Аналитические методы исследований с использованием экспериментов. Лабораторные эксперименты: достоинства и недостатки

На правах рукописи

ПОЛИТОВ Михаил Сергеевич ЭКСПЕРИМЕНТАЛЬНО-АНАЛИТИЧЕСКИЙ МЕТОД ОЦЕНКИ И ПРОГНОЗИРОВАНИЯ УРОВНЯ ЗАЩИЩЁННОСТИ ИНФОРМАЦИОННЫХ СИСТЕМ НА ОСНОВЕ МОДЕЛИ ВРЕМЕННЫХ РЯДОВ Специальность 05.13.19 – Методы и системы защиты информации, информационная безопасность

диссертации на соискание ученой степени кандидата технических наук

Работа выполнена в ГОУ ВПО «Челябинский государственный университет» на кафедре вычислительной механики и информационных технологий Научный руководитель д-р техн. наук, проф.

МЕЛЬНИКОВ Андрей Витальевич Официальные оппоненты д-р техн. наук, проф.

МИРОНОВ Валерий Викторович, проф. каф. автоматизированных систем управления Уфимского государствен ного авиационного технического университета канд. техн. наук, КРУШНЫЙ Валерий Васильевич, зав. каф. автоматизированных инфор мационных и вычислительных систем Снежинской государственной физико-технической академии Ведущая организация ОАО «Государственный ракетный центр имени академика В.П. Макеева»

Защита состоится «26» марта 2010 г. в 10:00 часов на заседании диссертационного совета Д-212.288. при Уфимском государственном авиационном техническом университете по адресу: 450000, г. Уфа, ул. К. Маркса,

С диссертацией можно ознакомиться в библиотеке университета

Ученый секретарь диссертационного совета д-р техн. наук, проф. С. С. Валеев ОБЩАЯ ХАРАКТЕРИСТИКА Актуальность темы Современная информационная система (ИС), находящаяся в производст венной эксплуатации, включает в себе функции защиты обрабатываемой в ней информации и предотвращения к ней несанкционированного доступа. Однако ди намика изменения нарушений защищенности информационных систем свиде тельствует о наличии ряда нерешённых задач в области защиты информации ИС, в том числе, при проектировании и эксплуатации средств защиты.

На этапе проектирования системы информационной безопасности ИС необ ходимо определить требуемый уровень защищённости системы, а на этапе тести рования оценить параметры безопасности аудируемой системы и сопоставить их с начальным заданием по безопасности. Для оценки защищённости системы на эта пе тестирования необходимо применение эффективного алгоритме анализа, но на сегодня не существует каких-либо стандартизированных методик объективного анализа защищенности ИС. В каждом конкретном случае алгоритмы действий ау диторов могут существенно различаться, что, в свою очередь, может привести к существенным расхождениям в результатах оценки и неадекватному реагирова нию на сложившиеся угрозы.

Практикуемые в настоящее время методы исследования защищенности предполагают использование как активного, так и пассивного тестирования сис темы защиты. Активное тестирование системы защиты заключается в эмуляции действий потенциального злоумышленника по преодолению механизмов защиты.

Пассивное тестирование предполагает анализ конфигурации операционной сис темы и приложений по шаблонам с использованием списков проверки. Тестиро вание может производиться непосредственно экспертом, либо с использованием специализированных программных средств. При этом возникает проблема выбора и полноты алгоритма анализа, а также сравнения полученных результатов оценки.

Для оценки и анализа результатов тестирования различных конфигураций ИС не обходима некоторая, абстрагированная от конкретных свойств ИС, единица изме рения, с помощью которой можно измерить общий уровень защищённости этих ИС.

Анализ современных методов решения рассматриваемых задач показал, что используются ряд различных подходов. Можно выделить работы С. Као, Л.Ф. Кранор, П. Мела, К. Скарфоне и А. Романовского по проблеме оценки уров ня защищённости, С.А. Петренко, С.В. Симонова по построению экономически обоснованных систем обеспечения информационной безопасности, А.В. Мель никова по проблемам анализа защищенности информационных систем, И.В. Ко тенко по разработке интеллектуальных методов анализа уязвимостей корпоратив ной вычислительной сети, В.И. Васильева, В.И. Городецкого, О.Б. Макаревича, И.Д. Медведовского, Ю.С. Соломонова, А.А. Шелупанова и др. по проектирова нию интеллектуальных систем защиты информации. Однако вопросы объективного анализа уровня защищённости ИС и его прогнозирования в этих ра ботах рассмотрены недостаточно глубоко.

Объект исследования Безопасность и защищённость данных, обрабатываемых в компьютерных информационных системах.

Предмет исследования Методы и модели оценки уровня защищённости компьютерных информа ционных систем.

Цель работы Повышение достоверности оценки уровня защищённости информационных систем на основе накопленных баз данных их уязвимостей и модели временных ря дов.

Задачи исследования Исходя из поставленной цели работы, определен следующий перечень ре шаемых задач:

1. Выполнить анализ существующих подходов и методов оценки уровня защищён ности информационных систем.

2. Разработать модель оценивания уровня защищённости сложных информацион ных систем относительно заданной точки входа.

3. Разработать метод прогнозирования уровня защищённости информационных систем на основе достоверных знаний о системе.

4. Разработать структурно-функциональную модель уязвимости информационной системы для создания унифицированной базы уязвимостей.

5. Разработать программный прототип системы динамического анализа защищен ности корпоративной вычислительной сети с применением техник эвристического анализа уязвимостей.

Методы исследования При работе над диссертацией использовались методология защиты информа ции, методы системного анализа, теория множеств, методы теории нечёткой ло гики, теория вероятностей, теория временных рядов - для разработки концеп ции построения информационных систем с заранее заданным уровнем защищенно сти.

Основные научные результаты, выносимые на защиту 1. Модель оценивания уровня защищённости сложных информационных систем относительно заданной точки входа.

2. Метод прогнозирования уровня защищённости информационных систем на основе достоверных знаний о системе и модели временных рядов.

3. Структурно-функциональная и теоретико-множественная модель уяз вимости ИС.

4. Реализация программного прототипа системы динамического анализа защищенности корпоративной вычислительной сети с применением техник эври стического анализа уязвимостей.

Научная новизна результатов 1. Предложена модель оценивания защищенности сложных информационных систем на основе разбиения всей системы на подсистемы - блоки со своими характе ристиками уровня уязвимости. В рамках предложенной концепции становится воз можным создание систем с заранее определёнными характеристиками защищённости, что, в свою очередь, увеличивает надёжность системы в долгосрочной перспективе.

2. Предложен метод оценки уровня защищённости ИС, который в отличие от существующих экспертных оценок, позволяет на основе накопленных мировым со обществом баз данных уязвимостей информационных систем спрогнозировать с ис пользованием модели временных рядов более достоверные результаты.

3. Предложена структурно - функциональная модель уязвимости с использо ванием теоретико-множественного подхода, позволяющая параметрически описать каждую уязвимость, систематизировать и структурировать имеющиеся данные по уязвимостям с целью создания соответствующих баз для автоматизированных систем аудита.

Обоснованность и достоверность результатов диссертации Обоснованность результатов, полученных в диссертационной работе, обу словлена корректным применением математического аппарата, апробированных научных положений и методов исследования, согласованием новых резуль татов с известными теоретическими положениями.

Достоверность полученных результатов и выводов подтверждается числен ными методами и экспериментальным путем, результатами апробации разработан ного программного прототипа для проведения анализа защищенности корпора тивной вычислительной сети.

Практическая значимость результатов Практическая ценность результатов, полученных в диссертации, заключает ся в разработке:

формализованной процедуры анализа защищенности сложных систем на основе логического разбиения всей информационной системы на подсистемы-блоки со своими характеристиками уровня защищённости;

структурно-функциональной (СФМУ/VSFM) и теоретико-множественной модели уязвимости, позволяющих в параметрически описать каждую уязвимость, что, в свою очередь, даёт возможность систематизировать и структурировать имею щиеся данные по всем уязвимостям;

методов и алгоритмов (в том числе и эвристических) функциониро вания автоматизированной системы анализа защищенности корпоративной вычислительной сети, подтвердивших высокую эффективность при апробации разработанного программного комплекса в реальных условиях;

Результаты диссертационной работы в виде методов, алгоритмов, методик и программного обеспечения внедрены в корпоративной вычислительной сети Челя бинского государственного университета и ООО «ИТ Энигма».

Апробация работы Основные научные и практические результаты диссертационной работы докладывались и обсуждались на ряде следующих конференций:

Всероссийской научной конференции «Математика, механика, информа тика», Челябинск, 2004, 2006;

7-ой и 9-ой Международной научной конференции «Компьютерные нау ки и информационные технологии» (CSIT), Уфа, 2005, 2007;

Международной научно-практической конференции студентов, аспирантов и молодых учёных, Екатеринбург, 2006;

10-ой Всероссийской научно-практической конференции «Проблемы ин формационной безопасности государства, общества и личности».

Публикации Результаты выполненных исследований отражены в 8 публикациях: в 6 научных статьях, в 2 изданиях из списка периодических изданий, рекомендованных ВАК Ро собрнадзора, в 2 тезисах докладов в материалах международных и российских конфе ренций.

Структура и объем работы Диссертация состоит из введения, четырех глав, заключения, библиографиче ского списка из 126 наименований и глоссария, всего на 143 листах.

В работе обосновывается актуальность темы диссертационного исследования, сформулированы цель и задачи работы, определены научная новизна и практическая значимость выносимых на защиту результатов.

В работе выполнен анализ состояния проблем автоматизации аудита уровня защищённости информационных систем и повышения объективности самой экс пертизы. Определено понятие защищённости информационных систем и проведён анализ основных угроз, влияющих на это свойство. Выявлены ключевые особенности современных информационных систем, оказывающие непосредственное воздей ствие на такие характеристики, как надёжность и безопасность. Определены ос новные стандарты и нормативные документы, координирующие действия экспер тов в области защиты информации. Дана классификация современных средств защиты, а также их достоинства и недостатки. Проанализированы и обобщены проводимые исследования и международный опыт в области защиты информа ции. Детально рассмотрена современная реализация процесса анализа защищён ности, его этапы, их сильные и слабы стороны, используемые автоматизирован ные средства аудита с их плюсами и минусами.

Проведённый обзор выявил ряд противоречий и недоработок в обозначенной области исследований. Практически полностью отсутствуют аналитические методы, позволяющие оценить уровень защищённости объекта защиты на этапе проектирова ния, когда уже понятно из каких блоков будет состоять система. Большинству исполь зуемых сегодня методов оценки характерен высокий уровень субъективности, опреде ляемый экспертным подходом к оценке уровня защищенности автоматизированной системы. К сожалению динамические алгоритмы анализа текущего состояния уровня защищённости ресурсов вычислительной сети на этапах промышленной эксплуата ции не получили пока широкого распространения. Ключевой особенностью данных алгоритмов является то, что они создаются системой «на лету» согласно выявленным свойствам анализируемого объекта, что позволяет обнаруживать неизвестные до сих пор уязвимости и проводить более глубокий аудит компьютерных систем с любой конфигурацией.

В работе проведён анализ трёх основных методик оценки защищённости (мо дель оценки по Общим Критериям, анализ рисков, модель на основе критериев каче ства), рассмотрены их ключевые особенности, выявлены преимущества и недостатки предложен новый оригинальный подход к оцениванию уровня защищённости инфор мационных систем.

Недостатками всех этих методик является достаточно высокий уровень абстрак ции, который в каждом конкретном случае даёт слишком большую свободу в интер претации предписанных шагов алгоритма анализа и их результатов.

