Жк рф 86 статья: ЖК РФ Статья 86. Порядок предоставления жилого помещения по договору социального найма в связи со сносом дома / КонсультантПлюс

Содержание

Официальный сайт муниципального образования ‘Город Томск’: Порядок расселения аварийных домов

Если дом, в котором находится жилое помещение, занимаемое по договору социального найма, подлежит сносу, выселяемым из него гражданам должно быть предоставлено другое благоустроенное жилое помещение по договору социального найма (ст. 86 ЖК РФ). Это помещение должно отвечать требованиям статьи 89 ЖК РФ: оно должно быть благоустроенным применительно к условиям соответствующего населенного пункта, равнозначным по общей площади ранее занимаемому жилому помещению, отвечать установленным требованиям и находиться в черте данного населенного пункта.

При выселении граждан из жилых помещений по основаниям, предусмотренным 86 ЖК РФ, другое благоустроенное жилое помещение по договору социального найма, равнозначное по общей площади ранее занимаемому, предоставляется гражданам не в связи с улучшением жилищных условий, а потому что иные обстоятельства, учитываемые при предоставлении жилых помещений гражданам, состоящим на учете в качестве нуждающихся в жилых помещениях, во внимание не принимаются.

При этом граждане, которым в связи с выселением предоставлено другое равнозначное жилое помещение, сохраняют право состоять на учете в качестве нуждающихся в жилых помещениях (Постановление Пленума Верховного Суда РФ от 02.07.2009 № 14 «О некоторых вопросах, возникших в судебной практике при применении Жилищного кодекса РФ»).

Следовательно, жилые помещения предоставляются не по нормам предоставления общей площади жилого помещения, установленным решением Думы города Томска от 02.02.2016 г. № 136 в размере 25,0 квадратных метров общей площади на одиноко проживающего гражданина, 29,0 квадратных метров общей площади на семью, состоящую из 2-х человек и 13,0 квадратных метров общей площади на одного члена семьи, состоящей из 3-х и более человек, а также без учета положений ст. 58 Жилищного Кодекса РФ.

Регламент подготовки решений об изъятии для муниципальных нужд земельных участков и жилых помещений, находящихся в собственности граждан, в многоквартирном доме, признанном аварийным и подлежащим сносу, утвержден распоряжением администрации города Томска от 14.

12.2009 № р 1525.

На территории муниципального образования «Город Томск» действует подпрограмма «Расселение аварийного жилья» на 2017 — 2020 годы, утвержденная постановлением администрации Города Томска от 09.11.2016 № 1174 «Об утверждении муниципальной программы «Расселение аварийного жилья и создание маневренного жилищного фонда» на 2017 — 2020 годы».

Порядок предоставления жилого помещения по договору социального найма в связи с признанием дома, в котором находится жилое помещение, подлежащим сносу


Одной из гарантий реализации конституционного права граждан Российской Федерации на жилище, закрепленного в ст. 40 Конституции Российской Федерации, является его защита в случае признания жилого дома аварийным и подлежащим сносу.

Предоставление гражданам иного жилья при сносе аварийного жилого многоквартирного дома возможно при следующих условиях:

1. Занимаемое жилое помещение, расположенное в жилом многоквартирном доме, который признан аварийным и подлежащим сносу, является непригодными для проживания (ч. 4 ст. 15 Жилищного кодекса Российской Федерации (далее – ЖК РФ)).

2. Орган государственной власти или местного самоуправления, принявшие решение о признании жилого многоквартирного дома аварийным и подлежащим сносу, издал соответствующее распоряжение с указанием сроков отселения граждан (п. 49 Положения о признании помещения жилым помещением, жилого помещения непригодным для проживания, многоквартирного дома аварийным и подлежащим сносу или реконструкции, садового дома жилым домом и жилого дома садовым домом, утвержденного Постановлением Правительства Российской Федерации от 28.01.2006 № 47).

Условия предоставления жилья взамен изымаемого зависят от того, в чьей собственности находится изымаемые жилое помещение.

Выселяемым из аварийного дома гражданам, занимающим жилые помещения по договорам социального найма, иное жилье предоставляется также по договорам социального найма (ст. 86 ЖК РФ). При этом, предоставляемое жилье должно соответствовать следующим требованиям (ч. 1 ст. 89 ЖК РФ):

— быть благоустроенным применительно к условиям соответствующего населенного пункта;

— быть равнозначным по общей площади ранее занимаемому жилому помещению;

— отвечать установленным требованиям и находиться в границах этого населенного пункта.

Если наниматель и члены его семьи занимали квартиру или комнату (комнаты) в коммунальной квартире, им предоставляется квартира или жилое помещение, состоящее из того же числа комнат, в коммунальной квартире.

При выселении граждан из жилого помещения по указанному основанию другое благоустроенное жилье по договору социального найма предоставляется им не в связи с улучшением жилищных условий. Граждане, которым в связи с выселением предоставлено другое равнозначное жилье, сохраняют право состоять на учете в качестве нуждающихся в жилых помещениях, если для них не отпали основания состоять на таком учете (ст. 55 ЖК РФ).

Таким образом, указанная процедура предоставления гражданам по договорам социального найма иного благоустроенного жилья взамен иного жилого помещения при признания многоквартирного дома аварийным и подлежащим сносу носит компенсационный характер и гарантирует им условия проживания, которые не должны быть ухудшены по сравнению с прежними условиями

 

Помощник прокурора г. Рубцовска Максим Васюк

2019.02.27 Порядок переселения граждан, проживающих по договорам социального найма из ветхого и аварийного жилья

В настоящее время, одной из приоритетных задач, стоящих перед государством, является переселение граждан, проживающих в ветхом и аварийном жилищном фонде.

Порядок переселения граждан, проживающих по договорам социального найма и регламентируются нормами Жилищного кодекса Российской Федерации (далее – ЖК РФ).

Согласно ст.49 ЖК РФ жилое помещение по договору социального найма предоставляется малоимущим гражданам, которые признаны таковыми органом местного самоуправления.

В силу ст.85 ЖК РФ, одно из оснований предоставления другого благоустроенного жилого помещения по договору социального найма, является признание занимаемого жилого помещения непригодным для проживания либо признание дома, в котором находится жилое помещение, подлежащим сносу.

В соответствии со ст.86 ЖК РФ если дом, в котором находится жилое помещение, занимаемое по договору социального найма, подлежит сносу, выселяемым из него гражданам органом государственной власти или органом местного самоуправления, принявшими решение о сносе такого дома, предоставляются другие благоустроенные жилые помещения по договорам социального найма.

Требования к жилому помещению, предоставляемому гражданам по договору социального найма содержатся в ст.89 ЖК РФ. В соответствии с ними другое жилое помещение должно быть благоустроенным применительно к условиям соответствующего населенного пункта, равнозначным по общей площади, ранее занимаемому жилому помещению, отвечать установленным требованиям и находиться в границах данного населенного пункта. При этом предусмотрено, что, если наниматель и проживающие совместно с ним члены его семьи до выселения занимали квартиру или не менее чем две комнаты, наниматель соответственно имеет право на получение квартиры или на получение жилого помещения, состоящего из того же числа комнат, в коммунальной квартире.

Следовательно, законодатель гарантирует гражданам, чьи дома подлежат сносу, условия проживание, которые не должны быть ухудшены по сравнению с прежними, при этом количество человек, зарегистрированных на прежней жилой площади на предоставляемую площадь жилья не влияет.

Предоставление нанимателю жилого помещения меньшей общей, жилой площади, неравноценного по количеству комнат является незаконным и может быть оспорено в судебном порядке.

О некоторых актуальных вопросах Российского жилищного законодательства — Новости

Вопросы правового регулирования жилищных отношений так или иначе затрагивают интересы каждого человека. Правовую регламентацию получили, прежде всего, отношения, возникающие в связи с пользованием жилыми помещениями по договорам социального найма.

Как известно, по договорам социального найма гражданам предоставляются жилые помещения в государственном и муниципальном жилищном фонде социального использования, а судебные споры относительно различных вопросов в данной сфере – один из самых распространенных видов жилищных споров.
В связи с этим мы хотим опубликовать наиболее часто встречающиеся вопросы, возникающие в судебной практике.

Учитывается ли состав семьи нанимателя жилого помещения в доме, подлежащем сносу, а также размер занимаемой им жилой площади и другие заслуживающие внимания обстоятельства, при предоставлении гражданам жилого помещения по договору социального найма в связи со сносом дома?

Согласно ч. 1 ст. 89 ЖК РФ предоставляемое гражданам в связи с выселением по основаниям, которые предусмотрены статьями 86-88 ЖК РФ, другое жилое помещение по договору социального найма должно быть благоустроенным применительно к условиям соответствующего населенного пункта, равнозначным по общей площади ранее занимаемому жилому помещению, отвечать установленным требованиям и находиться в черте данного населенного пункта. Следовательно, законом установлены определенные требования к жилому помещению, которое предоставляется в связи со сносом дома.

Из изложенного следует, что, поскольку жилое помещение гражданам предоставляется не в связи с улучшением жилищных условий, а в связи со сносом дома, то предоставляемое жилье должно быть равнозначным по общей площади ранее занимаемому жилому помещению, без учета обстоятельств, влияющих на улучшение жилищных условий. При этом граждане, которым предоставлено другое равнозначное жилое помещение, сохраняют право состоять на учете в качестве нуждающихся в жилых помещениях, если у них не отпали основания состоять на таком учете (ст.

55 ЖК РФ).

Должен ли суд при удовлетворении требования гражданина о предоставлении ему жилого помещения по договору социального найма вне очереди определять срок, в течение которого должно быть предоставлено жилое помещение, учитывая при этом наличие других внеочередников и время постановки гражданина на учет в качестве нуждающегося в улучшении жилищных условий (действующим законодательством срок, в течение которого должно в этих случаях предоставляться жилое помещение, не определен)?

В соответствии с ч. 1 ст. 57 ЖК РФ жилые помещения предоставляются гражданам, состоящим на учете в качестве нуждающихся в жилых помещениях, в порядке очередности, исходя из времени принятия таких граждан на учет, за исключением установленных ч. 2 данной статьи случаев.

В ч. 2 ст. 57 ЖК РФ указаны категории граждан, которым жилые помещения по договорам социального найма предоставляются вне очереди.

Предоставление жилых помещений вне очереди не предполагает включения гражданина в какую-либо очередь.

ЖК РФ право граждан на получение жилого помещения вне очереди не поставлено в зависимость от наличия или отсутствия иных лиц, также имеющих право на получение жилого помещения вне очереди. Поэтому указанное право должно быть реализовано вне зависимости от наличия или отсутствия других лиц, состоящих на учете по улучшению жилищных условий, и времени принятия их на учет.

Следовательно, при удовлетворении требования лица о предоставлении ему в соответствии со ст. 57 ЖК РФ жилого помещения по договору социального найма вне очереди, если срок, в течение которого должно предоставляться жилое помещение, законодательством не определен, суд не должен определять срок, поскольку внеочередное предоставление не предполагает какого-либо срока для предоставления жилого помещения, а решение суда должно быть исполнено в установленные действующим законодательством сроки.

Какой нормой права необходимо руководствоваться при рассмотрении требований о признании бывшего члена семьи (бывшего супруга) нанимателя жилого помещения по договору социального найма не приобретшим право пользования жилым помещением, если он был вселен в жилое помещение после заключения договора социального найма? Имеет ли юридическое значение то обстоятельство, что ответчик не имеет собственного жилого помещения?

В соответствии со ст. 67 ЖК РФ, которая предусматривает права и обязанности нанимателя жилого помещения по договору социального найма, наниматель жилого помещения в установленном законом порядке имеет право вселять в занимаемое жилое помещение иных лиц, перечень которых установлен ч. 1 ст. 70 ЖК РФ.

Порядок и правовые последствия вселения в жилое помещение, занимаемое нанимателем по договору социального найма, предусмотрены ст.70 ЖК РФ.

Исходя из изложенного, если бывший член семьи нанимателя вселялся в жилое помещение с соблюдением требований, установленных ст. 70 ЖК РФ, то он считается приобретшим право пользования жилым помещением, следовательно, он имеет равные с нанимателем права и обязанности; если же он не вселялся в жилое помещение или вселялся с нарушением требований ст. 70 ЖК РФ, то его нельзя считать приобретшим право пользования жилым помещением. То обстоятельство, что ответчик не имеет собственного жилого помещения, при решении данного вопроса правового значения не имеет.

Является ли непроживание в жилом помещении бывшего члена семьи нанимателя жилого помещения по договору социального найма основанием для признания его утратившим право на проживание?

В соответствии с ч. 4 ст. 69 ЖК РФ, если гражданин перестал быть членом семьи нанимателя жилого помещения по договору социального найма, но продолжает проживать в занимаемом жилом помещении, за ним сохраняются такие же права, какие имеют наниматель и члены его семьи. Указанный гражданин самостоятельно отвечает по своим обязательствам, вытекающим из соответствующего договора социального найма.

В соответствии со ст. 71 ЖК РФ временное отсутствие нанимателя жилого помещения по договору социального найма, кого-либо из проживающих совместно с ним членов его семьи или всех этих граждан не влечет за собой изменения их прав и обязанностей по договору социального найма.

Часть 3 ст. 83 ЖК РФ предусматривает, что в случае выезда нанимателя и членов его семьи в другое место жительства, договор социального найма жилого помещения считается расторгнутым со дня выезда.

Следовательно, бывший член семьи нанимателя может быть признан утратившим право на проживание в жилом помещении только на основании ч. 3 ст. 83 ЖК РФ в том случае, если он выехал на иное постоянное место жительства и тем самым добровольно отказался от своих прав и обязанностей, предусмотренных договором социального найма.

Уважаемые жители! По всем интересующим вопросам, связанным с пользованием  жилыми помещениями по договорам социального найма Вы можете обращаться в отдел по учету и распределению жилья Администрации района по адресу: г. Екатеринбург, ул. 8 Марта, д. 18, каб. 2 в часы приема: вт. с 14.00-18.00, пт. с 10.00-12.00 тел. 317 93 65, Начальник отдела: Зябликая Светлана Александровна.

О равнозначности жилья, предоставляемого в порядке переселения

В случае, если дом, в котором находится жилое помещение, занимаемое по договору социального найма, подлежит сносу, выселяемым из него гражданам органом государственной власти или органом местного самоуправления, принявшими решение о сносе такого дома, предоставляются другие благоустроенные жилые помещения по договорам социального найма. (ст. 86 ЖК РФ) 

Частями 1 и 2 ст. 89 ЖК РФ предусмотрено предоставление гражданам в связи с выселением по основаниям, которые предусмотрены ст. 86 — 88 названного кодекса, другого жилого помещения по договору социального найма, которое должно быть благоустроенным применительно к условиям соответствующего населенного пункта, равнозначным по общей площади ранее занимаемому жилому помещению, отвечать установленным требованиям и находиться в границах данного населенного пункта. Если наниматель и проживающие совместно с ним члены его семьи до выселения занимали квартиру или не менее чем две комнаты, наниматель соответственно имеет право на получение квартиры или на получение жилого помещения, состоящего из того же числа комнат, в коммунальной квартире.

В Постановлении Пленума Верховного Суда Российской Федерации от 2 июля 2009 г. N 14 «О некоторых вопросах, возникших в судебной практике при применении Жилищного кодекса Российской Федерации» разъяснено, что при выселении граждан из жилых помещений по основаниям, перечисленным в ст. 86 — 88 ЖК РФ, другое благоустроенное жилое помещение по договору социального найма, равнозначное по общей площади ранее занимаемому, предоставляется гражданам не в связи с улучшением жилищных условий, а потому иные обстоятельства (названные, например, в ч. 5 ст. 57, ст. 58 ЖК РФ ), учитываемые при предоставлении жилых помещений гражданам, состоящим на учете в качестве нуждающихся в жилых помещениях, во внимание не принимаются. При этом граждане, которым в связи с выселением предоставлено другое равнозначное жилое помещение, сохраняют право состоять на учете в качестве нуждающихся в жилых помещениях, если для них не отпали основания состоять на таком учете (ст. 55 ЖК РФ ).

Из содержания приведенных законоположений следует, что предоставление гражданам в связи с признанием жилых помещений непригодными для проживания, дома — подлежащим сносу другого жилого помещения носит компенсационный характер и гарантирует им условия проживания, которые не должны быть ухудшены по сравнению с прежними условиями, с одновременным улучшением жилищных условий с точки зрения безопасности.

 

Определение Судебной коллегии по административным делам Верховного суда РФ N 59-АПГ18-6 от 15.08.2018 года

Боинг: Исторический снимок: F-86 Sabre

Более 6000 самолетов F-86 было произведено подразделениями North American Aviation в Лос-Анджелесе, Калифорния, и Колумбусе, Огайо.

Первый самолет со стреловидным крылом в арсенале истребителей США, F-86 одержал последовательные победы над истребителями МиГ советской постройки во время войны в Корее с итоговым соотношением 10 к 1. Все 39 асов Организации Объединенных Наций завоевали лавры в Sabre.

Четыре модели самолетов (F-86A, E, F и H) были дневными истребителями или истребителями-бомбардировщиками, а версии F-86D, K и L были всепогодными перехватчиками.

Последующие модели дневных версий — все предназначенные для уничтожения вражеских самолетов в полете или на земле — были оснащены более мощными двигателями и системами вооружения, от бомб и ракет до пулеметов и пушек. Все они были рассчитаны на класс скорости 650 миль в час (1046 км/ч) с боевым радиусом 600 миль (966 км) и практическим потолком более 45 000 футов (13 716 метров).

Три версии перехватчика щеголяли черными обтекателями, заменяя зияющие воздухозаборники других моделей.Модель K, произведенная в Турине, Италия, компанией Fiat, использовалась силами НАТО. На F-86L было добавлено оборудование для использования в сочетании с полуавтоматической системой защиты наземных объектов США (SAGE).

Предшественником действующего Sabre был XF-86, первый полет которого совершил 1 октября 1947 года летчик-испытатель North American Aviation Джордж Уэлч. Несколько месяцев спустя Уэлч стал первым пилотом, который управлял самолетом со скоростью 1 Мах в обычном полете. Хотя технически Sabre считался дозвуковым, он не был новичком в сверхзвуковых скоростях.

Различные модели Sabre шесть лет подряд удерживали мировые рекорды скорости, установив пять официальных рекордов и выиграв несколько трофеев Бендикс на национальном авиасалоне.

