Программа адам что это

MSC.ADAMS

MSC.ADAMS — это лучшая на рынке программная система, предназначенная для виртуального моделирования сложных машин и механизмов.

Широкие возможности программного пакета, высокая надёжность и малая трудоёмкость его использования позволяют исследовать десятки, сотни и даже тысячи вариантов конструкции сложных машин и механизмов, моделируя на компьютере реальные условия их работы, сравнивать и выбирать лучший вариант, совершенствовать и совершенствовать будущее изделие, тратя на это во много раз меньше времени и средств, чем традиционным старым путём.

Общая характеристика

Основой MSC.ADAMS являются высокоэффективный препроцессор и набор решателей. Препроцессор обеспечивает как импорт геометрических примитивов из многих CAD систем, так и создание твердотельных моделей непосредственно в среде MSC.ADAMS. Разработчики постоянно прилагают усилия к повышению эффективности математической базы программного пакета, благодаря чему использование решателей MSC.ADAMS гарантирует получение результатов при минимальных усилиях со стороны пользователя.

Адам портит все — Что такое плева

• Более 5000 лицензий по всему миру
• Более 3000 проектов, разработанных и внедрённых на базе использования MSC.ADAMS
• Постоянно расширяющиеся возможности виртуального моделирования, включая разработку специализированных продуктов для различных отраслей промышленности
• Поддержка компании-разработчика («горячая» линия, «on-line» документация, семинары на национальных языках, ежегодные конференции пользователей и т.д.)

MSC.ADAMS — это программный пакет №1 для виртуального моделирования!

Структура программного пакета MSC.ADAMS

Модули программного пакета MSC.ADAMS

• Full Simulation Package (в составе ADAMS/View и ADAMS/Solver) — основной набор модулей (View — пре- и постпроцессор, Solver — основной решатель)
• ADAMS/Postprocessor — модуль анализа полученных результатов (постпроцессор)

Интерфейсы к CAD системам

• ADAMS/Exchange — импорт геометрических моделей

• CAT/ADAMS — кинематический и динамический анализ в среде CAD системы CATIA, экспорт моделей для MSC.ADAMS
• MECHANISM/Pro — кинематический и динамический анализ в среде CAD системы Pro/Engineer, экспорт моделей для MSC.ADAMS
• MSC.Dynamic Designer — кинематический и динамический анализ в среде CAD систем Inventor, Mechanical Desktop, Solid Edge и CATIA (версия 5).

• ADAMS/Controls — модуль сопряжения с системами моделирования MATLAB/Simulink и MSC.EASY5 (обеспечение моделирования машин и механизмов, включающих системы управления)
• ADAMS/Hidraulics — модуль моделирования машин и механизмов, включающих гидросистемы (гидроприводы)
• ADAMS/Flex и ADAMS/AutoFlex — модуль моделирования машин и механизмов, включающих упругие тела
• ADAMS/Linear — модуль линеаризации уравнений динамики изделия и расчёта частот и форм собственных колебаний
• ADAMS/Durability — модуль сопряжения с системами анализа усталости/долговечности (обеспечение расчёта характеристик усталости/долговечности на базе результатов моделирования работы машины в MSC.ADAMS)

• ADAMS/Vibration — модуль моделирования работы изделия в частотной постановке (анализ вибрации машины)
• ADAMS/Insight — модуль, обеспечивающий эффективное управление процессом исследования (например, методом design of experiments)

