В статье представлен анализ ключевых проблем управления информационной инфраструктурой предприятия, функционирующей на основе стека протоколов TCP/IP. В качестве объекта исследования выделены управляемые аппаратно-программные хосты (узлы) корпоративной вычислительной сети, а предметом исследования являются трафик вычислительных сетей и информационные процессы операционных систем семейства Linux и Windows. Предлагается единая формализация объекта исследования. На обзор выносится комплексная методология интеллектуально-адаптивного управления информационной инфраструктурой предприятия. Научная новизна предлагаемого решения заключается в обеспечении надежной, безопасной, отказоустойчивой и качественной работы технических объектов и систем с оптимизацией загрузки каналов связи при различных типах внутренних и внешних воздействий на всех уровнях стека протоколов TCP/IP. Концептуальная работа комплексной методологии описывается через граф целей и задач с использованием декомпозиции и многоуровневого подхода, выделяется обобщенный критерий.
< ... >
The paper presents an analysis of the key problems of managing an enterprise information infrastructure operating on the basis of the TCP/IP protocol stack. Managed hardware and software hosts (nodes) of a corporate computer network are selected as the object of research, and the subject of research is the traffic of computer networks and information processes of operating systems of the Linux and Windows OS family. A comprehensive methodology of intelligently adaptive management of an enterprise information infrastructure is presented. The scientific novelty of the proposed solution lies in ensuring reliable, safe, fault-tolerant and high-quality operation of technical objects and systems with optimization of the load of communication channels under various types of internal and external influences at all levels of the TCP/IP protocol stack.
Keywords:
intelligently adaptive management, information infrastructure, TCP / IP stack, network traffic, anonymization, information processes, forecasting, self-learning