В сентябре 1948 года F-86A установил первый официальный мировой рекорд скорости Sabre — 1080 км/ч. Эта отметка была улучшена в 1952 году F-86D, который летел со скоростью 698 миль в час (1123 км/ч). D стал первой моделью истребителя, которая в 1953 году побила собственный рекорд, разогнавшись до 715 миль в час (1151 км/ч).

F-86E и последующие модели включали в себя уникальную систему управления, разработанную компанией North American, называемую «вселетающее оперение».F-86A содержал систему управления усилителем, которая требовала от пилота выполнения части работы по управлению самолетом, тогда как более новая система добавляла управление с полным приводом для лучшей маневренности на высоких скоростях. Было создано «искусственное ощущение». в органы управления самолетом, чтобы дать пилоту усилия на ручке, которые все еще были обычными, но достаточно легкими для превосходного боевого управления.

Производство F-86 в США закончилось в декабре 1956 года.

Сегментация изображения на основе признаков относительного движения и относительного несоответствия в топографически организованных областях зрительной коры человека

  • Poort, J., Self, M. W., van Vugt, B., Malkki, H. & Roelfsema, P. R. Сегрегация текстуры вызывает раннее усиление фигуры и последующее подавление фона в областях V1 и V4 зрительной коры. Кора головного мозга 26 , 3964–3976, https://doi.org/10.1093/cercor/bhw235 (2016).

    Артикул пабмед Google ученый

  • Schnabel, U.H. и др. . Восприятие фигуры и фона у бодрствующей мыши и активность нейронов, вызванная стимулами фигуры и фона в первичной зрительной коре. Научные отчеты 8 , 17800, https://doi.org/10.1038/s41598-018-36087-8 (2018).

    ОБЪЯВЛЕНИЕ КАС Статья пабмед ПабМед Центральный Google ученый

  • Шольте, Х.С., Джолий, Дж., Фаренфорт, Дж.Дж. и Ламме, В.А.Ф. Упреждающая и рекуррентная обработка в сегментации сцены: электроэнцефалография и функциональная магнитно-резонансная томография. Журнал когнитивной нейробиологии 20 , 2097–2109, https://doi.org/10.1162/jocn.2008.20142 (2008).

    Артикул пабмед Google ученый

  • Рулфсема, П. Р. Корковые алгоритмы группировки восприятия. Ежегодный обзор неврологии 29 , 203–227, https://doi.org/10.1146/annurev.neuro.29.051605.112939 (2006).

    КАС Статья пабмед Google ученый

  • Ламме, В.Нейрофизиология сегрегации фигуры и фона в первичной зрительной коре. The Journal of Neuroscience 15 , 1605–1615, https://doi.org/10.1523/jneurosci.15-02-01605.1995 (1995).

    КАС Статья пабмед Google ученый

  • Сеймур, К. и др. . Измененная контекстуальная модуляция первичных ответов зрительной коры при шизофрении. Нейропсихофармакология 38 , 2607, https://doi.org/10.1038/npp.2013.168 (2013 г.).

    Артикул пабмед ПабМед Центральный Google ученый

  • Бан, Х., Престон, Т.Дж., Мисон, А. и Уэлчман, А.Е. Интеграция признаков движения и несоответствия глубины в дорсальной зрительной коре. Nature neuroscience 15 , 636–643, http://www. nature.com/neuro/journal/v15/n4/abs/nn.3046.html — дополнительная информация (2012 г.).

  • Брэдшоу, М.Ф. и Роджерс, Б.Дж. Взаимодействие бинокулярного несоответствия и параллакса движения при вычислении глубины. Vision Res 36 , 3457–3468 (1996).

    КАС Статья Google ученый

  • Наврот, М. и Блейк, Р. Нейронная интеграция информации, определяющей структуру из стереопсиса и движения. Science 244 , 716–718, https://doi.org/10.1126/science.2717948 (1989).

    ОБЪЯВЛЕНИЕ КАС Статья пабмед Google ученый

  • Ламме, В.А. Ф., ван Дейк, Б. В. и Спекрейсе, Х. Контур в результате обработки движения возникает в первичной зрительной коре. Природа 363 , 541–543 (1993).

    ОБЪЯВЛЕНИЕ КАС Статья Google ученый

  • Луи, Л. Л., Борн, Дж. А. и Роза, М. Г. П. Единичные ответы на кинетические стимулы в районе обезьян Нового Света V2: физиологические характеристики сигнально-инвариантных нейронов. Experimental Brain Research 162 , 100–108, https://doi.org/10.1007/s00221-004-2113-9 (2005).

    КАС Статья пабмед Google ученый

  • Шэнь З.-М., Сюй, В.-Ф. и Ли, С.-Ю. Cue-инвариантное обнаружение разрыва между центром и окружением нейронами V1 у бодрствующей макаки. Журнал физиологии 583 , 581–592, https://doi.org/10.1113/jphysiol.2007.130294 (2007).

    КАС Статья пабмед ПабМед Центральный Google ученый

  • Чен М. и др. . Карта ориентации для границ движения в Macaque V2. Кора головного мозга 26 , 279–287, https://doi.org/10.1093/cercor/bhu235 (2016).

    Артикул пабмед Google ученый

  • Оллман, Дж., Мизин, Ф. и МакГиннесс, Э. Реакции, зависящие от направления и скорости, из-за пределов классического рецептивного поля в средней височной области зрения (MT). Восприятие 14 , 105–126, https://doi.org/10.1068/p140105 (1985).

    КАС Статья пабмед Google ученый

  • Райгель С., Ван Хулле М. М., Сяо Д. К., Маркар В. Л. и Орбан Г. А. Форма и пространственное распределение рецептивных полей и антагонистических движений в средней височной области (V5) макаки. Eur J Neurosci 7 , 2064–2082 (1995).

    КАС Статья Google ученый

  • Сяо Д.К., Райгель С., Маркар В. и Орбан Г.А. Пространственное распределение антагонистического окружения нейронов MT/V5. Кора головного мозга 7 , 662–677 (1997).

    КАС Статья Google ученый

  • Сари Г. , Фогельс Р., Ковач Г. и Орбан Г. А. Реакция нижних височных нейронов обезьян на решетки, определяемые яркостью, движением и текстурой. Журнал нейрофизиологии 73 , 1341–1354 (1995).

    КАС Статья Google ученый

  • Маркар, В. Л., Райгель, С. Э., Сяо, Д. и Орбан, Г. А. Обработка кинетически определенных границ в областях V1 и V2 обезьяны-макаки. Журнал нейрофизиологии 84 , 2786–2798 (2000).

    КАС Статья Google ученый

  • Дюпон, П. и др. . Кинетическая затылочная область зрительной коры человека. Кора головного мозга 7 , 283–292 (1997).

    КАС Статья Google ученый

  • Van Oostende, S., Sunaert, S., Van Hecke, P., Marchal, G. & Orban, G. A. Кинетическая затылочная (KO) область у человека: исследование фМРТ. Кора головного мозга 7 , 690–701 (1997).

    Артикул Google ученый

  • Реппас, Дж. Б., Нийоги, С., Дейл, А.М., Серено, М.И. и Тутелл, Р.Б.Х. Представление границ движения в ретинотопических областях зрительной коры человека. Природа 388 , 175–179 (1997).

    ОБЪЯВЛЕНИЕ КАС Статья Google ученый

  • Шульман Г.Л., Шварц Дж., Миезин Ф.М. и Петерсен С.Е. Влияние контраста движения на реакцию коры головного мозга человека на движущиеся стимулы. Журнал нейрофизиологии 79 , 2794–2803 (1998).

    КАС Статья Google ученый

  • Скиера Г., Петерсен Д., Скалей М. и Фале М. Корреляты сегрегации фигуры и фона в фМРТ. Исследование зрения 40 , 2047–2056, https://doi.org/10.1016/S0042-6989(00)00038-9 (2000).

    КАС Статья пабмед Google ученый

  • Ларссон Дж., Хигер Д. Дж. и Лэнди М.S. Ориентационная избирательность реакций границы движения в зрительной коре человека. Журнал нейрофизиологии 104 , 2940–2950, ​​https://doi.org/10.1152/jn.00400.2010 (2010).

    Артикул пабмед ПабМед Центральный Google ученый

  • Томас О.М., Камминг Б.Г. и Паркер А.Дж. Специализация относительного несоответствия в V2. Nature neuroscience 5 , 472–478, https://doi.org/10.1038/nn837 (2002 г.).

    КАС Статья пабмед Google ученый

  • Бредфельдт, К. Э. и Камминг, Б. Г. Простой отчет о циклопических реакциях края в макаке v2. J Neurosci 26 , 7581–7596, https://doi.org/10.1523/JNEUROSCI.5308-05.2006 (2006).

    КАС Статья пабмед Google ученый

  • Цю, Ф. Т. и фон дер Хейдт, Р.Фигура и фон в зрительной коре: v2 сочетает стереоскопические сигналы с правилами гештальта. Нейрон 47 , 155–166, https://doi.org/10.1016/j.neuron.2005.05.028 (2005).

    КАС Статья пабмед ПабМед Центральный Google ученый

  • Анзай А., Чоудхури С.А. и ДеАнджелис Г.К. Кодирование стереоскопической информации о глубине в визуальных областях V3 и V3A. The Journal of Neuroscience 31 , 10270–10282, https://doi.org/10.1523/jneurosci.5956-10.2011 (2011).

    КАС Статья пабмед ПабМед Центральный Google ученый

  • Умеда, К., Танабе, С. и Фуджита, И. Представление стереоскопической глубины на основе относительного несоответствия в районе макак V4. Журнал нейрофизиологии 98 , 241–252, https://doi.org/10.1152/jn.01336.2006 (2007).

    Артикул пабмед Google ученый

  • Шиодзаки Х.М., Танабе С., Дои Т. и Фуджита И. Нейронная активность в корковой области V4 лежит в основе тонкой дискриминации. The Journal of Neuroscience 32 , 3830–3841, https://doi.org/10.1523/jneurosci.5083-11.2012 (2012).

    КАС Статья пабмед Google ученый

  • Janssen, P., Vogels, R., Liu, Y. & Orban, G. A. Нижние височные нейроны макак избирательны в отношении трехмерных границ и поверхностей. Журнал неврологии 21 , 9419–9429 (2001).

    КАС Статья Google ученый

  • Круг, К. и Паркер, А. Дж. Нейроны в дорсальной области зрения V5/MT Относительное несоответствие сигнала. The Journal of Neuroscience 31 , 17892–17904, https://doi.org/10.1523/jneurosci.2658-11.2011 (2011).

    КАС Статья пабмед Google ученый

  • Цао Д.Y. и др. . Стереопсис активирует V3A и каудальные внутритеменные области у макак и людей. Нейрон 39 , 555–568, https://doi.org/10.1016/S0896-6273(03)00459-8 (2003).

    КАС Статья пабмед Google ученый

  • Бэкус, Б. Т., Флит, Д. Дж., Паркер, А. Дж. и Хигер, Д. Дж. Активность коры головного мозга человека коррелирует со стереоскопическим восприятием глубины. Журнал нейрофизиологии 86 , 2054–2068 (2001).

    КАС Статья Google ученый

  • Мендола, Дж. Д., Дейл, А. М., Фишл, Б., Лю, А. К. и Тутелл, Р. Б. Х. Представление иллюзорных и реальных контуров в зрительных областях коры головного мозга человека, выявленное с помощью функциональной магнитно-резонансной томографии. The Journal of Neuroscience 19 , 8560–8572 (1999).

    КАС Статья Google ученый

  • Минини, Л., Паркер, А.Дж. и Бридж, Х. Нейронная модуляция за счет бинокулярного несоответствия, наибольшего в дорсальном зрительном потоке человека. Журнал нейрофизиологии 104 , 169–178, https://doi.org/10.1152/jn.00790.2009 (2010).

    Артикул пабмед ПабМед Центральный Google ученый

  • Нери, П., Бридж, Х. и Хигер, Д. Дж. Стереоскопическая обработка абсолютного и относительного несоответствия в зрительной коре человека. Журнал нейрофизиологии 92 , 1880–1891, https://doi.org/10.1152/jn.01042.2003 (2004 г.).

    Артикул пабмед Google ученый

  • Гроссберг, С. Кортикальная динамика разделения фигуры и фона в ответ на 2D-изображения и 3D-сцены: как V2 сочетает владение границами, стереоскопические сигналы и правила гештальт-группировки. Front Psychol 6 , 2054, https://doi.org/10.3389/fpsyg.2015.02054 (2015).

    Артикул пабмед Google ученый

  • Рауди Ф.и Нейманн, Х. Нейронная модель временной динамики сегрегации фигуры и фона при восприятии движения. Нейронные сети: официальный журнал Международного общества нейронных сетей 23 , 160–176, https://doi.org/10.1016/j.neunet.2009.10.005 (2010).

    Артикул Google ученый

  • Нейман Х., Язданбахш А. и Миньолла Э. Видящие поверхности: видение мира мозгом. Обзоры физики жизни 4 , 189–222 (2007).

    ОБЪЯВЛЕНИЕ Статья Google ученый

  • Крафт Э., Шутце Х., Нибур Э. и фон дер Хейдт Р. Нейронная модель организации фигуры и фона. J Neurophysiol 97 , 4310–4326 (2007).

    Артикул Google ученый

  • Адельсон, Э. Х. и Берген, Дж. Р. Пространственно-временные энергетические модели для восприятия движения. J Opt Soc Am A 2 , 284–299 (1985).

    ОБЪЯВЛЕНИЕ КАС Статья Google ученый

  • Одзава И. Механизмы стереоскопического зрения: модель энергии диспаратности. Curr Opin Neurobiol 8 , 509–515 (1998).

    КАС Статья Google ученый

  • Винберг Дж. и Грилл-Спектор К. Представление форм, краев и поверхностей с помощью нескольких сигналов в зрительной коре человека. Журнал нейрофизиологии 99 , 1380–1393, https://doi.org/10.1152/jn.01223.2007 (2008).

    Артикул пабмед Google ученый

  • Коттеро, Б.Р., Макки, С.П., Алес, Дж.М. и Норсия, А.М. Пространственные взаимодействия, специфичные для несоответствия: данные визуализации источника ЭЭГ. The Journal of Neuroscience 32 , 826–840, https://doi.org/10.1523/jneurosci.2709-11.2012 (2012).

    КАС Статья пабмед ПабМед Центральный Google ученый

  • Бенсон, Н. К., Батт, О. Х., Брейнар, Д. Х. и Агирре, Г. К. Коррекция искажения в уплощенных изображениях поверхности коры позволяет прогнозировать функциональную организацию V1-V3 на основе анатомии. Вычислительная биология PLoS 10 , e1003538, https://doi.org/10.1371/journal.pcbi.1003538 (2014).

    ОБЪЯВЛЕНИЕ КАС Статья пабмед ПабМед Центральный Google ученый

  • Ганди, С. П., Хигер, Д. Дж. и Бойнтон, Г. М. Пространственное внимание влияет на активность мозга в первичной зрительной коре человека. Труды Национальной академии наук 96 , 3314–3319 (1999).

    ОБЪЯВЛЕНИЕ КАС Статья Google ученый

  • Мартинес, А. и др. . Участие полосатых и экстрастриарных зрительных областей коры в пространственном внимании. Неврология природы 2 , 364–369 (1999).

    КАС Статья Google ученый

  • Somers, D.C., Dale, A.M., Seiffert, A.E. & Tootell, R.B. Функциональная МРТ выявляет пространственно-специфическую модуляцию внимания в первичной зрительной коре человека. Труды Национальной академии наук 96 , 1663–1668 (1999).

    ОБЪЯВЛЕНИЕ КАС Статья Google ученый

  • Ликова, Л. Т. и Тайлер, К. В. Затылочная сеть для организации фигуры/фона. Experimental Brain Research 189 , 257, https://doi.org/10.1007/s00221-008-1417-6 (2008).

    Артикул пабмед Google ученый

  • Harvey, B.M. & Dumoulin, S.O. Взаимосвязь между коэффициентом увеличения коры и размером рецептивного поля популяции в зрительной коре человека: постоянство архитектуры коры. Журнал нейробиологии: официальный журнал Общества нейробиологов 31 , 13604–13612, https://doi.org/10.1523/JNEUROSCI.2572-11.2011 (2011).

    КАС Статья Google ученый

  • Shmuel, A., Augath, M., Oeltermann, A. & Logothetis, N. K. Отрицательный функциональный ответ МРТ коррелирует со снижением активности нейронов в зрительной области обезьяны V1. Nature neuroscience 9 , 569, https://doi.org/10.1038/nn1675, https://www.nature.com/articles/nn1675 — дополнительная информация (2006 г.).

    КАС Статья Google ученый

  • Шмуэль А. и др. . Устойчивый отрицательный ответ BOLD, кровотока и потребления кислорода и его связь с положительным ответом в человеческом мозге. Нейрон 36 , 1195–1210, https://doi.org/10.1016/S0896-6273(02)01061-9 (2002).

    КАС Статья пабмед Google ученый

  • Саад З.С., ДеЙо, Э. А. и Ропелла, К. М. Оценка задержек ответа FMRI. NeuroImage 18 , 494–504, https://doi.org/10.1016/S1053-8119(02)00024-1 (2003).

    Артикул пабмед Google ученый

  • Бридж, Х. и Паркер, А. Дж. Топографическое представление бинокулярной глубины в зрительной коре человека с использованием фМРТ. Journal of vision 7 , 15–15, https://doi.org/10.1167/7.14.15 (2007).

    Артикул пабмед Google ученый

  • Каччамани, Л., Скальф, П. Э. и Петерсон, М.А. Нейронные признаки опосредованного конкуренцией подавления при восприятии одного объекта. Cortex 72 , 124–139, https://doi.org/10.1016/j.cortex.2015.05.018 (2015).

    Артикул пабмед Google ученый

  • Rockland, K.S. & Van Hoesen, G.W. Прямые височно-затылочные связи обратной связи с полосатой корой (V1) у макак. Кора головного мозга 4 , 300–313 (1994).

    КАС Статья Google ученый

  • Бэйр В., Кавано Дж. Р. и Мовшон Дж.A. Временной курс и взаимосвязь между временем и расстоянием для объемного подавления в нейронах V1 макака. The Journal of Neuroscience 23 , 7690–7701, https://doi.org/10.1523/jneurosci.23-20-07690.2003 (2003).

    КАС Статья пабмед Google ученый

  • Ламме, В. А. Ф., Родригес-Родригес, В. и Спекрейсе, Х. Динамика раздельной обработки текстурных элементов, границ и поверхностей в первичной зрительной коре макаки-обезьяны. Кора головного мозга 9 , 406–413, https://doi.org/10.1093/cercor/9.4.406 (1999).

