параметра N визначає умови проведення досвіду в частині використовуваної мережевої операційної системи сервера, кількості віддалених клієнтів мережі і довжини ключа шифрування. Вся необхідна інформація для побудови графіка, представлена ??на рис. 3.8, наведена в додатку 1.
З графіка рис 3.7 видно, що функція відгуку, отримана за допомогою пакету МГУА рис 3.6, схожа з графіком рис 3.5 побудованим на основі даних отриманих дослідним шляхом. Виходячи з цього можна судити про адекватність даної моделі в реальних умовах.
Отримана функція відгуку (3.11) дозволяє виробляти періодичну адаптацію моделі до змін в корпоративній мережі залежно від навантаження. Дозволяє розрахувати продуктивність захищеного каналу при зміні ситуації в корпоративній мережі (зростання трафика, зміна алгоритмів шифрування зміна кількості віддалених робочих станцій входять в корпоративну мережу). Ця функція може бути використана в програмному забезпеченні для керування захищеним каналом. Наприклад, такий додаток може виконувати динамічну зміну алгоритму шифрування на основі передвіщеної моделі поведінки системи. Варто відзначити і те, що функцію можна автоматично адаптувати до середовища у міру розширення даних про стан каналу, так як МГУА дозволяє динамічно «навчатися» за новими вибірками.
3.1.3 Багатомірний регресійний аналіз
Для того щоб визначити значимість залежних змінних на отриману функцію відгуку (3.11) проведемо багатовимірний регресійний аналіз.
Очевидно, що просте поверхове вивчення даних не дозволяє виявити, які фактори, розглянуті на стадії статистичного аналізу вихідної інформації, є суттєвими, а які - ні.
Необхідно знайти оптимальний варіант моделі, що відображає основні закономірності досліджуваного явища з достатнім ступенем статистичної надійності.
У модель повинні бути включені всі фактори, які впливають на залежну змінну (у нашому випадку - кількість вузлів, операційна система, розмір ключа шифрування). При невиконанні цієї вимоги модель може виявитися неадекватною внаслідок недообліку істотних чинників.
З іншого боку, кількість факторів, що включаються в модель, не повинно бути занадто великим. Невиконання цієї вимоги призводить до необхідності збільшення числа спостережень, до неможливості використання досить складних залежностей, до зниження точності оцінок, до складності інтерпретації моделі і до труднощі її практичного використання.
Таким чином, виникає задача зменшення числа змінних, що включаються в модель, без порушення вихідних передумов, тобто задача зниження розмірності моделі.
Виділяють два істотних підходу до вирішення проблеми скорочення кількості вихідних змінних:
відсіювання менш істотних факторів у процесі побудови регресійної моделі;
заміна вихідного набору змінних меншим числом еквівалентних факторів, отриманих в результаті перетворень вихідного набору.
Процедура відсіву несуттєвих факторів у процесі побудови регресійної моделі і отримала назву багатокрокового регресійного аналізу.
Цей метод заснований на обчисленні декількох проміжних рівнянь регресії, в результаті аналізу яких отримують кінцеву модель, що включає тільки фактори, що статистично істотний вплив на досліджувану залежну зм...