Перечисленные методы исследования предполагают использование как актив ного, так и пассивного тестирования системы защиты. Тестирование может произво диться экспертом самостоятельно, либо с использованием специализированных про граммных средств. Но здесь возникает проблема выбора и сравнения результатов ана лиза. Возникает потребность в некоторой, абстрагированной от конкретных свойств системы, шкале, в рамках которой и будет измеряться общий уровень безопасности.

Одним из возможных решений этой проблемы является оригинальный метод аналити ческой оценки и прогнозирования общего уровня защищённости на основе теории временных рядов. Данный метод позволяет оценить уровень защиты отдельных эле ментов информационной системы.

Введены следующие определения и допущения:

1. Жизненный путь программно-технического средства оцениваться в количе стве выпущенных производителем версий и модификаций;

2. Подсчёт количества версий ведётся не по числу реально используемых вер сий, а исходя из формальной системы образования порядкового номера вер сии. При этом не учитывается факт существования/отсутствия каждой от дельной.

3. Виды и типы уязвимостей классифицируются следующим образом:

Low – уязвимости типа «поднятие локальных привилегий», но не до local system;

Midle – уязвимости, мешающие нормальному функционированию систе мы и приводящие к возникновению DoS, уязвимости, приводящие к подня тию локальных привилегий до local system;

High – уязвимости, позволяющие злоумышленнику получить удалённый контроль над системой.

4. Уровень защищённости информационной системы оценивается по отноше нию общего количества уязвимостей каждого класса к общему количеству версий системы.

Если система имеет несколько целевых узлов, то совокупная уязвимость рассчитывается следующим образом:

CISV VC = К1 ISV VC1 + К 2 ISV VC 2 +... + К i ISV VC i, где – порядковый номер информационной подсистемы;

i CISV – совокупная уязвимость информационной системы, рассчитанная VC уязвимостях конкретного класса уязвимости;

ISV i – количество уязвимостей i-ой подсистемы каждого класса VC уязвимостей;

Кi – коэффициент долевого участия важности каждой конкретной системы в общей значимости всей ИТ – инфраструктуры.

Измеряется в процентах.

Для оценки совокупной уязвимости информационной системы воспользу емся логическими схемами, представленными ниже:

I. Модель последовательного соединения звеньев системы (см. Рис.1):

CISV vc = MIN (ISV vc1, ISV vc 2) Для n звеньев при последовательном соединении:

n CISV vc = MIN (ISVi VC), i = 1 Цель Нарушитель ISVVC1 ISVVC Рисунок 1 – Последовательная логическая схема «Нарушитель-Цель» II. Модель параллельного соединения звеньев системы (см. Рис.2):

CISV vc = MAX (ISV vc 1, ISV vc 2) Для n звеньев системы при параллельном соединении:

n CISV vc = MAX (ISViVC) i = Цель Нарушитель ISVVC ISVVC Рисунок 2 – Параллельная логическая схема «Нарушитель-Цель» Разработанная методика позволяет проектировать системы с заданием по конкретному уровню защищённости, а также сравнить уровни уязвимости объек тов защиты между собой. Практическая апробация разработанного метода вы полнена на примере web-сервера Apache (см. Рис. 4).

Рисунок 4 – Уровень уязвимости для различных версий web-сервера Apache Как известно смена основных номеров версий программного продукта свя зана с существенными изменениями кода и функциональными преобразования. В пределах этих версий идёт доработка уже заложенного функционала и исправле ние ошибок.

Для прогнозирования числа уязвимостей в будущих версиях web-сервера Apache была применена теория временных рядов и выполнен анализ полученных данных. Как известно, временной ряд есть последовательность измерений выпол ненных через определенные промежутки времени. В нашем случае шкала версий программного продукта рассматривалась, как шкала времени.

Использовалась, классическая модель временного ряда, состоящая из четы рех компонент:

тренда – общей тенденции движения на повышение или понижение;

циклической составляющей – колебания относительно основной тенденции движения;

случайной составляющей – отклонения от хода отклика, определяемого трендовой, циклической и сезонной составляющими. Данная составляющая свя зана с ошибками измерениями или влияниями случайных величин.

Рисунок 5 – Уязвимость второй версии web-сервера Apache Известны различные модели регрессионного анализа, позволяющие опреде лить функциональную зависимость трендовой составляющей. Выбран метод, ос новывающийся на подборе максимального соответствия показателей математиче ской модели показателям моделируемой системы. Анализ опыта таких компаний как General Motors и Kodak, при выборе аппроксимирующей модели позволил выбрать за основу трендовой составляющей степенной закон. Основываясь на типовых элементах процесса для рассматриваемого множества примеров, выбран следующий вид трендовой функции:

y (x) = b0 b1 x.

В ходе исследований были получены следующие формулы трендов вре менных рядов:

y (x) = 7.2218 0,9873x High y (x) = 16.5603 0,9807 x Middle y (x) = 3.5053 0,9887 x Low Рисунок 6 – Кривые основного тренда уязвимости в зависимости от версии Из графика экспериментальных данных (см. Рис. 6) следует, что амплитуда колебаний затухает с течением времени. Для аппроксимации циклической со ставляющей была выбрана функция следующего вида:

y (x) = b0 b1 x + d f x cos(c x + a) В работе были получены следующие формулы аппроксимирующих функ ций:

x x y (x) = 7.2218 0,9873 0.4958 0,9983 cos(0,1021 x + 0,3689).

High x x y (x) = 16.5603 0,9807 + 1.5442 0,9955 cos(0,1022 x + 3,0289).

Middle (1) x x y (x) = 3.5053 0,9887 + 0.3313 0,9967 cos(0,1011 x + 2.9589).

Low Адекватность предлагаемых математических зависимостей исходным дан ным обоснована на основе критерия Пирсона.

Проверка гипотезы H 0 показала, что исходные временные ряды соответст вуют рядам, построенным по функциям (1) (см. Рис. 7).

Для вычисления статистики Пирсона была использована следующая фор мула:

k (p emp p teor) = N i 2 i, p iteor i = где p iteor, p iemp - вероятность попадания уровня уязвимости в i-ый интервал в исход ном и теоретическом рядах;

N – суммарное число уязвимостей версий в исходном временном ряду;

k – количество точек временного ряда.

Рисунок 7 – Аппроксимация кривых уязвимостей на базе выбранных функций В результате были получены следующие значения 2 (Таблица 1).

Таблица Класс уязвимости High 10. Middle 37. Low 18. Согласно данной таблицы значений для критерия Пирсона при заданном коли честве степеней свободы k 1 = 160 и значении = 0,01 получаем следующее значе ние для табл = 204.5301. Так как все 2 табл, поэтому гипотезы H 0 принима 2 ются на самом минимальном уровне значимости = 0,01.

Таким образом, отмечается, что для уровня значимости = 0,01 по крите рию согласия Пирсона функциональные зависимости, представленные табличны ми исходными данными и теоретические (1), соответствуют друг другу.

Для прогнозирования будущих значений предлагается применить получен ные функции (1) с учетом номера версии продукта.

Точность предложенного метода оценивается на основе сравнения среднего аб солютного отклонения функции описанного метода и среднего абсолютного отклоне ния функции на основе экспертного метода. В первом приближении экспертная оценка может быть представлена либо линейной, либо степенной функцией (см. Рис. 7), отра жающей основной тренд процесса. Среднее абсолютное отклонение (MAD) рассчита но по следующей формуле:

n y ~ y i i MAD = i = n где y i – вычисленное в i-ой точке значение временного ряда;

~ – наблюдаемое в i-ой точке значение ряда;

yi n - количество точек временного ряда.

Таблица Класс уязви- Степенная функция Линейная Степенная мости с циклической составляющей High 0.5737 0.5250 0. MAD Middle 2.1398 1.5542 1. Low 0.5568 0.4630 0. Как видно из Таблицы 2 предложенный в работе метод позволяет получить оценку точнее экспертного оценивания в два раза.

В работе сопоставляются описанный во второй главе аналитический метод оценки и прогнозирования уровня защищённости с технологическими (эксперимен тальными) методами обнаружения уязвимостей.

Используя информацию о текущем уровне уязвимости информационной систе мы, полученную в результате обращения к международным базам данных, а также разработанный метод прогнозирования уровня уязвимости на основе теории времен ных рядов, можно оценить, какое количество уязвимостей каждого класса будет в ней присутствовать. Имея представление о том, сколько возможных уязвимостей в новой версии может быть, и, зная, сколько на текущий момент обнаружено, можно опреде лить возможное количество ещё не выявленных угроз безопасности с помощью сле дующего выражения:

V = Vf – Vr, где Vf – предполагаемое количество уязвимостей, рассчитанное по методу, предложенному в работе;

Vr – количество обнаруженных в текущей версии уязвимостей;

V – число потенциально существующих, но ещё не обнаруженных уязви мостей.

Рисунок 8 – Процесс объединения оценок Зная величину уровня потенциально существующих V угроз безопасности (см.

Рис. 8), но не зная их локализации в системе (подсистемах), решение задачи обеспече ния защиты выглядят неопределённо. Таким образом, возникает задача поиска и обна ружения слабых мест в системе безопасности существующей системы, с учётом всех особенностей её конфигурационных настроек, свойств и характеристик установленно го оборудования и программного обеспечения, а также мест возможного проникнове ния злоумышленников (учет этого в аналитических расчётах трудно реализуем). Из этого делается вывод, что необходима некоторая программно-аппаратная платформа, имеющая эффективные алгоритмы анализа уровня защищённости, что способствует своевременному выявлению новых угроз безопасности. Для создания такой системы необходимо решить задачу системного анализа.

Уязвимость (Vuln) Локализация Метод Точка анализа Эксплуатации (местоположение) (Access Point) (Location) (Exp) Алгоритм Данные IP (MAC-адрес) (Alg) (Data) Представление Порт Протокол данных (фраг.) (Port) (Protocol) (View) Сервис (Srv) Программное Окружение (Env) Функция (Func) Параметр (Arg) Рисунок 9 – Структурно-функциональная модель уязвимости Отмечается, что в процессе анализа защищённости ключевую роль играет раз работка структурно-функциональной модели уязвимости (см. Рис. 9), на основе кото рой предлагается четырёхступенчатая технология аудита защищенности компьютер ных систем.

На первом этапе (см. Рис. 10) выполняется сканирование портов целевой систе мы с целью определения точек возможного проникновения через работающие сетевые сервисы.

На втором этапе снимаются отпечатки (Service-fingerprinting) с запущенных на открытых портах сервисов и обеспечить их последующую идентификацию вплоть до номера установленной версии.

Рисунок 10 – Процесс сканирования информационной системы На третьем этапе, исходя из уже собранной информации по комбинациям от крытых портов, видов и версиях запущенных сервисов, особенностей реализации сте ков доступных протоколов, выполняется идентификация операционной системы (OS fingerprinting) вплоть до установленных пакетов комплексных обновлений и патчей.

На четвёртом этапе, имея уже собранную ранее информацию, становится воз можным осуществление поиска уязвимостей уровня сети. На данном этапе опорной информацией выступают «слушающие» порт идентифицированные сервисы и опреде лённая на третьем шаге операционная система.

С учетом вышеизложенного предлагаются технологии и методы технического анализа, позволяющие извлечь из целевой системы всю предварительную информа цию, необходимую для более детального анализа системы на предмет её уязвимости, в связи с чем подробно разбирается алгоритм атаки злоумышленника на целевую систе му.

Предлагается функциональная модель системы поиска и анализа уязвимостей.

В работе рассматриваются вопросы, связанные с разработкой программного прототипа сканера системы безопасности (CISGuard). Рассмотрена концепция про граммного комплекса, его ключевые особенности, такие как универсальность, особен ности сканирующего ядра, функциональные особенности. Дано детальное описание качества и этапов сканирования. Разработана архитектура всей системы (см. Рис. 11).

