144
qotadigan qonunlarni televizor, radio va bir qancha ommaviy axborot vositalarida targ‘ib qilib
borish kerak. Masalan telefonimizga so‘ngi vaqtlarda kiberjinoyatchilardan ehtiyot bo‘ling, karta
raqamingiz va kodlaringizni begona shaxslarga aytmang kabi smslar ko‘p keladi. Huddi shunday
jismoniy firibgarliklarga doir ma’lumotlar va ularga qarshi qonunlar ham sms ko‘rinishida
yuborilsa yaxshi bo‘lardi.
Foydalanilgan adabiyotlar ro‘yxati
1. O‘zbekiston Respublikasi Konstitutsiyasi. “O‘zbekiston” 2020 yil. 22-bet.
2. O‘zbekiston Respublikasi Konstitutsiyasi. “O‘zbekiston” 2020 yil. 12-bet.
3. O‘zbekiston Respublikasining “Davlat sirlarini saqlash to’g’risida”gi qonuni. O‘zbekiston
Respublikasi Oliy Kengashining Axborotnomasi, – 1993. – №5.
4. Karimov I. А. Mamlakatimizda demokratik islohotlarni yanada chuqurlashtirish va fuqarolik
jamiyatini rivojlantirish kontseptsiyasi. – T., 2010.
5. O’zbekiston Respublikasining “Shaxsga doir ma’lumotlar to’g’risida” gi qonuni. Qonun
hujjatlari ma’lumotlari milliy bazasi, – 03.077.2019-y. – №3363.
6. O’zbekiston Respublikasining “Axborotlashtirish to’g’risida” gi qonuni. O‘zbekiston
Respublikasi Oliy Majlisining Аxborotnomasi. – 2004. – №36. – 19-20 m.
7. O‘zbekiston Respublikasining “Аxborot erkinligi printsiplari va kafolatlari to‘g‘risida”gi
qonuni. O‘zbekiston Respublikasi Oliy Majlisining Аxborotnomasi. – 2003. – №1. – 2-m.
8. O‘zbekiston Respublikasi Konstitutsiyasi. “O‘zbekiston” 2020 yil. 12-bet.
9. Искандарова З., Иргашева У. Цифровизация и образование для устойчивого развития
//Информатика и инженерные технологии. – 2023. – Т. 1. – №. 1. – С. 197-200.
10. Абдумаликов А. А. и др. МОДЕЛЬ И АЛГОРИТМЫ ПРОЦЕССА УСТРОЙСТВ
КОНТРОЛЯ И МОНИТОРИНГА УПРАВЛЕНИЯ ЭНЕРГОСНАБЖЕНИЕМ //JOURNAL
OF INNOVATIONS IN SCIENTIFIC AND EDUCATIONAL RESEARCH. – 2023. – Т. 6. –
№. 2. – С. 120-129.
KATTA HAJMLI MA’LUMOTLARNI QAYTA ISHLASHDA PARALLEL
YONDASHUV
Javliyev Shahzod Alisher o‘g‘li
Muhammad Al-Xorazmiy nomidagi Toshkent axborot texnologiyalari universiteti, Toshkent,
O‘zbekiston
To‘rayev Xurshid Shuhrat o‘g‘li
Muhammad Al-Xorazmiy nomidagi Toshkent axborot texnologiyalari universiteti, Toshkent,
O‘zbekiston
Annotatsiya:
Ma’lumki, hozirgi davrda sun’iy intellekt rivojlanish natijasida keng
qamrovli ma’lumotlar bilan ishlash kundan-kunga ortib bormoqda. Hisoblashning yangi
texnologiyalari tufayli bugungi kunda katta hajmdagi ma’lumotlarni qayta ishlash jarayonlari
ko‘p vaqt hisoblash resursini talab qiladi, bunday hollarda hisoblash qurilmalarida parallel ishlov
berish orqali sezilarli darajada tezkorlikka erishish mumkin. Ushbu tadqiqot ishida katta hajmli
ma’lumotlar va ularni qayta ishlashda tezkorlik muammolari haqida fikr yuritamiz va tadqiqot
so‘ngida ma’lumotlarga ketma-ket hamda parallel ishlov berish orqali tezkorlikka erishilgan
solishtirma natijalarini taqdim etamiz.
Kalit so‘zlar:
Sun’iy intellekt, mashinali o‘qitish, chuqur o‘qitish, ma’lumotlarni qayta
ishlash, parallel ishlov berish.
