Задача (стр. 5 )

Лучший антивирус мягкую

NOD32 является антивирусный пакет, производимые компанией Словацкой Eset. Версии доступны для Microsoft Windows, Linux, FreeBSD и других платформ. Средства удаленного администрирования для многопользовательских установок, также доступны за дополнительную плату. NOD32 Enterprise Edition состоит из NOD32 Antivirus и NOD32 Remote Administrator. NOD32 программа Remote Administrator позволяет сетевому администратору контролировать антивирусные функции, нажмите установку и модернизацию незащищенных компьютеров в сети и файлов конфигурации приложения от центрального расположения.

NOD32 удостоверяется ICSA Labs. Он был протестирован 44 раз по Virus Bulletin и не удалось только 3 раза, самый низкий уровень отказов в их испытаний. В , он получил обзор 7.3/10.

Техническая информация

NOD32 состоит из сканера по требованию и четыре разных мониторах в режиме реального времени. Сканирование по запросу (несколько смешения называют NOD32) может быть вызван планировщиком или пользователем. Каждый монитор реального времени охватывает различные вирусы точку

AMON входа:.(антивирусный монитор) - сканирует файлы, так как они доступны системы, позволяющий вирусу, от выполнения в системе

DMON (Документ монитор) - сканирует документы Microsoft Office и файлы для макро-вирусы, поскольку они открываются и сохраненные офисных приложений-.

ИМОН (Internet Monitor) перехватывает трафик на общих протоколов, таких как СОЗ и HTTP для обнаружения и перехвата вирусов, прежде чем они сохраняются на диск-.

XMON (MS Exchange Monitor) сканирует входящий и исходящей почты, когда кивает 2 работает и лицензию на Microsoft Exchange Server - т. е. работает на серверной среде. Этот модуль не присутствует на рабочих станциях вообще.

NOD32 Вирус обнаружения оповещения

NOD32 написано в основном в коде сборки, что способствует его низкой использование системных ресурсов и высокой скоростью сканирования, а это означает, что NOD32 может легко обрабатывать более 23Mb в секунду при сканировании на скромный P4 ПК на базе и в среднем, со всеми в режиме реального времени модули активные, использует менее 20 Мб оперативной памяти всего, но физической памяти используется NOD32 часто лишь треть этого. По Вирус Бюллетень теста 2005 года, NOD32 выполняет сканирование двух до пяти раз быстрее, чем другие антивирусные конкурентов.

В сетевой среде NOD32 клиенты могут обновить из центрального "зеркальном сервере" в сети, уменьшая использование полосы пропускания, так как новые определения должны быть загружены только один раз на зеркальный сервер, в отличие от раз для каждого клиента.

модуль сканирования NOD32 использует эвристический обнаружения (который Eset называет "ThreatSense") в дополнение к подписи файлов, чтобы обеспечить лучшую защиту от недавно выпущенных вирусов.

Текст 2

Что такое вирус?

В 1983 году исследователь Фред Коэн определяется компьютерный вирус как "программу, которая может" заразить "другие программы, изменяя их включить... версию самого себя." Это означает, что вирусы копируют себя, как правило, с помощью шифрования или мутирует немного каждый раз, когда они копирования.

Есть несколько типов вирусов, но те, которые являются наиболее опасными предназначены для коррумпированных вашего компьютера или программного обеспечения. Вирусы могут варьироваться от раздражающего сообщения мигающий на экране компьютера ликвидации данных на жестком диске. Вирусы часто используют внутренние часы вашего компьютера в качестве триггера. Некоторые из самых популярных дат, используемых в пятницу13-го и известные дни рождения. Важно помнить, что вирусы опасны, только если вы выполняете (начало) зараженной программы.

Существуют три основных вида вирусов *. Каждый вид основан на том, как вирус распространяется-.

Вирусы, поражающие загрузочный сектор Эти вирусы прикрепляются на дискеты и затем скопировать себя в загрузочный сектор жесткого диска. (Загрузочный сектор является набор инструкций в компьютере используется при запуске.) При запуске компьютера (или перезагрузить его) ваш жесткий диск заражен. Вы можете получить вирусов загрузочного сектора только с зараженной дискеты. Вы не можете получить один общий доступ к файлам или выполнения программы. Этот тип вируса становится все меньше, потому что современные компьютеры не требуют загрузочный диск, чтобы начать, но они все еще ​​можно найти на дисках, которые содержат другие типы файлов. Один из самых распространенных вирусов загрузочного сектора называется "Обезьяна", также известный как "под кайфом." Программные вирусы - Эти вирусы (также известный как традиционных файловых вирусов) прикрепляются к исполняемым файлам программ. Обычно вирус программа будет приложить к. EXE или. Файл кукурузы. Тем не менее, они могут заразить любой файл, который ваш компьютер работает, когда он запускает программу (в том числе. Систем, DLL., И др.). При запуске программы, содержащей вирус, вирус, как правило, загружается в память компьютера.