    КАС Статья пабмед Google ученый

  • Бакин Дж.С., Накаяма, К. и Гилберт, К. Д. Зрительные реакции в областях обезьян V1 и V2 на трехмерные конфигурации поверхности. Журнал нейробиологии: официальный журнал Общества нейробиологов 20 , 8188–8198 (2000).

    КАС Статья Google ученый

  • Паркер, А. Дж. Бинокулярное восприятие глубины и кора головного мозга. Nature Reviews Neuroscience 8 , 379, https://doi.org/10.1038/nrn2131 (2007).

    КАС Статья пабмед Google ученый

  • Verhoef, B.-E., Vogels, R. & Janssen, P. Бинокулярная глубинная обработка вентрального зрительного пути. Philosophical Transactions of the Royal Society B: Biological Sciences 371 , 20150259, https://doi.org/10.1098/rstb.2015.0259 (2016).

    Артикул Google ученый

  • Танабе, С., Умеда, К. и Фуджита, И. Отказ от ложных совпадений для бинокулярного соответствия в зрительной области коры макака V4. Журнал неврологии 24 , 8170–8180 (2004).

    КАС Статья Google ученый

  • Майсур, С.Г., Фогельс Р., Райгель С.Э. и Орбан Г.А. Обработка кинетических границ у макак V4. Журнал нейрофизиологии 95 , 1864–1880, https://doi.org/10.1152/jn.00627.2005 (2006).

    Артикул пабмед Google ученый

  • Верхоф, Б.-Э., Фогельс, Р. и Янссен, П. Нижневисочная кора поддерживает категоризацию трехмерной структуры. Нейрон 73 , 171–182, https://doi.org/10.1016/j.neuron.2011.10.031 (2012 г.).

    КАС Статья пабмед Google ученый

  • Ука, Т., Танабэ, С., Ватанабе, М. и Фуджита, И. Нейронные корреляты различения тонкой глубины в нижней височной коре обезьяны. The Journal of Neuroscience 25 , 10796–10802, https://doi. org/10.1523/jneurosci.1637-05.2005 (2005).

    КАС Статья пабмед Google ученый

  • Унно, С., Ханда, Т., Нагасака, Ю., Иноуэ, М. и Миками, А. Модуляция нейронной активности с распознаванием инвариантной формы в верхней височной борозде приматов. Neuroscience 268 , 221–235, https://doi.org/10.1016/j.neuroscience.2014.03.024 (2014).

    КАС Статья пабмед Google ученый

  • Вайнер, К. С. и Грилл-Спектор, К. Нейронные представления лиц и конечностей соседей в зрительной коре высокого уровня человека: свидетельство нового принципа организации. Психологические исследования 77 , 74–97, https://doi.org/10.1007/s00426-011-0392-x (2013).

    Артикул пабмед Google ученый

  • Haak, K.V. & Beckmann, C.F. Объективный анализ топологической организации зрительного коннектома коры головного мозга предполагает наличие трех зрительных путей. Cortex 98 , 73–83, https://doi.org/10.1016/j.cortex.2017.03.020 (2018).

    Артикул пабмед ПабМед Центральный Google ученый

  • Файнберг Д.А. и др. . Мультиплексная эхо-плоскостная визуализация для МРТ всего мозга менее чем за секунду и быстрой диффузионной визуализации. PloS one 5 , e15710, https://doi.org/10.1371/journal.pone.0015710 (2010).

    ОБЪЯВЛЕНИЕ КАС Статья пабмед ПабМед Центральный Google ученый

  • Эстебан, О. и др. . fMRIPrep: надежный конвейер предварительной обработки для функциональной МРТ. Природные методы 16 , 111–116, https://doi.org/10.1038/s41592-018-0235-4 (2019).

    КАС Статья пабмед Google ученый

  • Горголевски К. и др. . Nipype: гибкая, легкая и расширяемая платформа обработки данных нейровизуализации на Python. Границы нейроинформатики 5 , https://doi.org/10.3389/fnif.2011.00013 (2011).

  • Тастисон, Нью-Джерси и др. . N4ITK: улучшена коррекция смещения N3. IEEE Transactions on Medical Imaging 29 , 1310–1320, https://doi.org/10.1109/TMI.2010.2046908 (2010).

    Артикул пабмед ПабМед Центральный Google ученый

  • Рейтер, М., Росас, Х. Д. и Фишль, Б. Высокоточная обратная непротиворечивая регистрация: надежный подход. NeuroImage 53 , 1181–1196, https://doi.org/10.1016/j.neuroimage.2010.07.020 (2010).

    Артикул пабмед ПабМед Центральный Google ученый

  • Дейл, А.М., Фишль Б. и Серено М.И. Анализ поверхности коры головного мозга: I. Сегментация и реконструкция поверхности. NeuroImage 9 , 179–194 (1999).

    КАС Статья Google ученый

  • Кляйн А. и др. . Невероятная морфометрия человеческого мозга. Вычислительная биология PLoS 13 , e1005350, https://doi.org/10.1371/journal.pcbi.1005350 (2017).

    КАС Статья пабмед ПабМед Центральный Google ученый

  • Фонов В.С., Эванс, А.К., МакКинстри, Р.К., Алмли, К.Р. и Коллинз, Д.Л. Непредвзятые нелинейные средние соответствующие возрасту шаблоны мозга от рождения до взрослой жизни. NeuroImage 47 , S102, https://doi.org/10.1016/S1053-8119(09)70884-5 (2009).

    Артикул Google ученый

  • Авантс, Б. Б., Эпштейн, К. Л., Гроссман, М. и Джи, Дж. К. Регистрация симметричных диффеоморфных изображений с взаимной корреляцией: оценка автоматической маркировки пожилого и нейродегенеративного мозга. Анализ медицинских изображений 12 , 26–41, https://doi.org/10.1016/j.media.2007.06.004 (2008).

    КАС Статья пабмед Google ученый

  • Чжан Ю., Брейди М. и Смит С. Сегментация МРТ-изображений головного мозга с помощью модели скрытого марковского случайного поля и алгоритма максимизации ожидания. IEEE Transactions on Medical Imaging 20 , 45–57, https://doi.org/10.1109/42.4 (2001).

    КАС Статья пабмед Google ученый

  • Глассер, М. Ф. и др. . Минимальные конвейеры предварительной обработки для проекта Human Connectome. NeuroImage 80 , 105–124, https://doi.org/10.1016/j.neuroimage.2013.04.127 (2013).

    Артикул пабмед ПабМед Центральный Google ученый

  • Дженкинсон, М. и Смит, С. Метод глобальной оптимизации для надежной аффинной регистрации изображений мозга. Анализ медицинских изображений 5 , 143–156, https://doi.org/10.1016/S1361-8415(01)00036-6 (2001).

    КАС Статья пабмед Google ученый

  • Греве, Д. Н. и Фишль, Б. Точное и надежное выравнивание изображений мозга с использованием регистрации на основе границ. NeuroImage 48 , 63–72, https://doi.org/10.1016/j.neuroimage.2009.06.060 (2009 г.).

    Артикул пабмед ПабМед Центральный Google ученый

  • Дженкинсон, М., Баннистер, П., Брейди, М. и Смит, С. Улучшенная оптимизация для надежной и точной линейной регистрации и коррекции движения изображений мозга. NeuroImage 17 , 825–841, https://doi.org/10.1006/nimg.2002.1132 (2002).

    Артикул пабмед Google ученый

  • Абрахам А. и др. . Машинное обучение для нейровизуализации с помощью scikit-learn. Границы нейроинформатики 8 , https://doi.org/10.3389/fnif.2014.00014 (2014).

  • Аргалл, Б.Д., Саад, З. С. и Бошам, М. С. Упрощенное межсубъектное усреднение на поверхности коры с использованием SUMA. Картирование человеческого мозга 27 , 14–27, https://doi.org/10.1002/hbm.20158 (2006).

    Артикул пабмед Google ученый

  • Ван Х. Х., Мерриам Э. П., Фриман Дж. и Хигер Д. Дж. Смещения направления движения и декодирование в зрительной коре человека. The Journal of Neuroscience 34 , 12601–12615, https://doi.org/10.1523/jneurosci.1034-14.2014 (2014).

    КАС Статья пабмед ПабМед Центральный Google ученый

  • Пей, Ф., Балдасси, С., Цай, Дж. Дж., Герхард, Х. Э. и Норсия, А. М. Развитие механизмов нормализации контраста в детстве и подростковом возрасте. Исследование зрения 133 , 12–20, https://doi.org/10.1016/j.visres.2016.03.010 (2017).

    Артикул пабмед Google ученый

  • Андерсон Т.W. Введение в многомерный статистический анализ . (Уайли, 1984).

  • Нордхаузен, К., Сиркиа, С., Оджа, Х. и Тайлер, Д. Э. (2018).

  • R Основная команда. (Вена, Австрия, 2014 г.).

  • Хаглер, Д. Дж., Сайгин, А. П. и Серено, М. И. Сглаживание и определение кластерного порога для группового анализа данных фМРТ на поверхности коры головного мозга. NeuroImage 33 , 1093–1103, https://doi.org/10.1016/j.neuroimage.2006.07.036 (2006).

    Артикул пабмед ПабМед Центральный Google ученый

  • Фишл, Б., Серено, М. И. и Дейл, А. М. Анализ поверхности коры головного мозга: II: раздувание, сглаживание и система координат на основе поверхности. NeuroImage 9 , 195–207 (1999).

    КАС Статья Google ученый

  • Противостояние: Mazda MX-5 RF против Toyota 86

    Спортивные автомобили — это компромисс, замена практичности на легкость в летние месяцы.Но пришла зима, предлагая темные дни и запекшиеся снежные копролиты, падающие из колесных арок и загрязняющие гараж. Пришло время припарковать дерзкий маленький четырехцилиндровый двигатель? Не вряд ли. Давайте посмотрим, какой из этих двух маленьких японских спорткаров доказывает, что сезон спортивных автомобилей длится круглый год.

    2019 Toyota 86 2019 Toyota 86

    2019 Toyota 86.Brendan McAleer /

    Tech Specs

    Цена, как проверено: $ 33,260

    Двигатель: 2.0-литровый четырехцилиндровый двигатель, 205 л.с. 5 РФ

    2019 Mazda MX-5 РФ. Глобус и почта

    Tech Specs

    Цена, как проверено: $ 49 905

    Двигатель: 2,0-литровый четырехцилиндровый, 181 HP

    Трансмиссия/привод: Шестиступенчатая механическая/задний привод

    Экономия топлива (литры/100 км): 9.0 city/7.0 hwy

    Внешний вид

    Toyota 86: Первоначально выпущенный в 2012 году как продукт Scion, FR-S, 86 был лишь слегка обновлен за эти годы. Последняя версия имеет змеиное лицо, которое Распределяющая шляпа сразу же бросила бы в Слизерин. Придерживайтесь нейтрального цвета, например, серого, черного или темно-синего, чтобы смягчить эффект.

    Все остальное в модели 86 имеет классические пропорции, с длинным низким капотом и некоторыми яркими деталями, такими как двойные выхлопные трубы сзади.17-дюймовые колеса входят в стандартную комплектацию, хотя топовая версия TRD предлагает 18-дюймовые. Придерживайтесь меньших колес для более удобной езды.

    Mazda MX-5 RF: Придание родстеру MX-5 стиля фастбэк прекрасно работает. Внимательный к деталям взгляд может зацепиться за затемненную панель сразу за дверями (это не окно), но остальная часть силуэта RF бесконечно приятна.

    Он более плавный, чем 86-й, немного менее суетливый и заметно более компактный. Всего 3,9 м в длину и 1.Миниатюрный листовой металл MX-5 высотой 2 м делает 17-дюймовые колеса RF огромными. Можно даже подумать о том, чтобы сделать зимние диски и шины на один размер меньше — базовый комплект родстера — это 16-дюймовые колеса.

    Интерьер

    Интерьер Toyota 86 2019 года выполнен в деловом стиле. The Globe and Mail

    Toyota 86: резиновый внутри. Эргономика хороша, особенно цепкие сиденья с хорошей поддержкой, но если вы ищете ощущение высокого класса, замшевая панель на приборной панели никого не обманет.Имейте в виду, деловой интерьер не является недостатком спортивного автомобиля.

    Интерьер Mazda MX-5 RF 2019 года напоминает кабину пилота.The Globe and Mail опыт, аналогичный пещерному дайвингу. Когда Mazda поразила свой маленький двухместный автомобиль термоусадочным лучом, они также исключили вместительность. Если вам нравится ощущение кабины, хорошо оборудованный салон RF можно охарактеризовать как уютный.Если ваш рост выше шести футов, это лучше всего описать как клаустрофобию. Кроме того, подстаканники явно второстепенны.

    Производительность

    Toyota 86: Зимой нужна стабильность и безопасность, чтобы преодолевать плохую погоду. 86, с другой стороны, хочет, чтобы его водитель мчался по снегу боком. Это один из самых «счастливых» автомобилей на рынке: с полностью отключенной системой контроля тяги он с удовольствием выдвинет заднюю часть с самым мягким изгибом носка на мокром асфальте на скорости до 30 км. /час.К счастью, система тяги имеет золотую середину, где системы безопасности все еще на месте, а поведение автомобиля полностью предсказуемо. Это живой, но прирученный живой.

    Чем дольше вы проводите за рулем, тем более привлекательной становится Toyota 86. The Globe and Mail

    То, что 86 с такой готовностью вращается, удивительно, учитывая его двигатель с низким крутящим моментом. Всего 156 фунт-фут доступны при высоких 6400 об / мин, а пиковые 205 л.с. должны быть выжаты из 2,0-литрового оппозитного двигателя Subaru, как если бы вы выжимали носки после того, как наступили в лужу.Сначала водитель может пожелать большей гибкости двигателя с турбонаддувом.

    Однако чем дольше вы проводите за рулем, тем более привлекательным становится 86-й. Расположение педали идеально подходит для переключения на пониженную передачу, двигатель охотно набирает обороты, а усилия за рулем вознаграждаются. 86 требует, чтобы вы действительно управляли им, а не рассеянно хлебали кофе за рулем. Предположительно, именно поэтому вы хотели спортивную машину в первую очередь.

    Mazda MX-5 RF: Складная жесткая крыша RF на 53 кг тяжелее, чем версия с мягким верхом, и имеет динамический штраф.Поверьте мне, любой, кто не является гонщиком-разработчиком, не заметит разницы. Двухместный автомобиль Mazda остается одним из самых чистых и приятных впечатлений от вождения в своей ценовой категории. Сотрите это: в любой ценовой категории.

    Новый двигатель Mazda MX-5 RF поет до красной черты. The Globe and Mail

    Обновления двигателя уменьшили вращающуюся массу и повысили предел оборотов, а также увеличили пиковую мощность. Этот новый двигатель поет до красной черты, но все же более управляем в городе, чем 86-й, из-за хорошо разнесенной передачи.Он также теперь имеет достаточную мощность, когда это необходимо, например, при быстром обгоне большого грузовика.

    Коммуникативное управление MX-5 означает, что он легко справляется со скользкими условиями, а с правильными зимними шинами обеспечивается хорошее сцепление с дорогой. Жесткая крыша немного тише родстера, а маленький салон прогревается очень быстро. Если Санта-Клаус спрятал один из них под елку для вас, считайте, что вы попали в хороший список.

    Технологии

    Toyota 86: Даже когда это был новый дизайн, информационно-развлекательная система 86 выглядела второстепенной.К счастью, последняя система проста и интуитивно понятна, если не кричаща. Если вы ищете помощников по вождению, чтобы облегчить поездку на работу, вы не найдете их здесь. Вместо этого 86 полагается на самую старую и самую надежную помощь при вождении из всех: внимание.

    Mazda MX-5 RF: Информационно-развлекательная система Mazda также немного устарела, хотя, по крайней мере, MX-5 выигрывает от самых последних обновлений. Наконец-то появились Apple CarPlay и Android Auto, и в системе несложно ориентироваться.Главное отличие заключается в том, что Mazda использует контроллер с поворотной ручкой по сравнению с сенсорным экраном Toyota.

    Cargo

    Toyota 86: Помимо конфигурации 2+2, которая достаточно велика для размещения детских сидений (если вы родитель, но не совсем готовы взрослеть), 86-е задние сиденья складываются в ровный пол. Один только неглубокий багажник — это пригодные для жизни 195 литров, но складывающиеся сиденья вмещают четыре колеса с установленными шинами. Идеально подходит для тех случаев, когда вы заглядываете, чтобы установить зимние диски.

    Mazda MX-5 RF: Модель RF с рабочим объемом всего 127 литров — своего рода ежедневный компромисс. Тем не менее, по крайней мере, багажник имеет некоторую глубину, а это означает, что еженедельный продуктовый магазин должен быть, по крайней мере, выполним.

    Вердикт

    Toyota 86: Модель 86, захватывающая машина, которая вознаграждает столько, сколько требует. Его стремление потрясти хвостовым пером не понравится каждому водителю, когда начнет лететь снег, но если это ваш первый шаг на пути к тому, чтобы в конечном итоге выпороть Corvette вокруг Моспорта, эта Toyota со скромной мощностью станет отличным знакомством с задними колесами. -драйв жизни.Или, если это спортивная машина, которую вы давно хотели после многих лет минивэнов, водить ее все время просто весело.

    Mazda MX-5 RF: Если, однако, вы можете жить без рудиментарных задних сидений и согласиться на меньший объем багажника, RF — более чистый выбор. Он быстрее, легче, маневреннее и еще эффективнее. А с наступлением весны вы можете снять этот топ и насладиться ощущением ветра в волосах и обещанием долгого лета впереди с еще неизведанными дорогами.

    Хотите купить новую машину? Ознакомьтесь с новым инструментом Globe Drive Build and Price , чтобы узнать последние скидки, скидки и расценки на новые автомобили, грузовики и внедорожники. Нажмите здесь , чтобы узнать цену.

    Будьте в курсе всех наших историй о Драйве. У нас есть информационный бюллетень Drive, посвященный обзорам автомобилей, инновационным новым автомобилям, а также взлетам и падениям в повседневном вождении. Подпишитесь на еженедельный информационный бюллетень Drive , который будет доставляться на ваш почтовый ящик бесплатно. Подпишитесь на нас в Instagram, @globedrive .