Axborot texnologiyalarining tez sur’atlar bilan rivojlanishi elektron ko‘rinishdagi
ma’lumotlar xajmining tez oshishiga olib keldi [1]. Bunday ma’lumotlar turli ko‘rinishlarda
ifodalanadi: matn ko‘rinishida, audio va videofayllar ko‘rinishida, obyektlar tasvirlar
145
ko‘rinishida, simsiz sektor to‘rlari orqali olinadigan ma’lumotlar va hokazo. Mazkur ma’lumotlar
asosida kerakli axborotni tezkor ajratib olish, ma’lumotlar ustida katta xajmdagi va turdagi
axborot ishlov jarayonining tashkil etishni taqazo qiladi (1-rasm).
1-rasm. Katta hajmli ma’lumotlarning statistikasi
Ma’lumotlarga ishlov berishning asosiy maqsadlaridan biri qayta ishlash, tahlil qilish,
ma’lumotlar xatolarini tuzatish, ma’lumotlar sifatini tekshirish va ma’lumotlar to‘plamlarini
birlashtirishdir.
Ma’lumotlarni tahlil qilish - bu foydali ma’lumotlarni topish, xulosalar chiqarish va qaror
qabul qilishni qo‘llab-quvvatlash maqsadida ma’lumotlarni o‘rganish, tozalash, modellashtirish
va o‘zgartirish jarayoni hisoblanadi [1]. Ma’lumotlarga dastlabgi ishlov berish, ma’lumotlarni
tayyorlashning tarkibiy qismi bo‘lib, uni boshqa ma’lumotlarni qayta ishlash protsedurasiga
tayyorlash uchun dastlabgi ma’lumotlarga amalga oshiriladigan qayta ishlashning har qanday
turini tavsiflaydi. Bu an’anaviy ravishda ma’lumotlarni yig‘ish jarayoni uchun muhim dastlabki
qadam bo‘lib kelgan. Yaqinda ma’lumotlarni qayta ishlash usullari mashinali o‘qitish modellari
va sun’iy intellekt modellarini o‘rganish orqali amalga oshirilib kelinmoqda. Ma’lumotlarga
dastlabgi ishlov berish ma’lumotlarni ma’lumotlardan ajratib olish, mashinali o‘qitish, chuqur
o‘qitish va boshqa ma’lumotlar fanlari vazifalarida osonroq va samaraliroq qayta ishlanadigan
formatga aylantiradi.
Mashinali o‘qitish sun’iy intellektning bir bug‘ini bo‘lib, uning ta’rifiga ko‘ra,
kompyuterlar ma’lumotlardan o‘rganishi va ular tomonidan o‘qitilishi mumkin. Ushbu turdagi
sun’iy intellekt kompyuterlarga dasturlashtirilmagan holda ma’lumotlardan o‘rganish imkonini
beradi. Mashinali o‘qitish algoritmlari ma’lumotlar naqshini tan olish va ushbu ma’lumotlar
bo‘yicha qarorlar yoki bashorat qilish uchun o‘qitiladi [2]. Texnologik taraqqiyot tufayli
kompyuterni qayta ishlash tezligi asta-sekin o‘sib bormoqda. Bundan tashqari, chuqur o‘qitish
jarayonlari tasvirlar, videolar, matn, nutq signallari va sensor ma’lumotlarini o‘z ichiga olgan
muhim ma’lumotlar to‘plamidan qimmatli tushunchalarni olishda muhim rol o‘ynaydi. Chuqur
o‘qitish - bu mashinali o‘qitishning bir bo‘limi bo‘lib, u inson miyasining tuzilishi va
faoliyatidan ilhom oladi. Chuqur o‘qitish algoritmlari ma’lumotlarni tahlil qilish va bashorat
yoki qarorlar ishlab chiqarish uchun bir nechta qatlamlarda joylashgan o‘zaro bog‘langan
tugunlardan iborat sun’iy neyron tarmoqlardan foydalanadi [3]. Ushbu o‘qitish katta hajmdagi
ma’lumotlarni qayta ishlashda samarali xizmat qiladi. Katta hajmdagi ma’lumotlarda amalga
oshirilganda, uni qayta ishlash juda uzoq vaqt talab etadi, bu esa uni amaliy va imkonsiz holatni
yuzaga keltiradi. Ma’lumotlarni qisqartirish texnikasi ma’lumotlarni qisqartirish bilan birga
ma’lumotlarning yaxlitligini ta’minlaydi (2-rasm).
2-rasm. Ma’lumotni qisqartirish
Ma’lumotlarni qisqartirish - bu asl ma’lumotlar hajmini kamaytiradigan va uni ancha
kichikroq hajmda ifodalovchi jarayon. Asl ma’lumotlarning yaxlitligini saqlab, hajmi jihatidan
146
ancha kichikroq bo‘lgan ma’lumotlar to‘plamining qisqartirilgan ko‘rinishini olish uchun
ma’lumotlarni qisqartirish usullari qo‘llaniladi (3-rasm).
