Management and Future Technologies | Volume 2, Issue 3 | № 007

𝑀⁄𝑠 𝑁=∑ 𝑁⁄𝑠 ∑ 𝑖=1 𝑗=1 𝑍⁄𝑠 ∑ 𝑛𝑖,𝑗,𝑘 . (2) 𝑘=1 N - har bir qadamdagi bо‘lingan kublar soni bоʻlib, uni sanash jarayonini takrorlash orqali olinadi. 1-jadvaldagi qadamlar asosida fraktal о‘lchov D quyidagicha topiladi: log(𝑁) log(400) 𝐷= = = 2.7454 1 1 log( ) 𝑠 log( ⁄ ) 1 9 (3) Zarafshon daryosi yer sirtlarining 3D fraktal о‘lchovini kublar usuli yordamida aniqlandi. 3-rasm. Zarafshon daryo tarmog‘ini kublarga bо‘lgandagi holati Keltirilgan blok-sxemalar yordamida Samarqand viloyati kadastr boshqarmasidan olingan Zarafshon daryo tarmog‘ida eroziya mavjud qismining fraktal о‘lchovi aniqlanadi. Bunda eroziya mavjud qismining fraktal о‘lchovi takomillashtirilgan kublarni sanash usulining faqat fraktal tasvir mavjud sohani hisobga olgan holda aniqlandi. Ushbu ilmiy-tadqiqot ishida takomillashtirilgan kublar usuli yordamida Zarafshon daryo tarmogʻidagi eroziya holatlari 0.1217 ga оʻzgarganligi aniqlandi hamda takomillashtirilgan kublar usuli qolgan ikkita usul bilan solishtirilib qiyosiy tahlillar amalga oshirildi. 1-Jadval. Zarafshon daryo tarmog‘ida eroziya mavjud qismining fraktal о‘lchovini turli usullarda aniqlashning solishtirma tahlili № Katakchalarni sanash Kublar usuli Takomillashtirilgan usuli kublar usuli 1 1.7488 2.8073 2.3219 2 1.6234 2.6801 2.4649 3 1.6123 2.6787 2.4770 4 1.6001 2.6989 2.5542 5 1.5963 2.6991 2.5974 6 1.5769 2.7304 2.6799 7 1.5721 2.7429 2.6958 8 1.5624 2.7527 2.7268 9 1.5625 2.8115 2.7379 10 1.5626 2.8326 2.7454 140

Katta va kichik suv havzalari uchun daryo tarmogʻining zichligi va oqim chastotasi qiymatlarini toʻgʻridan-toʻgʻri taqqoslab boʻlmaydi, chunki ular odatda suv havzasining hajmiga bogʻliq. Katta havzada kichik havzada boʻlgani kabi birlik maydonda ham shuncha kichik uzunlikdagi elementar irmoqlar boʻlishi mumkin va qoʻshimcha ravishda odatda bir yoki bir nechta yirik daryolarni oʻz ichiga oladi. Quyida daryo tarmogʻi hosil bоʻlishining geometrik modeli ishlab chiqildi. 4-rasm. Daryo tarmogʻi hosil bоʻlishining geometrik modeli 𝜑2𝑖+1=2𝜋𝑈(0,1) 𝜑2𝑖+2=𝜑2𝑖+1+𝜋 𝜃2𝑖+1 = arccos ( 2 𝐹𝑛2𝑖+1 2 2 𝐹𝐿2𝑖+2 𝜃2𝑖+2 = arccos ( 2 + + −2 𝐹𝑛2𝑖+1 2 −2 𝐹𝐿2𝑖+2 2 (4) 4 𝛾 𝛾 (1 − (1 − 𝐹𝑛2𝑖+1 ) )) (5) 4 𝛾 (1 − (1 − 𝐹𝐿2𝑖+2 )𝛾 )) Endi daryo tarmogʻi hosil bоʻlishining fraktal modelini keltiramiz. L-tizimlari usuli asosida hosil bоʻlgan fraktal model (oddiy variant): Aksioma - A Qoida: "F", "FF" "A", "F[+A][-A]" α = 33° n=1 n=2 n=3 n=4 n=5 5-rasm. Iteratsiyaning turli qadamlarida hosil bоʻlgan daryo irmoqlari L-tizimlari usuli asosida hosil bоʻlgan fraktal model (takomillashtirilgan variant): Aksioma - A Qoida: "A", "F(1, 1)[+(1)A][-(1)A]" "F(x, y)", lambda x, y: f"F({1.5*x}, {1.7*y})" "+(x)", lambda x: f"+({1.1*x})" "-(x)", lambda x: f"-({1.1*x})" 141 W0 = F(1, 1)[+(1)A][-(1)A] W1 = W0(F,A) W2 = W1(W0) W3 = W2(W1) … Wn = Wn-1(Wn-2).

α = 33° n=1 n=2 n=3 n=4 n=5 6-rasm. Iteratsiyaning turli qadamlarida hosil bоʻlgan daryo irmoqlar Ushbu ishlab chiqilgan geometrik modelda oʻrtacha daryo tarmogʻining radiusini hosil qilish, daryo tarmoqlari uzunligini daryo tarmoqlari burchagini, daryo tarmoqlari radiuslarini hisoblash, daryo tarmoqlari orasidagi burchaklarni aniqlash, kesishuvchi daryo tarmoqlarini aniqlash va daryo tarmoq tugunlarini tekshirish mumkin. Murakkab fraktal tuzilishli daryo tarmog‘i tasvirlarini geometrik modellashtirish dasturiy majmuasi orqali daryo tarmogʻining murakkab fraktal shakllarni ishlab chiqish, tabiiy tasvirlarning fraktal оʻlchovini aniqlash va ular asosida tashxislash mumkin: 7-rasm. Murakkab fraktal obyektlarni qurish va оʻlchovlarini aniqlash dastur interfeysi Ushbu geometrik modeldan daryo tarmogʻini hosil qilishda foydalaniladi. Ushbu burchaklar yordamida ixtiyoriy daryo tarmogʻini yaratish mumkin. Ishda vizualizatsiya jarayonini kuzatish uchun dasturiy majmua ishlab chiqilgan bоʻlib, unda daryo tarmogʻining vizual tasvirlarini kоʻrish mumkin. 8-rasm. Daryo tarmogʻining vizual kоʻrinishi 142

