Решение на первом этапе только на основании информации от Вас!

Пожалуйста, старайтесь писать подробнее, прописывая детали. Помните, что конкурсная комиссия будет принимать решение на первом этапе только на основании информации от Вас!

Образование	Место учебы (ВУЗ, Факультет, Специальность, Кафедра) Московский государственный университет приборостроения и информатики Факультет: ИТ (Информационные технологии) Кафедра: ИТ-4 (персональные компьютеры, вычислительные комплексы и сети) Специальность: 230101(Вычислительные машины, комплексы, системы и сети) Средний балл 5.0
Область Ваших учебных, научных и профессиональных интересов.	Краткая информация о научном руководителе. Алёшкин Антон Сергеевич, родился 27.11.1982г, кандидат технических наук, программист центра новых информационных технологий Московского государственного университета приборостроения и информатики. Область научных интересов руководителя: математическое моделирование случайных процессов и управление сложными стохастическими системами. Автор более 45 печатных научных работ. Участвовали ли Вы в научных конференциях, семинарах? Если да, укажите, в каких. VI Всероссийская конференция студентов, аспирантов и молодых ученых. Технологии Microsoft в теории и практике программирования, Москва, 2009. Участник летней межвузовской научной молодежной школа «Высокопроизводительные вычисления в прикладном численном моделировании» в МФТИ в августе 2009 года. Участник Всероссийской молодежной школы «СУПЕРКОМПЬЮТЕРНЫЕ ТЕХНОЛОГИИ И ВЫСОКОПРОИЗВОДИТЕЛЬНЫЕ ВЫЧИСЛЕНИЯ В ОБРАЗОВАНИИ, НАУКЕ И ПРОМЫШЛЕННОСТИ» в ННГУ имени Лобачевского в октябре 2009. Семинар «Текущее состояние, тенденции и будущее суперкомпьютеров». Докладчик: Джон Донгарр. Семинар состоялся 20.04.2009 в НИВЦ МГУ. Участник летней межвузовской научной молодежной школа «Высокопроизводительные вычисления в прикладном численном моделировании» в МФТИ в августе 2009 года. Участник Всероссийской молодежной школы «СУПЕРКОМПЬЮТЕРНЫЕ ТЕХНОЛОГИИ И ВЫСОКОПРОИЗВОДИТЕЛЬНЫЕ ВЫЧИСЛЕНИЯ В ОБРАЗОВАНИИ, НАУКЕ И ПРОМЫШЛЕННОСТИ» в ННГУ имени Лобачевского в октябре 2009. Имеете ли Вы опубликованные работы? Да. Список опубликованных к моменту заполнения анкеты: 1. Лесько С.А., Сычев И.Ю., Пугачев С.В., Рогожина М.Н., Орлов К.В., н.р. Алешкин А.С. Оценка эффективности использования высокопроизводительных вычислений для моделирования управления транспортных сетей // Технологии Microsoft в теории и практике программирования: Тр. VI Всерос. Конф. Студентов. Аспирантов и молодых ученых. Центральный регион. Москва, 1 – 2 апреля 2009 г. – М.: Вузовская книга, 2009. –с. 43-44 2. Лесько С.А., Пугачев С.В., Рогожина М.Н., Сычев И.Ю., Орлов К.В., н.р. Алёшкин А.С. Алгоритм управления транспортной сетью на основе описания её работы с помощью стохастической динамики // Технологии Microsoft в теории и практике программирования: Тр. VI Всерос. Конф. Студентов. Аспирантов и молодых ученых. Центральный регион. Москва, 1 – 2 апреля 2009 г. – М.: Вузовская книга, 2009. –с. 86-88 3. Лесько С.А., Рогожина М.Н., Пугачев С.В., Сычев И.Ю., Орлов К.В., н.р. Алёшкин А.С. Использование современных информационных технологий для разработки систем управления транспортной сетью // Технологии Microsoft в теории и практике программирования: Тр. VI Всерос. Конф. Студентов. Аспирантов и молодых ученых. Центральный регион. Москва, 1 – 2 апреля 2009 г. – М.: Вузовская книга, 2009. –с. 49-50 4. Рогожина М.Н., Сычев И.Ю., Лесько С.А., н.р. Жуков Д.О. Математическое моделирование стохастической динамики работы транспортных систем // Технологии Microsoft в теории и практике программирования: Тр. VI Всерос. Конф. Студентов. Аспирантов и молодых ученых. Центральный регион. Москва, 1 – 2 апреля 2009 г. – М.: Вузовская книга, 2009. –с. 97-98 Патент №2010611261 «Комплексная система удаленного управления профессиональной ориентацией при выборе специализации и подготовки “AbiHelp”»
