دانلود مقاله ISI انگلیسی شماره 125082
ترجمه فارسی عنوان مقاله

ارزیابی تاثیر مأموریت احتمالی مضر و بدون تعصب

عنوان انگلیسی
Context- and bias-free probabilistic mission impact assessment
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی
125082 2017 21 صفحه PDF
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Computers & Security, Volume 65, March 2017, Pages 166-186

ترجمه کلمات کلیدی
تاثیر ماموریت، مدل های گرافیکی احتمالی، ارزیابی اثرات، زیرساخت انتقادی، اعتبار سنجی داده ها، شبکه های بیزی، ارزیابی آسیب پذیری،
کلمات کلیدی انگلیسی
Mission impact; Probabilistic graphical models; Impact assessment; Critical infrastructure; Data validation; Bayesian networks; Vulnerability assessment;
ترجمه چکیده
ارزیابی و درک تاثیر رویدادهای پراکنده و گسترده در یک ماموریت، یک مشکل اساسی است. رویکردهای فعلی که سعی در حل و بررسی تاثیرات مأموریت دارند، الگوریتم های مبتنی بر نمره را به دست می دهند که منجر به نتایج جعلی می شود. ما یک مشکل چهارگانه با الگوریتم های مبتنی بر نمره را شناسایی می کنیم: (1) الگوریتم های مبتنی بر نمره، آموزش عمیق کارشناسان را به چارچوب های کاربردی برای مشخص کردن (غیر متنی رایگان)، (2) نیاز به نتایج مرجع برای تفسیر نتایج به دست آمده (غیر تعصب - رایگان)، (3) نیاز به ارزیابی خارج از تخصص کارشناسان (غیر محلی)، و (4) نیاز به اعتبار سنجی از نتایج نهایی در برابر حقیقت زمین. این مقاله یک مدل رسمی و ریاضی برای ارزیابی تأثیر مأموریت بی قید و شرطی را فراهم می کند. بر اساس یک مدل احتمالاتی، ما بر مبنای تعاریف از تخصص محلی و ارزیابی در سطح داده ها، ارزیابی اثربخشی ماموریت را به مشکل ریاضی به خوبی درک می کنیم. این برای مناطق و برنامه های کاربردی که در آن ارزیابی کیفی مورد نیاز است، مانند ارزیابی ها در زیرساخت های بحرانی یا شرایط نظامی مفید است.
پیش نمایش مقاله
پیش نمایش مقاله  ارزیابی تاثیر مأموریت احتمالی مضر و بدون تعصب

چکیده انگلیسی

Assessing and understanding the impact of scattered and widespread events onto a mission is a pertinacious problem. Current approaches attempting to solve mission impact assessment employ score-based algorithms leading to spurious results. We identify a fourfold problem with score-based algorithms: (1) score-based algorithms enforce deep training of experts to employed frameworks for specification (non-context-free), (2) require reference results for interpreting obtained results (non-bias-free), (3) require assessments outside of an experts' expertise (non-local), and (4) require validation of end-results against ground truth. This paper provides a formal, mathematical model for bias- and context-free mission impact assessment. Based on a probabilistic model we reduce mission impact assessment to a well-understood mathematical problem based on definitions from local expertise and allow for a validation at data level. This is useful for areas and applications where qualitative assessments are required, such as assessments in critical infrastructures or military contexts.