Предложены ключевые функции ядра.

Рисунок 11– Архитектура программного комплекса анализа защищенности Отмечается, что несмотря на то что CISGuard работает под управлением Microsoft Windows он проверяет все доступные его возможностям уязвимости не зависимо от программной и аппаратной платформы узлов. Программный ком плекс работает с уязвимостями на разных уровнях - от системного до прикладно го.

К особенностям сканирующего ядра отнесены:

Полная идентификация сервисов на случайных портах. Обеспечивается проверка на уязвимость серверов со сложной нестандартной конфигураци ей, в том случае, когда сервисы имеют произвольно выбранные порты.

Эвристический метод определения типов и имен серверов (HTTP, FTP, SMTP, POP3, DNS, SSH) вне зависимости от их ответа на стандартные запросы. Используется для определения настоящего имени сервера и кор ректной работы проверок в тех случаях, если конфигурация WWW-сервера скрывает его настоящее имя или заменяет его на другое имя.

Проверка слабости парольной защиты. Производится оптимизированный подбор паролей к большинству сервисов, требующих аутентификации, по могая выявить слабые пароли.

Анализ контента WEB-сайтов. Анализ всех скриптов HTTP-серверов (в первую очередь, пользовательских) и поиск в них разнообразных уязвимо стей: SQL инъекций, инъекций кода, запуска произвольных программ, по лучения файлов, межсайтовый скриптинг (XSS) и т.д.

Анализатор структуры HTTP-серверов. Позволяет осуществлять поиск и анализ директорий доступных для просмотра и записи, давая возможность находить слабые места в конфигурации системы.

Проведение проверок на нестандартные DoS-атаки. Обеспечивает воз можность включения проверок "на отказ в обслуживании", основанных на опыте предыдущих атак и хакерских методах.

Специальные механизмы, уменьшающие вероятность ложных срабатыва ний. В различных видах проверок используются специально под них разра ботанные методы, уменьшающие вероятность ошибочного определения уязвимостей.

Разработан интерфейс программного комплекса. Рассмотрен пример санкцио нированного аудита целевых информационных систем, подтверждающий высокую эффективность предложенных решений.

В заключении работы приводятся основные результаты, полученные в процессе проводимых исследований и итоговые выводы по диссертационной работе.

Основные выводы и результаты 1. Выполнен анализ существующих подходов и методов оценки уровня защи щённости информационных систем. Проведённый анализ выявил недостаточную про работанность вопросов получения достоверных результатов анализа уровня защищён ности и его прогнозирования.

2. Разработана модель оценивания защищенности сложных информационных систем на основе предполагаемых точек входа и разбиения всей системы на подсисте мы - блоки со своими характеристиками уровня уязвимости. В рамках предложенной концепции становится возможным создание систем с заранее определёнными характе ристиками защищённости, что, в свою очередь, увеличивает надёжность системы в долгосрочной перспективе.

3. Разработан метод оценки уровня защищённости ИС, который в отличие от существующих экспертных оценок, позволяет на основе накопленных мировым со обществом баз данных уязвимостей информационных систем спрогнозировать с ис пользованием модели временных рядов более достоверные результаты.

4. Разработана структурно - функциональная модель уязвимости с использова нием теоретико-множественного подхода, позволяющая параметрически описать ка ждую уязвимость, систематизировать и структурировать имеющиеся данные по уяз вимостям с целью создания соответствующих баз для автоматизированных систем ау дита.

5. Разработаны архитектура и прототип системы динамического анализа защи щенности вычислительных сетей с применением техник эвристического анализа уязвимо стей (программный комплекс CISGuard). К достоинствам предлагаемого комплекса можно отнести его открытую расширяемую архитектуру и использование унифициро ванных баз уязвимостей. Получены практические результаты на основе санкциониро ванного автоматизированного анализа вычислительных сетей ряда отечественных предприятий, свидетельствующие об эффективности предложенных методов и техно логий анализа защищённости.

Основные публикации по теме диссертации Публикации в периодических изданиях из списка ВАК:

1. Политов, М. С. Двухуровневая оценка защищённости информационных сис тем / М. С. Политов, А. В. Мельников // Вестн. Уфим. гос. авиац.-техн. ун-та.

Сер. Упр., вычисл. техника и информатика. 2008. Т. 10, № 2 (27). С. 210–214.

2. Политов, М. С. Полная структурная оценка защищённости информационных систем / М. С. Политов, А. В. Мельников // Доклады Томского государственного уни верситета систем управления и радиоэлектроники. Томск: Томск. гос. ун-т, 2008. Ч. 1, № 2 (18). С. 95–97.

Другие публикации:

3. Политов, М. С. Проблемы анализа информационных систем / М. С. Политов.

// Доклады конференции по компьютерным наукам и информационным технологиям (CSIT). Уфа: Уфим. гос. авиац.-техн. ун-т, 2005. Т. 2. С. 216–218.

4. Политов, М. С. Анализ защищённости информационных систем / М. С. Поли тов, А. В. Мельников // Математика, механика, информатика: докл. Всерос. науч.

конф. Челябинск: Челяб. гос. ун-т, 2006. С. 107–108.

5. Политов, М. С. Многофакторная оценка уровня защищённости информацион ных систем / М. С. Политов, А. В. Мельников // Безопасность информационного про странства: материалы междунар. науч.-практ. конф. Екатеринбург: Урал. гос. ун-т пу тей сообщ., 2006. С. 146.

6. Политов, М. С. Комплексная оценка уязвимости информационных систем / М. С. Политов // Доклады конференции по компьютерным наукам и информационным технологиям (CSIT). Уфа – Красноусольск, 2007. Уфа: Уфим. гос. авиац.-техн. ун-т, 2007. Т. 2. С. 160–162.

ПОЛИТОВ Михаил Сергеевич ЭКСПЕРИМЕНТАЛЬНО-АНАЛИТИЧЕСКИЙ МЕТОД ОЦЕНКИ И ПРОГНОЗИРОВАНИЯ УРОВНЯ ЗАЩИЩЁННОСТИ ИНФОРМАЦИОННЫХ СИСТЕМ НА ОСНОВЕ МОДЕЛИ ВРЕМЕННЫХ РЯДОВ Специальность 05.13.19 – Методы и системы защиты информации, информационная безопасность АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук Подписано к печати _._.. Формат 60х84 1/16.

Бумага офсетная. Печать офсетная. Гарнитура Таймс.

Усл. печ. л. 1,0. Уч.-изд. л. 1,0.

Тираж 100 экз. Заказ.

Челябинский государственный университет 454001 Челябинск, ул. Бр. Кашириных, Издательство Челябинского государственного университета 454001 Челябинск, ул. Молодогвардейцев, 57б.

Похожие работы:

Метод эксперимента

Структурно-аналитический метод

Известно, что естествознание обязано своим развитием применению эксперимента. От простого наблюдения эксперимент отличается тем, что исследователь, изучая какое-либо явление, может произвольно изменять условия, при которых оно совершается, и, наблюдая результаты такого вмешательства, делать выводы о закономерностях изучаемого явления. Например, экспериментатор может исследовать скорость реакции в ответ на подаваемые им сигналы разной интенсивности. Или, положим, изучать действия испытуемого, которому нужно найти выход из лабиринтов разного уровня сложности. При этом экспериментатор наблюдает и фиксирует, какие приемы, средства и формы поведения применяет испытуемый, выбираясь из предложенных лабиринтов. Дальнейший анализ полученных результатов, при котором экспериментатор прослеживает структурное строение применявшихся испытуемым приемов, получил название метода структурного анализа.

В приведенных примерах речь шла о прямых непосредственных экспериментах, в которых исследователь, активно изменяя условия деятельности испытуемых, наблюдал за их поведением. Обычно такие исследования ведутся в так называемых лабораторных условиях. Отсюда эксперимент и получил название лабораторного. Часто в них применяется специальная аппаратура, эксперимент четко спланирован, а испытуемый включен в эксперимент добровольно и знает, что подвергается исследованию.

Вся психофизика, психофизиология, а также многие исследования общей психологии (память, внимание, мышление) проводятся в лабораторных условиях. Эти эксперименты не вызывают сомнения, когда их целью является исследование внешне наблюдаемых реакций или форм поведения. Но можно ли экспериментально изучать сами психические явления: восприятия, переживания, воображение, мышление? Ведь они недоступны прямому наблюдению, а для проведения эксперимента необходимо изменять условия протекания этих процессов. Действительно, напрямую это невозможно, но возможно косвенно, если мы заручимся согласием испытуемого на такой эксперимент и с его помощью, опираясь на его самонаблюдение (субъективный метод), будем изменять условия протекания психических процессов в его сознании.

Экспериментально-генетический метод

Наряду со структурно-аналитическим методом в психологии широко используется экспериментально-генетический метод, имеющий особенно большое значение для детской (генетической) психологии. С его помощью экспериментатор может исследовать происхождение и развитие у ребенка тех или иных психических процессов, изучать, какие этапы в него включены, какие факторы его определяют. Ответ на эти вопросы можно получить, прослеживая и сравнивая, как выполняются одни и те же задачи на последовательных ступенях развития ребенка. Этот подход получил в психологии название генетических (или поперечных) срезов. Другой модификацией экспериментально-генетического метода является лонгитюдное исследование, т.е. длительное и систематическое изучение одних и тех же испытуемых, позволяющее определить возрастную и индивидуальную изменчивость фаз жизненного цикла человека.

Лонгитюдное исследование нередко ведется в условиях естественного эксперимента, который был предложен в 1910 г. А.Ф. Лазурским. Смысл его в том, чтобы исключить напряжение, которое испытывает человек, знающий, что над ним экспериментируют, и перенести исследование в обычные, естественные условия (урок, собеседование, игра, домашние занятия и т.п.).

Примером естественного эксперимента может служить исследование продуктивности запоминания в зависимости от установки на длительность сохранения материала в памяти. На уроке в двух классах учеников знакомят с материалом, который нужно изучить. Первому классу сообщают, что их будут опрашивать на следующий день, а второму - что опрос будет через неделю. На самом деле оба класса опрашивали через две недели. В ходе этого естественного эксперимента были выявлены преимущества установки на длительное сохранение материала в памяти.

В возрастной и педагогической психологии нередко применяется сочетание структурно-аналитического и экспериментально-генетического методов. Например, чтобы выявить, как формируется та или иная психическая деятельность, испытуемого ставят в различные экспериментальные условия, предлагая решать определенные задачи. В одних случаях от него требуется самостоятельное решение, в других ему предоставляются разного рода подсказки. Экспериментатор, наблюдая за деятельностью испытуемых, определяет те условия, при использовании которых испытуемый может оптимально овладеть данной деятельностью. При этом, применяя приемы экспериментально-генетического метода, оказывается возможным экспериментально сформировать сложные психические процессы и глубже исследовать их структуру. Такой подход получил в педагогической психологии название формирующего эксперимента.

Экспериментально-генетические методы широко использовались в трудах Ж. Пиаже, Л.С. Выготского, П.П. Блонского, С.Л. Рубинштейна, А.В. Запорожца, П.Я. Гальперина, А.Н. Леонтьева. Классическим примером использования генетического метода является исследование Л.С. Выготским эгоцентрической речи ребенка, то есть речи, обращенной к самому себе, регулирующей и контролирующей практическую деятельность ребенка. Л.С. Выготский показал, что генетически эгоцентрическая речь восходит к внешней (коммуникативной) речи. Ребенок вслух обращается к самому себе так, как к нему обращался кто-либо из родителей или воспитывающих взрослых. Однако с каждым годом эгоцентрическая речь ребенка становится все более сокращенной и потому непонятной окружающим, а к началу школьного возраста прекращается совсем. Швейцарский психолог Ж. Пиаже считал, что к этому возрасту эгоцентрическая речь попросту отмирает, однако Л.С. Выготский показал, что она не исчезает, а переходит во внутренний план, становится внутренней речью, которая играет важную роль в самоуправлении своим поведением. Внутреннее проговаривание, «речь про себя», сохраняет структуру внешней речи, но лишена фонации, т.е. произнесения звуков. Она составляет основу нашего мышления, когда мы проговариваем про себя условия или процесс решения задачи.