Три вида вирусов загрузочного Вирусысектора придают на дискеты, а затем скопировать в загрузочный сектор вашего жесткого диска.

программы вирусыприложите к исполняемым файлам программы. Макро-вирусы прикрепляются к шаблонам.

Правда о вирусы

Большинство людей считают, что наиболее распространенным источником вирусов является Интернет с помощью электронной почты или загруженных файлов. Правда в том, однако, что большинство вирусов распространяются через общие дискетах или общих файлов на внутренней сети.

Даже если вы не подключены к Интернету, вы все равно должны быть обеспокоены вирусов. Вы также должны знать, что существуют тысячи ложных слухов вирусов (вирус мистификации).

Task I. Read the text “Laser lidar” and study the summary to this text.

Laser lidar

Laser-based lidar (light detection and ranging) has also proven to be an important tool for oceanographers. While satellite pictures of the ocean surface provide insight into overall ocean health and hyperspectral imaging provides more insight, lidar is able to penetrate beneath the surface and obtain more specific data, even in murky coastal waters. In addition, lidar is not limited to cloudless skies or daylight hours.

“One of the difficulties of passive satellite-based systems is that there is water-surface reflectance, water-column influence, water chemistry, and also the influence of the bottom”, said Chuck Bostater, director of the remote sensing lab at Florida Tech University (Melbourne, FL). “In shallow waters we want to know the quality of the water and remotely sense the water column without having the signal contaminated by the water column or the bottom”.

A typical lidar system comprises a laser transmitter, receiver telescope, photodetectors, and range-resolving detection electronics. In coastal lidar studies, a 532-nm laser is typically used because it is well absorbed by the constituents in the water and so penetrates deeper in turbid or dirty water (400 to 490 nm penetrates deepest in clear ocean water). The laser transmits a short pulse of light in a specific direction. The light interacts with molecules in the air, and the molecules send a small fraction of the light back to telescope, where it is measured by the photodetectors.

Abstract (Summary)

Laser lidar. “Laser Focus World”, 2003, v 46, №3, p45.

The text focuses on the use of laser-based lidar in oceanography.

The ability of lidar to penetrate into the ocean surface to obtain specific data in murky coastal waters is specially mentioned.

Particular attention is given to the advantage of laser-based lidars over passive satellite - based systems iN obtaining signals not being contaminated by the water column or the bottom.

A typical lidar system is described with emphasis on the way it works.

This information may be of interest to research teams engaged in studying shallow waters.

Task II. Read the texts and write summaries according to given one.

Text 1

Artificial Intelligence at Edinburgh University: a Perspective

Jim Howe

Revised June 2007.

Artificial Intelligence (AI) is an experimental science whose goal is to understand the nature of intelligent thought and action. This goal is shared with a number of longer established subjects such as Philosophy, Psychology and Neuroscience. The essential difference is that AI scientists are committed to computational modelling as a methodology for explicating the interpretative processes which underlie intelligent behaviour, that relate sensing of the environment to action in it. Early workers in the field saw the digital computer as the best device available to support the many cycles of hypothesizing, modelling, simulating and testing involved in research into these interpretative processes. They set about the task of developing a programming technology that would enable the use of digital computers as an experimental tool. Over the first four decades of AI's life, a considerable amount of time and effort was given over to the design and development of new special purpose list programming languages, tools and techniques. While the symbolic programming approach dominated at the outset, other approaches such as non-symbolic neural nets and genetic algorithms have featured strongly, reflecting the fact that computing is merely a means to an end, an experimental tool, albeit a vital one.

The popular view of intelligence is that it is associated with high level problem solving, i. e. people who can play chess, solve mathematical problems, make complex financial decisions, and so on, are regarded as intelligent. What we know now is that intelligence is like an iceberg. A small amount of processing activity relates to high level problem solving, that is the part that we can reason about and introspect, but much of it is devoted to our interaction with the physical environment. Here we are dealing with information from a range of senses, visual, auditory and tactile, and coupling sensing to action, including the use of language, in an appropriate reactive fashion which is not accessible to reasoning and introspection. Using the terms symbolic and sub-symbolic to distinguish these different processing regimes, in the early decades of our work in Edinburgh we subscribed heavily to the view that to make progress towards our goal we would need to understand the nature of the processing at both levels and the relationships between them. For example, some of our work focused primarily on symbolic level tasks, in particular, our work on automated reasoning, expert systems and planning and scheduling systems, some aspects of our work on natural language processing, and some aspects of machine vision, such as object recognition, whereas other work dealt primarily with tasks at the sub-symbolic level, including automated assembly of objects from parts, mobile robots, and machine vision for navigation.