Boʻlinishni takomillashtirishda boʻlinish havzadagi irmoqlar sonini kamida ikki baravar oshiradi. Bu tarmoqning koʻpayish bosqichlari havzaning eksponentsial oʻsishiga olib keladi. Ushbu ilmiy tadqiqot ishida moslashuvchan takomillashtirish texnikasi qoʻllaniladi. Demak, yangi irmoqni hisoblash uchun faqat bitta qoida kerak. Boʻlinish sxemasi nosimmetrik boʻlishi va iloji boricha kichik boʻlishi kerak. 9-rasm. Dasturiy majmuaning funksional sxematik tuzilishi Murakkab kоʻrinishdagi fraktal obyektlarni vizuallashtirishda C++ va OpenGL dasturlash tillaridan foydalanildi. Yaratilgan « fractal surface» dasturiy vositasi murakkab fraktallarni ishlab chiqish uchun tez vizualizatsiya qilish imkonini beradi. Xulosa Takomillashtirilgan katakchalarni sanash va takomillashtirilgan kublar usuli asosida olingan fraktal оʻlchovlar yordamida Zarafshon daryo tarmogʻining fraktal xususiyatli hududlarida eroziya mavjudligi aniqlandi. Analitik va fraktal geometriyaning asosiy tushunchalarini qоʻllab fraktal xususiyatli daryo tarmogʻi hosil bоʻlishining geometrik va fraktal modeli ishlab chiqildi. Tadqiqot doirasida ishlаb chiqilgаn geometrik va fraktal mоdellаr, аlgоritmlаr vа dаsturiy vоsitаlаr «Davlat kadastrlari palatasi Samarqand viloyat boshqarmasi», «Shaharsizlik hujjatlarini ekspertiza qilish respublika markazi davlat muassasasining Samarqand viloyati hududiy boshqarmasi», «YUKSAK BINO LOYIHA» MCHJdа jоriy qilingаn. Nаtijаdа chegara uzunligini aniqlash jаrаyоnlаri uchun frаktаl tuzilishli оbyektlаrni lоyihаlаshni аvtоmаtlаshtirish vа ishlаb chiqаrishni 8%‒11%gа оshirish hаmdа qоʻl mehnаtining kаmаyishi hisоbigа xаrаjаtlаrni 5-9%gа kаmаytirishga, chegarani aniqlash algoritmlari va geometrik tahliliga ketadigan vaqt 2 barobarga kamayishi, obyekt hududlarining kengayishi (qisqarishi) fraktal oʻlchovini aniqlashga ketаdigаn vаqtni оʻrtаchа 10% gа qisqаrtirish imkоnini beradi. 143

Foydalanilgan adabiyotlar 1. Мандельброт Б. Фрактальная геометрия природы // Ижевский институт компьютерных исследований, НИЦ «Регулярная и хаотическая динамика», 2010. -656 с. 2. Lindenmayer A. The Algorithmic Beauty of Plants // Springer-Verlag, New York. 2004. - 240 p. 3. Барнсли М. Фрактальное сжатие изображений. // Мир ПК. – 1992. – № 10. – С. 52–58. 4. Bоndаrenkо B.А. Generаlized Pаscаl Triаngles аnd Pyrаmids, their Frаctаls, Grаphs, аnd Аpplicаtiоns USА, Sаntа Clаrа: Fibоnаcci Аssоciаtiоns, The Third Editiоn. 2010. – P. 296. 5. Edgar M.G. Topology and Fraktal Geometry // Springer-Verlag, New York, 1990. –C. 92-99. 6. Акимов О.Е. Дискретная математика: логика, группы, графы, фракталы. // М: Издатель АКИМОВА, 2005. - 656 с. 7. Балханов В.К. Основы фрактальной геометрии и фрактального исчисления // Отв. ред. Ю.Б. Башкуев. -Улан-Удэ: Изд-во Бурятского госуниверситета, 2013. -224 с. 8. Брылкин Ю.В. Создание цифровых моделей рельефа в трёхмерном пространстве методами фрактальной геометрии // Digital Earth and Big Data GraphiCon 2017. – C. 295297. 9. Гелашвили Д.Б., Иудин Д.И., Розенберг Г.С., Якимов В.Н., Солнцев Л.А. Фракталы и мультифракталы в биоэкологии. // Монография. Нижний Новгород: Изд-во Нижегородского госуниверситета, 2013, - 370 с. 10. Герега А.Н. Конструктивные фракталы в теории множеств. // Учебное пособие. Одесса «Освита Украины» -2017. -85 c. 11. Морозов А.Д. Введение в теорию фракталов // Москва-Ижевск: Институт компьютерных исследований, 2006, 162 стр. 12. Максименко-Шейко К.В., Шейко Т.И. Математические моделирование геометрических фракталов с помощью R-функций. // Кибернетика и системный анализ. 2012, №4. – С. 155-162. 13. Иудин Д.И. Фракталы: от простого к сложному // Нижегор. гос. архитектур-строит. ун-тН. Новгород. 2012–200 с. 14. Кириллов А.А. Повесть о двух фракталах. // 2-е изд., исправленное. -М.МЦНМО, 2010. 180 с. 15. Кононюк А.Е. Дискретно-непрерывная математика. (Поверхности). // 12-и кн. Кн.6. ч.2К: Освіта України. 2016.-618 с. 16. Кравченко В.Ф., Кравченко О.В. Конструктивные методы алгебры логики, атомарных функций, вейвлетов и фракталов в задачах физики и техники. М.: Техносфера, 2018. –С. 696. 144