    RF-86F Сабля | Музей авиации Тихоокеанского побережья

    История разработки и эксплуатации RF-86

    RF-86 — это самолет, который разрабатывался в полевых условиях, а не на заводе.После того, как китайцы вступили в войну и поставили большое количество МиГ-15, это стало слишком опасно для самолетов тактической разведки, действующих на театре военных действий. Они не могли залететь в район Аллеи МиГов (долина реки Ялу) на имеющихся в настоящее время самолетах: РФ-80, РБ-26 (разведывательная версия А-26, которая у нас есть) и морской разведки (кажется, Банши) . Все это было слишком медленно.

    Пилоты, которые обычно выполняли эти миссии, 15-я тактическая разведывательная эскадрилья (TRS) на К-14 (Кимпо), поняли, что им нужна разведывательная версия самолета, который МОЖЕТ действовать в среде, где доминируют МиГи и Сейбры.Почему бы не модифицировать Sabre, чтобы он выполнял эту работу? Никому это не было интересно, но они уговорили командира 4-й истребительной группы (на том же аэродроме) позволить им поиграть с разобранным фюзеляжем F-86 на свалке. Они разобрали его, убрали несколько пушек и нашли место для некоторых камер. Они убедили штаб ВВС Дальнего Востока в Японии модифицировать два утомленных войной F-86A установкой камеры. Это было сделано в Татикаве в Японии, и первые RF-86A поднялись в воздух зимой 1951 года (? это не читая моих заметок).

    Они подняли самолеты в смешанном строю из истребителей F-86 и одного RF до Аллеи МиГов, сфотографировали места для военнопленных, в которых остро нуждался штаб, и это сошло с рук, и генералам понравился результат. Теперь они сделали еще шесть RF-86A и летали на них регулярно (то есть половина эскадрильи летала на RF-86, а половина на обычных RF-80). Затем парк истребителей перешел на более совершенные F-86 с лучшим управлением полетом, лучшей конфигурацией поворотного крыла и т. д. Было необходимо обновить разведку, поэтому они модифицировали несколько F-86F, установив аналогичную конфигурацию камер.Этот самолет, RF-86F, прибыл в Корею весной 1953 года и летал до окончания перемирия в июле или августе 1953 года. У этих самолетов не было щечных выпуклостей бурундука на верхних створках, как у нашего самолета.

    В какой-то момент генералы решили, что им нужны более качественные фотографии с 86-го, и кто-то разработал версию с 40-дюймовыми разделенными вертикальными камерами. Они были больше, а магазин для пленки в верхней части 40-дюймового объектива привел к тому, что на боковой стороне самолета чуть ниже фонаря появилась большая выпуклость или волдырь. Эта версия — наш самолет.

    Существуют некоторые разногласия по поводу того, когда и где эта версия была модифицирована и когда она пошла в бой. На сегодняшний день лучшим специалистом по серии F-86 является Ларри Дэвис, редактор журнала Sabre Classics и автор нескольких книг по F-86. Он считает, что версия с пухлыми щеками пошла на боевые действия в Корее в начале лета 1953 года, незадолго до перемирия. . Впрочем, у меня есть знакомые, которые летали тогда летчиками и говорят: «Не так!» Говорят, эта версия не летала до весны 1954 года, когда 15-я TRS перебралась из Кореи в Комаки, Япония.

    Находясь в Комаки, все, кажется, согласны с тем, что пухлощекий RF-86F совершал тайные шпионские миссии над материковой Кореей (?), Маньчжурией (?), Китаем (?) или Россией (?). Некоторые из пилотов описали свои полеты, но большинство считает, что миссии все еще строго засекречены и не будут говорить, пока не будет получено разрешение от Агентства национальной безопасности. Поскольку корейская война технически все еще находится в состоянии войны, а Северной Корее сейчас навязывают мирную конференцию, может быть некоторое нежелание дать официальное разрешение на переговоры.Видите ли, фотография, которую они, вероятно, сделали (и они до сих пор не скажут мне, что это была за фотография), легла в основу ряда жалоб о нарушении перемирия, относящихся к 1953 и 54 годам.

    У меня есть цветные фотографии RF-86F (например наши) в цветах корейской войны, и самолет считается таким винтажным.

    Теперь о нашем отдельном самолете: у нас есть записи ВВС США по этому самолету, и похоже, что этот самолет вообще не был в Корее. Также неясно, был ли он модифицирован в RF примерно до 1961 года.Уверен, что самолет служил как RF-86F для сил самообороны Японии, и у нас есть цветные фотографии этого самолета с японскими опознавательными знаками. На самом деле, японские маркировки все еще можно увидеть при определенных углах освещения, чтобы они соответствовали нашим фотографиям.

    При всем при этом RF-86 был значительным и практически неизвестным боевым самолетом во время Корейской войны и после нее. Самолет летал только в составе 15-й ТРС, но для маскировки всегда имел маркировку, как будто это истребитель 86, приписанный к 4-й истребительной группе.Те из нас, кто исследовал модель, считают вполне уместным маркировать и отображать наш собственный самолет в опознавательных знаках времен Корейской войны на других самолетах 15th TRS. Это было бы признанием выдающихся достижений, до сих пор в значительной степени неизвестных из-за секретности, пилотов этой эскадрильи.

    Mazda MX-5 RF vs Toyota GT86 vs BMW 2-series Coupe обзор тройного теста (2017)

    ►  MX-5 RF против 2-й серии против GT86
    ►  Возврат к истокам, захватывающий тест
    ►  Кто делает лучшее дешевое купе?

    Mazda MX-5 четвертого поколения по праву считается возвращением к истокам автомобиля. Чистый, без наддува, легкий двухместный автомобиль, который меньше, чем даже оригинал 1989 года, он смягчает любое разочарование по поводу своих скромных прямолинейных характеристик с почти забытым спортивным автомобилем 60-х. кончики пальцев и, вполне возможно, нога вашего пассажира, если они подписали отказ от прав в 21 веке.

    Но вот статистика, которая бросает вызов этой фантазии: только два из каждых 10 проданных MX-5 предыдущего поколения были на самом деле с мягким верхом.Покупатели в подавляющем большинстве хотели версию купе-кабриолет, и это понятно. Он выглядел немногим хуже, чем кабриолет, и при этом не потерял места в багажнике. Его возвращение было неизбежным.

    Его возвращение, похожее на ужасную подделку купе BMW Z4 от Mitsuoko kei-car, увиденное в ярмарочном зеркале после тяжелой ночи на бродячем топливе, было скорее кривым. Новый MX-5 RF, где RF означает убирающийся фастбэк, не является полноценным купе-кабриолетом, как его предшественник. Вместо этого он немного похож на современную 911 Targa, центральной особенностью которого является съемная панель крыши, которая может быть электрически убрана под заднюю часть кузова.

    Справедливости ради, некоторые сотрудники CAR сочли, что это выглядит нормально, и прислали мне заметки на этот счет, но, похоже, не было особого смысла включать их сюда, поскольку шрифт Брайля на самом деле не работает на обычной бумаге. Иногда, просто изредка, если немного прищуриться, можно увидеть, что пыталась сделать команда дизайнеров Mazda. Но в конечном счете это похоже на ту межпрограммную идентификацию для Channel 4, когда разрозненные формы сливаются в одно место, чтобы составить логотип: это имеет смысл для этого мимолетного момента с одного очень определенного ракурса, а затем возвращается к уродливому беспорядку.

    У него тяжелый верх, он выглядит слишком высоким, фальшивые боковые окна ужасны, и он не так красив, как обычный родстер, который стоит на 2 тысячи фунтов меньше. Стоит ли упоминать, что это даже не фастбэк, как бы там ни называлось?

    Но в любом случае, с поднятой крышей, это, по сути, купе, а это значит, что он будет желанным для людей, которые обычно не смотрят на MX-5 с откидным верхом. Это также означает, что он столкнулся с довольно жесткой конкуренцией в виде этой пары настоящих купе, которые мы привезли сегодня.

    Вы можете соединить корпус RF с базовым двигателем 1.5 мощностью 129 л.

    Доступные конкуренты спортивного купе: Toyota GT86 и BMW 2-series Coupe

    Это ставит его почти вровень с великолепным, но медленно продаваемым GT86 от Toyota, который оснащен 197-сильным оппозитным четырехцилиндровым двигателем Subaru, стоит 26 410 фунтов стерлингов в базовой комплектации, а теперь имеет перенастроенную подвеску и дополнительное оборудование после небольшого фейслифтинга.

    Купе BMW 2-й серии тоже скоро появится, но шпионские снимки показывают, что это настолько несущественно, что мы не будем отвлекать вас от нынешнего автомобиля. Это утонченное взрослое лицо компактного заднеприводного купе. Мы любим M2 и уважаем разумный дизель 220d, но у нас не было возможности познакомиться с 220i, здесь, в форме M Sport за 30 штук.

    Кажется, что деньги потрачены не зря, когда вы открываете дроссельную заслонку, а GT86 меркнет в зеркале заднего вида, как лыжник, у которого стропа только что порвалась надвое. BMW здесь необычен, и только здесь, в силу того, что он турбированный. Двигатель 2.0 TwinPower развивает средние 182 л.с. по сравнению со 158 л.с. у Mazda и 197 л.с. у Toyota, и он привинчен к кузову на сотни килограммов тяжелее обоих, что приводит к худшему соотношению мощности к весу.

    Но с крутящим моментом в 214 фунт-футов всего лишь от 1350 об/мин и превосходным восьмиступенчатым автоматом ZF, который максимально использует его, 220i чувствует себя на грани скорости, разгоняясь до 62 миль в час за 7,0 секунды, а 146 миль в час — на пределе.В наши дни это выходит за рамки принятых уровней хот-хэтча, но этого определенно достаточно, чтобы заинтересовать вас, плавно вращаясь к красной черте 7k, хотя жестоко подводит вас, прежде чем вы сделаете это с ограничителем оборотов, более мягким, чем подушка в фунте стерлингов. 500-ночная гостиница.

    Тем не менее, он счастлив карабкаться и так же счастлив тащить. Хотя мы, вероятно, выберем версию с механической коробкой передач и прикарманим разницу в 1600 фунтов стерлингов, ZF подходит этому автомобилю, подчеркивая особое положение 2 в этой линейке.

    Делать вещи просто: упрощенная Toyota GT86 

    Можно купить GT86 с автокоробкой, но зачем это делать я не представляю. В пределах своих жалких 151 фунта на фут и заоблачных 6400 оборотов в минуту, при которых вы его получаете, Toyota делает разумную работу, таща вас за собой без необходимости маниакально переключать передачи. Но вам лучше быть готовым стать маниакальным, если вы хотите чего-то добиться. На самом деле, вы быстро понимаете, что медленно управлять GT86 практически невозможно.

    Давненько я не водил GT86, и этот шумит лучше, чем я помню, но, несмотря на причудливую компоновку оппозитной четверки, это не самый приятный двигатель. Звучит не так характерно, просто грубо. Это не кажется таким гладким. И ему никогда не удается чувствовать себя быстро.

    Я понял, что спортивная машина доставляет удовольствие на разумных скоростях. Но я считаю, что есть минимальный приемлемый уровень производительности, который вызывает улыбку и позволяет безопасно совершать обгоны. Двадцать лет назад модель GT86 7.6 секунд до 62 миль в час, вероятно, было бы достаточно. Сейчас? Я не уверен.

    У MX-5 та же проблема, и он не может успокоить вас своим забавным игривым характером, как это может сделать его еще более медленный брат 1.5. Он не выполняет трюк с турбодизельным крутящим моментом BMW, отбрасывая вас назад на свое место, как будто вы Марти МакФлай, впервые подключающий свою гитару к джамбо-усилителю Дока Брауна. И в верхней части тоже нет эйфорического момента VTEC. Это бытовая техника в мире двигателей спортивных автомобилей.

    Но — и это большое но — соединяющая вас механическая коробка передач настолько великолепна, что вам почти все это можно простить. Легкий, как супермини, и такой же короткий, как бейсбольный питчер, он заставляет GT86 чувствовать себя неуклюжим и сельскохозяйственным и напоминает водителю BMW с автоматической коробкой передач, что купе предназначены для удовольствия, а не для эффективности.

    Производительность, технические характеристики

    Скромная производительность Mazda — разгон до 100 км/ч занимает 7,4 секунды, хотя на самом деле она прилично цепляется за фалды BMW на полном ходу — это означает, что вы все равно будете шевелить палкой, но это так весело, что вы делай больше. Переключение на пониженную передачу со скачками оборотов? Это может быть официальная школьная машина BSM.

    Опять же, как и у GT86, есть вариант с автоматической коробкой передач, но трудно поверить, что кто-то отказывается от такого уровня близости с автомобилем. Это как если бы вам предложили ключ от души автомобиля, но вместо этого вы выбрали пульт дистанционного управления.

    Все в MX-5 интимно, включая вашу близость к пассажиру и положение его коленей на приборной панели. Здесь он крошечный, и улучшение запаса высоты у RF по сравнению с родстером незначительно.Полезный отсек для хранения в задней перегородке между сиденьями теперь меньше, что доставляет неудобства, потому что нет перчаточного ящика и не так много других мест для хранения вещей. Но крыша, по крайней мере, складывается, не занимая места для багажа.

    Чтобы убрать крышу, требуется около 13 секунд, что значительно дольше, чем требуется, чтобы откинуть мягкий верх кабриолета вручную. И в отличие от большинства современных кабриолетов, которые позволяют вам двигаться со скоростью до 30 миль в час, пока двигатели делают свое дело, электроника 4 RF настаивает на том, чтобы вы ехали со скоростью менее 6 миль в час.

    Когда крыша исчезает, исчезает и заднее стекло, замененное ветровым дефлектором. Это добавляет еще одно измерение к опыту вождения, который вы можете получить только с 2-й серией, потратив большие деньги на версию с откидным верхом (31 235 фунтов стерлингов), и полностью лишены GT86. Но он никогда не ощущается как настоящий кабриолет, как родстер или старый складной хардтоп, если уж на то пошло.

    На самом деле отвратительная тряска с опущенной крышей означает, что он на самом деле менее приятен, чем родстер, когда светит солнце, в то время как он все еще имеет большинство недостатков изысканности, когда это не так.Крыша вверх, это самый шумный и наименее расслабляющий из этих трех.

    Но жесть или нет, вы же не покупаете МХ-5 и не хнычете о доводке. Или не должны, при условии, что это компенсирует углы. И это так. RF мог бы добавить почти 50 кг к снаряженной массе Mazda, но этот вес и сопровождающее его увеличение центра тяжести были компенсированы более толстым передним стабилизатором поперечной устойчивости, новыми задними пружинами и измененными настройками амортизаторов по кругу.

    Как и в случае с мягкой крышей Sport-spec, RF Sport в любом случае оснащен более жесткими амортизаторами Bilstein, чтобы уменьшить крен, который вы получаете в стандартной машине, когда вы поворачиваете этот острый нос в поворот.Но он все еще относительно мягкий, что, по крайней мере, создает впечатление драмы, когда двигатель не может обеспечить достаточно.

    Вы чувствуете, что жаждете немного большего веса и информации о поверхности, похожей на Lotus, в обратной связи, но есть настоящая точность сверхчистого рулевого управления, что делает этот автомобиль единственным, который вы действительно можете зафиксировать на воображаемой линии, проведенной вашими глазами. на асфальте, как тренировочный режим в компьютерном симуляторе гонок. MX-5 заслуживает лучшего двигателя, но он ощущается как настоящая спортивная машина, чего никогда не делал BMW.

    Не то, чтобы 220i не мог. На самом деле его рулевое управление, приятно не испорченное коренастым выходным крутящим моментом, на удивление живое, кажется даже более настороженным на прямой, чем у Toyota. А адаптивные амортизаторы этого M Sport обеспечивают достаточный контроль над телом, чтобы использовать дополнительные 300 кг по сравнению с MX-5, который изо всех сил пытается плюхнуться на дверные ручки.

    BMW 2-series Coupe: слишком благоразумно для собственного блага?

    Но эта машина определенно крупнее остальных, и это чувствуется.Он изолирует вас от острых ощущений от вождения, предпочитая подражать младшим 4-сериям, а не B-дорожному оружию, такому как GT86. И бывают моменты, когда вы будете любить его за это. Но сильное чувство баланса, возникающее благодаря равномерному распределению веса и предотвращающее широкое скольжение этих толстых передних шин, когда вы этого не хотите, также не позволяет задним колесам немного расширяться, когда вы могли бы.

    Мы знаем, что в реальном мире поколение водителей BMW, отученных от переднеприводных люков и огражденных от истинной физики заднеприводного поведения большой резиной и системами устойчивости, не объезжает скользящие автомобили. Дело в том, что если BMW заменит этот автомобиль на тот, который выглядит точно так же, но основан на переднеприводном 2-серийном Active Tourer, почти никто, кроме покупателей M2 (с 500-сильным уровнем рулевого управления Montego Turbo) не заметит или уход. И это позор, потому что автомобиль, чей дух 2-й серии хочет, чтобы вы поверили, исходит из оригинальных 60-х годов 2002 года, автомобиля, чье забавное управление создало легенду BMW.

    GT86 показывает, где BMW упустила трюк. Чтобы не изолировать вас от того, что делает машина, а чтобы помочь вам понять ее, извлечь из нее уроки и работать с ней.Вместе лучше и все такое. И не потому, что он обязательно крутится повсюду, как Кен Блок, пересекающий разлив дизельного топлива, потому что у него недостаточно ворчания для этого. А потому, что всегда есть намек на движение.

    Переход к нейтральному балансу в середине поворота, который требует, чтобы вы немного раскрутили замок. Возможно небольшое скольжение, требующее более серьезной коррекции, если дорога хорошая и скользкая, а это лучшее время, чтобы насладиться GT86. Все это происходит так медленно, так постепенно и так естественно благодаря этим тонким шинам с низким сцеплением с дорогой, а новый режим Track для ESP означает, что вы можете играть, зная, что машина вас поддерживает.А на высоких скоростях вы по-прежнему получаете непревзойденную устойчивость, необходимую для того, чтобы наслаждаться пейзажем, а не заниматься его ландшафтным дизайном.

    Toyota усилила пружины и амортизаторы в рамках недавней реконструкции, которую вы заметите, если вообще заметите, по более широкой решетке радиатора и светодиодным фонарям на обоих концах. Но это не сделало ничего, чтобы изменить фундаментальный характер автомобиля, снаружи или внутри. Новые полезные кнопки на меньшем рулевом колесе, мультимедийная система с сенсорным экраном и небольшие кусочки алькантары немного улучшают атмосферу, но в основном это то же самое: место для четверых в толчок, небольшая нехватка механической отделки и куча пластика, более твердого и блестящего, чем у вышибалы в ночном клубе Майами.

