Файл: Методы кодирования данных (Методы кодирования информации).pdf

Введение

Проблема защиты информации от несанкционированного доступа является актуальной в связи с широким распространением компьютерных и телекоммуникационных систем.

Изучением методов шифровки занимается криптография. В последнее время в этой области идёт активная работа над принципиально новым методом защищенного распределения ключевой информации – квантовой криптографии.

Задача квантовой криптографии заключается в передаче случайных последовательностей бит, которая затем может быть использована в качестве ключа для кодирования и декодирования сообщений.

Квантовая криптография опирается на фундаментальную неопределенность поведения квантовой системы – невозможно одновременно достоверно измерить координаты и импульс частицы, а так же два не ортогональных состояния поляризации фотона.

Это фундаментальное свойство природы в физике известно как принцип неопределенности Гейзенберга. В квантовой криптографии разработано несколько протоколов. Наиболее распространённым и используемым в практических приложениях является протокол BB84.

В данном протоколе для кодирования однофотонных импульсов используется модуляция оптического излучения по поляризации или по относительной фазе.

Системы с фазовым кодированием наиболее предпочтительны в ВОЛС, а система с поляризационным кодированием наиболее распространены в открытых системах связи (атмосферных, космических) и в ВОЛС с использованием волокон специальных конструкций. К ним относятся волокна с сохранением поляризации, например, с сердцевиной в виде спирали

Цель – рассмотреть методы кодирования информации.

Задачи:

- рассмотреть кодирование информации

- рассмотреть методы кодирования информации.

В основу работы легли исследования таких авторов, как Жиляков Е.Г. Белов С.П., Черноморец А.А. и др.

Глава 1. КОДИРОВАНИЕ ИНФОРМАЦИИ

1.1. РАЗРАБОТКА ПРОГРАММНЫХ СРЕДСТВ МОДЕЛИРОВАНИЯ СИСТЕМ ПЕРЕДАЧИ ДАННЫХ С ИСПОЛЬЗОВАНИЕМ КОДИРОВАНИЯ

---

Система передачи данных – система, предназначенная для передачи информации как внутри различных систем информационной инфраструктуры, так и между ними, а также с внешними системами.

В минувшие десятилетия для обмена информацией широко начали использоваться системы цифровой передачи данных. При передаче информации по каналам под действием различного рода помех и шумов могут появиться искажения в сообщениях. ^[1]

Это является недопустимым для многих систем с высокими требованиями к качеству передаваемой информации. Так требования к вероятности появления ошибки в переданном сообщении в подобных системах может достигать 10−12 и меньше. ^[2]

Поэтому широкое распространение получили средства помехоустойчивого кодирования, использование которых позволяет снизить долю ошибок в принятых сообщениях до приемлемой.

Разработка алгоритмов помехоустойчивых кодов требует моделирования работы всей системы передачи данных. Моделирование необходимо для оценки эффективности и соответствия заявленным требованиям по вероятности появления ошибок в принятых сообщениях, скорости кодирования и декодирования и т.д.

Исследование помехоустойчивых алгоритмов существенно усложняется почти полным отсутствием доступных программных продуктов, позволяющих проводить их комплексный анализ. Существующее ПО (Matlab и др.) оказывается очень дорогим или сложным для освоения. Это вынуждает разработчиков создавать собственные программные средства моделирования подобных алгоритмов с нуля.

Очевидно, что данный подход обладает рядом недостатков, главный из которых заключается в значительном времени разработки моделирующей программы.

Модель системы передачи цифровой информации состоит из семи основных блоков: источника; кодера; модулятора; канала с шумом; демодулятора; декодера; приемника. Источник генерирует сообщение в виде двоичных символов. ^[3]

Обычно предполагается, что «нули» и «единицы» появляются независимо друг от друга и с одинаковой вероятностью. В задачи кодера входит кодирование проходящего через него сообщения, т. е. внесение некоторой избыточности, которую декодер сможет далее использовать для исправления возникших при передаче данных по каналу связи ошибок. Закодированные данные с выхода кодера поступают на модулятор, который с помощью какого-либо метода модуляции реализует их отображение в аналоговый сигнал.

---

В канале с шумом сигнал подвергается воздействию шума. Для количественной оценки степени влияния шума на сигнал используют обычно отношение сигнал-шум, определяемое как отношение мощности сигнала к мощности шума. Обычно данное отношение выражается в децибелах. ^[4]

Такие прикладные математические теории, как теория информации, теория принятия решений, теория массового обслуживания, теория управ- ления, моделирование систем, математическая и формальная логики, теории алгоритмов и автоматов, теории формальных языков и грамматик, социальная информатика, исследование операций и другие и сегодня составляют основу «информационного» образования.

Общее у этих теорий – это «переборный» или «цифровой» метод:

1. сначала интеллектуал должен сформулировать цель исследования;

2. затем для достижения этой цели необходимо или выбрать некоторые состояния системы, или перебрать состояния, или упорядочить состояния, или исключить некоторые состояния, или синтезировать новые состояния, и т.п. Весь смысл исследования прячется в цели, а вся «физика» – в умении сократить перебор, который для сложных систем является достаточно большим. Цифровая информационная технология при таком подходе призвана методами прикладной математики реализовать алгоритмы перебора состояний системы, описанных цифровыми массивами данных.