KIBERXAVFSIZLIK VA AXBOROT XAVFSIZLIGINING O’ZIGA HOS XUSUSIYATLARI Musaev Anvar Isakovich UMFT Kommunikatsiya va raqamli texnologiyalar kafedrasi dotsenti anvarmuso73@gmail.com Annotatsiya: Ushbu maqolada xozirgi paytda juda keng tarqalib borayotgan tushsuncha kiberxavfsizlik to’g’risida so’z yuritilgan. Ushbu tushuncha “axborot xavfsizligi” tushunchasi bilan birgalikda sinonim termin sifatida qo’llanilmoqda. Lekin ushbu terminlarni tushuntirishda klassik hisoblangan “axborot xavfsizligi” tushunchasi bilan tushuntirish qiyinchilik tug’diradi. Shu sababli kiberxavfsizlik terminiga boshqacha yo’nalishda paradigm sifatida qaralishi yoritilgan. Kalit so’zlar: kibernetika, kiberxavfsizlik, xaker, kiberhujum, axborot xavfsizligi, tizim, ob’ekt, konfidentsiallik, butunlik. Kirish Biz hammamiz kundalik faoliyatimizda Internetdan foydalanishga odatlanganmiz. Internetda ma'lumotni qidirish ushbu raqamli qurilmaning boshqaruv tizimini o'z ichiga olgan turli xil elektron qurilmalar yordamida amalga oshiriladi - operatsion tizim, kompyuterlar va mobil qurilmalar, biz kerakli ma'lumotlarni o'qiymiz, yuklab olamiz va saqlaymiz. Ushbu faoliyatni amalga oshirishda kontentni saqlash, taqdim etish, vizualizatsiya qilish va uzatish funktsiyalarini bajaradigan Internet xizmatlari va resurslaridan foydalaniladi. Ushbu faoliyat xavfsizligiga tahdidlar ushbu Internet xizmatlari va qidirilayotgan kontent manbalari haqiqatan ham xavfsizmi yoki yo'qligi natijasida yuzaga keladi. Materiallar va usullar Tarmoqdan foydalanishda Internetdan foydalanish uchun ishlab chiqilgan xavfsizlik talablariga rioya va amalda bajariladi. Ulardan eng asosiy talab, kontent ishga tushirilganda xaker manfaati uchun ushbu tizimda zararli harakatlarni amalga oshiradigan virus bilan zararlangan zararli kontentni yuklamaslikdir. Bunday chora-tadbirlarning amalga oshirilishi bilan tizim xavfsizligi ta'minlanadi. Hozirda ommaviy axborot vositalarida kiberxavfsizlik, kiberhujum, kibertahdid va xakerlik atamalari tobora ommalashib bormoqda. Ushbu tushunchalar axborot xavfsizligi tushunchasi bilan birgalikda qo'llaniladi. Bu axborot texnologiyalari sohasidagi zararli faoliyatning mohiyatini tushuntirishi kerak bo'lgan ikkita tushunchani farqlashni talab qiladi. Bu atamalardan foydalanishning ilmiy asoslari ham farqli hisoblanadi. Kiberxavfsizlik tushunchasini o‘rganar ekanmiz, bu atama ikki qismdan iborat ekanligini ko‘ramiz, bular “kiber” va “xavfsizlik” atamalari. Natijalar Kiber so'zi kibernetika so'zidan (qadimgi yunoncha Κυβερνητιχη - kemalarni boshqarish san'ati) so‘zidan olingan bo'lib, bu tushunchani fanga 1834 yilda fransuz olimi, fizik, matematigi Andre-Mari Amper kiritgan va uni “samarali boshqaruv” deb atagan [1]. . Bu kontseptsiya ko'p jihatdan davlat boshqaruvi tizimi bilan bog'liq bo'lib, kibernetik nuqtai nazardan kelib chiqqan 145

holda boshqaruv tizimi orqali davlat tomonidan o'z fuqarolari uchun yaxshi yashash sharoitlarini yaratish davlat tomonidan osonlikcha amalga oshirilishi mumkin. Shundan so'ng, 1948 yilda amerikalik matematik, kibernetika va sun'iy intellekt asoschisi Norbert Viner birinchi marta kibernetikani zamonaviy fan sifatida taklif qildi [1]. Bunda kibernetika qora quti va shunga o'xshash tizimlarni, shuningdek, tirik organizmlar, mashinalar va tashkilotlarda boshqaruv, aloqa va o'z-o'zini tashkil qilish tizimida yuzaga keladigan teskari aloqani o'rganishni o'z ichiga oladi. Kibernetika tizimning (raqamli, mexanik yoki biologik) har qanday ma'lumotni qanday qayta ishlashiga, uning tarkibidagi o'zgarishlar yoki ushbu ma'lumotlarning ta'siriga reaktsiya natijasida funktsiyalari o'zgarishi natijasida unga yuklangan ikkita vazifani ifodalovchi ma'lumotlarni qayta ishlashga qaratilgan. yoki tizimning ushbu ta'sirga javob berish vazifasini yaxshiroq bajarishiga imkon beruvchi boshqa ta'sirlar natijasida tizimning bir qismidagi o'zgarishlar natijasida.[1] Tizimning "tizim xavfsizligi" yoki "xavfsizlik darajasi" so'zi har qanday tizimning kelajakdagi mavjudligiga, uning kelajakda yashab qolishiga ta'sirini baholaydigan umumiy ko'rsatkichdir. "Kiber" so'zi ixtiyoriy moddiy, jonli va nomoddiy tizimda samarali boshqaruvni anglatadi. Har qanday tizimda, uning boshqaruvi qismi tizimni foydali yoki zararli natijaga olib kelishi mumkin va bu holat tizimning mavjud bo'lishiga, kelajakda yashab qolishiga yoki ushbu tizimning ishdan chiqishi, kelajakda yo'q bo’lishi mumkinligini baxolaydi. Tizimning tarkibiy qismlari hisoblangan alohida quyi tizim qismlariga yuklangan vazifalarning bajarilishini baholashda u samarali va foydali deb hisoblansa, ushbu umumiy tizim kiberxavfsizlik nuqtai nazaridan himoyalangan deb hisoblanadi. Tizim nomukammal bo’lgan quyi tizimlarni aniqlasa va ushbu quyi tizimlarni olib tashlash jarayonlarini bajarsa, yoki ushbu quyi tizimlarning sifat jihatidan yaxshilanishiga erishib butun tizim vazifalarini yanada yahshiroq bajarishga imkon berishiga olib kelsa, shu holatda tizimning kiberxavfsizligi nuqtai nazardan ta'minlangan deb hisoblanadi. 1-rasm. Boshqaruv turlari Boshqarish tizimida xavfsizlikni tushuntirishda kiberxavfsizlik tushunchasi qo'llaniladi. Kiberxavfsizlik - kelajakda uning mavjudligini ta'minlash uchun har qanday tizimning umumiy boshqaruviga ta'sir qilishi mumkin bo'lgan foydali va zararli ta'sirlarni o'rganadigan fan. Hozirgi kunda kiberxavfsizlik raqamli elektron tizimlarning muhim xususiyatiga aylandi. Muhim xususiyatga shundaki, har qanday raqamli tizimlar bilan tarmoq orqali masofadan o'zaro ta'sir qilish usullari soni ortib borayotgani, bu ta'sirlar zararli bo’lgan xollarda tizimning ishlamay qolishiga 146