Для реализации экспериментально-аналитического способа оценки погрешности ИК представим операционную схему процесса аналитического измерения в виде обобщенной структуры рис.1.

Рис.1. Операционная схема аналитического измерительного

процесса: ОАК - объект аналитического контроля;

АСК - аналитическая система контроля; - определяемый параметр состава или свойства объекта;- контролируемый параметр состава или свойства вещества объекта с помощью АСК

Задачей аналитического контроля является нахождение величины, которая в наибольшей степени соответствует определяемому параметру  .В идеальном случаедолжно быть равно, но в реальных условиях этого добиться невозможно, поэтому решается задача как можно большего приближения контролируемого параметра к определяемому.

Под погрешностью АСК будем понимать отклонение контролируемого параметраот определяемого параметраобъекта АСК:

где ,- начальное и конечное значение определяемого параметра.

Кроме определяемого параметра объект аналитического контроля ОАК содержит неопределяемые параметрыи различные помехи, которые могут быть вызваны нестабильностью температуры, давления и т.п. Эти мешающие факторы в основном не поддаются прогнозированию, но оказывают влияние на погрешность измерения. Аналитическая система контроля может быть различной структуры и, в свою очередь, также содержит ряд мешающих факторов, которыми нельзя управлять. Помимо этого, в каждой АСК можно выделить ряд варьируемых параметров, которые возможно изменять на этапе стендовых испытаний и наладки АСК: вектор а, принадлежащий допустимому множеству параметров

где n - число параметров. Как мешающие факторы, так и вектор варьируемых параметров а, содержащиеся в АСК, также оказывает влияние на погрешность определения .

Проанализировав структуру АСК, погрешность можно задать в виде функциональной зависимости:

F (,, а), (3)

Суть экспериментально-аналитического способа заключается в нахождении оптимальных значений вектора а, при которых погрешность АСК принимает значение не превышающее требуемого для конкретной задачи.

Этапы решения поставленной задачи:

1. Представление АСК в виде обобщенной структуры, анализ структуры и модели процесса измерения, выявление вектора варьируемых параметров.

2. Получение предельного значения погрешности АСК по результатам аналитических измерений на веществах с нормированными метрологическими характеристиками (эталонные вещества с известным составом и свойствами) при конкретных значениях вектора варьируемых параметров. Если предельное значение погрешности не превышает требуемое, то изменять вектор а не имеет смысла и на этом расчет заканчивается. В противном случае осуществляется переход к следующему этапу решения задачи.

3. Составление функциональной зависимости с использованием результатов предыдущих пунктов (,, а):= f (,, а).

4. Решение задачи оптимизации , которая формулируется следующим образом: найти такой вектор а, который обеспечивает минимальное значение погрешности, min; или, найти такой вектор а, чтобы погрешность АСК была меньше или равна заданному значению, .

5. Введения найденных значений вектора а в АСК и получение нового значения предельной погрешности АСК.

Применение экспериментально-аналитического способа эффективно при оптимальном проектировании АСК, который на стадии стендовых испытаний и наладки АСК гарантирует оценку погрешности АСК "снизу". Примеры расчета погрешности данным способом приведены ниже.

Способ 3: АНАЛИТИЧЕСКИЙ

Использование этого способа позволяет рассчитать интервалы, в которых погрешность ИК находится с заданной вероятностью. Этот интервал охватывает подавляющее большинство возможных действительных значений погрешности ИК в реальных условиях. Часть значений погрешности, не охватываемых данным интервалом, определяется задаваемой при расчете величиной вероятности. Способ заключается в статистическом объединении характеристик всех существенных составляющих погрешности СИ ИК.

Для реализации этого способа необходима информация о рассматриваемых метрологических характеристиках СИ, которая может быть получена из нормативно-технических документов для типа СИ, т.е. множества идентичных СИ.

2.3.1. Инструментальная погрешность. НМХ

Инструментальная погрешность в общем случае включает в себя четыре составляющие:

Погрешность, обусловленная отличием действительной функции преобразования СИ в нормальных условиях от номинальной функции преобразования. Эта составляющая погрешности называется основной погрешностью СИ;

Погрешность, обусловленная реакцией СИ на изменения внешних влияющих величин и неинформативных параметров входного сигнала относительно их нормальных значений. Эта составляющая зависит как от свойств СИ, так и от изменений влияющих величин и называется дополнительной погрешностью СИ;

Погрешность, обусловленная реакцией СИ на скорость (частоту) изменения входного сигнала. Эта составляющая, определяющая динамическую погрешность и режим измерений, зависит как от динамических свойств СИ, так и от частотного спектра входного сигнала и называется динамической погрешностью;

Погрешность, обусловленная взаимодействием СИ и объекта измерений. Эта составляющая зависит от свойств как СИ, так и объекта измерений.

Для оценки инструментальной составляющей погрешности измерений необходима информация о метрологических характеристиках (МХ) СИ. Сведения о МХ СИ получают, как правило, из нормативно-технических документов на СИ. Лишь в тех случаях, когда данных о НМХ недостаточно для эффективного использования СИ, экспериментально исследуют конкретные экземпляры СИ с целью определения их индивидуальных МХ.

На базе информации о НМХ СИ решается ряд задач, связанных с применением СИ, основными из которых являются оценка инструментальной составляющей погрешности измерений и выбор СИ. Решение этих задач базируется на взаимосвязи между инструментальной составляющей погрешности измерений и их МНХ СИ с учетом характеристик влияющих величин, отражающих условия эксплуатации СИ, и характеристик входного сигнала СИ, отражающих режим работы СИ (статический или динамический). Характерной особенностью этой взаимосвязи является то, что инструментальная составляющая погрешности измерений, в свою очередь, содержит ряд указанных составляющих и может быть определена лишь как их объединение.

Эта взаимосвязь выражается в построении комплексов НМХ в соответствии с принятой моделью СИ. Комплекс НМХ, установленный в нормативно-технических документах на СИ конкретного типа, предназначен для использования в следующих основных целях:

Определения результатов измерений, проводимых с применением любого экземпляра СИ данного типа;

Расчетного определения характеристик инструментальной составляющей погрешности измерений, проводимых с использованием любого экземпляра СИ данного типа;

Расчетного определения МХ измерительных систем, в состав которых входит любой экземпляр СИ данного типа;

Оценки метрологической исправности СИ при их испытаниях и поверке.

2.3.2. Модели погрешности средств измерений

При расчетном определении инструментальной составляющей погрешности измерений используется модель вида

где символом * обозначено объединение погрешности СИ в реальных условиях применения и составляющей погрешности, обусловленной взаимодействием СИ с объектом измерения. Под объединением следует понимать применение к составляющим погрешности измерений некоторого функционала, позволяющего рассчитать погрешность, обусловленную совместным воздействием этих составляющих. При этом под реальными условиями эксплуатации СИ понимают условия конкретного применения СИ, составляющие часть или, частом случае, совпадающие с рабочими условиями, регламентированными в нормативно-технической документации на СИ.

В соответствии с ГОСТ 8.009-84 считается, что модель погрешности СИ определенного типа в реальных условиях применения может иметь один из двух видов.

Модель вида 1 описывается выражением

(5)

где - систематическая составляющая основной погрешности СИ;- случайная составляющая основной погрешности СИ;- случайная составляющая основной погрешности СИ, обусловленная гистерезисом;- объединение дополнительных погрешностейСИ, обусловленных действием влияющих величин и неинформативных параметров входного сигнала СИ;- динамическая погрешность СИ, обусловленная влиянием скорости (частоты) изменения входного сигнала СИ;- число дополнительных погрешностей.

При этом рассматривают как детерминированную величину для отдельного экземпляра СИ, но как случайную величину или процесс для совокупности СИ данного типа. При расчете характеристик погрешности СИ в реальных условиях применения (и при расчете характеристик инструментальной составляющей погрешности измерений) составляющиеимогут рассматриваться как случайные величины (процессы) или как детерминированные величины в зависимости от того, какие известны характеристики реальных условий применения СИ и спектральные характеристики входного сигнала СИ.

Модель II имеет вид

где - основная погрешность СИ (без разделения ее на составляющие, как в модели 1);.

В обоих случаях число l составляющих должно быть равно числу всех величин, существенно влияющих на погрешность СИ в реальных условиях применения. При этом в зависимости от свойств СИ данного типа и реальных условий его использования отдельные составляющие (модели 1 и II) или все составляющие и/или(модель II) могут отсутствовать.

Рассмотренные модели используются при выборе соответствующего комплекса НМХ и лежат в основе методов расчета погрешностей измерений.

Модель 1 погрешности выбирается для таких СИ, при использовании которых допускается превышение (изредка) действительной погрешности измерений значения, рассчитанного по НМХ СИ. При этом по комплексу НМХ могут быть рассчитаны интервалы в соответствии с ГОСТ 8.011-72, в которых инструментальная составляющая погрешности измерений находится с любой заданной вероятностью, близкой к единице, но не равной ей.

В данном случае рассчитанный интервал охватывает подавляющее большинство возможных действительных значений инструментальной составляющей погрешности измерений, проводимых в реальных условиях. Незначительная часть значений погрешности, не охватываемая данным интервалом, определяется задаваемой при расчете величиной вероятности. Приближая значение вероятности к единице (но не принимая ее равной единице), можно получить достаточно достоверные оценки инструментальной составляющей погрешности измерений.

При этом метод расчета погрешности должен заключатся в статистическом объединении характеристик всех существенных составляющих модели 1 и составляющей . Такой же метод следует применять при расчете МХ измерительных систем, в состав которых входят СИ данного типа.

Модель II погрешности выбирается для СИ, при использовании которых в реальных условиях нельзя допустить, чтобы погрешность хотя бы изредка превышала значение, рассчитанное по НМХ СИ. В данном случае, рассчитанный по комплексу НМХ, интервал погрешности будет представлять собой грубую оценку сверху искомой инструментальной составляющей погрешности измерений, охватывающую все возможные, в том числе очень редко реализующиеся, значения погрешности. Для подавляющего большинства измерений этот интервал будет существенно превышать интервал, в котором действительно находится инструментальные составляющие погрешности измерений. Требование равенства единице вероятности, с которой погрешность находится в данном интервале, приводит практически к значительно завышенным требованиям к МНХ СИ при заданной точности измерений.

При использовании модели II метод расчета погрешности состоит в арифметическом суммировании модулей наибольших возможных значений всех существенных составляющих инструментальной составляющей погрешности измерений. Эти наибольшие возможные значения являются границами интервалов, в которых соответствующие составляющие погрешности находятся с вероятностью, равной единице.

2.3.3. Методы расчета характеристик погрешности СИ в реальных условиях эксплуатации

Общая характеристика методов

Методы, установленные РД 50-453-84, позволяют рассчитать следующие характеристики погрешности СИ в реальных условиях эксплуатации:

Математическое ожидание и среднее квадратическое отклонениепогрешности СИ;

Нижнюю и верхнююграницы интервала, в котором с вероятностью p находится погрешность СИ.

В зависимости от задач измерений, экономической целесообразности и доступной исходной информации используется один из двух методов.