• Продукты для автомобилестроения: ADAMS/Car (в составе ADAMS/Car Suspension Design, ADAMS/Car Conceptual Suspension, ADAMS/Car Vehicle Dynamics, ADAMS/Chassis, ADAMS/Driveline, ADAMS/Driver, ADAMS/Tire 3D Contact, ADAMS/Tire Handling, ADAMS/Tire FTire, ADAMS/Tire Swift, ADAMS/3D Road, ADAMS/EDM) — модули моделирования динамического поведения отдельных механизмов и автомобиля в целом (в том числе процессов маневрирования, исследования устойчивости и управляемости и т.п.)
• ADAMS/Tire Motorcycle Tire — специальный модуль моделирования работы шины мотоцикла
• Продукты для автодвигателестроения: ADAMS/Engine (в составе ADAMS/Engine Base, ADAMS/Engine Valvetrain, ADAMS/Engine Chine Drive, ADAMS/Engine Timing Belt, ADAMS/Engine Accessory Drive, ADAMS/Engine Basic Cranktrain, ADAMS/Engine Advanced Cranktrain, ADAMS/Engine Gear) — модули моделирования работы автомобильного двигателя внутреннего сгорания
• ADAMS/Rail — специальный модуль для моделирования железнодорожного подвижного состава
• ADAMS/Aircraft — специальный модуль для моделирования авиатехники

Подготовка расчетной модели

Полная версия. Пророк Адам (мир ему)

• Импорт геометрических моделей в форматах Parasolid, IGES, STEP, DXF, DWG, VDAFS
• Геометрическое моделирование в препроцессоре MSC.ADAMS

• Стержни
• Параллелепипеды
• Цилиндры
• Сферы
• Конусы
• Торы
• Тела, получаемые экструзией произвольного сечения
• Тела, получаемые вращением произвольного сечения вокруг оси
• Пластины
• Скругления рёбер объёмных тел
• Фаски рёбер объёмных тел
• Отверстия
• Бонки (круглые выступы на объёмных телах)
• Полости
• Булевы операции над объёмными телами
• Сплайны

• Шарнир вращения
• Карданный шарнир Гука
• Шарнир равных угловых скоростей
• Направляющая
• Кулисный механизм
• Кулачковый механизм
• Цилиндрический шарнир
• Сферический шарнир
• Резьбовое соединение
• Редуктор
• Планарная связь («скольжение» одного тела по поверхности другого)
• Функциональные связи между перемещениями тел (линейные и нелинейные)

• Пружина-демпфер
• Торсион
• Многокомпонентное упругое взаимодействие тел («bushing»)
• Распределённые силы взаимодействия, прикладываемые к упругим телам
• Безмассовые упругие балки с постоянным сечением
• Контактное взаимодействие объёмных тел
• Произвольные функциональные зависимости сил взаимодействия тел
• Специальные связи — автомобильная, мотоциклетная и авиационная шины (моделирование обеспечивается специальными модулями комплекса ADAMS/Tire)

• Гравитационная нагрузка
• Сосредоточенная сила и/или момент
• Трёхкомпонентная сила или момент
• Кинематические воздействия (вращение, перемещение)
• Аэро- и гидродинамические нагрузки

Решения уравнений динамики объекта

• Пять решателей, в том числе:

• GSTIFF — решатель на базе интегратора DIFSUB, разработанного Гиром (C.W. Gear) — эффективно работает с жёсткими системами дифференциальных уравнений, принят в MSC.ADAMS «по умолчанию»
• ABAM — решатель Адамса-Башфорта-Мултона (Adams-Bashforth-Adams-Moulton)
• RKF45 — решатель Рунге-Кутты-Фельберга (Runge-Kutta-Fehlberg)

• Совместимость с системой MSC.EASY5
• Совместимость с системой MATLAB/Simulink

• ADAMS/Flex — модуль учёта упругих свойств составных частей путём импорта их модальных моделей из конечно-элементных программных систем (MSC.Nastran и др.)
• ADAMS/AutoFlex — модуль учёта упругих свойств составных частей путём автоматизированного построения конечно-элементной модели непосредственно в MSC.ADAMS и расчёта на её базе модальных характеристик упругого звена

Средства анализа результатов моделирования

• ADAMS/Postprocessor — постпроцессор, обеспечивающий анимацию полученных результатов, построение графиков, вывод результатов в виде твёрдой копии, анимационного файла в формате *.avi и др.