(stop), uning ishlashida o'zgarishlarga (modifikatsiya), yoki tizimni butunlay boshqa maqsadga yo'naltirishda (redirect) olib kelishi mumkin. Kiberxavfsizlik turlari: 1. Fuqarolar kiberxavfsizligi 2. Tashkilotlar kiberxavfsizligi 3. Davlat kiberxavfsizligi 4. Dunyo kiberxavfsizligi Fuqarolar kiberxavfsizligi bu fuqarolarning xavfsizligini ta’minlashga qaratilgan qonuniy, tashkiliy va texnikaviy tadbirlardir. Bundaga asosiy maqsad fuqarolar axborot olamini va ularning xayotiy xavsizligini ta’minlashdir. Fuqarolar uchun boshqaruv tizimi bu ularning o’z hayotiy faoliyatini olib borishda, hayot kechirishlarida jamiyatdagi mavjud qulayliklardan foydalanish, yanada yangi qulaylik, sharoitlarni yaratish hamda ulardan foydalanishda qo’llaniladigan usullar, vositalar va odatlar jamlanmasidir. Fuqarolarning boshqaruv tizimi (kiber tizimi) bilim olish va amaliy ko’nikmalar xosil qilish asosida shakllanadi. Fuqarolarning boshqaruv tizimi uning shaxsiy fazilatlariga bog’liq bo’lib, uning bilimi va amaliy ko’nikmasi darajasi bilan baholanadi. Jamiyatda fuqarolarning kiberxavfsizligini ta’minlash umumiy xolda davlat kiberxavfsizligini ta’minlashga olib keladi. Kiberxavfsizlik ham kiberhujumlar kabi bitta muhitda, ya’ni kompyuter vositalari va dasturiy ta’minotlari birlashtirilgan raqmli platformalarning imkoniyatlaridan foydalangan xolda amalga oshiriladi. Kompyuter vositalari va dasturiy ta’minotlar imkoniyatlari amalda cheklanmagan vazifalarni bajarish imkoniyatini yaratadi. Ushbu imkoniyatlarni o’rganish va amaliy qo’llay olish jamiyat hayoti va insonlar farovonligining oshishiga xizmat qiladi. Zamonaviy axborot texnologiyalarinin o’rganish va uni amalda qo’llay olish ushbu sohada bilimi bor va amaliy ko’nikmaga ega bo’lgan shaxslar uchun qiyinchilik tug’dirmaydi. Lekin katta yoshdagi shaxslar uchun bu katta muammolar tug’dirishi va ular o’z kiberxavfsizligini, ya’ni o’z tasarrufidagi ob’ektlarning boshqaruvi xavfsizligini ta’minnlay olmasligi mumkin. Shu sababli ham xozirgi paytda kiberjinoyatchilar ko’proq katta yoshdagi fuqarolarning axborot texnologiyalarini bilmasligidan foydalanmoqda. Fuqarolar tasarrufidagi ob’ektlar bular avtomobil, bank hisob raqamlari, bank plastik kartalari, internet akkauntlari, shaxsiy kompyuter va boshqalarni keltirishimiz mumkin. Biroq, tizim tushunchasi ham asosiy hisoblanadi. Tizim so'zi lotincha "Systēma", qadimgi yunoncha " σύστημα " so'zidan kelib chiqqan bo'lib, "bir nechta komponentlardan (elementlardan) iborat butun to'plam, yig'indi " degan ma'noni anglatadi. Tizim - bu yagona maqsadga erishish uchun ma'lum qoidalarga muvofiq o'zaro bog'langan, bir butun sifatida to’plangan oddiy elementlar yig'indisidir. To'plamdagi har bir oddiy element o'z navbatida tizim bo'lishi ham mumkin. Yagona maqsadga erishish uchun funktsiyalarni bajaruvchi ob'ektlar to'plami ham tizim hisoblanadi. Internetda ishlaydigan axborot tizimlarida vazifa qiziqarli kontentni taqdim etish va reklamani joriy etishdan iborat. Ushbu vazifalarni bajarayotganda, agar kontent manbai boshqa maqsadlarni ham bajarsa, masalan, virusli tarkibni ataylab yoki qobiliyatsizligi sababli ikkala holatda ham beixtiyor tarqatsa, bu tizim muvaffaqiyatsizlikka uchraydi, ya'ni kiberxavfsizlik yo'qligi sababli kiberxujumga uchrashi, bu tizim obunachilarni yo'qotish va kelajakda yo’q bo’lish xavfi tug’iladi. 147

2-rasm. Kiberxujum sxemasi Boshqarish tizimiga kiberxavfsizlik tushunchasi qo'llaniladi. Kiberxavfsizlik - kelajakda uning mavjudligini ta'minlash uchun har qanday tizimning umumiy boshqaruviga ta'sir qilishi mumkin bo'lgan foydali va zararli ta'sirlarni o'rganadigan fan. Hozirgi kunda kiberxavfsizlik raqamli elektron tizimlarning muhim xususiyatiga aylandi. Muhim xususiyatga shundaki, har qanday raqamli tizimlar bilan tarmoq orqali masofadan o'zaro ta'sir qilish usullari soni ortib borayotgani, bu ta'sirlar zararli bo’lgan xollarda tizimning ishlamay qolishiga (stop), uning ishlashida o'zgarishlarga (modifikatsiya), yoki tizimni butunlay boshqa maqsadga yo'naltirishda (redirect) olib kelishi mumkin. Muhokama Hozirgacha adabiyotlarda axborot xavfsizligi tushunchasi ilmiy sohada keng qo‘llanilib kelmoqda. Axborot xavfsizligining 3 ta asosiy tamoyillari, ular ma'lumotlarning maxfiyligini (Confidentiality), axborotning yaxlitligini (Integrity) va axborotning doimiy foydalanishga tayyorligini (Availability) ta'minlashga qaratilgan [2, 3]. Axborot xavfsizligining asosiy ob'ekti uzatiladigan yoki qayta ishlangan axborot hisoblanadi. Bundan xulosa qilishimiz mumkinki, murakkab tizimlardan tashkil etilgan ob'ektlar xavfsizligini ta'minlashda axborot xavfsizligi tushunchasidan foydalanishdan ko’ra kiberxavfsizlik tushunchalarni qo'llash samaraliroqdir. Shu sababli, kiberxavfsizlik tushunchasi murakkab tizimlar uchun optimal paradigma hisoblanadi. Kiberxavfsizlikning asosiy ob'ekti axborot tizimlari bo'lib, ular boshqa turdagi ob'ektlarga ham qo'llanilishi mumkin. Axborot xavfsizligi ob'ekti - "axborot", kiberxavfsizlik ob'ekti - "tizim" hisoblanadi. Axborot texnologiyalarining hozirgi tahdidlarini axborot xavfsizligi tushunchasi, kriptovalyutalar yordamida jinoyatlarni moliyalashtirish, ijtimoiy muhandislik orqali axborotni qo‘lga kiritish, “fishingsmishing-voice mishing-farming” orqali firibgarlik, bank kartalari bilan bog‘liq jinoyatlarni, "fake" xabarlarni tarqatish, "deepfake" turidagi shaxs, jamiyat va davlat faoliyatiga zarar yetkazuvchi ma'lumotlarni tayyorlash va tarqatish, ijtimoiy tarmoqlarda maxfiy guruhlar tashkil etish, botnetlar orqali axborot obyektlarini noqonuniy egallash kabilarni to‘liq tushuntirib murakkabroqdir. Ushbu zararli axborot hodisalarini kiberxavfsizlik tushunchasi orqali tushuntirish samaralidir. 148