Метод 1 включает в себя расчет статистических моментов составляющих погрешности СИ и позволяет определить как ,, так и,. Этот метод дает более рациональную (при числе составляющих погрешности СИ более трех) оценку погрешности СИ за счет пренебрежения редко реализующимися значениями погрешности, для чего назначается p<1.

Метод II состоит в расчете наибольших возможных значений составляющей погрешности СИ и позволяет определить ипри p = 1. Этот метод дает грубую (при числе составляющих погрешности СИ более трех), хотя и надежную оценку погрешности СИ, включающую в себя редко реализующиеся значения погрешности.

Метод II целесообразно использовать в следующих случаях:

Если хотя бы маловероятное нарушение требований к точности измерений может привести к серьезным отрицательным техническим и экономическим последствиям или связано с угрозой здоровья и жизни людей;

Завышение требований к МХ СИ, к которому ведет применение данного метода расчета при заданной норме точности измерений, и связанные с этим дополнительные затраты не препятствуют использованию таких СИ.

В качестве исходных данных для расчета используются комплексы НМХ СИ, предусмотренные ГОСТ 8.009-84. НМХ указываются в нормативно-технической документации на СИ как характеристики любого экземпляра СИ данного типа. Вместо этих характеристик в качестве исходных данных могут использоваться индивидуальные МХ СИ, определяемые в результате исследования конкретного экземпляра СИ.

Метод 1

В качестве исходных данных для расчета характеристик погрешности СИ этим методом используются следующие НМХ: математическое ожидание систематической составляющей основной погрешности СИ; среднее квадратическое отклонениесистематической составляющей основной погрешности СИ; пределдопускаемого среднего квадратического отклонения случайной составляющей основной погрешности СИ; пределдопускаемой вариации СИ при нормальных условиях; номинальная ценаединицы наименьшего разряда кода цифрового измерительного прибора (аналого-цифрового измерительного преобразователя); номинальные функции влиянияна систематическую составляющую СИ; номинальные функции влиянияj = 1,2,...,l на среднее квадратическое отклонение случайной составляющей погрешности СИ; номинальные функции влияния j = 1,2,...,k на вариацию СИ; одна из полных динамических характеристик СИ - номинальная переходная характеристика, номинальная импульсная переходная характеристика, номинальная амплитудно-фазовая характеристика, номинальная передаточная функция.

При этом характеристики влияющих величин могут быть заданы в двух видах. Вид 1 - значениявлияющих величин. Вид 2 - математические ожидания, средние квадратические отклонения, наименьшиеи наибольшиезначения влияющих величин, соответствующих реальным условиям эксплуатации СИ, j = 1,2,...,n (k,l).

Параметры входного сигнала задаются в виде спектральной плотности или автокорреляционной функции входногосигнала СИ, соответствующих реальным условиям эксплуатации.

Алгоритм расчета по методу 1

1. Для исходных данных вида 1 математическое ожиданиеистатической составляющей погрешности СИ при реальных значениях влияющих величин вычисляются соответственно по формулам

2. Для исходных данных о влияющих величинах вида 2иопределяются по формулам:

где - наибольшие на интерваленоминальные функции влиянияи.

При этом для линейных функций влияния

выражения для исоответственно имеют вид

где - нормальное значение j-й влияющей величины;

Номинальный коэффициент влияния на.

Для вычисления приближенных значении ив случае линейных функций влияния имеем

где - первая и вторая производные от номинальной функции влиянияпри.

В обоих случаях при определении исуммирование выполняется для n, l и k влияющих величин, для которых нормированы МХи значения которых в момент измерения отличаются от установленных для данного СИ нормальных значений. Кроме того, принимаетсядля аналоговых СИ.

Примечания:

1. Если для СИ нормирован допускаемых значений система-тической составляющей основной погрешности без указания значенийии нет оснований предполагать несимметричность и полимодальность распределения указанной погрешности в пределах, то допускается для расчета характеристик погрешности СИ пользоваться предположением, а

2. Для СИ с индивидуальными метрологическими характеристиками для расчетов характеристик погрешности СИ принимается и, где- наибольшая возможная по абсолютной вели- чине неисключенная систематическая составляющая погрешности СИ.

3. Если для j-й влияющей величины известны только ее наименьшее и наибольшеезначения, соответствующие реальным условиям эксплуатации СИ, и нет оснований выделить области предпочтительных значенийв границах отдо, несимметрично расположенные относительно центра интервала, определяемого указанными границами, то допускается пользоваться предположениеми.

3. Дисперсия , приведенной к выходу динамической составляющей погрешностианалогового СИ, вычисляется по формуле

, (12)

где - номинальная амплитудно-фазовая характеристика при нормальном значениичастоты.

Если в качестве характеристики входного сигнала задана его , то предварительно определяютпо выражению

В том случае, если заданы динамические характеристики в виде или, или, то предварительно осуществляют преобра-зование этих функций в. При этом дляэто преобразование заключается в замене аргумента s на j, а для и-определяется соответственно по формулам:

Приведенные методы расчета динамической погрешности применимы для таких аналоговых СИ, которые могут рассматриваться как линейные.

Динамическая погрешность цифровых СИ рассчитывается в соот- ветствии с рекомендациями РД 50-148-79 "Нормирование и определе-ние динамических характеристик аналого-цифровых преобразователей мгновенного значения электрического напряжения и тока".

4. Определение характеристик погрешности СИ в реальных условиях эксплуатации производится соответственно по формулам:

Значение k зависит от вида закона распределения погрешности и выбранного значения вероятности p.

Для грубых, ориентировочных расчетов, если закон распределения примерно удовлетворяет указанным требованиям, значения k может быть определено по формуле

k = 5 (p - 0.5) для . (20)

Метод II

В качестве исходных данных при расчете характеристик погрешности CИ методом II используются следующие НМХ: предел допускаемых значений основной погрешности СИ; наибольшие допускаемые измененияпогрешности СИ, вызванные изменением влияющих величинв установленных пределах.

Характеристики влияющих величин могут быть заданы в двух видах. Вид 1 - значения , j = 1, 2,...,n влияющих величин. Вид 2 - наименьшиеи наибольшие, j = 1, 2,...,n значения влияющих величин, соответствующие реальным условиям эксплуатации.

Для описания входного сигнала применяются следующие характеристики: нижняя и верхняяграницы спектра частот реального входного сигнала X СИ.

Кроме того, в качестве нормируемой динамической характеристики при расчете используется номинальная амплитудно-частотная характеристика СИ.

Алгоритм расчета по методу II

В том случае, когда диапазон изменения влияющей величины, для которого нормирована метрологическая характеристика, равен диапазону рабочих условий применения СИ, наибольшее по абсолютной величине возможное значениедополнительной погрешности СИ отрассчитывается по формуле

где (22)

Если диапазон равен лишь части диапазона рабочих условий применения СИ, причем для любой части рабочих условий нормируется одно и то же значение, товычисляется по формуле

Выражение предполагает наихудший из всех возможных характер зависимости (ступенчатая функция) дополнительной погрешности СИ отв рабочей области значений влияющей величины. Если в результате исследования определена функция влияния конкретного экземпляра СИ, то расчетможет выполняться с использованием этой функции. Например, если в результате исследования установлен линейный характер зависимостиот, то для расчета может быть использовано выражение (23) вместо (22).

При определении значения по формулам (22) и (23) для исходных данных вида 1 в качествеиспользуются конкретные значения влияющей величины, а для исходных данных вида 2 - используется то из значенийили, при которомимеет наибольшее значение.

Оценка сверху относительного значения динамической погрешности для СИ с линейной фазово-частотной характеристикой имеет вид

где - номинальная амплитудно-частотная характеристика при нормальном значениичастоты;- номинальная амплитудно-частотная характеристика, отклоняющаяся на интервалеот значения.

При расчете данным методом нижняя и верхняяграницы интервала, в котором с вероятностью p=1 находится погрешность СИ в реальных условиях эксплуатации, определяются по формулам

, (25)

где R - результат измерения.

При этом суммирование выполняется для n влияющих величин, для которых нормированы метрологические характеристики и значения которых в момент измерения отличаются от установленных для данного СИ нормальных значений.

При расчетах, используя рассмотренные методы, все исходные данные должны быть приведены к одной и той же точке схемы измерений: входу или выходу СИ и выражены в единицах, обеспечивающих получение всех составляющих погрешности СИ в одних и тех же абсолютных или относительных (в долях или процентах от одного и того же значения измеряемой величины) единицах

В процессе контактного взаимодействия заготовки с инструментом часть энергии деформации расходуется на разогрев контактных поверхностей. Чем больше контактные давления и скорости деформации, тем больше температура. Рост температуры значительно влияет на физико-химические свойства смазочных материалов и, следовательно, на эффективность их действия. Переход от легких условий работы трущихся тел к тяжелым, от тяжелых к катастрофическим по температурному критерию можно оценивать по методу, описанному в ГОСТ 23.221-84. Сущность метода состоит в испытании сопряжения с точечным, или линейным контактом, образованным вращающимся с постоянной скоростью образцом и тремя (или одним) неподвижными образцами. При постоянной нагрузке и ступенчатом повышении объемной температуры образцов и окружающего их смазочного материала от внешнего источника тепла, регистрируют момент трения во время испытаний, по изменениям которого судят о температурной стойкости смазочного материала. Зависимость коэффициента трения от температуры характеризуется тремя переходными температурами, которые соответствуют существованию определенного режима граничной смазки (рис. 2.23) .

Первая критическая температура Ткр.і характеризует дезориентацию граничного слоя в результате десорбции (разрушение под воздействием температуры адсорбированного слоя смазочного материала с контактной поверхности), которая приводит к потере несущей способности этого слоя. Такой процесс сопровождается резким повышением коэффициента трения, интенсивным адгезионным изнашиванием сопряженных деталей (кривая ОАВ2). Если в смазочном материале имеются химически активные компоненты, то они разлагаются под действием, силового поля твердого тела и каталитического воздействия обнаженной поверхности металла. Такой процесс сопровождается выделением активных компонентов, которые вступают в реакцию с поверхностью металла и образуют модифицированный слой, имеющий меньшее (по сравнению с основным металлом) сопротивление сдвигу. В результате этого происходит снижение момента или коэффициента трения и замена интенсивного адгезионного изнашивания более мягким коррозионно-механическим .

По мере роста температуры увеличивается доля покрытия (рис. 2.21, б) поверхностей контактирующих тел модифицированным слоем с толщиной, достаточной для эффективного разделения трущихся тел, и при этом коэффициент трения снижается до тех пор, пока при температуре Т (точка С на анализируемой зависимости) значение В не достигнет некоторой критической величины, в следствии чего устанавливается практическое постоянное значение коэффициента трения в достаточно широком интервале температур, зависящим как от реагентов и материалов трущихся тел, так и от условий работы узла трения. По мере повышения температуры увеличивается скорость образования модифицированного слоя. Одновременно увеличивается скорость разрушения этого слоя в результате его изнашивания или диссоциации (диссоциация-распад сложных химических соединений на составляющие компоненты). Когда в точке D (см. рис. 2.21, а) скорость разрушения модифицированного слоя превысит скорость его образования, будут иметь место металлический контакт трущихся тел, резкое повышение коэффициента трения, смена коррозионно-механического изнашивания интенсивным адгезионным, необратимое повреждение поверхностей, заедание и выход узла трения из строя .