Примеры моделирования в MSC.ADAMS

Модель автомобильного двигателя

Моделирование усилителя руля легкового автомобиля

Моделирование нагружения элементов подвески легкового автомобиля в полной нелинейной постановке

Моделирование движения гоночного автомобиля, оптимизация «графика» прохождения трассы

Моделирование движения скоростного поезда по мостовому переходу, анализ нагруженности элементов моста и подвижного состава

Моделирование работы шасси самолёта

Моделирование стыковочных операций на орбите

Моделирование работы системы стабилизации пушки при движении танка по пересечённой местности

Моделирование подъёма якоря: войдёт ли он в клюз «правильно»?

Характеристики

Разработчик

MSC.Software

Источник: cad.ru

Программа адам что это

Пройдите мой бесплатный 7-дневный курс по электронной почте сейчас (с примером кода).

Нажмите, чтобы зарегистрироваться, а также получите бесплатную PDF-версию курса Ebook.

Как работает Адам?

Адам отличается от классического стохастического градиентного спуска.

Стохастический градиентный спуск поддерживает единую скорость обучения (называемую альфа) для всех обновлений веса, и скорость обучения не изменяется во время тренировки.

Скорость обучения поддерживается для каждого веса сети (параметра) и отдельно адаптируется по мере развития обучения.

Метод вычисляет индивидуальные адаптивные скорости обучения для различных параметров из оценок первого и второго моментов градиентов.

Авторы описывают Адама как объединение преимуществ двух других расширений стохастического градиентного спуска. В частности:

• Адаптивный Градиентный Алгоритм(AdaGrad), который поддерживает скорость обучения по параметру, которая улучшает производительность при проблемах с разреженными градиентами (например, проблемы с естественным языком и компьютерным зрением).
• Среднеквадратичное распространение(RMSProp), который также поддерживает скорости обучения по каждому параметру, которые адаптированы на основе среднего значения последних величин градиентов для веса (например, как быстро оно изменяется). Это означает, что алгоритм хорошо справляется с онлайн и нестационарными задачами (например, с шумом).

Адам осознает преимущества как AdaGrad, так и RMSProp.

Вместо того чтобы адаптировать скорости обучения параметров на основе среднего первого момента (среднего), как в RMSProp, Адам также использует среднее значение вторых моментов градиентов (нецентрированная дисперсия).

В частности, алгоритм вычисляет экспоненциальную скользящую среднюю градиента и квадрата градиента, а параметры бета1 и бета2 управляют скоростью затухания этих скользящих средних.

Начальное значение скользящих средних и значений бета1 и бета2, близких к 1,0 (рекомендуется), приводит к смещению оценок моментов в сторону нуля. Это смещение преодолевается сначала вычислением смещенных оценок, а затем вычислением оценок с поправкой на смещение.

Этот документ вполне читабелен, и я рекомендую вам прочитать его, если вас интересуют конкретные детали реализации.

Адам эффективен

Адам является популярным алгоритмом в области глубокого обучения, потому что он быстро достигает хороших результатов.

Эмпирические результаты показывают, что Адам хорошо работает на практике и выгодно отличается от других методов стохастической оптимизации.

В оригинальной статье Адам был продемонстрирован эмпирически, чтобы показать, что конвергенция соответствует ожиданиям теоретического анализа Адам был применен к алгоритму логистической регрессии в наборах данных распознавания символов MNIST и IMDB, многослойном алгоритме персептрона в наборе данных MNIST и сверточных нейронных сетях в наборе данных распознавания изображений CIFAR-10. Они заключают:

Используя большие модели и наборы данных, мы демонстрируем, что Адам может эффективно решать практические проблемы глубокого обучения.

Себастьян Рудер разработал комплексный обзор современных алгоритмов оптимизации градиентного спуска под названием « Обзор алгоритмов оптимизации градиентного спуска Опубликовано сначала как Сообщение блога, то технический отчет в 2016 году.

Статья в основном экскурсия по современным методам. В своем разделе под названием «Какой оптимизатор использовать?«Он рекомендует использовать Адама.