Xulosalar Axborot xavfsizligini ta'minlashda kiberxavfsizlik ham katta ahamiyatga ega. shaxs yoki biznes “deepfake” kiberhujum ostida. Deepfake - bu axborot texnologiyalaridan foydalangan holda uning raqamli qiyofasini yaratish va shu tariqa shaxs haqida yolg'on ma'lumot tarqatish orqali haqiqiy inson hayotiga tahdiddir. Bunda axborotning yaxlitligi, maxfiyligi va mavjudligi axborot xavfsizligi nuqtai nazaridan buzilmaydi. Kiberxavfsizlik nuqtai nazaridan, deepfake bu odamning turmush tarziga ta'sir qiladi. Bu insonning ijtimoiy, iqtisodiy va hayotiy manfaatlariga zarar yetkazadi. Shunday qilib, deepfake kiberhujumni kiberxavfsizlik nuqtai nazaridan baholash, axborot xavfsizligi nuqtai nazaridan aholashdan ko'ra ko'proq ilmiy asosga ega bo'ladi. Zamonaviy dunyoda axborot tizimlari jamiyat hayotining muhim va ajralmas qismiga aylandi va bu uni kiberxavfsizlikni ta'minlashda birinchi o'ringa olib chiqadi. Davlat va jamiyat uchun ushbu axborot tizimlarining mavjudligi zarur bo'lib qoladi, bu esa kiberxavfsizlikni ta'minlash uchun resurslarni sarflashni talab qiladi. Sarflanadigan resurslar moddiy, ilmiy va insoniy resurslarga bo'linadi. Inson resurslari ta'lim darajasi bilan bog'liq bo'lib, bu sohada kiberxavfsizlik muammolarining mohiyatini va ularni qanday hal qilishni biladigan mutaxassislar ishlashi kerakligini anglatadi. Adabiyotlar 1. Wiener N . Cybernetics or Control and Communication in the Animal and the Machine. — New York: The Technology Press and John Wiley & Sons, Inc. — Paris: Hermann et Cie, 1948. 2. Kibermakonda sodir etilayotgan jinoyatlarga qarshi kurash: muammolar va yechimlar, Respublika ilmiy-amaliy konferensiya materiallari to’plami, (24 fevral 2022 yil), Toshkent: MALIK PRINT CO, 2022. -482 b. 3. Акбаров D.Е., Криптографические методы обеспечения информационной безопасности и их применение, “Ташкент, издательство “О‘zbekiston markasi ", 2009 – 432 с. 4. Акбаров D.Е, Мусаев А.И. Исследование основ существующих алгоритмов поточного шифрования и их классификация, Ташкент, Axborotkommunikatsiyalar: tarmoqlar, texnologiyalar, yechimlar, “UNICON.UZ”, 2009. С. 36-45. 149

GRAFIK PROTSESSORLARDA TASVIRLARDAN YO‘L BELGILARINI TANIB OLUVCHI DASTURIY VOSITALARINING FUNKSIONAL STRUKTURASI Umarov Muhriddin; Melibayeva Xilola; Xudoyberdiyev Shaxriyor; Giyasova Gulnoza; Samarov Sherzod UMFT universiteti muhriddin.umarov.1992@gmail.com Annotatsiya: Ilmiy tadqiqot ishi bo‘yicha olib borilgan tadqiqotlar va ilmiy izlanishlar natijasi ma’lumotlar to‘plamlari, modellar, usullar, algoritmlar va ilmiy yondashuvlar o‘rganib chiqildi. Shuningdek, tadqiqot vazifalari va masalalarini bajarish jarayonida tegishli ilmiy yechimlar, model va algoritmlar ishlab chiqildi hamda mavjud usullar takomillashtirildi. Ushbu ilmiy yechimlar asosida grafik protsessorlarda tasvirlarga parallel ishlov berish, yo‘l belgilari ma’lumotlar to‘plamini ishlab chiqish, sun’iy intellekt texnologiyalaridan foydalanib yo‘l belgilarini tanib olish bo‘yicha bir nechta dasturiy vositalar yaratilib, dasturiy majmua ishlab chiqildi. Kalit so‘zlar: Tasvir, yo‘l belgisi, grafik protsessor, vizuallashtirish, parallel ishlov berish, obyektlarni aniqlash, ma’lumotlar to‘plami, YOLO modeli. Kirish Ushbu dasturiy vositalardan yo‘l belgilarini tanib olish tizimlarida grafik protsessorlar yordamida avtomatik tanib olish uchun qo‘llash mumkin. Ushbu dasturiy vositalarni ishlab chiqishda zamonaviy sun’iy intellekt texnologiyalaridan, turli usullar, chuqur o‘qitishga asoslangan algoritmlar va yondashuvlardan keng foydalanildi. Yo‘l belgilarini dinamik tasvirlardan tanib oluvchi dasturiy majmuaning funksional tuzilishi quydagi bosqichlarda amalga oshiriladi (1-rasm). Yuqorida keltirilgan grafik protsessorlarda dinamik tasvirlardan yo‘l belgilarini aniqlovchi va sinflashtiruvchi dasturiy majmua vazifalarni bajarish jihatdan 4 ta asosiy qismdan iborat: - Yo‘l sahnasi tasvirlariga parallel ishlov berish; - Yo‘l belgilari ma’lumotlar to‘plamini shakllantirish; - Yo‘l belgilarini tanib olish; - Dasturlararo o‘zaro muloqotni ta’minlash. 150