    Вердикт

    Как и в большинстве групповых тестов, в этом мы пришли к выводу, что условный идеальный выбор будет сочетать в себе сильные стороны каждого из них: в данном случае стиль Toyota, напор BMW и точность Mazda. Но если вы не собираетесь покупать все три и строить один шоу-стоппер — и двух гончих — это не так. Как это происходит, примерно так.

    Как у родстера, у MX-5 все зашито. Это отличное соотношение цены и качества, отличное управление, и у него нет конкурентов, способных сравниться с его чистотой.Но в РФ не все так однозначно. Стоит дороже, а выглядит хуже. Он также не может обеспечить должное впечатление от кабриолета, но при этом не соответствует утонченности настоящего купе. Если вы хотите MX-5, то обычная машина — лучший выбор.

    BMW находится на противоположном конце спектра. Это то, на что он похож: двухдверный седан с дополнительным удовольствием от вождения. У него лучший двигатель и единственная стоящая автоматическая коробка передач, если вам это нравится. Он самый практичный, самый совершенный, имеет хорошие показатели выбросов CO2, а низкие арендные ставки означают, что он дешевле, чем кажется по прейскуранту.Возможно, это лучшая машина, потому что она наиболее компетентна в таком широком диапазоне дисциплин, и определенно будут дни и дороги, когда вы будете рады, что не выбрали ничего другого. Я почти выиграл.

    Но тут я вспомнил. Были другие времена, другие дороги, когда вы видели, как асфальт уходит вдаль, и вспоминали, почему вы изначально хотели купить купе. Забавно, что BMW не может обеспечить этот окончательный уровень взаимодействия. Но у GT86 есть.

    После фейслифтинга Toyota стала немного более привлекательной, но не настолько, чтобы продаваться в больших количествах.Если вы ненавидели это раньше, куча светодиодов ничего не изменит. Но если вы серьезно относитесь к покупке купе из-за того, как оно едет, а не только из-за того, как оно выглядит, это ваш автомобиль.

    Удивительно, что GT86, автомобиль, который так не идет в ногу с духом времени, когда речь идет о турбомощных автомобилях с бесконечным сцеплением с дорогой, вообще существует. И беспокоит то, что, учитывая его низкие продажи, это может не повториться. Все вместе мы просили такие машины, и когда они исчезнут из-за того, что мы не заполнили ими наши гаражи, мы будем винить только себя.

    Другие сравнительные тесты журнала CAR


    Ключевые технологии: Mazda MX-5 RF

    Угнать за 13 секунд
    Что бы вы ни думали о стиле RF, с блестящей упаковкой не поспоришь. Как и родстер, RF удается сложить крышу и заднее стекло в пространство за задними сиденьями, не занимая при этом 130-литрового багажника. Жаль, что вам нужно практически остановиться, чтобы управлять им, а это означает, что он менее спонтанный, чем мягкий верх.

    Ключевые технологии: Toyota GT86

    Скольжение без страха
    С тонкими шинами Prius и удобным задним приводом GT86 всегда демонстрировал свою способность скользить без страха. Теперь, в дополнение к полностью включенным и более либеральным режимам SC Sport, есть настройка стабильности laissez-faire под названием Track, которую можно выбрать с помощью кнопки на консоли. Это ваша последняя остановка перед полностью выключенной настройкой, которая позволяет вам получить все углы, которые вам действительно нужны.

    Ключевые технологии: BMW 220i Coupe

    Хаос двигателя
    Непрекращающиеся войны за лошадиные силы, происходящие вокруг GT86, означают, что наш относительно скромный 182-сильный двигатель 220i с турбонаддувом выдает почти столько же мощности, сколько шестицилиндровый 328i 20-летней давности. Но здесь все еще недостаточно нагрузки: 330i развивает мощность 249 л.с., по сути, от того же двигателя. Да, 230i — четырехцилиндровый, а 218i использует трехцилиндровый двигатель Mini. Все, что вы думали, что знаете о соглашениях об именах BMW, неверно.Опять таки.

    Большие возможности и большие сомнения

    Индустрия интеллектуальных устройств позволяет разработчикам и проектировщикам встраивать различные датчики, процессоры и память в электронные устройства небольшого размера. Датчики добавляются для повышения удобства использования этих устройств и улучшения качества работы за счет сбора и анализа данных. Однако в эпоху больших данных и машинного обучения данные датчиков могут обрабатываться различными методами для получения различной скрытой информации.Извлеченная информация может быть полезна пользователям устройств, разработчикам и проектировщикам для улучшения управления, эксплуатации и разработки этих устройств. Однако извлеченная информация может быть использована для нарушения безопасности и конфиденциальности людей в эпоху Интернета всего (IoE). В этой работе мы пытаемся рассмотреть процесс получения значимых данных от датчиков интеллектуальных устройств, особенно смартфонов. Кроме того, показаны различные полезные приложения машинного обучения на основе данных датчиков смартфонов.Кроме того, рассматриваются различные атаки по побочным каналам с использованием одних и тех же датчиков и одних и тех же алгоритмов машинного обучения.

    1. Введение

    Всеобъемлющий Интернет (IoE) — это термин в области информационных технологий, который объединяет в одном устройстве функции распознавания, вычисления, извлечения информации и связи. Интернет Интернета позволяет различным электронным устройствам с различными возможностями воспринимать окружающую среду и взаимодействовать для обмена данными [1]. IoE — это общая форма беспроводных сенсорных сетей [2].Узлы IoT могут иметь разные классы, типы и возможности. Например, смартфоны, планшеты, ноутбуки, бытовая техника и даже автомобили являются примерами узлов в IoT. Эти узлы могут воспринимать окружающую среду с помощью своих различных датчиков и обрабатывать данные, извлекать полезную информацию, обмениваться данными через Интернет и адаптивно контролировать свое поведение. Сообразительность и интеллект узлов Интернета вещей заключаются не в их вычислительной мощности, а в их способности общаться и обмениваться информацией. Каналы связи позволяют этим устройствам учиться на полученных ими данных.Он обучает эти устройства использовать свою информацию для выполнения новых полезных задач [3]. Например, холодильник со встроенным процессором не является умным до тех пор, пока у него нет возможности общаться с людьми, другими холодильниками и супермаркетами для заказа недостающих товаров. Кроме того, он должен выбирать из разных супермаркетов, чтобы покупать товары с ценовыми предложениями. Эта хитрость появилась благодаря передаче данных через Интернет.

    IoT — это комплексный подход с массовыми приложениями, мечтами и мифами. Он имеет бесчисленное множество применений в области здравоохранения, инженерии, компьютерных наук, маркетинга и даже социальных наук [4, 5].Тем не менее, у него есть много вопросов, которые требуют дальнейшего изучения. Безопасность и конфиденциальность доминировали в области исследований Интернета вещей [6]. Как защитить ваши данные и приложения — горячая тема для исследований в области Интернета вещей. Тем не менее, безопасность людей как недостаток парадигмы Интернета вещей следует изучить. В этой области возникло много вопросов. Что толковать из окружения, а что выкладывать в интернет? Как повысить конфиденциальность, если датчики повсюду в жизни людей? Как научить людей ответственно относиться к IoT? Может ли Интернет Интернета быть вредным?

    Интеллектуальные устройства играют основную роль в IoT [7]. Они оснащены мультикоммуникационными интерфейсами, такими как Wi-Fi, Bluetooth, связь ближнего радиуса действия (NFC) и сотовая связь. Кроме того, они оснащены огромным количеством датчиков. Кроме того, они имеют встроенные операционные системы (ОС), которые называются ОС IoT [3]. Когда в этом опросе упоминаются смартфоны, мы имеем в виду смартфоны, планшеты и смарт-часы, поскольку они имеют одинаковые характеристики с небольшими отраслевыми различиями. Согласно статистике, опубликованной Statista (https://www.statista.com/statistics/330695/number-of-smartphone-usersworldwide), количество смартфонов во всем мире превысило 2,8 миллиарда, а в 2019 году оно оценивалось в 5 миллиардов. продукты. Например, продукт WeMo (Belkin Wemo: домашняя автоматизация, http://www.belkin.com/us/Products/home-automation/c/wemo-home-automation/) позволяет пользователям управлять множеством функций в своих домах, например, энергопотребление различных приборов.Этот продукт управляется смартфонами. Другой пример — Apple HomeKit (https://developer. apple.com/homekit/) для систем безопасности и наблюдения. Третий пример — Reemo (http://www.getreemo.com/), который превращает дома в умные дома. Смартфоны играют роль мониторинга и контроля в этих приложениях. Однако возможности и датчики смартфонов позволяют им играть более важную роль в обеспечении здоровья, идентификации, локализации и отслеживания.

    Датчики используются для повышения удобства использования смартфонов.Однако исследователи и разработчики пытались использовать эти датчики в гораздо более сложных приложениях, таких как идентификация пользователей, отслеживание подписчиков и даже личностные характеристики. Эти приложения требуют добычи скрытой информации сенсорных данных смартфонов. Другими словами, данные датчиков используются новыми косвенными способами для прогнозирования и оценки новых функций, не предназначенных для непосредственного оценивания этими датчиками. Эта новая парадигма использования датчиков смартфонов выявляет проблемы конфиденциальности и безопасности, поскольку пользователи смартфонов готовы загружать свои собранные данные, даже не осознавая, какую информацию можно извлечь из них [8]. Эта проблема получила название аварии с большими данными [9]. Автор в [10] предложил систему, основанную на теории нормальных аварий, чтобы показать недостатки аварии с большими данными. Он показал, что большие данные могут быть превращены во «зло» при добыче бесплатно загруженной информации. В [8] автор показал, что пользователи имеют ограниченный контроль над загружаемыми данными, что является одной из основных проблем конфиденциальности в IoT. В [9] авторы предложили десять правил, регулирующих вопросы конфиденциальности и безопасности при работе с большими данными, а также этические принципы, которые следует принять.Основная мотивация в этой работе — получить больше информации о проблемах конфиденциальности смартфонов как устройств в IoT.

    В этой работе некоторые из интересных приложений, которые были предложены и разработаны для использования данных датчиков интеллектуальных устройств, показаны как большие возможности в новую эру Интернета вещей. Тем не менее точность этих приложений показана как один из существенных вопросов, требующих ответов. С другой стороны, вопросы безопасности и конфиденциальности представлены как сомнения в отношении этих устройств.В этой работе мы стремимся показать, что безопасность, конфиденциальность и точность больших данных интеллектуальных устройств в эпоху Интернета вещей представляют собой данные, хранящиеся не только в устройстве, но и на интернет-серверах. Однако даже необработанные данные, извлеченные с датчиков интеллектуальных устройств, могут представлять больше угроз, чем сохраненное содержимое.

    Наш вклад в эту работу резюмируется следующим образом: (i) Изучение применения скрытых данных сенсоров интеллектуальных устройств, которое проводилось в период 2004–2018 гг. (ii) Разделение угроз, связанных со скрытыми данными сенсоров интеллектуальных устройств, на три основные категории и предложение различных сценариев этих угроз (iii ) Обсуждение нескольких предлагаемых решений для угроз со скрытыми данными. (iv) Предложение простого подхода для начала извлечения скрытой информации из данных датчиков интеллектуальных устройств без глубоких навыков программирования

    Остальная часть этого документа организована следующим образом: Раздел 2 описывает архитектуру интеллектуальных устройств. и их внутренние компоненты.В разделе 3 показано, как интеллектуальный анализ данных и Интернет вещей сталкиваются в области интеллектуальных устройств. В разделе 4 показаны полезные приложения извлечения скрытых данных. В разделе 5 показаны недостатки извлечения скрытых данных датчика и способы начала извлечения скрытых данных смарт-устройства. Наконец, мы завершаем эту работу в Разделе 6.

    2. Архитектура смарт-устройств

    Смарт-устройства в этой работе определяются как портативные устройства. К ним относятся смартфоны, планшеты и смарт-часы. Эти устройства имеют примерно одинаковую внутреннюю архитектуру с различиями в скорости, размере, количестве датчиков и емкости хранилища.Кроме того, они используют одни и те же операционные системы и программные стеки. Приложения, разработанные для смартфона, работают и работают на планшетах. На рис. 1 показана блок-схема внутренней архитектуры интеллектуального устройства. Как показано на рисунке, интеллектуальные устройства состоят из двух основных частей: процессоров и датчиков. Существуют также другие интерфейсные части, которые соединяют датчики с процессорами, такие как аналого-цифровые преобразователи (АЦП), цифро-аналоговые преобразователи (ЦАП), голосовые кодеки и основная память для обработки инструкций приложений интеллектуальных устройств. .В следующих разделах рассматривается основная часть рисунка с акцентом на датчики.


    2.1. Процессоры для смартфонов

    Архитектура современных смартфонов содержит два или более процессорных блока. К ним относятся процессоры приложений и основной полосы частот. Ниже представлены эти процессоры.

    2.1.1. Процессор приложений

    Этот процессор подобен центральному процессору (ЦП) в персональных компьютерах (ПК) или ноутбуках. Тем не менее, у него есть три основные конструктивные особенности.Во-первых, у него есть механизм энергосбережения. Во-вторых, он отвечает за управление всеми датчиками, SD-картой и коммуникационными модулями смартфона. Встроенные датчики в смартфоне являются аналоговыми датчиками. Для этих датчиков требуются аналого-цифровые преобразователи (АЦП). Чтобы разместить все эти компоненты в тонких смартфонах, используется технология системы на кристалле (SoC), как и в микроконтроллерах. Кроме того, для разработки небольших датчиков используется технология микроэлектромеханических систем (МЭМС). В-третьих, он использует доверенную среду выполнения, которая отвечает за хранение данных в доверенной, безопасной и защищенной области [11].В дополнение к этим компонентам может быть встроен еще один сопроцессор, например Huawei Kirin 970, Apple M7 и Motorola X8. Этот сопроцессор представляет собой электронный компонент с низким энергопотреблением, который имеет собственную структуру и способен выполнять обработку естественного языка (NLP) и обработку контекстных вычислений (CCP). CCP обрабатывает данные датчиков акселерометра, гироскопа и магнитометра в режиме реального времени. Сопроцессор всегда включен и обрабатывает данные датчиков в режиме реального времени, даже если процессор приложения находится в режиме пониженного энергопотребления, а сенсорный экран выключен. Аудиопоиск Google «Google Go» на Android-смартфонах — хороший пример возможностей НЛП. Новые сопроцессоры имеют возможности нейронной сети, такие как Huawei Kirin 970, который можно найти в Huawei Mate 10.

    2.1.2. Процессор основной полосы частот

    Этот процессор является аппаратно изолированным компонентом, который подключен к SIM-картам, микрофону и динамикам. Он отвечает за сотовую связь, SMS и передачу данных по сотовой сети. Он оснащен операционными системами реального времени (RTOS).Этот процессор изолирован, чтобы голосовые вызовы могли продолжаться в обычном режиме, даже если другие компоненты и приложения смартфона перегружены. Наконец, этот процессор отвечает за процесс передачи обслуживания между ячейками сотовой сети. Стоит отметить, что все эти процессоры могут быть спроектированы по методу SoC, чтобы обеспечить доступ к общей памяти.

    2.2. Датчики

    Датчики интеллектуальных устройств были встроены в эти устройства для повышения удобства использования, управляемости и управления. Например, датчик приближения был добавлен для улучшения управления питанием устройства; т. е. если устройство находится рядом с ухом пользователя, экран автоматически выключится. Другой пример — акселерометр, который определяет положение экрана и поворачивает его содержимое в зависимости от положения пользователя. И последний пример — датчик батареи, контролирующий процесс зарядки и температуру батареи.

    Исследование скрытых данных показало, что данные, полученные от этих датчиков, можно использовать и интерпретировать для отображения другой информации, как описано в следующих разделах.Кроме того, в разделе 3 показано, как коммуникационные и сетевые компоненты интеллектуальных устройств можно использовать в качестве скрытых датчиков для сбора данных. Это приводит к категоризации датчиков интеллектуальных устройств в соответствии с их функциями на активные и пассивные датчики. Любой датчик может действовать как активный или пассивный датчик в зависимости от его использования. Другими словами, если данные, собранные с датчика, используются так же, как их разработали дизайнеры или разработчики интеллектуальных устройств, это называется активной функциональностью. Однако, если собранные данные были интерпретированы по-новому, эти датчики функционируют пассивно. Если датчики используются таким образом, возникает проблема со скрытой информацией. В следующих разделах представлены различные датчики интеллектуальных устройств.

    2.2.1. Сенсорный экран

    Сенсорный экран — это электронный компонент, отвечающий за основные операции ввода и вывода. Он используется для постукивания и ввода символов. Для сенсорного экрана определены три основные процедуры взаимодействия.Во-первых, прикосновение или постукивание определяется как процесс нажатия на экран в любом месте, чтобы открыть, закрыть или ввести символ. Это основная функция сенсорного экрана. Во-вторых, мультитач определяется как процесс касания экрана более чем одним пальцем одновременно. Эта функция широко используется в игровых приложениях [12]. В-третьих, жест определяется как процесс рисования определенного рисунка на сенсорном экране. Жесты могут быть реализованы одним пальцем как перетаскивание или несколькими пальцами, как в процессе изменения размера фотографий и изменения масштаба камеры. Было проведено множество научно-исследовательских и опытно-конструкторских работ для использования данных этих трех видов деятельности различными методами для получения некоторых скрытых данных. Одним из методов визуализации данных сенсорного экрана являются тепловые карты.

    (1) Тепловые карты . Один из новых методов визуализации данных мультитач или жестов на экране смартфона известен как тепловые карты [13]. Разработчики разработали несколько методов для создания этих карт [14]. На рис. 2 показан пример этих карт.


    Эти карты, как упоминалось ранее, используются для целей визуализации данных.Многие приложения для смартфонов были написаны для использования этих карт для отладки написанных приложений и изучения поведения пользователей при отладке проблем приложений, таких как Appsee [15]. Кроме того, было проведено множество работ по изучению сенсорных жестов с использованием сенсорных карт для диагностики здоровья, таких как синдром Дауна [16], воспринимаемые трудности [17] и проблемы с мелкой моторикой и глазами [18].