Каких целей вы хотели бы достичь за год? За пять лет?	за год? Определиться с темой дипломной работы, выбрать научного руководителя (согласованно со сферой его и моей научных интересов), получить опыт участия в крупных программных проектах. Сдать несколько сертификационных экзаменов на знание информационных технологий. за три года? Стать специалистом по высокопроизводительным вычислениям. Иметь опыт работы в больших проектах. Принять участие в различных программах обучения специалистов в области современных информационных технологий, включая высокопроизводительные и параллельные вычисления, а так же конкурсах программных проектов. Защитить дипломную работу и поступить в аспирантуру.
Компьютерные знания (подробно):	Архитектуры: Персональные компьютеры, высокопроизводительные системы, отказоустойчивые системы. С какими ОС Вы знакомы? Укажите продолжительность работы в каждой из них. windows server 2003, windows server 2008(r2) - имею опыт работы 3 года ubuntu 8.04-9.10 server - опыт работы 1 год sun solaris 5.10 - Имею представление. Выполнил лабораторные работы при изучении параллельных вычислений С какими языками программирования Вы знакомы? Каковы хронология и продолжительность использования их в работе или изучении. C++ Имею опыт работы 2.5 года. Выполнял курсовые и лабораторные работы. Программирование в вузе. Выполнение практических заданий на школах по параллельным вычислениям в ННГУ и МФТИ C# - Имею опыт работы 2.5 года. Основной язык моих разработок. С середины 1 курса и по сей день использую для работы с БД, веб с приложениями, веб сервисами и настольными приложениями. Java – Имею представление Какие из программных сред и в какой степени Вы знаете? Visual studio 2008+2010rc — Имею опыт работы 3 года Eclipse и Netbeans - Имею опыт работы 0.5 года Приходилось ли заниматься работами, связанными с отладкой, тестированием и оптимизацией? Какими средствами (или программными продуктами) вы пользовались для выполнения этих работ? Какие из них оказались наиболее полезны Да. Использую среду разработки Microsoft Visual Studio. Так же использовал специализированные средства для разработки многопоточных приложений от Intel (Intel Thread Checker, Intel Thread Profiler, Intel Vtune.)
Специализация:	Высокопроизводительные вычислительные системы (High Performance Computing).
Иностранные языки	Степень владения каждым Английский (техническую документацию читаю и перевожу без труда; устную речь понимаю хорошо; говорю по-английски нескольку хуже). Есть большое желание улучшить свой английский. В последние время занимаюсь переводами документации некоторых проектов с codeplex.com
Хобби. увлечения	Спорт: тренажерный зал, плавание(кандидат в мастера спорта). Пешие прогулки Технический блог http://sychevigor.habrahabr.ru/ Интересы и достижения: Участник летней межвузовской научной молодежной школа «высокопроизводительные вычисления в прикладном численном моделировании» в МФТИ в августе 2009 года Участник всероссийской молодежной школы «суперкомпьютерные технологии и высокопроизводительные вычисления в образовании, науке и промышленности» в ННГУ имени Лобачевского в октябре 2009 Участник Зимней школа-практикум «Высокопроизводительные вычисления» в ННГУ имени Лобачевского в феврале 2010 года Участник “Группы .NET разработчиков МГУПИ” http://mgupi.ineta.ru/ Имею статус MSP (Microsoft Student Partner) Участник московского финала конкурса Microsoft imagine cup 2009 (команда заняла 3 место) Участник московского финала конкурса Microsoft imagine cup 2010 (20 марта 2010.) Докладчик “Московской группы .NET разработчиков” тема доклада: “Автоматизированное тестирование ПО с использованием .NET” Победитель олимпиады по управлению проектами в ИТ сфере 2009, которую проводила ГУ-ВШЭ совместно с швейцарской компанией STS VOSTOC Патент №2010611261 «Комплексная система удаленного управления профессиональной ориентацией при выборе специализации и подготовки “AbiHelp”» С 2009 года один из разработчиков Интернет портал дистанционной поддержки образования и тестирования РФ» http://www.testor.ru .