Испытания смазочных материалов проводили при ступенчатом повышении 100 объемной температуры (через каждые 20С) до 350С без замены смазочного материала и смены образцов и без промежуточной разборки узла трения. Частота вращения верхнего шарика по трем неподвижным составляла 1 оборот в минуту. Время нагрева от 20 С до 350 С составляло 30 минут. Кроме описанных выше методик, в работе для исходного и деформированного состояния образцов определяли шероховатость поверхности на профилометре модели 253, и TR 220, микротвердость поверхности на микротвердомере MicroMet 5101, условный предел текучести и условное сопротивление разрыву по ГОСТ 1497-84 на разрывной машине ИР 5047-50. Микрорентгено спектральный анализ поверхности образцов проводился с использованием сканирующего микроскопа JSM 6490 LV фирмы Jeol во вторичных и упруго отраженных электронах и специальной приставки к сканирующему микроскопу - INCA Energy 450. Анализ рельефа поверхности при увеличениях от 20 до 75 крат был исследован с помощью стереомикроскопа Meiji Techno с применением программного продукта Thixomet PRO и оптического микроскопа Микмед-1 (увеличение 137 крат).

В качестве смазочных материалов в исследованиях использовались индустриальные масла И-12А, И-20А, И-40А и др. без присадок. В качестве присадок применялись различные поверхностно-активные присадки - ПАВ, химически-активные присадки сера, хлор, фосфор, в качестве наполнителей дисульфид молибдена, графит, фторопласт, порошки полиэтилена и др. Кроме этого, в работе оценивались трибологические свойства промышленных смазочных материалов отечественного и зарубежного производства, применяемые для холодной обработки металлов давлением сталей и сплавов.

В исследованиях так же использовались ТСМ отечественного и зарубежного производства. В качестве подсмазочных покрытий применяли фосфатирование, оксалатирование, меднение, и др. Лабораторные исследования были проведены на заготовках из сталей 20Г2Р, 20 с различными способами подготовки поверхности, 08кп, 08ю, 12Х18Н10Т, 12ХН2, алюминиевого сплава АД-31 и др.

Феноменологический метод

Сложность процессов пищевых производств и многообразие действующих факторов являются объективной основой широкого применения так называемых феноменологических зависимостей. Исторически сложилось так, что большое количество явлений переноса энергии и материи аппроксимировано зависимостями вида

I = aX , (1)

где I — скорость протекания процесса; а — постоянная; X — движущая сила процесса.

В класс таких явлений попали: деформация твердого тела (закон Гука); движение электрического тока по проводнику (закон Ома); молекулярный перенос теплоты (закон Фурье); молекулярный перенос массы (закон Фика); обобщенные (не только молекулярные) закономерности переноса теплоты и массы; потери энергии при движении жидкости по трубопроводу (законы Дарси и Вейсбаха); движение тела в сплошной среде (закон трения Ньютона) и т. д. В законах, описывающих данные явления, постоянные имеют физический смысл и называются соответственно: модуль упругости, электрическое сопротивление, молекулярная теплопроводность, коэффициент молекулярной диффузии, конвективная теплопроводность или коэффициент турбулентной диффузии, коэффициент трения Дарси, вязкость и т. д.

Обратив на это внимание, бельгийский физик русского происхождения И. Пригожин, нидерландские физики Л. Онзагер, С. де Гроот и др. обобщили эти явления в виде соотношения (1), которое получило название феноменологического, или соотношения логики явлений. Оно составило основу феноменологического метода исследований, суть которого кратко формулируется так: при малых отклонениях от состояния равновесия скорость протекания I любого сложного процесса пропорциональна движущей силе этого процесса X .

Основная трудоемкость исследований с применением этого метода заключается в выявлении факторов или параметров, которые являются побудителями данного процесса, и факторов, характеризующих его результат. Выявив их, связь между ними представляют в виде зависимости (1), а численное значение связывающего их коэффициента а определяют экспериментально. Например, если движущей силой процесса экстрагирования является разность концентраций ΔС экстрагируемого вещества в сырье и в экстрагенте, а скорость процесса характеризуется производной концентрации этого вещества С в сырье по времени, то можно записать:

BΔC ,

где В— коэффициент скорости экстрагирования.

Всегда можно назвать целый ряд параметров, характеризующих как движущую силу, так и результативность процесса. Как правило, они однозначно связаны между собой. Поэтому феноменологическое уравнение может быть записано во многих вариантах, т. е. для любой комбинации параметров, характеризующих движущую силу и результативность процесса.

Феноменологический метод, являясь формальным, не раскрывает физической сущности протекающих процессов. Однако его широко применяют вследствие простоты описания явлений и простоты использования экспериментальных данных.

Экспериментальный метод

На основании предварительного анализа исследуемой задачи отбирают факторы, оказывающие определяющее или существенное влияние на искомый результат. Отбрасывают факторы, влияние которых на результат мало. Отбрасывание факторов связано с поисками компромиссов между простотой анализа и точностью описания исследуемого явления.

Экспериментальные исследования проводят, как правило, на модели, но можно использовать для этого и промышленную установку. В результате экспериментальных исследований, выполняемых по определенному плану и с требуемой повторностью, выявляют зависимости между факторами в графической форме или в виде расчетных уравнений.

Экспериментальный метод имеет следующие преимущества:

• возможность достижения высокой точности выведенных зависимостей
• высокая вероятность получения зависимостей или физических характеристик объекта исследования, которые никаким другим методом найти не удается (например, теплофизические характеристики продуктов, степень черноты материалов и др.).

Вместе с тем экспериментальный метод исследования имеет два существенных недостатка:

• большая трудоемкость, обусловленная, как правило, значительным числом факторов, влияющих на исследуемое явление
• найденные зависимости являются частными, относящимися только к исследуемому явлению., а это означает, что они не могут быть распространены на условия, отличные от тех, для которых они получены.

Аналитический метод

Этот метод заключается в том, что на основе общих законов физики, химии и других наук составляют дифференциальные уравнения, описывающие целый класс подобных явлений.

Например, дифференциальное уравнение Фурье определяет распределение температур в любой точке тела, через которое теплота передается теплопроводностью:

A 2 t , (2)

где а — коэффициент температуропроводности, м 2 /с; t — оператор Лапласа;

2 t = + + .

Уравнение (2) справедливо для любой неподвижной среды.

Преимущество аналитического метода заключается в том, что полученные дифференциальные уравнения справедливы для всего класса явлений (теплопроводность, теплообмен, массоперенос и т. д.).

Однако этот метод имеет существенные недостатки:

• сложность аналитического описания большинства технологических процессов, особенно процессов, сопровождающихся тепло- и массопереносом; этим объясняется то обстоятельство, что подобных расчетных формул известно сегодня мало
• невозможность во многих случаях получить решение дифференциальных уравнений аналитическим путем с помощью известных в математике формул .

9. Резание.

Резание — один из основных технологических процессов пищевой промышленности.

Резанию подвергаются самые различные материалы, как то: конфетная масса и кондитерской промышленности, тестовая масса в хлебопекарной промышленности, овощи и фрукты в консервной промышленности, сахарная спекла в свеклосахарной промышленности, мясо в мясной промышленности.

Эти материалы имеют разнообразные физико-механические свойства, что определяется разнообразием методов резания, вида режущих инструментов, скорости резания, устройств для резания.

Увеличение мощности предприятий пищевой промышленности требует увеличения производительности режущих машин, их экономичности, разработки рациональных режимов резания.

Общие требования, предъявляемые к резательным машинам, могут быть сформулированы так: они должны дать большую производительность, обеспечить высокое качество продукции, высокую износостойкость, простоту эксплуатации, минимальные энергетические затраты, хорошее санитарное состояние, малые габариты.

Классификация устройств для резания

Устройства для резания пищевых материалов могут быть разделены на группы по следующим признакам:

по назначению: для резания хрупких, твердообразных, упруго-вязко-пластичных и неоднородных материалов;

по принципу действия: периодического, непрерывного и комбинированного;

по виду режущего инструмента: пластинчатые, дисковые, струнные, гильотинные, роторные, струнные (жидкостные и пневматические), ультразвуковые, лазерные;

Рис. 1. Виды режущих инструментов:
а—ротор; б — гильотинный нож; в— дисковый нож; г—струна

по характеру движения режущего инструмента: с вращательным, возвратно-поступательным, плоскопараллельным, поворотным, вибрационным;

по характеру движения материала при резании и по виду его крепления.

На рис. 1 представлены некоторые виды режущих инструментов: роторные, гильотинные, дисковые, струйные.

Теория резания

Резание имеет задачей обработку материала путем его разделения с целью придания ему заданной формы, размеров и качества поверхности.

На рис. 2 представлена схема резания материала.

Рис2. Cxe м a pe зания материала:
1- pa зрезаемый материал; 2 - режущий инструмент, 3 - зона пластической деформации, 4 - зона упругой деформации, 5 - граничная зона, 6 - линия разрушения

При pe з a нии материалы разделяются на части в результате разрушения граничного слоя. Разрушению предшествует упругая и пластичная деформация, как это показано на рисунке. Эти виды деформации создаются приложением к режущему инструменту силы. Разрушение материала происходит тогда, когда напряжение становится равным временному сопротивлению материала.

Работа резания тратится на создание упругой и пластической деформации, а также на преодоление трения инструмента о разрезаемый материал.

Работу резания можно определить теоретически следующим образом.

Обозначим усилие, которое необходимо приложить к кромке ножа длиной 1 м для разрушения материала через Р (вН/м). Работа А (в Дж) затрачивается на разрезание материала площадью l - l (в м 2 ) будем

А— (Pl ) l - Pl 2

Отнеся работу к 1 м 2 , получим удельную работу резания (в Дж/м 2 ).

Некоторые типы резок

Свеклорезки и овощерезки . На сахарных заводах получают при изрезывании свекловичную стружку желобчатой или пластинчатой фермы. В консервном производстве изрезыванию подвергаются морковь, свекла, картофель и т. и.

Действие резок основано на относительном движении резательных приспособлений — ножей и материала. Это относительное движение может быть осуществлено различными способами.

Основными типами резок являются дисковые и центробежные. Дисковая резка для свеклы изображена на рис. 3. Она состоит из горизонтального вращающегося диска с прорезями и расположенного над ним неподвижного барабана. В прорезях диска устанавливают рамы с ножами (рис. 4). Диск вращается на вертикальном валу с частотой вращения 70 об/мин. Средняя линейная скорость ножей около 8 м/с.

Барабан заполняется свеклой, которая подлежит изрезыванию. При вращении диска свекла, прижимаясь под действием силы тяжести к ножам, изрезывается в стружку, форма которой зависит от формы ножей.

Кроме дисковых, применяют также центробежные резки. В эти x резках ножи укреплены в прорезях стенок неподвижного вертикального цилиндра. Изрезываемый материал приводится в движение лопастями улитки, вращающейся внутри цилиндра. Центробежная сила прижимает продукт к ножам, которые изрезывают его.

P ис. 5. Схема роторного режущего устройства

На рис. 5 представлена роторная резка для изделий кондитерской промышленности. Конфетная масса, оформленная в жгуты 3 из матрицы 1 формующей машины попадает на приемный лоток 2 и подается по нему к режущему устройству. Режуще e устройство состоит из набора свободно вращающихся на оси роторов 4 с укрепленными на них ножами. На каждый жгут имеется свой ротор. Он приводится движущимся жгутом во вращение. Отрезанные конфеты 5 попадают на конвейерную ленту 6 .

На рис. 6 представлены два типа машин для резания замороженного и незамороженного мяса, хлеба, картофеля, свеклы и пр., получившие название волчков.

Конструкция волчков, применяемых в промышленности, скопирована с мясорубок, xopo шо известных и распространенных в быту. В волчках используются режущие инструменты трех видов: неподвижные подрезные ножи, ножевые решетки и подвижные плоские ножи.

Резание осуществляется парой режущих инструментов — плоски m вращающимся ножом и ножевой решеткой. Материал подается шнеком, прижимается к ножевой решетке, частицы материала вдавливаются в отверстия решетки, а непрерывно вращающиеся плоские ножи с лезвиями, прижатыми к решеткам, отрезают частицы материала.