Затем квантованный выход демодулятора поступает на декодер, который, используя внесенную кодером избыточность, определяет переданное источником сообщение. Основная сложность реализации модели системы связи заложена в реализации кодера и декодера. ^[5]

Следовательно, было бы разумно снять с разработчика «лишнюю» нагрузку, связанную с реализацией моделей источника, модулятора, канала с шумом, демодулятора и приемника, и вынести их в отдельную расширяемую библиотеку, предоставив возможность при необходимости дополнять или переопределять их функции.

Подобное приложение должно удовлетворять следующим требованиям:

- возможности настройки параметров компонентов системы;

- возможности динамического подключения компонентов системы передачи данных;

- получению статистики моделирования; представлению результатов моделирования в удобном для дальнейшего анализа виде.

В качестве языка разработки был выбран C#, который полностью реализует идеи объектно-ориентированного программирования. Данный язык имеет ряд отличительных особенностей и преимуществ, использование которых значительно упрощает реализацию многих решений, имеющих место в данном приложении, по сравнению с другими языками программирования. ^[6]

---

В последние годы стало очевидным существование некоторого предела возможностей полупроводниковых технологий, и это обстоятельство заставляет вернуться к физическим основаниям информационных преобразований. Главным системным ограничением для суперхранителей, суперпереносчиков и суперобработчиков данных нашего времени является энергопотребление.

Уже сегодня крупные центры обработки данных, системы коммутации и маршрутизации, суперкомпьютеры в процессе своей работы потребляют десятки мегаватт электроэнергии.

Один маршрутизатор операторского класса, например, каждый год потребляет столько энергии, сколько выделяется при сжигании десятков тонн угля. Особенностью современных информационных технологий, использующих принцип фон Неймана, является необходимость многократного сохранения, распространения и обработки данных. Это означает, что объемы энергии, потребляемые каждым информационным битом за время его жизненного цикла, увеличиваются многократно. У многих информационных технологий можно проследить взаимную зависимость уровня энергопотребления с другими физическими ресурсами, описывающими пространственные и временные параметры систем.

Рассмотрим с общих позиций те физические ресурсы, которые необходимы для выполнения функций базовыми информационными технологиями сохранения, распространения и обработки данных

Очевидно, что физические ресурсы самым существенным образом влияют на технологические возможности реализации базовых информационных процессов

Любая информационная технология требует пространства. Пространственные ресурсы измеряются в единицах длины и расстояния, описывают способы размещения информационных объектов и должны эффективно использоваться при реализации информационных процессов. К числу основных пространственных ресурсов информационных технологий можно отнести следующие:

− для технологий сохранения – размер запоминающих устройств для записи и плотность записи данных;

− для технологий распространения – территория, в пределах которой организуется информационное взаимодействие пользователей (зона охвата) и распределение (плотность) пользователей на этой территории;

− для технологий обработки – размер техпроцесса и количество транзисторов, размещаемых в одном чипе.

Представленную разработку отличает возможность динамического подключения компонентов системы передачи данных, что позволит со временем увеличивать число разнообразных алгоритмов работы блоков системы передачи данных, доступных для исследования, без изме- нения уже разработанных средств.

---

Поэтому в процессе разработки было решено реализовать динамическое подключение к основной программе новых компонентов системы передачи данных через библиотеки классов (*.dll). ^[7]

Таким образом, в каждом подобном классе будет реализован набор свойственных данному компоненту функций, которые обеспечат взаимодействие с основной программой и механизм гибкой настройки данного класса. Подобная реализация предоставит широкую возможность настройки и быстрого расширения системы. ^[8]

Так даже при 100 % загрузке CPU не получалось достичь скорости моделирования больше, чем 2000 кбит/с, даже для алгоритмически простого и вычислительно не сложного метода коррекции ошибок, основанного на коде Хэмминга.

При этом, чтобы сделать сколько-нибудь обоснованные выводы об эффективности того или иного алгоритма, часто требуются гигабиты битового потока, пропущенного через систему передачи данных. К примеру, для того, чтобы оценить эффективность алгоритма с требованием к вероятности появления ошибки в 10−12 , требуется смоделировать передачу порядка 14 10 бит данных.

Таким образом при скорости 2000 кбит/с потребуется как минимум 6 5 •10 секунд, что эквивалентно 57 дням только для одного эксперимента. При этом нужно понимать, что одного эксперимента может быть недостаточно, и процесс моделирования может носить итерационный характер. ^[9]

Очевидно, что подобная загрузка абсолютно недопустима для персональных компьютеров, которые являются зачастую единственным инструментом исследований и повседневной работы разработчиков и не могут быть столь сильно загружены на таком длительном временном промежутке. ^[10]

Исходя из вышесказанного, актуальной является задача по ускорению процесса моделирования и сокращению временных затрат на проведение эксперимента до уровня, который сделает регулярное получение результатов моделирования удобными и быстрым. Очевидным решением является перенос вычислительной нагрузки моделирования на устройства персонального компьютера, более заточенные на выполнения операций с векторами данных, чем CPU. ^[11]

Также перспективным является привлечение дополнительных вычислительных ресурсов путем организации вычислительных кластеров, которые позволят привлечь к моделированию ресурсы нескольких персональных компьютеров с последующим аккумулированием и анализом результатов в единой точке.

---