    (2) Сенсорный экран в качестве пассивного датчика . Все примеры, которые мы покажем, активно используют сенсорный экран: скорость касания, задержка, время набора текста и жесты.Однако исследователи нашли другой метод получения полезных данных с сенсорного экрана, которые можно использовать с другими сенсорами смартфонов для изучения поведения пользователей во сне, подсчитывая, сколько раз сенсорный экран открывается и закрывается [19]. Кроме того, его можно использовать с приложением будильника для изучения того, как быстро пользователи реагируют на будильник [20].

    2.2.2. Датчики движения

    В современные интеллектуальные устройства для обнаружения движения встроены три основных датчика: акселерометр, гироскоп и магнитометр.Акселерометр обнаруживает изменения смещения, ориентации и наклона устройства вокруг трех осей путем измерения сил ускорения. Теория его работы зависит от величины изменения емкости при свободном перемещении подвижной массы между неподвижными пластинами в МЭМС. Общие изменения напряжения со всех пластин могут быть записаны и использованы. На рис. 3 показана простая двухмерная структура акселерометра.


    С другой стороны, гироскоп измеряет скорость вращения устройства по трем осям [21].Его внутренняя структура аналогична структуре акселерометра. Однако мощность вращения перемещает массу, чтобы изменить значения емкости внутренних неподвижных пластин. На рис. 4 показана простая двумерная структура гироскопа. Фактически, гироскопы и акселерометры часто используются вместе в приложениях, как показано в разделе 4.1.


    Магнитометр — это датчик, измеряющий силу магнитного поля вокруг телефона, по которому телефон может определить свое абсолютное направление относительно геомагнитного поля Земли [22].Большинство магнитометров зависят от величины напряжения, которое обнаруживается на металлическом элементе при наличии магнитного поля. Поэтому магнитометры в основном используются в приложениях электронного компаса [23, 24].

    Датчики движения являются аналоговыми датчиками. Выход этих датчиков представляет собой переменный уровень напряжения. Изменение напряжения преобразуется с помощью АЦП в цифровое число, которое можно прочитать и отобразить в цифровом мире. Датчики движения имеют разные частоты, которые определяют, сколько новых измерений производится каждую секунду.Чтобы извлечь полезную информацию из данных датчика движения, извлекаются признаки. Для извлечения этих признаков задается частота чтения. Более того, многозначные значения группируются вместе, образуя окно. Размер этих окон варьировал в проведенных исследованиях от 10 до 120 отсчетов. Наконец, из этих окон рассчитываются различные функции. Эти функции подразделяются на три основных класса: время, частота и вейвлеты. В таблице 1 показаны наиболее популярные функции во временной области, а в таблице 2 показаны функции в частотной области, которые преобладают при извлечении скрытой информации от этих датчиков.Определения этих признаков и их уравнения можно найти в [25].

    Определение Среднее отклонение

    Характеристика Цитирование

    Среднее [18, 74, 75, 92, 95, 180-184] Суммирование точек данных, разделенных на их количество
    Стандартное отклонение [18, 58, 74, 75, 180, 183, 184] Это квадратный корень из дисперсии
    58, 74, 180, 183] Среднее расстояние точек данных от их среднего или среднего значения
    Асимметрия [18, 180, 183] Измеряет асимметрию от среднего значения.Он использует среднее значение и дисперсию
    Эксцесс [18, 180, 183] Оценивает частоту экстремальных значений. В формуле используется среднее значение
    Среднеквадратическая амплитуда [18, 180, 183, 184] Он используется для расчета мощности сигнала. Это использует максимальное значение набора
    самая низкая ценность [18, 180, 182-184] Максимальная точка данных
    наивысшая ценность [18, 180, 182-184] Минимальная точка данных
    ZCR [18, 183] Частота пересечения нуля — это счетчик того, сколько раз точки данных пересекают нулевое значение. Общее количество положительных точек данных в наборе
    Средняя абсолютная разница [75, 185] 184, 185] Количество точек между двумя высокими или низкими пиками
    Распределение в бинах [75] Процессы группирования точек данных в меньшее количество точек или «бинов» 91 495

    +
    + + + +

    +
    Характеристика + Цитирование +

    +
    Спектральный центра тяжести [18, 180, 181, 183] +
    спектрального Std отклонение [180, 183]
    спектральный Kurtosis [18, 180, 183]
    спектральная асимметрия [18, 180, 183]
    Спектральный гребень [18, 180, 183]
    [18, 180, 183]
    гладкость [18, 180, 183]
    Flatness [18, 180, 183
    Roll Off [18, 180, 183]
    энтропии [18, 183]
    яркости [18, 183]
    Groundn [18, 183]

    2.
    2.3. Мультимедийные датчики

    В смарт-устройства встроены два основных мультимедийных датчика: камера и отпечаток пальца и микрофон. В следующих разделах представлен процесс получения изображения с камеры и датчики отпечатков пальцев.

    (1) Камера . Съемка фотографии камерой смарт-устройства проходит пять разных сложных этапов. Процесс начинается со сбора света через объектив камеры и фокусировки света на внутреннем фильтре. Впоследствии выходные цвета RGB передаются на датчик основной камеры, датчик CCD / CMOS.На этом этапе каждый цвет обрабатывается как отдельные компоненты. Для просмотра последнего изображения требуется интерполяция цвета и этап постобработки изображения. Каждый из этих этапов оставляет отпечаток на полученном изображении. Этот сбой можно использовать для отслеживания любой фотографии до камеры, которая ее сделала, как показано в следующих разделах. На рис. 5 показана конвейерная процедура сбора изображений с камеры смартфона.


    (2) Отпечаток пальца . Отпечаток пальца — это тип биометрических систем распознавания.Биометрическое распознавание можно определить как процесс, в котором личность пользователя устанавливается посредством идентификации или проверки [26]. Он набирает популярность, поскольку его процесс зависит от пользователей как от того, кто они есть, а не от того, что они носят или помнят, как другие традиционные системы безопасности. Функция биометрического распознавания сильно зависит от физических, химических и поведенческих характеристик тела пользователя, таких как отпечаток пальца, радужная оболочка, лицо, голос или даже запах тела или тепло тела [27].Делак и Гргик провели хороший обзор методов биометрического распознавания, охватывающий большинство из них [28]. Среди этих определяющих характеристик отпечаток пальца наиболее часто используется в системах идентификации пользователей, поскольку у пользователей есть отличительные образцы отпечатков пальцев для каждого пальца [29]. Следовательно, системы отпечатков пальцев — это в основном системы распознавания образов пальцев [30], где датчик измеряет расстояния и обнаруживает узоры между выпуклостями и бороздками, формирующими отпечаток пальца [31]. После этого система либо сравнивает результат с ранее полученными от пользователя биометрическими данными — процесс верификации, либо сравнивает его с базой данных биометрических отпечатков пальцев разных пользователей — процесс идентификации [26].

    Существует два основных типа дактилоскопических датчиков, которые по-прежнему популярны и широко используются в различных биометрических системах распознавания [32, 33]: оптические датчики, в которых улавливается свет, отраженный от гребней и впадин отпечатков пальцев, и изображение отпечатка пальца созданные [34, 35], как показано на рисунке 6, и емкостные датчики, где выполняется та же процедура с использованием различий емкости в отпечатке пальца для создания такого же изображения, как показано на рисунке 7.Основное внимание здесь будет уделено емкостным датчикам, поскольку почти все мобильные телефоны с функцией биометрического распознавания оснащены емкостными датчиками отпечатков пальцев. Этот метод идентификации пользователя становится все более популярным среди пользователей мобильных телефонов. Фактически, исследования показали, что около 35% людей используют распознавание отпечатков пальцев в качестве метода проверки пользователя на своих телефонах [36]. Подсчитано, что более половины мобильных телефонов, которые будут проданы в 2019 году, будут оснащены датчиками отпечатков пальцев [29, 37].И хотя отпечаток пальца можно считать безопасным способом блокировки и разблокировки мобильного телефона, существуют некоторые приемы и методы, которые можно использовать для создания подделок отпечатков пальцев для взлома или разблокировки мобильного телефона. Цао и Джейн показали, что смартфон можно успешно взломать или разблокировать с помощью напечатанного на 2D-принтере отпечатка пальца первоначального пользователя [29]. Другие исследования пошли еще дальше, создав изображение отпечатка пальца из мелочей. Результаты показали, что существует очень большое сходство между исходным и реконструированным отпечатком пальца [38].Бен-Ашер и др. предложил двухэтапный метод аутентификации, при котором отпечаток пальца в сочетании с сенсорным экраном используется для проверки или идентификации пользователя [39].



    2.2.4. Барометр

    Барометр — это один из датчиков, недавно добавленных в смартфоны. Он измеряет изменения атмосферного давления вокруг телефона. Он очень чувствителен, так как может измерять изменения атмосферного давления внутри одного и того же здания или сооружения. Его можно использовать для предсказания погоды.Кроме того, он может измерять высоту устройства [40]. Ву и др. показали, что барометры смартфонов можно использовать для обнаружения событий открытия/закрытия дверей зданий в любом месте внутри здания на основе внезапных изменений показаний атмосферного давления [41].

    2.2.5. Датчик внешней освещенности

    Датчик внешней освещенности — это датчик фотодетектора, который определяет окружающий или окружающий свет интеллектуального устройства и перенастраивает яркость экрана интеллектуального устройства. Он также используется для затемнения экрана, чтобы снизить энергопотребление батареи.В [42] он использовался для изучения психического здоровья пользователей умных часов. Кроме того, в разделе 4 будет показано, что этот датчик широко используется для извлечения шаблонов блокировки экрана пользователей.

    2.2.6. Другие датчики

    В смарт-устройства встроены и другие датчики, такие как датчик приближения и датчик температуры батареи. Однако в литературе можно найти несколько приложений, связанных с этими датчиками. Датчик температуры батареи использовался в медицинских приложениях для решения смертельных ситуаций, когда температура тела быстро падает [43].Для датчиков приближения, насколько нам известно, не проводилось никаких приложений или исследований, чтобы вывести другую информацию из собранных данных.

    3. Смартфоны, интеллектуальный анализ данных и Интернет Интернета вещей

    Интеллектуальный анализ данных — это наука об извлечении полезной информации из записей и хранилищ больших данных. Эти репозитории создаются из содержимого пользователя и датчиков машины. Вопрос не в том, как собрать эти данные. Вопрос в том, как его добывать. Смартфоны оснащены десятками датчиков и электронных компонентов, которые генерируют данные в режиме реального времени [44].Эти электронные компоненты и датчики были встроены в смартфоны для повышения удобства использования этих устройств. Тем не менее, исследователи нашли множество способов использовать эти компоненты и датчики для получения различной информации. За прошедшие годы было собрано множество наборов данных в открытом доступе. Их можно свободно скачать в Интернете. Одним из таких наборов данных является набор данных LiveLab [45], который состоит из мобильных журналов 100 добровольцев за 14-месячный период. Набор данных состоит из пятнадцати различных таблиц SQL.По данным Google Scholar, он был изучен в более чем 278 научных статьях. Из него была извлечена различная скрытая информация. Другой доступный онлайн набор данных находится в [46], который цитировался в 342 статьях. В его сборе участвовало 30 добровольцев. Он сосредоточился на датчике акселерометра. Он был расширен в [47] и получил еще 130 ссылок. Они расширили его на большее количество экземпляров. Тем не менее, они не добавили больше датчиков. Другой пример набора данных, который был собран, находится в [48].Этот набор данных посвящен модулю Wi-Fi в смартфоне, акселерометру и гироскопу. Кроме того, данные умных часов также были записаны. Последним примером является массивный набор данных [49, 50], состоящий из данных 35 пользователей, зарегистрированных в течение двух месяцев. Он записывает все действия пользователей на смартфонах. Этот набор данных получил около 100 ссылок. Общей чертой всех этих наборов данных является то, что они не записывали какой-либо пользовательский контент или какие-либо личные данные. Другими словами, собранные данные обрабатываются как обычные данные пользователей смартфонов.С более чем тысячей опубликованных статей с различной извлеченной информацией из этих наборов данных нечастного содержания и данных становится очевидным, как эти нечастные данные привели к извлечению массивной информации, которая может отслеживать и идентифицировать действия пользователей.

    Как уже упоминалось, проблема не в сборе самих данных. Настоящая проблема заключается в том, как соединить данные с разных датчиков, чтобы сфокусироваться на другом скрытом значении. Процесс майнинга также не является проблемой; алгоритмы машинного обучения полезны при поиске моделей для требуемой сфокусированной информации [44].Этот процесс подобен взлому системы. Информация собирается при активном и пассивном зондировании, например данные датчика. Впоследствии майнинг используется для поиска ошибок, нарушений и ошибок в системе. Наконец, для эксплуатации системы пишутся алгоритмы. Сложный шаг в интеллектуальном анализе данных для системы больших данных — соединить входные данные. Другими словами, извлекайте полезные функции из данных и находите информацию о собранных данных.

    Алгоритмы машинного обучения (MLA), контролируемые и неконтролируемые, широко используются в различных известных приложениях, таких как фильтрация спама, экспертные системы и предложения друзей в социальной сети. Было написано множество библиотек программирования на всех языках программирования, позволяющих реализовать MLA в несколько строк. Это позволяет исследователям сосредоточиться на разработанном приложении и интерпретации данных. На рисунке 8 показаны наиболее популярные MLA, используемые в проводимых работах по извлечению скрытых данных датчиков интеллектуальных устройств. Как показано на рисунке, количество этих алгоритмов огромно, и их нельзя представить в одной статье. Однако в следующих разделах будут представлены три основных алгоритма: случайный лес, метод опорных векторов (SVM) и искусственная нейронная сеть (ANN).Эти алгоритмы были выбраны, поскольку они использовались более чем в 70% проведенных исследований, рассмотренных в этой статье.


    3.1. Random Forest

    Random forest — это контролируемая MLA, имеющая два основных приложения: регрессию и классификацию. Случайный лес — это расширенная версия деревьев решений, представленных в 80-х годах. В случайном лесу деревья множественных решений строятся из одних и тех же обучающих данных. Впоследствии эти деревья усредняются для получения требуемого результата.Случайный лес был предложен для решения двух основных проблем в классических деревьях решений: переполнения и высокой дисперсии [51]. Как и в деревьях решений, в случайном лесу используется метод обучения «пакетирование» для достижения стабильного и точного вывода.

    3.2. Метод опорных векторов (SVM)

    Как и случайный лес, SVM представляет собой контролируемый MLA, который можно использовать для регрессии и классификации. Однако доминировала классификация SVM. В SVM точки данных наносятся виртуально в пространственную область признаков, и инициируется процесс поиска гиперплоскости, которая разделяет эти точки на мультиклассы.Этот процесс инициируется путем выбора ряда опорных векторов из собранных данных. SVM — это расширенная версия MLA логистической регрессии, где можно получить мультиклассы.

    3.3. Искусственная нейронная сеть (ANN)

    Подобно случайному лесу и SVM, ANN представляет собой контролируемую MLA, которую можно использовать для регрессии и классификации. ANN имеет много типов и классов. Самый простой и распространенный тип — это многоуровневые сети прямого распространения. В этом типе разное количество узлов используется в трех основных слоях: входном, выходном и скрытом слоях.Этот тип является усовершенствованием логистической регрессии. SVM и ANN похожи во многих технических областях. Однако ИНС имеет фиксированное количество скрытых узлов в скрытых слоях и фиксированное количество узлов в первом слое, равное количеству признаков плюс смещение. С другой стороны, SVM выбирает ряд данных из обучающих данных в качестве опорного вектора. Это означает, что количество узлов в SVM не фиксировано. Кроме того, ANN поддерживает несколько выходов, в отличие от SVM, который поддерживает один выход.

    4.Приложения для вывода скрытой информации

    Ниже представлен обзор пяти основных приложений, в которых используются данные, полученные датчиками смартфонов. Точность извлеченной информации проверяется в разделе 4.2.

    4.1. Применение датчиков смартфонов

    Некоторые из следующих приложений были рассмотрены в [22]. Каждое из этих приложений будет показано с некоторыми примерами проведенных работ в этой области.

    4.1.1. Keystroke Authentication

    Keystroke Authentication (KA) — это набор методов и инструментов, которые аутентифицируют пользователя компьютера или смартфона посредством поведения пользователя.Были написаны тысячи исследовательских работ, чтобы показать, как различные особенности прикосновений могут различать пользователей. Одна из первых попыток изучения КА с помощью клавиатуры — [52]. Авторы попытались изучить КА статистически. 15 разных пользователей попросили ввести предложение из 43 символов 11 раз. Были собраны и сравнены пять различных характеристик: продолжительность нажатия клавиш, относительная скорость нажатия клавиш, относительный порядок нажатия клавиш, клавиша Shift и ее классы. В первую очередь исследовалась продолжительность нажатия клавиш.Они заметили, что поведение одних и тех же пользователей при вводе одного и того же предложения 11 раз не изменилось; однако он различается для разных пользователей. Однако наиболее эффективной функцией для определения пользователей является скорость нажатия клавиш.

    Эти попытки были осуществлены на смартфоне. В [53] смартфон на базе Android использовался для сбора данных о прикосновениях 20 пользователей. Собраны три основных столбца данных: действия (нажатие вниз и нажатие вверх) и расположение на экране.Из этих собранных столбцов была извлечена 21 функция. Были оценены два классификатора машинного обучения: ANN и предложенный оптимизированный PSO-RBFN. По результатам было замечено, что нормальная ИНС достигла точности более 93%. В [54] для KA сравнивались семь алгоритмов ML. Была использована строка, состоящая из 664 символов. Были записаны три разных столбца данных: символ, продолжительность удержания клавиши и системное время. Впоследствии из этих данных были построены признаки с использованием метода -грамм.Были построены 4-, 3- и 2-граммовые признаки. Результаты показывают, что более высокие граммы дают лучшие результаты и меньше ошибок. Наконец, в [55] авторы предложили КА для смартфонов на основе четырех различных характеристик: время удержания, интервремя, расстояние (между двумя разными нажатыми символами (в пикселях)) и скорость. Более того, они выбрали эти функции после изучения и разделения функций KA на три основных класса. Первая категория — это то, как пользователи вводят сообщение на сенсорном экране, где данные были собраны для извлечения признаков.В этом стиле проводились различные работы [55–57]. Были сравнены различные алгоритмы ML. Извлеченные результаты являются многообещающими. Вторая категория использует датчики движения с сенсорным экраном, как в [58]. Последняя категория основана на жестах, как в [59, 60]. Стоит отметить, что по популярности КА в смартфонах написано множество обзоров [61–63]. Более того, в [61] показана популярность исследования КА и публикации статей.