Рис. 6. Два типа волчков:
а —без принудительной подачи материала; б — с принудительной подачей материала

Частота вращения шнека для тихоходных волчков 100-200, для быстроходных свыше 300 об/мин .

29. Гомогенизация.

Сущность гомогенизации. Гомогенизация (от греч. homogenes — однородный) — создание однородной гомогенной структуры, не содержащей частей, различающихся по составу и свойствам и отделенных друг от друга поверхностями раздела. Гомогенизацию широко применяют в консервном производстве, когда продукт доводится до тонкодисперсной массы с частицами диаметром 20...30мкм при давлении 10... 15 МПа. В кондитерских производствах благодаря гомогенизации, которая заключается в обработке шоколадной массы в коншмашинах, эмульгаторах или меланжерах, обеспечивается равномерное распределение твердых частиц в какао-масле и снижается вязкость массы.

Частицы эмульсий, суспензий, взвесей существенно меньше по размерам, чем рабочие органы любых механических перемешивающих устройств. Размеры частиц меньше размеров вихрей, образуемых перемешивающими устройствами, и меньше размеров других неоднородностей потока сплошной среды. Вследствие инициируемого механическими смесителями движения среды ассоциации частиц перемещаются в ней как единое целое без относительного смещения компонентов дисперсной фазы и дисперсионной среды. Такое движение не может обеспечить перемешивания компонентов среды в необходимых масштабах.

Масштабы, в которых целесообразно перемешивание частиц пищевых продуктов, определяются условиями усвоения пищи. В настоящее время не выявлены границы масштабов, до которых целесообразно гомогенизировать пищевые смеси. Имеется, однако, ряд исследований, свидетельствующих о целесообразности гомогенизации пищевых продуктов вплоть до молекулярного уровня.

Для гомогенизации продуктов используют следующие физические явления: дробление частиц жидкости в коллоидной мельнице; дросселирование жидкой среды в зазорах клапанов; кавитационные явления в жидкости; движение ультразвуковых волн в жидкой среде.

Дробление частиц жидкости в коллоидной мельнице. Между тщательно обработанными твердыми коническими поверхностями ротора и статора коллоидной мельницы (рис. 7) частицы эмульсии могут измельчаться до размеров 2...5 мкм, что часто оказывается достаточным для гомогенизации.

Рис. 7. Схема коллоидной мельницы:
1- ротор; 2—статор; h — зазор

Дросселирование жидкой среды в зазорах клапанов. Если жидкая среда, сжатая до 10...15 МПа, дросселируется, проходя через сопло малого диаметра или через дроссель (дроссельную шайбу), то сферические образования в ней при ускорении в сопле вытягиваются в длинные нити. Эти нити разрываются на части, что и служит причиной их дробления (рис. 8).

Вытягивание сферических образований в нитеобразные определяется тем, что ускорение потока распределено вдоль направления движения. Фронтальные элементы образований раньше тыльных их частей подвергаются ускорению и более длительное время пребывают под воздействием повышенных скоростей движения. В результате сферические жидкие частицы удлиняются.

Кавитационные явления в жидкости. Реализуются пропусканием потока сплошной среды через плавно сужающийся канал (сопло) — рисунок 8. В нем она ускоряется, а давление уменьшается в соответствии с уравнением Бернулли

где р — давление, Па; ρ — плотность жидкости, кг/м 3 ; v —ее скорость, м/с; g - ускорение свободного падения, м/с 2 ; Н— уровень жидкости, м.

При падении давления ниже давления насыщенных паров жидкость вскипает. При последующем повышении давления пузырьки паров «схлопываются». Генерируемые при этом высокоинтенсивные, но маломасштабные пульсации давления и скорости среды гомогенизируют ее.

Аналогичные явления возникают при движении (вращении) в жидкости плохообтекаемых тел. В аэродинамической тени за плохообтекаемыми телами понижается давление и возникают кавитационные каверны, движущиеся вместе с телами. Их называют присоединенными кавернами.

Движение ультразвуковых волн в жидкой среде. В ультразвуковых гомогенизаторах продукт протекает через специальную камеру, в которой облучается излучателем ультразвуковых волн (рис. 10).

При распространении бегущих волн в среде происходят относительные смещения компонентов, повторяющиеся с частотой генерируемых колебаний (выше 16 тыс. раз в секунду). Вследствие этого границы компонентов среды размываются, частицы дисперсионной фазы дробятся и среда гомогенизируется.

Рис. 8. Схема дробления жировой частицы при прохождении через зазор клапана

Рис. 9. Схема работы клапанного гомогенизатора:
1 —рабочая камера; 2 — уплотнение; 3 — клапан; 4 —корпус

При гомогенизации молока ультразвуковыми волнами и другими возмущениями установлены предельные размеры частиц молока, ниже которых гомогенизация невозможна.

Жировые частицы молока представляют собой округлые, почти сферические частицы размером 1...3 мкм (первичные шарики или ядра), объединенные по 2...50 штук и более в конгломераты (агрегаты, гроздья). В составе конгломератов отдельные частицы сохраняют свою индивидуальность, т. е. остаются четко различимыми. Конгломераты имеют форму цепочек из отдельных частиц. Целостность конгломерата определяется силами адгезионного сцепления округлых частиц.

Рис. 10. Схема ультразвукового гомогенизатора с генерированием пульсаций непосредственно в его объеме:
1—полость гомогенизации, 2— вибрирующая пластика; 3 — сопло, образующее струю жидкости

Все реализуемые на практике способы гомогенизации обеспечивают дробление конгломератов в лучшем случае до размеров первичных шариков. При этом поверхности адгезионного сцепления первичных капель разрываются под действием разности динамических напоров дисперсионной среды, действующих на отдельные части конгломерата. Дробление же первичных капель ультразвуковыми волнами может иметь место только по механизму образования на них поверхностных волн и срыва их гребней потоком дисперсионной среды. Дробление наступает в тот момент, когда силы, вызывающие его, превысят силы, удерживающие первоначальную форму частиц. В этот момент отношение данных сил превысит критическое значение.

Силами, приводящими к дроблению как первичных частиц, так и их конгломератов, являются силы (Н), создаваемые динамическим напором дисперсионной среды:

где Δр д — динамический напор дисперсионной среды, Па; ρ — плотность среды, кг/м 3 ; u , v — соответственно скорости среды и частицы, м/с; F = π r 2 - площадь миделевого сечения, м 2 ; r — радиус первичной частицы, м.

Скорость частицы v (t ) рассчитывают по формуле, отражающей второй закон Ньютона (равенство произведения массы частицы на ускорение силе лобового сопротивления обтекающей ее среды):

где C x —коэффициент лобового сопротивления движению капли; т — ее масса, кг;

где ρ к — плотность частицы, кг/м 3 .

Теперь скорость частицы v (t ) находится интегрированием уравнения

При синусоидальных колебаниях частотой f (Гц) и амплитудой р а (Па) при скорости звука в дисперсионной среде с (м/с) скорость среды u (t ) (м/с) определяется выражением

Первоначальную форму частиц удерживают силы:

для сферической частицы — это сила поверхностного натяжения

где σ — коэффициент поверхностного натяжения, Н/м;

для конгломерата частиц — это сила адгезионного сцепления первичных частиц

где а —удельная сила, Н/м 3 ; r э — эквивалентный радиус конгломерата, м.

Отношение сил R и R п , называемое критерием дробления, или критерием Вебера (We ), записывается в виде :

для сферической частицы

для конгломерата частиц

Если текущее (зависящее от времени) значение критерия Вебера превысит критическое, т. е. при We (t ) > We (t ) кр , радиус первичной частицы r (t ) и эквивалентный радиус конгломерата r э (t ) уменьшаются до значения, при котором We (t ) = We (t ) Kp . В результате от первичной частицы или от их конгломерата отрывается масса вещества, соответствующая уменьшению радиуса в указанных пределах. При этом справедливы соотношения

В представленных расчетных выражениях для дробления частиц единственный фактор, вызывающий дробление,—разность скоростей частиц и окружающей среды [ u (t ) — v (t )]. Эта разность увеличивается при уменьшении отношения плотностей ρ/ρ к . Когда дробятся частицы жира в молоке, это отношение наибольшее и их дробление происходит наиболее трудно. Положение усугубляется тем, что частицы жира молока покрыты более вязкой оболочкой набухших белков, липидов и других веществ. За каждый цикл ультразвуковых колебаний с дробящихся капель срывается небольшое количество мелких капелек, и для протекания дробления в целом необходимо многократное приложение внешних нагрузок. Поэтому продолжительность дробления составляет многие сотни и даже тысячи циклов колебаний. Это и наблюдается на практике при скоростной видеосъемке капель масла, дробящихся ультразвуковыми колебаниями.

Взаимодействие частиц с ударными волнами. Под действием ультразвуковых колебаний обычной интенсивности возможно измельчение только конгломератов капель. Для измельчения первичных капель необходимы возмущения давления интенсивностью около 2 МПа. При использовании современной техники это недостижимо. Поэтому можно утверждать, что ни на каком действующем оборудовании гомогенизация молока до размера частиц менее 1...1,5 мкм не реализуется.

Дальнейшее дробление капель возможно под воздействием серии ударных импулъсов, создаваемых в гомогенизируемой среде специальным побудителем, например поршнем, соединенным с гидравлическим или пневматическим приводом импульсного типа. Скоростная киносъемка капель, на которые воздействуют такие импульсы, показывает, что в данном случае реализуется дробление по механизму «сдувания с их поверхности мельчайших капелек». При этом возмущение скорости окружающей среды приводит к образованию волн на поверхности капель и срыву их гребешков. Многократное повторение этого явления приводит к значительному измельчению капель или частиц жира .

73. Требования к процессу сушки зерна.

Тепловая сушка зерна и семян в зерносушилках — основной и наиболее высокопроизводительный способ. В хозяйствах, на государственных хлебоприемных предприятиях ежегодно такой сушке подвергаются десятки миллионов тонн зерна и семян. На создание зерносушильной техники и ее эксплуатацию затрачиваются огромные средства. Поэтому сушка должна быть правильно организована и проводиться с наибольшим технологическим эффектом.

Практика показывает, что сушка зерна и семян во многих хозяйствах обходится часто значительно дороже, чем в государственной системе хлебопродуктов. Это происходит не только потому, что там используют менее производительные сушилки, но и вследствие недостаточно четкой организации зерносушения, неправильной эксплуатации зерносушилок, несоблюдения рекомендуемых режимов сушки, отсутствия поточных линий. Действующие рекомендации по сушке семян сельскохозяйственных культур предусматривают ответственность за подготовку зерносушилок и их эксплуатацию в колхозах председателей и главных инженеров, а в совхозах — директоров и главных инженеров. Ответственность за технологический процесс сушки возлагается на агрономов и мастеров-зерносушилыциков. Государственные семенные инспекции осуществляют контроль за посевными качествами семян.

Чтобы наиболее рационально организовать сушку зерна и семян, необходимо знать и учитывать следующие основные положения.

1. Предельно допустимую температуру нагрева, т. е. до какой температуры следует нагревать данную партию зерна или семян. Перегрев всегда приводит к ухудшению или даже полной потере технологических и посевных качеств. Недостаточный же нагрев уменьшает эффект сушки и удорожает ее, так как при меньшей температуре нагрева меньше будет удалено влаги.
2. Оптимальную температуру агента сушки (теплоносителя), вводимого в камеру зерносушилки. При пониженной по сравнению с рекомендуемой температуре теплоносителя зерно не нагревается до нужной температуры или для достижения этого потребуется увеличивать срок пребывания зерна в сушильной камере, что снижает производительность зерносушилок. Температура агента сушки выше рекомендуемой недопустима, так как вызовет перегрев зерна.
3. Особенности сушки зерна и семян в зерносушилках различных конструкций, так как эти особенности часто влекут изменение других параметров и прежде всего температуры агента сушки.