3-rasm. Ma’lumotlarni qisqartirish jarayoni
Ma’lumotlarning qisqarishi ma’lumotlarni qayta ishlash natijasida olingan natijaga ta’sir
qilmaydi. Bu shuni anglatadiki, ma’lumotlarni qisqartirishdan oldin va keyin ma’lumotlarni
qidirish natijasida olingan natija deyarli bir xil bo‘ladi.
Ma’lumotni qisqartirishda xotira qurilmasi sig‘imini bo‘shatish uchun ma’lumotlar eng
oddiy ko‘rinishga keltiriladigan sig‘imni optimallashtirish usulidan foydalanadi. Ma’lumotni
kamaytirishning ko‘plab usullari mavjud, ammo g‘oya juda oddiy - imkoniyatlarni maksimal
darajada oshirish uchun jismoniy xotiraga imkon qadar ko‘proq ma’lumotlarni siqib chiqaradi.
Ma’lumotni qisqartirish ma’lumotlar uchun zarur bo‘lgan saqlash joyini ixchamlashtirish va
ma’lumotlarning murakkabligini kamaytirish va ichki xususiyatlarini saqlab qolish orqali
umumlashtirish orqali samaradorligini oshirishni anglatadi. Uning asosiy maqsadi saqlash
maydonini optimallashtirish, ma’lumotlarni qayta ishlash tezligini oshirish va hisoblash
samaradorligini oshirish uchun ma’lumotlarni yaxshilashdir.
An’anaviy fon Neyman hisoblash tizimlarida hisob-kitoblarni bajarish fizik jihatdan
ajratilgan xotira va ishlov berish birliklari o‘rtasida katta miqdordagi ma’lumotlarni saqlash va
o‘qib olish jarayonlariga olib keladi. Bu vaqt va energiya sarflaydi va hisoblash jarayonlariga
to‘sqinlik qiladi. Xotirada hisoblash - bu fon Neyman bo‘lmagan yangi yondashuv bo‘lib, unda
ma’lum hisoblash vazifalari xotiraning o‘zida amalga oshiriladi. Bunga xotira qurilmalarining
fizik atributlari va holat dinamikasi, xususan, qarshilikka asoslangan o‘zgarmas xotira
texnologiyasi yordam beradi. Mantiqiy operatsiyalar, arifmetik operatsiyalar va hattoki ma’lum
bir mashinani o‘qitish vazifalari kabi bir nechta hisoblash vazifalari bunday hisoblash xotira
birligida ketma-ket amalga oshirilishi mumkin (4-rasm).
4-rasm. Ma’lumotlarga ketma-ket ishlov berish
Ma’lumotlar hajmining o‘sib borishi, ilovalarning xilma-xilligi va zamonaviy hisoblash
mashinalarining infratuzilmalari yuqori hisoblash quvvatiga ega yangi yondashuvlarni izlashni
talab qilmoqda. Ma’lumotlarga raqamli ishlov berishga aloqador bo‘lgan sun’iy intellekt,
mashinali o‘qitish, chuqur o‘qitish kabi ilg‘or usullarga ehtiyoj ortiqb bormoqda. Lekin katta
hajmdagi ma’lumotlarni boshqarish ko‘p vaqt talab qilishi ham yaxshi tasdiqlangan
tushunchadir.
Katta hajmdagi ma’lumotlarni tahlil qilish va bulutli hisoblashning dolzarb muammolari
bilan bir qatorda, yuqorida aytilganlarning barchasi yangi turdagi hisoblash usullar ustida ilmiy
tadqiqotlar olib borishni talab qiladi. Shu sababli katta hajmdagi ma’lumotlarni qayta ishlashda
tezkorlik masalasi asosiy muammolarda biri hisoblanadi. Bu muammolarni yechishda esa
parallel ishlov berish tamoyili alohida mashinalar uchun ham, birgalikda ishlaydigan
kompyuterlar uchun ham unumdorlikni oshirishning asosiy tamoyili bo‘lib hisoblanadi.
Hisoblash tizimlarining farqli xususiyatlaridan biri, uning tarkibida hisoblashda qo‘llaniladigan
parallel shoxlarni yaratish hisobiga parallel ishlov beruvchi vositalarning borligidir.
147
Ma’lumotlarga parallel ishlov beruvchi texnologiyalar ham dasturiy, ham apparat vositalarini
qo‘llaydi (5-rasm).