1-rasm. Tasvirlardan yo‘l belgilarini aniqlash hamda ularni matnli va tovushli ifodalash dasturiy vositalarining funksional strukturasi Yo‘l sahnasi tasvirlariga parallel ishlov berish bosqichida DCP algoritmining hisoblash vaqtini baholash, Tasvirning intensivligi past bo‘lgan kanaliga parallel ishlov berish, grafik protsessorda tasvirlarni shovqinlardan tozalash jarayonlari amalga oshiriladi. Ushbu vazifalar keyingi bosqichlardagi yo‘l belgilari ma’lumotlar to‘plamini ishlab chiqish hamda yo‘l belgilarini dinamik tasvirlardan aniqlash darajasini oshirish uchun xizmat qiladi. Yo‘l belgilari ma’lumotlar to‘plamini shakllantirish bosqichida dinamik tasvirlardan kadrlarni ajratib olish, izohli yo‘l belgilari ma’lumotlar to‘plamini shakllantirish, yo‘l belgilari ma’lumotlar to‘plamini sun’iy ko’paytirish jarayonlari amalga oshiriladi. Keyin bosqichda sun’iy intellekt texnologiyalarida yo‘l belgilari ma’lumotlar to‘plamidan foydalanish muhimdir. Yo‘l belgilarini tanib olish bosqichida ma’lumotlar to‘plamini chuqur o‘qitish, yo‘l belgilarini dinamik tasvirlardan tanib olish, aniqlangan ma’lumotlarni foydalanuvchiga vizual va tovushli ifodalash kabi muhim vazifalar bajariladi. Yo‘l belgilarining 56 ta sinfi ushbu tadqiqotda foydalanilgan bo‘lib, aniqlangan yo‘l belgilarini tasvirdagi joylashgan o‘rni koordinatalari, yo‘l belgisining nomi, tovushli hamda yo‘l belgining vizual tasviri ifodalanishi bilan jarayon yakunlanadi. Dasturlararo o‘zaro muloqotni ta’minlash bosqichida foydalanuvchi so‘rovlarini modelga yuborish, tasvirlardagi yo‘l belgilari atributlarini JSON formatda olish, yo‘l belgilarini tasvirlarda ifodalash va olingan natijalarni veb ilovada tasvirlash amallarni bajaradi. Ishlab chiqilgan dasturiy majmuaning foydalanuvchi interfeysini ishlab chiqish, barcha sohalarga kirib borgan veb texnologiyalar bilan modelni integratsiyasini amalga oshirish vazifalari bajarilgan. Yuqorida keltirilgan dasturiy vositalarni ishlab chiqishda, tadqiqot natijalarini olishda foydalanilgan texnik va dasturiy ta’minotlarning nomlari, parametrlari hamda talablari quyida berilgan: 151

- Kompyuter xarakteristikasi: CPU: AMDA Ryzen 7 U-5800, x64, 8x3.2 GHz; GPU: Nvidia Geforce 3050 RTX 4Gb, Tezkor xotira: 16 Gb, Doimiy xotira: 512 SSD va 1 Tb HDD. - Operatsion tizim: Ubuntu 20.04; Windows 10 Pro, 64 razryadli. - Dasturlash tillari: Python 3.8; C++. - Texnologiyalar: OpenCV, CUDA, Tensorflow, Flask. Materiallar va usullar Yo‘l sahnasi tasvirlariga parallel ishlov berish. Tasvirlarga dastlabki ishlov berish kompyuterli ko‘rish masalalarida muhim qadam hisoblanib, turli yondashuvlarga ega. Yo‘l sahnasi tasvirlaridan obyektlarni aniqlash masalasida turli ob-havo sharoitlarida tasvir yorqinligining pastligi yo‘l belgilarini tanib olishni qiyinlashtiradi [1, 7]. Ushbu tadqiqot ishida tasvirlarga parallel ishlov berish algoritmlarining samaradorligini baholash uchun CPU va GPU platformalarida turli tasvir o‘lchamlari uchun ishlash vaqti solishtirildi. Grafik protsessorda tasvirlarga parallel ishlov berish bo‘yicha boshqa algoritmlar natijalari keltirilgan bo‘lib, hisoblash vaqtlari 1-jadvalda keltirilgan. 1-jadval.Tasvirlarga parallel ishlov berish algoritmlari natijalari Tasvir Bajarish vaqti № Algoritmlar GPU o‘lchami (ms) 1. Recent advances Geforce GTX 460 56.9 1024×768 2. Taklif etilgan Geforce RTX 3050 5.91 3. Temporal coherence Geforce GTX 680 37 1024×1024 4. Taklif etilgan Geforce RTX 3050 6.73 5. Optimization DCP Geforce GTX 560 Ti 43 1280×720 6. Taklif etilgan Geforce RTX 3050 6.58 Dinamik tasvirlarga ishlov berishda xost va qurilma o‘rtasida ma'lumotlarni uzatishda katta kechikish mavjud, odatda ko‘p tajribalar statik tasvir uchun ko‘rib chiqiladi [6, 8]. Ushbu ishdagi GPU apparat platformasi Nvidia Geforce RTX 3050 4Gb va CPU apparat platformasi AMDA Ryzen 7 H5800 seriyali 3.8GHz, shuningdek, 16Gb tezkor xotiraga ega qurilmada amalga oshirildi. 2-rasmda taklif etilgan algoritmning natijasi ko‘rsatilgan. (a) (b) 2-rasm. Tasvirlarni shovqinlardan tozalash: (a) tumanli tasvir, (b) tumansiz tasviri Ushbu tadqiqot ishida tasvirning intensivligi past bo‘lgan kanaliga ishlov berish grafik protsessorda amalga oshirildi. Algoritmning ishlash tezligini oshirish uchun ko‘chirilgan filtrlashga 152

asoslangan parallel minimum filtrlash algoritmi va o‘rtacha filtrlash algoritmi taklif qilindi. Quyidagi 3-rasmda olingan natijalar ko‘rsatilgan. (a) (b) 3-rasm. Tasvirlardan yo‘l belgilarini aniqlash: (a) tumanli tasvirdagi aniqlash natijasi, (b) tumansiz tasviridagi aniqlash natijasi Yo‘l belgilari ma’lumotlar to‘plamini ishlab chiqish. Sun’iy intellekt texnologiyalariga asoslangan obyektlarni tanib olish masalalarini yechishda ma’lumotlar to‘plamini oldindan ishlab chiqish talab qilinadi. Ma’lumotlar to‘plamini ikki xil shakli bo‘lib, birinchisi izohsiz ma’lumotlar to‘plami, ikkinchisi izohli ma’lumotlar to‘plami. Tasvirdagi yo‘l belgilarining izohlarini saqlash formati quyidagi 4-rasmda ko‘rsatilgan: 1-ustunda, tasvirdagi yo‘l belgisi sinfining indeksi (ushbu tadqiqotda 56 ta yo‘l belgisining sinfi qaralgan). 2-ustunda, tasvirdagi yo‘l belgisining yuqori chap burchagi absissasi. 3- ustunda, tasvirdagi yo‘l belgisining yuqori chap burchagi ordinatasi. 4- ustunda, tasvirdagi yo‘l belgisining pastki o‘ng burchagi absissasi. 5- ustunda, tasvirdagi yo‘l belgisining pastki o‘ng burchagi ordinatasi. 4-rasm. Izohlarni saqlash formati 153