Insofar, RMSprop, Adadelta и Adam — очень похожие алгоритмы, которые хорошо работают в аналогичных обстоятельствах. […] Его коррекция смещения помогает Адаму немного опережать RMSprop к концу оптимизации, поскольку градиенты становятся более разреженными. Насколько Адам может быть лучшим общим выбором.

В Стэнфордском курсе глубокого обучения компьютерному зрению под названием « CS231n: сверточные нейронные сети для визуального распознавания », Разработанный Андреем Карпати и др., Алгоритм Адама снова предлагается в качестве метода оптимизации по умолчанию для приложений глубокого обучения,

На практике Адам в настоящее время рекомендуется использовать в качестве алгоритма по умолчанию и часто работает немного лучше, чем RMSProp. Тем не менее, часто стоит попробовать SGD + Nesterov Momentum в качестве альтернативы.

И позже заявил более просто:

Рекомендуется использовать два обновления: SGD + Nesterov Momentum или Adam.

Адам адаптируется к тестам в документах по глубокому обучению.

Знаете ли вы какие-либо другие примеры Адама? Дай мне знать в комментариях.

Параметры конфигурации Адама

• альфа, Также называется скоростью обучения или размером шага. Пропорция веса обновляется (например, 0,001). Большие значения (например, 0,3) приводят к более быстрому начальному обучению до обновления скорости. Меньшие значения (например, 1.0E-5) замедляют обучение прямо во время тренировки
• бета1, Показатель экспоненциальной скорости затухания для первого момента (например, 0,9).
• бета2, Показатель экспоненциального спада для оценок второго момента (например, 0,999). Это значение должно быть близко к 1,0 в случае проблем с разреженным градиентом (например, проблемы НЛП и компьютерного зрения).
• эпсилон, Это очень небольшое число, чтобы предотвратить любое деление на ноль при реализации (например, 10E-8).

Кроме того, снижение скорости обучения также может быть использовано с Адамом. В статье используется скорость затухания альфа = альфа / sqrt (t), обновляемая каждую эпоху (t) для демонстрации логистической регрессии.

Бумага Адама предлагает:

Хорошие настройки по умолчанию для протестированных проблем машинного обучения: альфа = 0,001, бета1 = 0,9, бета2 = 0,999 и эпсилон = 10−8.

Документация TensorFlow предлагает некоторые настройки epsilon:

Значение по умолчанию 1e-8 для epsilon может быть не совсем подходящим по умолчанию. Например, при обучении начальной сети в сети ImageNet хорошим выбором будет 1,0 или 0,1.

Мы видим, что популярные библиотеки глубокого обучения обычно используют параметры по умолчанию, рекомендованные в статье.

• TensorFlow: learning_rate = 0,001, бета1 = 0,9, бета2 = 0,999, эпсилон = 1e-08.
  Keras: lr = 0,001, бета_1 = 0,9, бета_2 = 0,999, эпсилон = 1e-08, распад = 0,0.
• Блоки: скорость обучения = 0,002, бета1 = 0,9, бета2 = 0,999, эпсилон = 1e-08, коэффициент затухания = 1.
• Лазанья: скорость обучения = 0,001, бета1 = 0,9, бета2 = 0,999, эпсилон = 1e-08
• Caffe: стоимость обучения = 0,001, бета1 = 0,9, бета2 = 0,999, эпсилон = 1e-08
• MxNet: стоимость обучения = 0,001, бета1 = 0,9, бета2 = 0,999, эпсилон = 1e-8
• факел: стоимость обучения = 0,001, бета1 = 0,9, бета2 = 0,999, эпсилон = 1e-8

Знаете ли вы о каких-либо других стандартных конфигурациях для Адама? Дай мне знать в комментариях.

Дальнейшее чтение

В этом разделе перечислены ресурсы, чтобы узнать больше об алгоритме оптимизации Адама.

• Адам: метод стохастической оптимизации 2015
• Стохастический градиентный спуск в Википедии
• Обзор алгоритмов оптимизации градиентного спуска, 2016
• ADAM: метод стохастической оптимизации (Обзор)
• Оптимизация для глубоких сетей (слайды)
• Адам: метод стохастической оптимизации (слайды)

Знаете ли вы о других хороших ресурсах об Адаме? Дай мне знать в комментариях.