5-rasm. Ma’lumotlarga parallel ishlov berish
Yo‘qoridagi chizmada tasvirlanganidek, protsessor tomonidan ko‘rsatmalar oqimini
bajarish jarayoni endi ko‘rsatmalardan keyin ko‘rsatmalarning ketma-ket bajarilishi deb
hisoblanmaydi. Kompyuterda bir nechta protsessorlarning mavjudligi ko‘p dasturlash uchun
zaruriy shartdir. Ko‘p dasturlashni amalga oshirish uchun protsessorlarning o‘zaro ishini tashkil
qiluvchi operatsion tizimning mavjudligi yetarli hisoblanadi. Parallel hisoblashlar uchun
qo‘shimcha talab qo‘yiladi - bu dasturning o‘zi uchun talab - dastur hisoblashlarni
parallellashtirish imkoniyatini berishi kerak. Katta hajmdagi ma’lumotlarni qayta ishlada ketma-
ket ishlov berishga nisbatan parallel ishlov berish jarayon vaqtini sezilarli darajada kamaytiradi
(6-rasm).
6-rasm. Katta hajmli ma’lumotlarni parallel va ketma-ket qayta ishlash samaradorligi
Xulosa qilib aytganda, hisoblash qurilmalarida ma’lumotlarni qayta ishlashda
parallellashtirish
yondashuvlaridan
foydalanish
samarali
natija
beradi.
Ayniqsa,
parallellashtirishning afzalliklari katta hajmdagi masalalarni hal qilishda aniqroq bo‘ladi. Katta
hajmli ma’lumotlarni qayta ishlashda parallel ishlov berish uchun ko‘p yadroli protsessorlardan
unumliroq foydalanish mumkin.
Foydalanilgan adabiyotlar ro‘yxati:
1.
Jan Lukavský, Building Big Data Pipelines with Apache Beam: Use a single programming
model for both batch and stream data processing, Packt Publishing, 2022.
2.
Очилов Маннон Мусинович, and Жавлиев Шаҳзод Алишер Ўғли. "НЕЙРОН
ТAРМОҚНИ ЎҚИТИШНИ ТЕЗЛAШТИРИШДA MKL ПАРАЛЛЕЛЛАШТИРИШ
КУТУБХОНAСИНИНГ ИМКОНИЯТИ" Science and innovation, vol. 2, no. Special
Issue 3, 2023, pp. 231-235. doi:10.5281/zenodo.7856100
148
3.
Mekhriddin Rakhimov, and Shakhzod Javliev. "THE POSSIBILITY OF CUDA
TECHNOLOGY IN DEEP LEARNING PROCESSES" Science and innovation, vol. 2, no.
Special Issue 3, 2023, pp. 163-167. doi:10.5281/zenodo.7854484
ОСНОВЫ РАБОТЫ В ПРОГРАММНЫХ ПРОДУКТАХ ИНФОРМАЦИОННОЙ
БЕЗОПАСНОСТИ И МУЛЬТИБИОМЕТ-РИЧЕСКИЕ РЕШЕНИЯ ДЛЯ
БЕЗОПАСНОСТИ СИСТЕМ
Жамолдинов Сайдилло Хасанович – докторант кафедры «Информационные
технологии», Андижанский машиностроительный институт.
Аннотация
В этой статье приведены исследования для обеспечения информационной
безопасности разных систем, мультибиометрические решения безопасности. А также
обоснованы технологические свойства и элементы безопасности, состав и структура
интерфейса на основе веб-сервисов.
Ключевые слова
: безопасность, биометрия, веб сервис, технология, идентификация,
визуальный инструмент, локальная архитектура и компоненты системы.
Система автоматической биометрической идентификации MegaMatcher представляет
собой
законченную
систему
для
развертывания
крупномасштабных
мультибиометрических проектов. Модульное и настраиваемое решение предоставляет
услуги для высокопроизводительных, масштабируемых систем с несколькими
параллельными транзакциями.
Решение предназначено для проектов национального масштаба, таких как
биометрическая регистрация избирателей с дедупликацией документов, выдача
паспортов, пограничный контроль, а также другие гражданские или криминальные AFIS /
ABIS. Доступен как локальное решение, так и облачный сервис. Обработка множества
сложных биометрических транзакций с высокой скоростью и точностью. Рис.1.
Рис.1. Виды биометрических транзакций. [5]
Технология, проверенная в проектах национального масштаба, таких как выдача
паспортов и дедупликация избирателей. Поддерживаются модальности отпечатков
пальцев, лица, радужной оболочки и ладони.
• Масштабируемая модульная архитектура с возможностью.
a.
Высокая доступность и отказоустойчивость.
b.
Взаимодействие с другими системами.
c.
Поддержка стандартов биометрических шаблонов ANSI и ISO.
d.
Проверка соответствия ИКАО изображений лица.
e.
Возможна настройка под потребности проекта.
Особенности и возможности биометрической системы
