reliability and quality of complex systems. 2021; 4(36): 127-138.
  38. Tikhonov A.N., Ivannikov A.D., Solov’ev I.V., Tsvetkov V.Ia., Kudzh S.A. Concept of network-centric management of complex technical-organizational system. Moscow: MaksPress Publishing. 2010; 136. (In Russ.)

Қосымша файлдар

Қосымша файлдар
Әрекет
1. JATS XML
Жүктеу

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».