Резюме

В этом посте вы обнаружили алгоритм оптимизации Адама для глубокого обучения.

В частности, вы узнали:

• Adam — это алгоритм оптимизации замены для стохастического градиентного спуска для обучения моделей глубокого обучения
• Адам объединяет лучшие свойства алгоритмов AdaGrad и RMSProp, чтобы обеспечить алгоритм оптимизации, который может обрабатывать редкие градиенты в шумных задачах.
• Адама относительно легко настроить, если параметры конфигурации по умолчанию хорошо справляются с большинством задач.

У вас есть вопросы?
Задайте свои вопросы в комментариях ниже, и я сделаю все возможное, чтобы ответить.

Источник: machinelearningmastery.ru

Знакомство с ADAM

Каталоги LDAP (Lightweight Directory Access Protocol — облегченный протокол доступа к каталогам) широко применяются на современных предприятиях. Нередко один каталог обеспечивает аутентификацию и управление учетными записями пользователей и компьютерами, другой обслуживает пользователей VPN, а третий — инфраструктуру открытых ключей (public key infrastructure — PKI).

Появление все более сложных приложений для пользователей распределенных сетей и Internet — в частности, систем взаимодействия между предприятиями (B2B), предприятие-потребитель (B2C) и государство-гражданин — привело к тому, что каталоги чаще размещаются в демилитаризованной зоне (DMZ). Все эти приложения могут работать с Active Directory (AD), но AD требует вспомогательной инфраструктуры, например служб DNS, и существенно больших затрат на управление. Поэтому AD оказывается слишком «тяжеловесным» решением для организаций, которые нуждаются лишь в простом каталоге LDAP. В других случаях организации, развернувшие каталоги LDAP, сталкиваются с проблемой интеграции функций безопасности каталогов и операционной системы. Часто управлять ими приходится отдельно, с различными наборами полномочий.

Обе проблемы можно решить с помощью полнофункционального, но гибкого каталога LDAP, совместимого со встроенными механизмами безопасности Windows — ADAM (Active Directory Application Mode — прикладной режим Active Directory). Наряду с поддержкой многих возможностей Windows Server 2003 и Windows 2000 Server AD, ADAM располагает многочисленными функциями, не реализованными в AD, и совместим как с Windows 2003, так и с Windows XP Service Pack 1 (SP1). В отличие от AD, несколько экземпляров ADAM могут работать на одном сервере, в том числе на контроллере домена (DC), и администратор может выбрать порты, через которые экземпляр ADAM принимает запросы LDAP. В настоящее время нельзя указать, какие интерфейсы и IP-адреса прослушивает ADAM. В ADAM используется та же модель репликации с несколькими основными репликами, что и в AD, и поддерживается межсайтовая репликация по расписанию.

Владельцы лицензий Windows 2003 могут загрузить ADAM с Web-узла Microsoft. В данной статье речь пойдет о том, как установить службу ADAM, заполнить ее информацией о пользователях и интегрировать с AD.

Процесс установки

Размер загружаемого пакета ADAM — чуть больше 8 Мбайт. При запуске пакета на экране отображается вопрос, в какую папку следует записать установочные файлы. Для установки ADAM достаточно, чтобы член группы Administrators выполнил файл adamsetup.exe на машине, на которую распространяются его полномочия.

Мастер Active Directory Application Mode Setup Wizard помогает развернуть и настроить ADAM. За приветствием на первой странице мастера следует лицензионное соглашение конечного пользователя (EULA), а затем вопрос, следует ли развернуть ADAM вместе со вспомогательными инструментами или только ADAM.