    Помимо смартфонов, в последние годы большую популярность приобрели смарт-часы KA.В [64] авторы использовали датчики движения умных часов с функциями временной области для аутентификации пользователей. Алгоритм KNN был применен к 20 пользователям. Сообщается, что точность превышает 80%. В [65] была предложена непрерывная система аутентификации пользователей в реальном времени с использованием алгоритма умных часов и нейронной сети. В [66] была предложена система использования KA для разблокировки умных часов на основе паттернов взмаха руки. Другие примеры были рассмотрены в [64]. Еще одна работа с акселерометром была проведена в [67] для аутентификации между устройствами при подключении гарнитур и смарт-часов к смартфонам.

    Методы KA можно обобщить в три этапа. Во-первых, из пользовательского ввода извлекается множество функций, таких как скорость набора текста, время задержки между разными символами во время нажатия и использование мультитач [68, 69]. Впоследствии эти признаки нормализуются и преобразуются в матрицу входных признаков и выходных результатов. Наконец, эти данные передаются в алгоритм машинного обучения, такой как искусственная нейронная сеть (ИНС), метод опорных векторов (SVM) или логистическая регрессия (LR), для обучения. Выходная модель может быть использована для процесса аутентификации [55, 70]. Все проведенные методы следовали одной и той же процедуре с разными функциями или разными алгоритмами.

    Эти системы показали высокую точность аутентификации пользователей. Однако, поскольку точность не 100%, она может не аутентифицировать настоящего пользователя смартфона. Чтобы преодолеть эту проблему, эти системы используются в качестве второй системы аутентификации и повторной аутентификации [57] или систем непрерывной аутентификации [71, 72].В этом методе имя пользователя и пароль по-прежнему используются для аутентификации; однако для постоянной аутентификации пользователя во время сеансов телефон отслеживает поведение пользователя при касании и постукивании.

    4.1.2. Personal Traits

    Прогнозирование личных качеств на основе использования смартфона было рассмотрено за последнее десятилетие. Проведенные работы начались с опросов и анкет, которые заполняли владельцы смартфонов, чтобы лучше понять их психологические особенности. В [73] были изучены пять различных признаков, названных большой пятеркой.Этими характеристиками являются покладистость, добросовестность, экстраверсия, невротизм и открытость. Логистическая регрессия и линейная регрессия использовались для анализа результатов опроса. Телефонные звонки, текстовые сообщения, просмотр веб-страниц и игры изучались в зависимости от возраста, пола и пола. Авторы заявляют о положительной связи доброжелательности и телефонных звонков и отрицательной связи с короткими сообщениями. Об этом соотношении также сообщалось в [74], что означает «меньше приятности, больше использования телефона.Кроме того, они сообщили, что больше игр означает меньше покладистости [75].

    Другие личностные характеристики были проведены для оценки взаимодействия между пожилыми людьми и смартфонами [76]. Анкеты и шаблоны использования смартфона были записаны для трех приложений для смартфонов. Они попытались изучить связь между возрастом и моделями прикосновения к экрану. Результаты могут быть использованы для улучшения дизайна приложений или прогнозирования возраста пользователей. В [77] сравнивались более 13 классификаторов ML, чтобы отличить детей от взрослых, использующих прикосновения к клавиатуре.С точностью более 92% система имеет потенциал на будущее.

    Еще одним интересным примером, характеризующим состояние пользователей смартфонов через сенсорный экран, является снижение мелкой моторики у пользователей смартфонов в холодную погоду, когда температура их пальцев падает [78, 79]. Это условие можно использовать для изучения местоположения пользователей, состояния здоровья или других вопросов. В [80] авторы получили точность, превышающую 90% в гендерной классификации. Однако в [81] они сообщили о точности только 61%.Несмотря на то, что количество датчиков, использованных в [81], превышает количество в [80], выбранный алгоритм и функции машинного обучения были оптимизированы.

    Другим примером в этой категории является работа, проведенная в [82], в которой игровое поведение пользователей с сенсорным экраном было собрано и использовано для прогнозирования играющих пользователей. Этот метод зафиксировал точность 80%. Кроме того, предлагаемое приложение Falcon использует поведение пользователей для сокращения времени запуска приложений [83].

    Еще одна интересная работа была проведена в [84], где авторы попытались определить настроение пользователей смартфонов, используя данные, собранные с датчиков.Настроение пользователей не считается личными качествами; однако в будущем людей можно будет персонализировать через их настроение.

    Другими личными характеристиками, которые были собраны со смартфонов, являются физические характеристики, такие как пол, вес, рост, возраст, раса и даже размер обуви. Эти характеристики были оценены с использованием различных сенсоров смартфонов. Прогнозирование этих характеристик с помощью сенсоров смартфонов называется мягкой биометрией. В [85] представлен обзор огромного количества мягких биометрических данных и их приложений.Более того, в [86] показаны проблемы и возможности в этой области. Стоит отметить, что в этой области преобладают функции датчика акселерометра. Тем не менее датчик отпечатков пальцев, используемый в смартфоне, также использовался для классификации пола и возраста [87–89]. В таблице 3 приведены некоторые интересные и ранние работы, проведенные в этой области. Следует отметить, что на личные качества, оцениваемые датчиками смартфона, влияет одежда и обувь [90, 91].

    6 5 88% 5 1490 [87] 6

    Работа Датчик Характеристики Алгоритм Черты характера Результаты

    [186] Акселерометр Time-домен показывает ANN, алгоритмы дерева решений J48 [187] и обучение на основе экземпляров (IBk) [188] Вес, рост и пол 71,2% для пола с использованием IBk, 85.7 % для роста с использованием ANN и 78,9 % для веса с использованием IBk Более 96% для идентификации
    [77] Сенсорный экран Задержка между нажатием двух разных клавиш ИНС, ближайший сосед, SVM, градиентный спуск bp, евклидово расстояние, линейный дискриминантный анализ и еще 5 алгоритмов Классификация детей от взрослых более 92% для SVM и 89% для линейного дискриминантного анализа
    [80] [80] [80] сенсорный экран задержка и продолжительность прессования SVM гендерная классификация Точность 91%
    [81] Сенсорный экран, акселерометр и гироскоп 29 функций, включая: специальные клавиши, доп. все нажатые клавиши, количество использованных возвратов, расстояние редактирования, общее время завершения, среднее время между клавишами Дерево решений (количество клавиш), линейное ядро ​​SVC (возраст), линейное ядро ​​SVC (пол), логистическая регрессия, -ближайший, и Gaussian NB Количество используемых пальцев, пол и возраст 80 % по количеству пальцев, 75 % по возрасту и 60 % по полу
    [189] Жесты сенсорного экрана, гироскоп, акселерометр 14 признаков жестов, общая длина, общее время, ширина, высота, площадь, давление, скорость, ускорение, расстояние по дуге и угол от начала до конца точность для логистической регрессии
    [190] Отпечаток пальца Вейвлет-функции и разложение по сингулярным числам -ближайшие Гендерная классификация Точность превышена Сенсорный экран Скорость жестов пролистывания в четырех направлениях и другие функции из [189] Статистические данные Длина большого пальца и рост пользователей Точность 72% соотношения между длиной большого пальца и высотой

    4.
    1.3. Отпечаток устройства

    Отпечаток устройства определяется как метод обнаружения и различения различных интеллектуальных устройств, даже если они были произведены одной компанией в один и тот же день в одном и том же месте. Исследователи обнаружили, что электронные датчики, разработанные и внедренные в интеллектуальные устройства, имеют определенные шумы, которые можно использовать в качестве отпечатков пальцев этих устройств. В таблице 4 приведены некоторые работы, которые были проведены для различения интеллектуальных устройств по их отпечаткам пальцев.


    Работа Устройства Датчики Сценарий Особенности Алгоритмы Результаты

    [18] 20 Андроиды гироскоп , акселерометр, магнитометр, микрофон и вибратор 4 сценария: (a) смартфон на столе с вибрацией и без нее и (a) смартфон в руке с вибрацией и без нее Функции во временной и частотной областях Случайный лес и наивный Байес Точность акселерометра выше, чем у обоих датчиков. При комбинации всех датчиков точность идентификации превышает 90 %
    [191] 17 Android и 17 IOS Микрофон, динамики и акселерометр Три сценария (деревянный стол, металлический шкаф и подоконник) Частотная характеристика и значение БПФ Оценка максимального правдоподобия (MLE), простая классификация на основе евклидова расстояния и классификация -NN Точность 95 % с микрофоном и динамиком и более 98 % для обоих
    [180] 10 устройств Android Акселерометр, гироскоп, магнитометр, микрофон, камера и вибратор Плоская деревянная поверхность и ручное управление Высокая точность для гироскопа и акселерометра, 100% для комбинации обоих
    [192] 4 IOS, 1 Blackberry, А 8 андроиды камеры SVM SVM 9495
    [193] [193] 8000 IOS Все датчики и контекстные функции 29 Различные функции SVM и случайный классификатор Точность примерно 97%
    [194] [194] [194] 6 камер и 3 смартфонов камера цветных, качество и частотный домен SVM SVM Точность между 66% и 97%
    [195] [195] 12 смартфонов и камера цвет, качество, частотная домен и вейвлет + Prun SVM SVM SVM Для всех функций точность увеличивается. Некоторые функции получить лучшие результаты в конкретных сценариях
    [196] [196] [196] [196] [196] [196] [196] [196] [196] и акселерометр Акселерометр на плоском столе Временная область Особенности Статистические Каждый уборщик акселерометра имеет свой собственный отпечаток пальцев
    [25] 3 смартфонов от трех поставщиков акселерометр и гироскоп на плоском столе на плоский с временем . и Android Акселерометр и гироскоп На столе Функции во временной и частотной областях SVM, наивный Байес, многоклассовое дерево решений, -ближайший сосед (KNN), классификатор квадратичного дискриминантного анализа (QDA) и деревья решений с пакетами Деревья решений в пакетах имеют наивысшую точность

    4.
    1.4. Статус пользователей

    Статус пользователей делится на две категории: активность и локализация в помещении. Обзор этих двух категорий представлен ниже.

    (1) Действия пользователей . Это массивный зонт, который охватывает мультидействия. Тем не менее, эти действия можно разделить на три основных класса: простые, сложные и полезные. Простые действия могут быть определены одним действием, например, ходьба, подъем по лестнице, спуск по лестнице, укладывание и сон. Сложные виды деятельности объединяют различные действия, которые происходят одновременно, например, вождение автомобиля, езда на велосипеде или переодевание.Наконец, здоровые действия — это сложные действия, которые сочетают в себе несколько действий, влияющих на здоровье пользователей, таких как упражнения и падения. Датчики движения доминируют в этих приложениях. Они имеют более высокую точность, чем другие датчики. Однако какова мотивация определения статуса пользователей? Чтобы ответить на этот вопрос, будет показано несколько примеров обнаружения активности.

    В [92] авторы утверждали, что извлечение действий пользователей из данных акселерометра и гироскопа предсказывает поведение водителя автомобиля.Они разделили водителей на агрессивных и нормальных водителей. Алгоритм DTW был реализован с функциями во временной области. Авторы сообщили, что данные гироскопа повышают точность данных акселерометра при прогнозировании поведения водителей. В [93] авторы также использовали акселерометр и гироскоп для обнаружения пьяных водителей. Авторы предложили и разработали приложение, которое определяет, пьян ли водитель, предупреждает водителя и вызывает полицию. Статистический алгоритм был развернут в режиме реального времени.

    В работе [94] авторы попытались классифицировать способы передвижения (пеший, велосипедный, автомобильный, автобусный и железнодорожный), используя данные GPS и акселерометра в режиме реального времени. Они попытались максимально уменьшить вектор признаков, чтобы уменьшить вычислительную мощность. KNN и случайный лес были сравнены для целей классификации. Анализ основных компонентов (PCA) и рекурсивное устранение признаков (RFE) использовались для процесса сокращения признаков. Сообщается о точности более 96% на основе классификатора случайного леса.Сообщенные данные в этой работе могут быть использованы для написания статистического отчета о транспортных методах в городах. Однако для проводимых работ требуются данные GPS. Этот датчик требует разрешений пользователей для работы и сбора данных. Обнаружение физической активности — еще одно приложение для прогнозирования состояния пользователей. В этом классе смартфоны используются для классификации физической активности, такой как ходьба, езда на велосипеде или сон. В [95] авторы использовали показания акселерометра и гироскопа с алгоритмом SVM для классификации физической активности.Было классифицировано шесть различных видов деятельности. Из этих датчиков было извлечено 17 различных характеристик во временной и частотной областях. Авторы сообщили о точности более 95 % при ходьбе, 79 % при спуске по лестнице, 72 % при подъеме по лестнице, 92 % при стоянии, 94 % при сидении и 100 % при лежании. В [96] авторы сравнили ИНС с глубоким обучением с несколькими алгоритмами, основанными на одних и тех же датчиках движения. Они сообщили, что ИНС с глубоким обучением превышала 95% точности по сравнению с другими алгоритмами.Тем не менее, они сообщили, что SVM имеет более высокую точность для стационарной деятельности. В [97] авторы попытались измерить производительность 6 разных позиций смартфонов у пользователей. Алгоритмы SVM, KNN и случайного леса с функциями времени, частоты и вейвлета используются для сравнения производительности точности различных действий пользователей в зависимости от положения смартфона. В [98, 99] определение физической активности использовалось на основе датчика магнитометра, чтобы уменьшить шум датчика акселерометра, особенно при нахождении смартфона в разных частях тела.В [97] было собрано более 27 тысяч выборок данных от десяти разных субъектов. Характеристики вейвлета, частоты и временной области были извлечены из датчиков множественного движения. Использовались мультиалгоритмы, такие как случайный лес, SVM и KNN. Извлеченные результаты показывают высокую точность предсказания ежедневной активности. В [100] Actitracker было предложено использовать собранные данные с датчиков движения для определения физической активности пользователей в качестве приложения для мониторинга здоровья. Характеристики во временной и частотной областях были собраны и переданы в классификатор случайного леса.Приложение Actitracker позволяет пользователям определять порог своей повседневной деятельности, чтобы измерять ее. В [101] оценивалось Happito, приложение для отслеживания активности на смартфоне. Исследование показывает, что пользователи заходят в приложение в среднем на 5 секунд только для проверки своего статуса и не интересуются своими историческими журналами. Это показывает, что эти данные должны ежедневно удаляться в целях безопасности.

    В области мониторинга здоровья с помощью датчиков движения были обнаружены различные заболевания, такие как болезнь Паркинсона, эпилепсия и инсульты [102, 103].В этой области доминировали приложения для обнаружения падения. В [104] авторы использовали четыре различных алгоритма классификации: наивный байесовский алгоритм, дерево решений J48, дерево решений случайного леса и SVM для обнаружения падения. Было зафиксировано четыре типа падений: вперед с помощью рук, вперед с помощью колен, вбок и назад. Авторы утверждают, что точность превышает 99% для всех временных и частотных характеристик. В других работах использовались другие алгоритмы машинного обучения для обнаружения падений с использованием характеристик времени, частоты и вейвлета [105, 106].Наконец, было написано приложение, использующее данные датчика движения для обнаружения падения и сигнализации [107].

    В этой области использовались умные часы. В [108] авторы использовали умные часы для распознавания шести различных действий с использованием пяти различных MLA. Точность обнаружения пьяных людей составляет более 90%. В [109] были предложены шесть различных действий с тремя различными алгоритмами, использующими функции во временной области. Для алгоритма J48 сообщается о точности 90%.Интересным средством обнаружения физических действий является приложение для подсчета шагов. В этом приложении классификатор сначала обнаруживает шаги; впоследствии он пытается подсчитать эти шаги [110]. Это приложение можно использовать в качестве первого шага в процессе локализации внутри помещений.

    (2) Внутренняя локализация . GPS доминирует в системе наружной локализации. Приемник GPS встроен во все новые смарт-устройства. Тем не менее, внутренняя среда является доменом, свободным от GPS. Это сделало его горячей темой исследований в последние несколько лет, особенно в процессе локализации в метро, ​​​​небоскребах и торговых центрах.Локализация внутри помещений делится в основном на два класса: локализация Wi-Fi и счисление пути пешеходов (PDR). Первый класс имеет высокую точность. Однако для этого требуется установка сетевой инфраструктуры и точек доступа. В [111] сенсоры смартфонов и сигнал Wi-Fi использовались для построения точной системы локализации в помещении с частотой ошибок примерно 1,1 м. Алгоритм KNN был принят из-за его простоты. Чтобы исключить установку точки доступа и инфраструктуры, предлагается PDR.В [112] данные гироскопа и акселерометра были записаны для локализации в помещении. В [113] авторы предложили приложение для точной локализации и отслеживания внутри помещений на основе магнитометра и камеры. Модель нейронной сети была написана для сравнения изображений. В этом исследовании утверждалось три разных факта. Во-первых, магнитные показания датчиков различаются в зависимости от их расположения в здании. Во-вторых, чтение не зависит от времени. Наконец, магнитное чтение полуневосприимчиво к фоновому шуму.Другие исследования показали, что магнитометры, наряду с акселерометрами, могут использоваться для создания систем слежения с очень высокой точностью, которые могут эффективно работать в помещении и потреблять мало энергии, в отличие от GPS [114] в приложениях PDR. Другие исследователи продемонстрировали способ создания внутренних карт зданий с использованием магнитометров и акселерометров [115]. Другой тип внутренней локализации — локализация на высоте. В этой области преобладал датчик барометра. Барометр может строить модели определения местоположения телефона и, следовательно, пользователя телефона внутри зданий со 100% точностью [116].Телефонные барометры также использовались для определения уровня пола пользователя с высокой точностью [40]. Другие исследования показали, что местоположение пользователя можно оценить и отследить с достаточной точностью, используя только телефонный барометр [117]. Хотя акселерометры также могут использоваться в методах локализации внутри помещений, было доказано, что барометры более точны, особенно когда телефон отвлекается на другие действия, такие как игры или телефонный звонок [116]. Другое исследование продемонстрировало точные показания высоты над уровнем моря, прежде всего, за счет использования телефонного гироскопа вместе с акселерометром [118].

