UNiVErSE - Explorando Safety e Security em Veículos Aéreos não Tripulados
Notice bibliographique
Résumé
Contexto: Sistemas crticos so sistemas computacionais nos quais uma falha pode levar a consequncias catastrficas que variam de danos propriedade, ao ambiente ou financeiros, leses e at mesmo a perda de vidas humanas. Sistemas autnomos automotivos e aeroespaciais so exemplos de sistemas crticos que usualmente operam em ambientes de rede compartilhadas em conjunto com outros sistemas. Em virtude da natureza crticas impostas por esses sistemas e seus ambientes de operao, o desenvolvimento de tais sistemas deve atender a requisitos de segurana (security) e de proteo (safety). Dessa formas, as propriedades de segurana e de proteo desses sistemas devem ser analisadas e demonstradas em diferentes nveis de abstrao para a obteno da aprovao e da certificao de tais sistemas. Problema: Os sistemas autnomos podem ser suscetveis a ameaas de segurana em decorrncia de falhas de proteo que podem causar danos ao ambiente, propriedade, s finanas, leses ou a perda de vidas humanas. Entretanto, as tcnicas existentes na literatura para apoiar a engenharia de dependabilidade do sistema, como Failure Propagation and Transformation Notation (FPTN) e Security HaZOP, somente apoiam a anlise de propriedades de safety e de security de forma isolada. Questo de Pesquisa: Neste contexto, esta dissertao fornece resposta seguinte questo de pesquisa: como engenheiros podem analisar o impacto de ameaas de segurana e proteo sob a dependabilidade de sistemas autnomos de forma efetiva e sistemtica? Objetivo: Nesta dissertao, apresentada a UNiVErSE, uma abordagem composicional para a anlise integrada de propriedades de segurana e de proteo e gerao automtica de rvores de falhas e rvores de ataque de modo a apoiar a certificao de sistemas autnomos. Resultados: A validao da abordagem UNiVErSE na anlise das propriedades de segurana e proteo e gerao integrada de rvores de ataque e de falhas de safety para o sistema aeroespacial de piloto automtico SLUGS. A aplicao da abordagem UNiVErSE contribuiu para reduzir a complexidade e o esforo em atividades de anlise de segurana e proteo requiridas para a certificao de sistemas crticos.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».