На следующем этапе мастер спрашивает, нужно ли развернуть уникальный экземпляр ADAM или копию другого локального или удаленного экземпляра. Независимо от выбора уникального экземпляра или копии, мастер просит ввести имя экземпляра и указать порты, которые будет прослушивать данный экземпляр, — по умолчанию выбираются порты TCP 389 для LDAP и TCP 636 для LDAP over Secure Sockets Layer (SSL). Имя и прослушиваемые порты должны быть уникальными для сервера. Если развернуть ADAM на DC или сервере, уже работающем с ADAM, то стандартные порты будут заняты, и придется выбрать другие.

При создании уникального экземпляра ADAM мастер спрашивает, нужно ли создать раздел приложения. Если ADAM предназначен для поддержки приложения, которое создает собственные разделы, то создавать раздел не обязательно; в противном случае необходимо создать раздел и указать отличительное имя (distinguished name — DN), например CN=Partition,DC=CONTOSO,DC=COM. Если создается не уникальный экземпляр ADAM (копия существующего экземпляра, которая используется как основа для репликационного набора), то мастер просит ввести имя хоста и номер порта существующего экземпляра, конфигурация и данные которого будут реплицированы (экран 1). На следующих этапах вводятся данные учетной записи с административными полномочиями в отношении реплицируемого экземпляра и копируемые разделы (экран 2).

Экран 1. Указание экземпляра для репликации

Затем мастер просит указать местоположение данных каталога и файлов восстановления. ADAM может работать в контексте учетной записи Network Service или именованной пользовательской учетной записи — мастер позволяет выбрать любой вариант. На компьютере, который не входит в состав домена, необходимо использовать именованную учетную запись пользователя в том случае, если экземпляр представляет собой копию, или предполагается создать его копии впоследствии; для успешной репликации имя пользователя и пароль должны быть одинаковыми во всех экземплярах. Необходимо убедиться, что любая учетная запись, используемая как служебная для ADAM, имеет достаточные полномочия для регистрации в качестве службы.

На следующем этапе работы мастера необходимо выбрать адмнистраторов ADAM. Можно назначить как зарегистрированного в данный момент пользователя, так и любого другого пользователя или группу пользователей. Если создается раздел приложения, то можно импортировать и использовать для построения схемы файлы LDAP Data Interchange Format (LDIF). ADAM поставляется с четырьмя файлами LDIF.

• MS-AZMan.ldf поддерживает Microsoft Authorization Manager, инфраструктуру для безопасного управления доступом на основе ролей.
• MS-InetOrgPerson.ldf содержит реализацию класса inetOrgPerson, описанного в документе Internet Engineering Task Force (IETF) Request for Comments (RFC) 2798. Этот стандартный объектный класс используется в большинстве современных каталогов LDAP. Класс реализован в Windows 2003 и в качестве расширения для схемы AD Windows 2000.
• MS-User.ldf содержит класс, аналогичный классу User Windows 2003 и Windows 2000 AD.
• MS-UserProxy.ldf содержит класс для создания proxy-объектов пользователя в ADAM, которые соответствуют пользовательским объектам в AD и могут быть аутентифицированы AD.

В отсутствие приложения, которое может создать схему, необходимо импортировать один или несколько таких классов. После завершения работы мастера процесс установки создает экземпляр ADAM и заполняет каталог схемой из LDIF-файлов, указанных администратором, или схемой и объектами реплицированного экземпляра.

Мастер установки ADAM создает программную группу с именем ADAM. Данная группа содержит ярлык для оснастки ADSI Edit консоли управления Microsoft Management Console (MMC), файл оперативной подсказки и командную оболочку, которая открывается в каталоге %systemroot%ADAM, позволяя запускать инструментарий командной строки и обращаться к LDIF-файлам, поставляемым с ADAM. В файле подсказки приведена подробная информация по использованию инструментов командной строки.

Удалить каталоги ADAM можно с помощью утилиты Add/Remove Programs панели управления. Имя экземпляра приведено среди имен других утилит в списке установленных программ. При удалении экземпляра ADAM утилита удаляет из системы его данные и файлы восстановления. При удалении последнего экземпляра удаляются и программные файлы ADAM.