МОДЕЛИРОВАНИЕ процесса развития ВИРУСНОЙ ЭПИДЕМИИ И ОБРАЗОВАНИЕ КЛАСТЕРОВ ЗАРАЖЕННЫХ УЗЛОВ на многопроцессорных системах

Сычев И.Ю.
Научный руководитель к.т.н. Алёшкин Антон Сергеевич

Московский государственный университет приборостроения и информатики
В настоящее время важной и актуальной задачей является задача обеспечения бесперебойной и надежной работы компьютерных узлов и сетей. Для решения данной задачи необходимо уметь прогнозировать и предотвращать различные возникающие угрозы. Одним из видов подобных угроз является угроза вредоносного программного обеспечения. Создание сетевых червей и вирусов в настоящее время перестало быть деятельностью отдельных компьютерных хулиганов и стало представлять свою отрасль информационных технологий со значительным финансированием и со своим рынком сбыта. В настоящее время основной целью внедрения чужеродного вредоносного кода (вирусы, черви и т.д.) является не нарушение работы компьютеров, операционных систем или отдельных приложений, а получение конкретной коммерческой выгоды: кража конфиденциальной информации, персональных данных, получение управляемого («зомби», бот-нет) компьютера. Естественно, что при этом создатели вредоносных программ стараются максимально скрыть свою деятельность и присутствие вредоносного программного обеспечения (ПО).

Моделирование распространения эпидемий является, интересной задачей, позволяющей определить и спрогнозировать степень угрозы, а также выработать средства борьбы с эпидемиями. При этом можно рассматривать теоретический тип топологии сети, распределения адресных пространств и скорость распространения вирусной эпидемии, а также скорость образования кластеров зараженных узлов.

Особенностью данной задачи является необходимость проведения большого числа численных экспериментов: для сетей с различной топологией; для различных поведений распространяющегося по сети вируса и т.п. Для получения результата, в котором будет сведено к минимуму влияние погрешностей и случайностей, необходимо провести для каждой пары параметров {“тип сети”, “стратегия распространения вируса”} – численный эксперимент. При этом для большей достоверности необходимо увеличивать количество узлов подобной сети – порядком 100 000 единиц. Таким образом, независимо от трудоемкости алгоритма реализующего, моделирование процесса заражения узлов сети, и алгоритма поиска кластеров зараженных узлов – мы можем получить определенную оценку размерности задачи. Оценка сложности алгоритма:
Ntop * Nstr * Nexp * O(Nnetlenth * Niter) + C

где:

Ntop – количество типов топологий,

Nstr – количество типов стратегий поведения вирусов в сети.

Nexp – количество экспериментов для пары параметров тип топологии/стратегии распространения вируса .

Nnetlenth – количество узлов в сети.

Niter – число итераций в реализации алгоритма моделирования.

C – экспериментальная константа

O(Nnetlenth * Niter) – сложность алгоритма моделирования для количества узлов в сети равное Nnetlenth и количестве шагов алгоритма моделирования равного Niter.

Оценка делается с тем допущением, что алгоритмы заражения сети и кластеризации зараженных узлов линейно зависят от размерности задачи.

При подстановке в качестве исходных параметров Ntop = 7, Nstr = 2, Nexp = 100, Niter = 100, Nnetlenth = 100 000, даже не зная точную трудоемкость можно сделать первичную оценку размерности задачи: 7 * 2 * 100 * O((10^5) * 10^2)+С = 1.4 * (10^3) * O(10^7) + C

Алгоритм программы можно представить следующей последовательностью:

1 - инициализация сети

2 - итерация

2.1 - поиск зараженного узла

2.2 - проход по списку узлов сети и попытка заражения

3.3 - переход к следующей итерации

3 – подсчет значений и запись статистической информации

Алгоритм моделирования является итерационным, следовательно, существует прямая зависимость по данным между каждой итерацией. По этой причине распараллелить итерации(10^2) внутри каждого эксперимента крайне затруднительно. Так как для модели процесса заражения узлов характерны обращения каждого зараженного узла к любому другому случайному узлу сети, то при попытке распараллелить процесс заражения узлов внутри каждой итерации цикла, могут возникнуть трудно находимые проблемы гонки данных (data race). При возникновении подобной гонки все ускорение, получаемое от использования параллельной обработки массива во время итерации по заражению узлов сети, может быть поглощено. Другой причиной отсутствия возможности распараллеливания внутри каждой итерации цикла модели является отсутствие тяжеловесных операций. Большинство операций программы являются операциями обработки данных, значит, узким местом программы будет не скорость работы процессоров, а скорость загрузки данных из оперативной памяти в регистры процессора. Так как большинство контроллеров памяти на многоядерных системах являются последовательными, то распараллеливание внутри основного итерационного цикла не является целесообразным. Наиболее эффективным решением поставленной задачи будет распараллеливание проведения самих численных экспериментов. Каждый численный эксперимент не зависит по данным, от какого либо другого численного эксперимента, следовательно, можно максимально ускорить проведения всех экспериментов в 1.4*10^3 раз относительно использования 1 процессора, проводя эксперименты на многопроцессорной системе с количеством вычислительных узлов равным 1.4*10^3.