Предельно допустимая температура нагрева зерна и семян зависит от:
1) культуры; 2) характера использования зерна и семян в дальнейшем (т. е. целевого назначения); 3) исходной влажности зерна и семян, т. е. влажности их до сушки.

Зерна и семена различных растений обладают разной термоустойчивостью. Одни из них при прочих равных условиях выдерживают более высокие температуры нагрева и даже в течение более длительного времени. Другие и при более низких температурах изменяют свое физическое состояние, технологические и физиологические свойства. Например, семена кормовых бобов и фасоли при более высокой температуре нагрева теряют упругость оболочек, растрескиваются, снижается их полевая всхожесть. Зерно пшеницы, предназначенное для выработки хлебопекарной муки, можно нагревать только до 48—50°С, а зерно ржи — до 60°С. При нагреве пшеницы выше указанных пределов резко снижается количество клейковины и ухудшается ее качество. Очень быстрый нагрев (при более высокой температуре теплоносителя) так же отрицательно влияет на рис, кукурузу и многие зернобобовые: (семена растрескиваются, что затрудняет их дальнейшую переработку, например, в крупу.

Обязательно учитывают при сушке целевое назначение партий. Так, предельная температура нагрева семенного зерна пшеницы 45°С, а продовольственного 50° C . Еще больше разница в температуре нагрева у ржи: 45°С для посевного материала и 60°— для продовольственного (на муку). (Вообще все партии зерна и семян, в которых необходимо сохранить жизнеспособность, нагревают до более низкой температуры. Поэтому ячмень для пивоварения, рожь для солода и т. д. сушат с применением режимов для посевного материала.

Предельно допустимая температура нагрева зерна и семян зависит от их исходной влажности. Известно, что чем больше в этих объектах свободной воды, тем они менее термоустойчивы. Поэтому при содержании в них влаги более 20% и особенно 25% должна быть снижена температура теплоносителя и нагрева семян. Так, при исходной влажности гороха и риса 18% (табл.36) допустимая температура нагрева равна 45°С, а температура теплоносителя 60 о С. Если исходная влажность этих семян 25%, то допустимая температура соответственно будет 40 и 50°С. При этом снижение температуры приводит и к уменьшению испарения (или, как говорят, съема) влаги.

Еще сложнее сушить крупносемянные бобовые и сою, когда при большой влажности (30% и выше) сушку в зерносушилках приходится проводить при низкой температуре теплоносителя (30°С) и нагрева семян (28—30°С) с незначительным съемом влаги за первый и второй пропуск.

Особенности конструкций зерносушилок разных типов и марок определяют возможности их использования для сушки семян различных культур. Так, в барабанных сушилках не сушат бобовые, кукурузу и рис. Перемещение зерна в них и температура агента сушки (110—130°С) таковы, что зерна и семена указанных культур растрескиваются и сильно травмируются.

Рассматривая вопросы тепловой сушки в зерносушилках, нужно помнить о неодинаковой влагоотдающей способности зерна и семян различных культур. Если влагоотдачу зерна пшеницы, овса, ячменя и семян подсолнечника принять за единицу, то с учетом применяемой температуры теплоносителя и съема влаги за один пропуск через зерносушилку коэффициент (К) будет равен: для ржи 1,1; гречихи 1,25; проса 0,8; кукурузы 0,6; гороха, вики, чечевицы и риса 0,3—0,4; кормовых бобов, фасоли и люпина 0,1-0,2.

Таблица 1. Температурные режимы (в °С) сушки семян различных культур на зерносушилках

Культура

Шахтные

Барабанные

Культура

Влажность семян до сушки в пределах, %

Число пропусков через зерносушилку

Шахтные

Барабанные

температура агента сушки, в о С

о С

предельная температура нагрева семян, в о С

температура агента сушки, в о С

предельная температура нагрева семян, в о С

предельная температура нагрева семян, в о С

Пшеница, рожь, ячмень, овес

Горох, вика, чечевица, нут, рис

свыше 26

Гречиха, просо

Кукуруза

свыше 26

Следует иметь также в виду, что вследствие определенной влагоотдающей способности зерна и семян почти все сушилки, применяемые в сельском хозяйстве, обеспечивают съем влаги за один пропуск зерновой массы только до 6% при режимах для зерна продовольственного назначения и до 4—5% для посевного материала. Поэтому зерновые массы с повышенной влажностью приходится пропускать через сушилки 2—3 или даже 4 раза (см. табл. 1) .

Задача № 1.

Определить пригодность барабанного сита с заданными параметрами для просеивания 3,0 т/ч муки. Исходные данные:

Предпоследняя цифра шифра		Последняя цифра шифра
ρ, кг/м 3		n , об/мин
α, º		R , м
		h , м	0,05

Решение

Дано:

ρ – насыпная масса материала, 800 кг/м 3 ;

α – угол наклона барабана к горизонту, 6;

μ – коэффициент разрыхления материала, 0,7;

n – число оборотов барабана, 11 об/мин;

R – радиус барабана, 0,3 м;

h – высота слоя материала на сите, 0,05 м.

Рис. 11. Схема барабанного сита:
1 – вал привода; 2 – барабан-короб; 3 – сито

где μ – коэффициент разрыхления материала μ = (0,6-0,8); ρ – насыпная масса материала, кг/м 3 ; α –угол наклона барабана к горизонту, град; R – радиус барабана, м; h – высота слоя материала на сите, м; n – число оборотов барабана, об/мин.

Q = 0,72·0,7·800·11· tg (2·6)· =
= 4435,2· 0,2126= 942,92352· 0,002 = 1,88 т/ч

Сравним полученное значение производительности барабанного сита с 3,0 т/ч, приведенными в условии: 1,88 < 3,0 т/ч, значит барабанное сито с заданными параметрами непригодно для просеивания 3,0 т/ч муки.

Ответ: непригодно.

Задача № 2.

Определить размеры (длину) плоского гирационного грохота для сортировки 8000 кг/ч материала. Исходные данные:

Предпоследняя цифра шифра		Последняя цифра шифра
r , мм		ρ, т/м 3
α, º		h , мм
	0 , 4

Решение

r – эксцентриситет, 12 мм = 0,012 м;

α – угол наклона пружинного грохота к вертикали, 18º;

f – коэффициент трения материала о сито, 0,4;

ρ – насыпная масса материала, 1,3 т/м 3 = 1300 кг/м 3 ;

h – высота слоя материала на сите, 30 мм = 0,03 м;

φ – коэффициент заполнения, учитывающий неполную загрузку несущей поверхности материалом, 0,5.

Рис. 12. Схема гирационного грохота:
1 – пружина; 2 – сито; 3 – вал-вибратор; 4 – эксцентриситет

Частота вращения вала гирационного грохота:

об/мин.

Скорость продвижения материала по ситу:

М/с,

где n – частота вращения вала грохота, об/мин; r – эксцентриситет, м; α – угол наклона пружинного грохота к вертикали, град.; f – коэффициент трения материала о сито.

М/с.

Площадь сечения материала на грохоте S :

Кг/ч,

где S – площадь сечения материала на грохоте, м 2 ; v – скорость продвижения материала по грохоту, м/с; ρ – насыпная масса материала, кг/м 3 ; φ – коэффициент заполнения, учитывающий неполную загрузку несущей поверхности материалом.

М 2 .

Длина грохота b :

h – высота слоя материала на сите.

Ответ: длина грохота b = 0,66 м.

Задача № 3.

Определить мощность на валу подвесной вертикальной центрифуги для разделения сахарного утфеля, если внутренний диаметр барабана D = 1200 мм, высота барабана H = 500 мм, наружный радиус барабана r 2 = 600 мм. Остальные исходные данные:

Предпоследняя цифра шифра		Последняя цифра шифра
n , об/мин		τ р , с
m б , кг		ρ, кг/м 3	1460
d , мм		m с , кг

D – внутренний диаметр барабана, 1200 мм = 1,2 м;

H – высота барабана, 500 мм = 0,5 м;

r н = r 2 – наружный радиус барабана, 600 мм = 0,6 м

n – частота вращения барабана, 980 об/мин;

m б – масса барабана, 260 кг;

d – диаметр шейки вала, 120 мм = 0,12 м;

τ р – время разгона барабана, 30 с;

ρ – плотность утфеля, 1460 кг/м 3 ;

m с – масса суспензии, 550 кг.

Рис. 13. Схема к определению величины давления на стенки барабана

Перевод частоты вращения барабана в угловую скорость:

рад/с.

Мощности N 1 , N 2 , N 3 и N 4 :

КВт

где m б – масса барабана центрифуги, кг; r н – наружный радиус барабана, м; τ р – время разгона барабана, с.

Толщина кольцевого слоя утфеля:

где m c – масса суспензии, загруженной в барабан, кг; Н – высота внутренней части барабана, м.

Внутренний радиус кольца утфеля (по рисунку 13):

r н = r 2 – наружный радиус барабана.

Мощность на сообщение кинетической энергии утфелю:

КВт

где η – коэффициент полезного действия (для расчетов принять η = 0,8).

Фактор разделения в барабане центрифуги:

где m – масса барабана с суспензией (m = m б + m с ), кг; Ф – фактор разделения:

Мощность на преодоление трения в подшипниках:

КВт

где р ω – угловая скорость вращения барабана, рад/с; d – диаметр шейки вала, м; f – коэффициент трения в подшипниках (для расчетов принять 0,01).

КВт.

Мощность на преодоление трения барабана о воздух:

КВт

где D и H – диаметр и высота барабана, м; n – частота вращения барабана, об/мин.

Подставить полученные значения мощностей в формулу:

КВт.

Ответ: мощность на валу центрифуги N = 36,438 кВт.

Задача № 4.

Предпоследняя цифра шифра		Последняя цифра шифра
t , ºС	32,55	φ , %

р – общее давление воздуха, 1 бар = 1·10 5 Па;

t – температура воздуха, 32,55 ºС;

φ – относительная влажность воздуха, 75 % = 0,75.

По приложению В определим давление насыщенного пара (р нас ) для заданной температуры воздуха и переведем в систему СИ:

для t = 32,55 ºС р нас = 0,05 ат · 9,81·10 4 = 4905 Па.

Влагосодержание воздуха:

где p – общее давление воздуха, Па.

Энтальпия влажного воздуха:

где 1,01 – теплоемкость воздуха при ρ = const кДж/(кг·К); 1,97 – теплоемкость водяного пара, кДж/(кг·К); 2493 – удельная теплоемкость парообразования при 0  С, кДж/кг; t – температура воздуха по сухому термометру,  С.

Объем влажного воздуха:

Объем влажного воздуха (в м 3 на 1 кг сухого воздуха):

где – газовая постоянная для воздуха, равная 288 Дж/(кг·К); Т – абсолютная температура воздуха (Т = 273 + t ), К.

М 3 /кг.

Ответ: влагосодержание χ = 0,024 кг/кг, энтальпия I = 94,25 кДж/кг и объем влажного воздуха v = 0,91 м 3 /кг сухого воздуха.

Список литературы

1. Плаксин Ю. М., Малахов Н. Н., Ларин В. А. Процессы и аппараты пищевых производств. — М.: КолосС, 2007. — 760 с.

2. Стабников В.Н., Лысянский В.М., Попов В.Д. Процессы и аппараты пищевых производств. — М.: Агропромиздат, 1985. — 503 с.

3. Трисвятский Л.А. Хранение и технология сельскохозяйственных продуктов. — М.: Колос, 1975. — 448 с.