Использование ADAM

Следующий шаг после установки ADAM — заполнение каталога данными. Сделать это можно несколькими способами. Если ADAM установлен для поддержки приложения, то, возможно, это приложение заполнит каталог данными. Однако самый простой способ — задействовать программу ldifde.exe из ADAM Tools Command Prompt (находится в Start, All Programs, ADAM, ADAM Tools Command Prompt).

Ldifde.exe может экспортировать объекты и использовать файл данных, содержащий список объектов и производимых с ними операций. В листинге 1 показан пример файла данных LDIF, с помощью которого ldifde.exe загружает в каталог данные двух пользователей. Загружать данные пользователей из файла данных LDIF можно и из командной строки. Например, следующая команда загружает информацию о пользователе из файла с именем importusers.ldf в каталог на локальном сервере:

ldifde -i -s localhost -f importusers.ldf

Можно также использовать LDIF-файлы для создания и управления каталогом, например создания организационных единиц (OU). Объекты можно экспортировать из одного каталога в LDIF-файл, затем импортировать в другой каталог. Чтобы использовать ldifde.exe для импорта объектов в каталог или изменения существующих объектов, пользователь должен иметь соответствующие полномочия.

Самый простой способ получить достаточные полномочия — зарегистрироваться на сервере с данными учетной записи, которая имеет административные права в ADAM, например, в качестве члена группы администраторов ADAM, созданной в процессе установки. Другой способ — указать учетные данные, используемые при связывании с каталогом, в параметрах командной строки. Как и при работе с другими инструментами командной строки, можно запросить пароль, указав в командной строке звездочку (*) вместо пароля.

Еще один инструмент управления каталогом — оснастка ADAM ADSI Edit. С ее помощью можно расширять схему, создавать организационные единицы, перемещать объекты и даже создавать объекты, например пользователей. Инструмент ldp.exe позволяет направлять запросы в каталоги ADAM. Как ADSI Edit, так и Ldp — графические инструменты.

Некоторые другие инструменты командной строки располагают приложениями защиты, управления и диагностики. Особый интерес представляет программа csvde.exe, с помощью которой можно экспортировать объекты из каталога в файл с разделением запятыми (CSV) или импортировать в каталог объекты из CSV-файла.

Аутентификация и авторизация в каталоге

Пользователи могут предъявлять различные учетные данные для доступа к каталогу ADAM. ADAM интегрирован с функциями безопасности Windows, поэтому пользователи могут связываться с каталогом от имени локальных и доменных учетных записей. Пользователи, имеющие учетную запись в каталоге ADAM, могут пройти аутентификацию в каталоге с этой учетной записью. Если для привязки к каталогу используется учетная запись в этом каталоге, необходимо указать полное имя DN. Например, имя пользователя Билла Андерсона (Bill Anderson — пользователь, информация о котором вводится в каталог с помощью LDIF-файла в листинге 1) выглядит следующим образом:

Пароль для учетных записей пользователей ADAM можно назначать из оснастки ADSI Edit или с помощью ldp.exe. Совместимое с каталогом приложение (например, Web-приложение, в котором ADAM используется в качестве хранилища данных аутентификации и авторизации) также может назначить пароль. Пример исходного текста для назначения паролей и программного управления пользователями и группами на языках VBScript, Visual Basic .NET и C# опубликован на Web-узле Microsoft по адресу.

Экран 2. Указание разделов для репликации

Можно запретить пользователям задействовать учетные данные из каталога ADAM для привязки к каталогу, если, например, каталог служит только для публикации информации (адреса электронной почты, телефонного номера, почтового адреса, сертификатов X.509v3). Для этого необходимо присвоить значение TRUE атрибуту msDS-UserAccountDisabled каждой блокируемой учетной записи. Если у объекта «пользователь» этого атрибута нет или атрибут имеет значение FALSE, то сотрудник может использовать свою учетную запись ADAM для привязки к каталогу. Нельзя запретить пользователю связываться с каталогом ADAM с помощью локальной или доменной системной учетной записи Windows.