Ishlab chiqilgan o‘quv na’munalarini sun’iy ko’paytirish tasvirlariga misol 5-rasmda ko‘rsatilgan bo‘lib, geometrik o‘zgartirish orqali sun’iy ko’paytirish sxemasi 5-rasmda ko‘rsatilgan. 5-rasm. Tasvirni sun’iy ko’paytirish. a) berilgan tasvir, b) sun’iy ko’paytirilgan tasvir 6-rasm. geometrik o‘zgartirish orqali sun’iy ko’paytirish sxemasi Yo‘l belgilarini tanib olish. Chuqur o‘qitishga asoslangan algoritmlar yo‘l belgilarini tanib olish tadqiqotlarida yuqori darajadagi aniqlikni ko‘rsatmoqda [4, 9]. Ushbu tadqiqot ishida yo‘l belgilari ma’lumotlar to‘plamini sinflashtirishning neyron tarmoq arxitekturasi qurildi. YOLO tarmoq arxitekturasining beshinchi versiyada turli modellar mavjud bo‘lib, ularning asosiy ko‘rsatkichlari 2-jadvalga berilgan. 2-jadval. YOLOv5 tarmoq arxitekturasining model parametrlari Model Tezlik (ms) Parametrlar (million) Hajmi (MB) Kichik parametrli 2.1 7.5 13.2 O‘rtacha parametrli 3.0 21.8 39.4 Katta parametrli 3.9 47.8 88.1 Eng katta parametrli 6.1 89.0 166.4 Ishlab chiqilgan model yordamida yo‘l belgilarini tanib olish natijasi 7-rasmda ko‘rsatilgan. 154

7-rasm. Haydovchiga ma’lumot yetkazish Haydovchilarga ma’lumotlarni matnli, ovozli va vizual yetkazish uchun har bir sinfga tegishli yo’l belgilarining nomlari keltirilgan matnli fayl, ushbu nomlarning ovozli fayllari (56 ta *.mp3 formatdagi fayllar, vaqti 1-4 soniya oralig’ida) va ularning vizual tasviri (56 ta *.jpg formatdagi rasmlar, o’lchami 50x50) oldindan ishlab chiqilgan. Dinamik tasviridan tanib olingan yo’l belgining matni videoning yuqori qismiga yoziladi, uning ovozli fayli yangi oqim yaratish orqali video oqim bilan bir vaqtda ovozli ma’lumotlar oqimi ham yaratiladi va haydovchiga xabar beriladi. Yo’l belgisining vizual tasviri tasvirlarni birlashtirish orqali dinamik tasvirning yuqori qismiga ifoda etiladi. Dasturlararo o‘zaro muloqotni ta’minlash. Ishlab chiqilgan modellardan va dasturiy vositalardan keng foydalanish uchun veb ilova hamda foydalanuvchi interfeysi ishlab chiqildi. Foydalanuvchilardan kelgan so‘rovlarni qabul qilish hamda model bilan integratsiyani amalga oshirish, aniqlangan ma’lumotlarni qayta veb ilovaga yuborish jarayonlarini tashkil etuvchi dasturlararo muloqot interfeysi ishlab chiqildi. Ushbu veb ilova ma’lumotlar to‘plami hajmini ko’paytirish uchun ham xizmat qiladi. Ma’lumotlarni uzatish va qabul qilish jarayoni quyida ko‘rsatilgan (8-rasm va 9-rasm). if request.method == "POST": if "file" not in request.files: return redirect(request.url) file = request.files["file"] HTTP Request HTTP Klient API POST Flask moduli HTTP Server HTTP Response img_bytes = file.read() img = Image.open(io.BytesIO(img_bytes)) results = model([img]) JSON results.render() # updates results.imgs with boxes and labels img_savename = f"static/{now_time}.png" Image.fromarray(results.ims[0]).save(img_savename) return redirect(img_savename) Dasturiy majmua Obyekt atributlari response = requests.post(DETECTION_URL, files={"image": image_data}).json() 8-rasm. Ma’lumotlarni uzatish va qabul qilishning umumiy sxemasi 155

Bosh sahifa 2 1 Foydalanuvchi Server Veb ilova Natijani olish 10 results.render() # updates results.imgs with boxes and labels img_savename = f"static/{now_time}.png" Image.fromarray(results.ims[0]).save(img_savename) return redirect(img_savename) Yo‘l belgilarini tasvirlarda ifodalash moduli 3 if request.method == "POST": if "file" not in request.files: return redirect(request.url) file = request.files["file"] Tasvirlarni yuklab olishga so‘rov 4 8 So‘rovlarni boshqarish moduli 9 5 Atributlarni yuborish Tasvirlarning joylashuv manzilini qaytarish response = requests.post(DETECTION_URL, 7 files={"image": image_data}).json() Tasvirlarni yuklab olish va manzilini yuborish moduli img_bytes = file.read() 6 img = Image.open(io.BytesIO(img_bytes)) results = model([img]) Neyron tarmoq modeli 9-rasm. Dasturlararo muloqot interfeysi Natijalar Tadqiqotlarni natijalarini baholash uchun turli metrikalardan foydalanildi. Chuqur o‘qitishga asoslangan algoritmlarda eng ko‘p qo‘llaniladigan usul bu Precision va Recall metrikalari hisoblanadi. Bunda to‘rtta asosiy ko‘rsatkichlar mavjud: TN (True Negative), FN (false Negative), TP (True Pozitive) va FP (False Pozitive) [2]. 𝑇𝑃 𝑃𝑟𝑒𝑐𝑖𝑠𝑖𝑜𝑛 = 𝑇𝑃+𝐹𝑃 𝑇𝑃 𝑅𝑒𝑐𝑎𝑙𝑙 = 𝑇𝑃+𝐹𝑁 (1) (2) Tadqiqot ishida IoU (Complate Intersection over Union) dan foydalanib, ular yuqorida aytib o‘tilgan usullar kabi detektorlarning ish faoliyatini baholash ko‘rsatkichlaridan hisoblanadi (10rasm). IoU shuningdek, IoU haqiqiy qiymat va bashorat qiymati o‘rtasidagi o‘xshashlikni aniq aks ettirish vazifasini ham bajaradi [5, 10]. Quyidagi rasmda haqiqiy va bashorat qilingan qiymatlarni solishtirish ko‘rsatilgan. 156