ADAM обеспечивает аутентификацию AD через proxy-объект и перенаправление привязки. При таком методе аутентификации пользователи предъявляют свои доменные учетные данные для входа в ADAM с DN. Этот метод аутентификации позволяет строить каталоги для приложений, ориентированных на пользователей с учетными записями AD и внешних пользователей с учетными записями ADAM.

Дублирование в ADAM объектов user для пользователей с учетными записями AD затрудняет управление и синхронизацию объектов. Для использования proxy-объекта ADAM необходимо импортировать LDIF-файл MS-UserProxy, а сервер ADAM должен быть членом домена. Атрибуту objectSID в классе UserProxy для пользователей, представленных в ADAM proxy-объектами, должно быть присвоено такое же значение, как у соответствующего SID в AD.

В ADAM определены четыре стандартные роли, используемые экземплярами ADAM для общего управления авторизацией. Роли реализованы как групповые объекты в ADAM. Эти роли — Administrators, Readers, Users и Instances. Чтобы назначить пользователю роль, необходимо добавить его в многозначный атрибут членов в ролевом объекте с помощью оснастки ADSI Edit, инструмента ldp.exe или программным путем.

Область действия ролей ограничена разделами. Наряду с другими объектами в каталоге роли реплицируются между экземплярами ADAM в конфигурационном наборе. Administrators получают полный административный доступ к экземпляру ADAM, Readers могут просматривать любые объекты в разделе, а Users имеют полномочия, предоставленные им в списках ACL. Роль Instances в основном не документирована.

Просматривать и назначать разрешения и атрибуты объектам в экземпляре ADAM можно с помощью инструмента командной строки dsacls.exe. ADAM поддерживает широкий набор разрешений и наследование разрешений. Полный список разрешений и рекомендации по их назначению можно получить, обратившись к оперативной подсказке из командной строки:

Назначая разрешения, пользователей и группы можно указывать в нескольких форматах, в том числе в форматах DN и domainuser.

Для идентификации субъектов в списках ACL используется SID. Пользователи и группы, организованные на базе как Windows, так и ADAM, имеют SID, поэтому и тех и других можно вносить в ACL. ADAM генерирует и обслуживает SID для пользователей и групп ADAM, гарантируя уникальность SID.

Дополнительная информация

В данной статье приведены лишь основные сведения об ADAM. Чтобы познакомиться с разнообразной функциональностью продукта, например с разделами приложений и репликацией, я рекомендую посетить Web-узел Microsoft по адресу, откуда можно загрузить документы, руководства и пакет ADAM Feature Pack.

В следующий раз я расскажу о том, как с помощью Identity Integration Feature Pack for Microsoft Windows Server Active Directory заполнить каталог ADAM данными из другого каталога, ADAM или AD. Данный подход полезен для приложений и каталогов, размещенных в DMZ. Кроме того, это альтернатива репликации ADAM, использованию proxy-объектов и интеграции с системой безопасности Windows, при которой требуется открытие в брандмауэре портов между DMZ и внутренней сетью.

Источник: www.osp.ru

Project Adam – интеллектуальная система визуального поиска от Microsoft

Программа машинного обучения и искусственного интеллекта, разработанная Microsoft, пробует выполнять работу человеческого мозга, направленную на восприятие новой информации, а также развитие различных навыков. В частности, в ходе демонстрации системы специалисты проверили ее способность различать породы собак – программа основывалась на машинном зрении, а также множестве данных.

Применение распределеннх сетей, а также благодаря асинхронной обработке сведений, система позволила увеличить производительность в целом и точность результатов.

Project Adam, согласно данным Microsoft, обошла Google – в 50 раз по скорости и в два раза по точности. Речь идет об искусственном интеллекте, разработанном Google, который умеет различать кошек.

Кроме всего прочьего Project Adam, в отличие от гугловской системы, использует в 30 раз меньше машин, а также, как отмечают в компании, поддается масштабированию.

В перспективе система вполне может быть использована в носимой электронике с дополненной реальностью, впрочем, как и в устройствах на базе Windows Phone.

Источник: naked-science.ru