IoU=0.4 Past aniqlash IoU=0.8 IoU=0.95 Yaxshi aniqlash Yuqori aniqlash 10-rasm. IoU funksiyasining ishlash sxemasi Yo‘l belgilarining aniqlash darajasini baholash natijalari 4-jadvalda keltirilgan. Bunda tasvirlardan shovqinlarni tozalash va yorqinligini oshirish, yo‘l belgilari ma’lumotlar to‘plamini sun’iy ko’paytirish, YOLO tarmoq arxitekturasining C3 modulini yaxshilash natijasida aniqlik darajasi sezilarli darajada oshirildi. Sababi, yo‘l sahnasi tasvirlari murakkab muhit va turli shovqinlarda samaradorligi pasayishi tabiiy holdir. Olib borilgan tadqiqot natijasida yo‘l belgilarini aniqlash darajasi 3.9% ga oshirildi. 3-jadval. Turli ob-havo sharoitida olingan tasvirlardan obyektni tanib olish aniqligini baholash Turli ob-havo muhitidagi tasvirlar Precision (aniqlik) Quyoshli muhitdagi tasvir 91.2 % Bulutli muhitdagi tasvir 87.2 % 4-jadval. Neyron tarmoq arxitekturasini takomillashtirish hamda tasvirlar sifati va to‘plamini oshirish orqali obyektni tanib olish aniqligini oshirish natijasi C3 modulini Ma’lumotlar Tasvirlarga Precision yaxshilash Takomillashtirish to‘plamini sun’iy dastlabki ishlov (%) ko‘paytirish (SK) berish (TDI) (C3) YOLOv5 - - - 91.2 YOLOv5 + SK + - - 92.9 YOLOv5+SK+TDI + + - 93.2 YOLOv5+SK+TDI+C3 + + + 95.1 5-jadval. Yo‘l belgilarini tanib olish bo‘yicha o‘tkazilgan tadqiqotlarda qo‘llanilgan modellar Yo‘l belgilarini tanib olish bo‘yicha o‘tkazilgan Precision (aniqlik) tadqiqotlarda qo‘llanilgan modellar YOLOv5 + ShuffleNet-v2 + BIFPN + CA + EIOU 92.5 % 157

(Haohao Zou) Yolov5l + GSconv + PDCM + SCAM (Jie Hu) Faster R-CNN + FPN + ROI Align + DCN (Xiang Gao) YOLOv5+SK+TDI+C3 (Taklif etilgan) 89.2 % 86.5 % 95.1 % Yuqoridagi natijalarni olishda foydalanilgan dasturiy va apparat vositalari ham muhim ahamiyatga ega, bunda ishlash vaqtini qisqartirishda hisoblash qurilmasining unumdorligiga bog‘liq. Dinamik tasvirlardan yo‘l belgilarini tanib olish tasvirning o‘lchami va sifatiga bevosita bog‘liqdir. Dasturiy majmuani ishlab chiqishda va tadqiqotni sinovdan o‘tkazishda quyidagi parametrli hisoblash qurilmasi, texnologiyalari foydalanildi (6-jadval). 6-jadval. Tadqiqotni sinovdan o‘tkazishda foydalanilgan apparat va dasturiy vositalar CPU: AMD Ryzen 7-5800H OS: Ubuntu 20.04 GPU: NVIDIA Geforce RTX 3050Ti PyTorch: 1.9 Memory: 16G CUDA: 10.1 Python: 3.9 CUDNN: 7.4 Torch-vision: 0.9 YOLO: YOLOv5s Compiler: Anaconda, Pycharm Numpy: 1.18 Chuqur o‘qitish natijasida model 2 ta .pt kengaytmali vazn faylini saqlaydi. last.pt fayli oxirgi davrdagi vazn fayli va best.pt fayli eng yuqori aniqlikka erishgan davrdagi vazn faylidir [3]. Ikkala fayl ham hajmi bir xil bo‘lib, 14 MB xotiradan joy oladi. Ishlab chiqilgan yo‘l belgilari ma’lumotlar to‘plami (UTSD) va neyron tarmoq arxitekturasi yordamida chuqur o‘qitish natijalari quyidagi 11 va 12-rasmlarda ko‘rsatilgan. a) b) c) 11-rasm. Xatolik funksiyasi natijalari. a) o’quv, b) validatsiya, c) test 158

12-rasm. Chuqur o‘qitish natijalari Tuman konsentratsiyasi yuqori tasvirlardagi kichik yo‘l belgilarini ham tanib olish orqali algoritmning ishonchligini ko‘rish mumkin. Ishlab chiqilgan Model CPU, GPU, CUDA, CUDNN, OpenCV, OpenMP va ularning kombinatsiyalaridan foydalangan holda tarmoqni kompilyatsiya qilish va ishga tushirish imkoniyatini beradi. Muhokama Ushbu ish yo‘l harakati xavfsizligida eng muhim inson omiliga qaratilgan bo‘lib, yo‘l harakati hodisalarini kamaytirish uchun xizmat qiladi. Ijtimoiy samaradorlik sifatida haydovchilarni tayyorlash maktablariga joriy qilish, iqtisodiy samara olish uchun yo‘l-transport hodisalarini oldini olish nazarda tutilgan. Haydovchilarga 3 xil ko‘rinishda ma’lumotlar yetkaziladi: - Yo‘l belgisining vizual tasvirini. - Yo‘l belgisining matnli izohini. - Yo‘l belgisining tovushli signalini. Ishlab chiqilgan dasturiy majmua amaliy masalalarga tadbiq etish uchun joriy qilingan va quyidagi samaradorlikka erishilgan. Xulosalar Ushbu ish bo‘yicha olib borilgan tadqiqotlar va ilmiy izlanishlar natijasi ma’lumotlar to‘plamlari, modellar, usullar, algoritmlar va ilmiy yondashuvlar o‘rganib chiqildi. Shuningdek, tadqiqot vazifalari va masalalarini bajarish jarayonida tegishli ilmiy yechimlar, model va algoritmlar ishlab chiqildi hamda mavjud usullar takomillashtirildi. Ushbu ilmiy yechimlar asosida grafik protsessorlarda tasvirlarga parallel ishlov berish, yo‘l belgilari ma’lumotlar to‘plamini ishlab chiqish, sun’iy intellekt texnologiyalaridan foydalanib yo‘l belgilarini tanib olish bo‘yicha bir nechta dasturiy vositalar yaratilib, dasturiy majmua ishlab chiqildi. Tadqiqotlarni baholash uchun turli baholash usullaridan foydalanildi. Chuqur o‘rganishda eng ko‘p qo‘llaniladigan ko‘rsatkichlar aniqlik (precision) va eslab qolish (recall) hisoblanadi. 159