    4.1.5. Медицинские приложения

    Интеллектуальные устройства в медицинских приложениях за последнее десятилетие получили широкое распространение. Эти приложения подразделяются на три основные области: мониторинг состояния здоровья в режиме реального времени, отслеживание активности в отношении здоровья и обнаружение проблем со здоровьем и заболеваний. В приложениях для мониторинга здоровья можно использовать интеллектуальные устройства для мониторинга различных аспектов и частей человеческого тела в активном или пассивном режимах. В активном режиме пользователь отвечает за выполнение определенной операции с использованием смарт-устройства для считывания внутренних органических сигналов.Например, в приложении Cardiio [119, 120] камера смартфона используется для измерения сердцебиения путем обнаружения изменений цвета кожи во время циркуляции крови в организме. В приложениях для бесконтактного мониторинга здоровья доминируют акустические сигналы. Широкое распространение получили микрофоны и динамики. В [121] было предложено приложение для смартфона, использующее микрофон и динамик для мониторинга сердцебиения. В [19] предложено приложение для мониторинга качества сна на основе акустических сигналов. Еще одним приложением для мониторинга здоровья является мониторинг процесса реабилитации после травм. В работе [122] данные гироскопа и акселерометра записывались в домашних условиях для отслеживания прогресса реабилитации после тотального эндопротезирования коленного сустава.

    Интеллектуальные устройства и их сенсорные приложения широко распространены в литературе по отслеживанию активности в области здравоохранения. В [123] было разработано приложение для отслеживания и предотвращения инсульта для смартфона.

    Смарт-устройства продемонстрировали огромный потенциал в обнаружении болезней.Различные датчики интеллектуальных устройств используются в разных приложениях. В [124] камера смартфона использовалась для тестирования гемоглобина крови на анемию. Зарегистрирована точность от 76% до 85%. Другой пример применения контактного или активного тестирования камеры был предложен в [125] для проверки поражения кожи на наличие различных бактериальных заболеваний, таких как язва Бурули. В [126] все данные датчиков смартфонов были записаны для мониторинга психического здоровья и выявления депрессии, стресса и одиночества.Еще одним примером обнаружения заболеваний с помощью приложения для смартфона является обнаружение влияния кожных заболеваний на процесс идентификации по отпечатку пальца. Было обнаружено, что некоторые симптомы кожных заболеваний могут влиять на цвет кожи или структуру папиллярных гребней, что может повлиять на работу сканеров отпечатков пальцев [127, 128]. Более того, исследования показали, что существует корреляция между узорами отпечатков пальцев и диабетом. Кан и др. обнаружили, что диабет был связан со средней разницей в подсчете дерматоглифических гребней между большим пальцем и мизинцем с учетом пола и возраста [129].Другие также показали, что завитки, петли и дуги отпечатков пальцев у пациентов с диабетом значительно отличаются от таковых у людей без диабета [130, 131]. Хотя дактилоскопические паттерны связаны только с диагностикой генетически обусловленных заболеваний [132], по-прежнему возникает вопрос о том, смогут ли мобильные телефоны, оснащенные сканерами отпечатков пальцев, выполнять такие задачи, как прогнозирование развития диабета или выявление определенных типов диабета. кожных заболеваний у пользователей.

    4.2. Точность извлеченной информации

    Как упоминалось в предыдущем разделе, было предложено и разработано множество полезных приложений на основе процесса обучения различных наборов данных.Процесс обучения, а также тестирование и проверка этих приложений проводились в контролируемой среде. Кроме того, собранные данные фильтруются перед использованием в MLA. Эти проблемы подняли вопросы о точности разработанных приложений в реальной жизни и вне контролируемой среды [133].

    Еще одна обнаруженная проблема — количество функций, которые были извлечены и использованы в различных приложениях. Как упоминалось в предыдущем разделе, одни и те же функции использовались снова и снова для получения разных выводов.Одни и те же функции использовались для личных качеств и для личной деятельности. Если одни и те же функции раскрывают всю информацию, как личные качества не повлияют на извлеченные действия? Например, в [134] авторы показывают, как зашумленные данные в приложениях для смартфонов, работающих с большими данными, могут привести к ошибочным выводам. Авторы изучили точность приложения для подсчета шагов на смартфонах Apple и Android. Они выявили большой диапазон ошибок в этих приложениях на обеих платформах. В [135] было проведено исследование качества приложений для здоровья на смартфонах.Полученные результаты выявили различные вопросы пользователей относительно достоверности, точности и конфиденциальности информации. Это показывает, что точность является одной из проблем пользователей. В [136] авторы сравнили классификацию приложений для смартфонов личной повседневной деятельности двух разных групп: первая группа из 20 молодых людей и вторая группа из 37 пожилых людей. Они обучили классификатор на данных, полученных от первой группы, и протестировали модуль на второй группе. Тот же эксперимент был повторен с другим модулем, обученным на данных второй группы и протестированным на первой группе.Они сообщили о значительном влиянии на точность в обоих сценариях. Это означает, что личные черты должны быть добавлены в качестве характеристик в эти исследования или должен быть собран массивный набор данных из разных стран всех возрастов. В [137] авторы провели эксперимент по распознаванию походки с использованием гироскопа и акселерометра смарт-часов, используя данные за один и тот же день и разные дни для тестирования и процесса проверки. Они сообщили об увеличении зарегистрированных ошибок распознавания походки при использовании данных в разные дни.

    Третья проблема связана с размером набора данных. Если эти приложения будут использоваться в разных странах и людьми разного возраста, как следует собирать набор данных и насколько большим он должен быть? В [138] авторы провели эксперимент с данными, полученными от более чем 700 тысяч человек из 111 стран, для изучения ситуации с ожирением в странах. В других исследованиях участвовало всего 10–50 человек [134, 135].

    Вопрос о точности приложений для смарт-устройств, использующих MLA, требует различных процедур тестирования и проверки в реальной жизни.

    5. Проблемы, связанные с определением скрытой информации

    Как упоминалось выше, было предложено множество полезных приложений, использующих датчики открытого доступа к скрытой информации. Однако при использовании этих данных обнаруживается много проблем. В следующих разделах представлены атаки на систему безопасности и проблемы конфиденциальности. Кроме того, будут выявлены другие реальные проблемы физической безопасности.

    5.1. Атаки по побочным каналам

    Атаки по побочным каналам определяются как любые компьютерные атаки, которые могут быть реализованы с использованием данных, собранных из системы, законными способами, а не с помощью ошибок в развернутых алгоритмах [139].Эти атаки делятся на девять основных категорий. Четыре из этих категорий были реализованы в смартфонах, как показано в таблице 5.

    0 Микрофон 5 F Мягкая клавиатура и жесткая клавиатура 914 96 91 489 91 490 [157] 91 489

    Рабочие Тип Датчики Характеристики Комментарии Результаты Алгоритмы

    [58] Движение Гироскоп и сенсорный экран Временная область, угол верхней биссектрисы и угол нижней биссектрисы Угадайте классификатор
    TapLogger [197] Гироскоп Гироскоп, акселерометр и сенсорный экран Временная домен и угловые изменения Мягкая клавиатура для цифр 90% Точность с 3 чертами для 8-значного PIN SVM с использованием LIBSVM [198]
    TapPrints [183] ​​ Движение Гироскоп и Акселерометр Значения во временной области, частотной области и FTT Виртуальная клавиатура для английских символов Точность 90% для вывода английских символов деревья решений в пакетах
    Accessory [184] Motion Accelerometer Временная область, среднее время от выборки до пика, общее время окна и количество выборок в окне Soft клавиатура для английских символов 6 символов пароля в 4. 5 следов Случайный лес, ANN, SVM и дерево решений C4.5
    [200] Акустика Микрофон Функции кепстра [201] и распознавание речи, утверждается, что это лучше, чем БПФ Мягкая клавиатура для английских символов Точность 96 % Использовались скрытые марковские модели [202], линейная классификация, ИНС и языковые модели
    Атака по времени [142] Синхронизация
    5 Установим PIN-код без срабатывания предупреждений Markov Chainswith Brute Force Attack
    Soundminer [203] Acoustic Microphone FFT, голосовой рекорд и двойной мультифром (DTMF) Виртуальная клавиатура Определение PIN-кода, паролей, клавиш увеличения и уменьшения громкости Распознавание речи Google
    Powerspy [145]. ) [205]
    [149] Power Power Power Power Power Файлы использования электроэнергии как Time Series Установка приложений, Геолокация, Длина пароля, а также UI
    [153] Timing Прерывания прерываний файла выведение приложения и разблокировки телефона DWT и скрытые марковские модели (СММ)
    PinMe [151] Motion Акселерометр, гироскоп, барометр, IP-адрес и часовой пояс Данные датчиков Определение и отслеживание пользователей по всему миру SVM Акустическая Микрофон Данные строки Точность более чем на 70% в течение 5-минутных звуковых файлов Статистический
    [156] Акустическая Микрофон Данные ряда 1. 5 частота ошибок Неконтролируемый алгоритм

    Идея атаки по сторонним каналам появилась давно. В этой области появилось много методов и алгоритмов. Одним из старейших методов является электромагнитное излучение, предложенное в 1980-х годах. В этом методе исследователи обнаружили, что электронные компоненты излучают электромагнитные волны при переключении между различными состояниями. Этот метод использовался в различных атаках.В [140, 141] авторы попытались вывести компьютерные пароли с помощью электромагнитных волн нажатия клавиш. Авторы утверждали, что нажатие клавиши излучает электромагнитные волны, которые могут сделать вывод о нажатой клавише. Были оценены различные сценарии, такие как спадающий фронт и нарастающий фронт. В [142] авторы попытались изучить уникальную звуковую обратную связь при нажатии клавиш, чтобы сделать вывод о нажатых клавишах. Более того, авторы попытались изучить расстояние от клавиатуры, чтобы распознать эти звуки обратной связи.Они обнаружили, что этот метод можно использовать с атакой грубой силы, не вызывая никаких предупреждений.

    Атаки по сторонним каналам переместились на смартфоны, используя их сенсоры. Некоторые данные датчиков получить труднее, чем другие. Например, данные GPS требуют разрешений пользователей смартфонов, чтобы начать процесс сбора урожая. Однако для других датчиков разрешений не требуется. Например, W3C опубликовал спецификацию событий DeviceOrientation, которая позволяет JavaScript на веб-сайтах получать доступ к данным акселерометра и гироскопа в Android и IOS без разрешения пользователя [143].Одна из первых работ, которая была проведена для выявления угроз атаки сенсорных данных и защиты от сенсорных атак, содержится в [144]. Было проведено множество работ, чтобы показать, что все типы атак по сторонним каналам жизнеспособны в смартфонах. Например, использование мощности в качестве атаки по побочному каналу использовалось в [145]. В Android-смартфонах присутствуют два файла с открытым доступом, которые отслеживают энергопотребление (/sys/class/power Supply/Battery/Voltage Now и /sys/class/power Supply/battery/current now). Любой процесс или приложение может получить доступ к этим файлам без разрешения.Авторы использовали эти файлы для отслеживания смартфонов и различения маршрутов. Были показаны два сценария для различения маршрутов, отслеживания в реальном времени и определения новых маршрутов. Были использованы два алгоритма машинного обучения. Авторы показали, что энергопотребление смартфона одинаково для одного и того же маршрута, даже если используются два разных смартфона. Предлагаемый метод не требует ни идентификаторов сот, ни SSID точек доступа, как в [146–148]. Все эти методы отслеживают смартфоны и определяют маршруты на основе мощных атак по сторонним каналам.Другой пример использования мощности в качестве побочной атаки показан в [149]. В этой работе использовались те же два файла мониторинга мощности. Были показаны четыре различных атаки: идентификация приложения, определение пользовательского интерфейса, определение длины пароля и геолокация. Они показали, как статистический метод используется для получения точных результатов во всех этих ситуациях. В [150] авторы показали, как можно использовать трассировку мощности для различения различных криптографических алгоритмов в Android-смартфонах.

    Другим примером атак по сторонним каналам являются атаки движения. В [151] авторы предложили PinMe — алгоритм, который может отслеживать пользователей по всему миру. Были использованы часовой пояс, IP-адрес, датчики акселерометра, гироскопа и барометра. PinMe может отслеживать пользователей во время выполнения различных действий, таких как ходьба, вождение автомобиля, нахождение в поезде и даже в самолете. В [152] авторы предложили метод, использующий акселерометр и гироскоп для поиска маршрутов в городе, по которому едет пользователь.Предложен алгоритм поиска на основе карты как графа. Метод был протестирован на 30 городах с точностью более 50% для нахождения списка из десяти возможных маршрутов.

    Другим примером атак по сторонним каналам являются атаки по времени. В [153] авторы показали еще один файл открытого доступа на платформе Android под названием (/proc/interrupts). Этот файл отслеживает все запросы аппаратного прерывания в системе. Используя этот файл, авторы успешно определили шаблоны блокировки, различимые пользовательские интерфейсы и идентифицированные приложения.

    В [154] авторы показали, как общедоступные файлы контроля и мониторинга с нулевым разрешением используются для различных атак. Например, файл (/proc/uid-stat/), который показывает статистику использования сети приложениями, может быть показан, чтобы сделать вывод об установленных приложениях и наиболее популярных приложениях, используемых пользователями. Был показан случай, когда можно было сделать вывод о состоянии здоровья пользователя на основе страниц со статьями о заболеваниях, которые пользователи читают в приложении WebMD. Кроме того, авторы показали, как можно использовать файл (/proc/net/arp) для определения местонахождения пользователей.

    В [155] была предложена атака по боковому каналу на основе данных, полученных от датчика внешней освещенности. Автор показал, что интенсивность света, регистрируемая этим датчиком, изменяется в зависимости от положения пальца на сенсорном экране. Этот процесс использовался для предсказания PIN-кода, введенного с помощью касания сенсорного экрана смартфона. Автор показал высокую точность определения пин-кодов. Однако для повышения точности должны быть включены другие методы.

    Еще одна интересная атака по сторонним каналам предложена в [156].Авторы утверждали, что количество людей в помещении можно подсчитать с помощью микрофона и неконтролируемой MLA. Зафиксирована ошибка 1,5 при разном уровне фонового шума.

    Наконец, в [157] показана новая интересная акустическая атака по боковому каналу. В этом методе авторы утверждали, что любые записанные голосовые или видеофайлы по всему миру имеют отпечаток местоположения. Этот отпечаток исходит от сигналов частоты электрической сети (ENF), которые можно обнаружить в записанных файлах.Загружая сотни видео с YouTube из разных стран и городов, а затем извлекая информацию ENF из этих видео, новые записанные звуковые или видеофайлы можно сравнить с загруженными файлами, чтобы найти похожие ENF. Авторы заявили о точности более 70% для аудиофайлов продолжительностью более 5 минут. Другая акустическая боковая атака была показана в [158].

    В таблице 5 приведены сводные данные об атаках по сторонним каналам, реализованных в смартфонах.

    5.2. Конфиденциальность

    Конфиденциальность определяется как отсутствие общественного внимания.Другими словами, любой держит свою жизнь в тайне, не сообщая другим подробности своей жизни. В настоящее время Интернет и социальные сети позволяют подписчикам делиться своими фотографиями, комментариями, местоположением и статусами. Тем не менее, конфиденциальность была учтена в новом методе, с помощью которого люди или подписчики могут контролировать то, чем они делятся и с кем делиться. Это настроило определение конфиденциальности для контроля контента и внимания людей. В эпоху больших данных MLA позволили разработчикам по-разному интерпретировать массивные данные с интеллектуальных устройств [159, 160].Это увеличивает нагрузку на разработку алгоритмов и тип собираемых данных. В [8] автор показал, что одна из самых больших проблем конфиденциальности в IoT заключается в том, что пользователи имеют ограниченный контроль над тем, какими данными делиться и распространять. В правах человека упоминается, что люди имеют право хранить личные вещи в тайне [161]. Однако, как упоминалось ранее, большие данные могут нарушать это право, извлекая секретную информацию из свободно доступных бессмысленных данных.

    Основная проблема приватности при интеллектуальном анализе данных заключается в том, что она неявна.Пользователи не знают, какую информацию можно обнаружить с их собственных датчиков. В анкетах, которые были проведены в [162], авторы попытались измерить конфиденциальность пользователей смарт-устройств. В исследовании сравнивался уровень конфиденциальности пользователей компьютеров и пользователей смартфонов. В анкету были записаны девять различных категорий вопросов. Исследование авторов показало, что 68% подписчиков смартфонов не будут вводить свой PIN-код на смартфонах из соображений конфиденциальности и безопасности.Более того, что касается отчетов о состоянии здоровья, 38% людей готовы не открывать такие отчеты с помощью своих смартфонов. Девять человек сказали: «Чем больше у вас проблем со здоровьем, тем более личными они становятся, и чем более личными они становятся, тем меньше вероятность того, что я буду делать это по мобильному телефону». Наконец, что касается службы определения местоположения, большинство людей, которые боятся использовать такую ​​услугу, отмечают, что они боятся ограбления. Этот опрос показывает, что подписчики смарт-устройств беспокоятся о своей конфиденциальности.Однако что они могут сделать, чтобы защитить свою конфиденциальность от интеллектуального анализа данных?

    В [163] авторы показали, что конфиденциальность смарт-устройств сложна, поскольку она состоит из различных уровней оборудования, операционной системы и приложений. Поверх этого многоуровневого стека добавляется еще один уровень процесса интеллектуального анализа данных датчиков. Это показывает, как конфиденциальность интеллектуальных устройств в эпоху Интернета вещей требует нового механизма для ее повышения без какого-либо влияния на удобство использования устройств.

    5.3. Сценарии угроз безопасности

    В этом разделе будут показаны некоторые из реальных атак на смарт-устройства.Эти атаки иногда можно классифицировать как часть атак по сторонним каналам. Однако эти атаки используют некоторые физические явления с использованием интеллектуальных устройств. Например, в [158] авторы используют уровни частотной чувствительности микрофона для модуляции неслышимой для человека команды. Команду можно получить с микрофона смартфона, интерпретировать и запустить последовательность действий с использованием службы голосового помощника, например Siri. Команда записывается и модулируется сигналом с частотой выше 20 кГц.Авторы заявили об успехе с очень высокой точностью. В [164] авторы использовали акселерометр и гироскоп в смарт-часах для обнаружения комбинаций механических замков. Другими словами, всякий раз, когда пользователи смарт-часов открывают сейф, код может быть обнаружен любым приложением, собирающим данные акселерометра и гироскопа. Эта атака может быть представлена ​​как атака по побочному каналу; однако собранные данные использовались для взлома реального оборудования. Вот почему мы думаем, что он принадлежит к этой категории.Можно использовать многие другие угрозы безопасности. Другой пример был предложен в [165] для получения информации о производственной плоскости и машинах, использующих магнитометр и микрофон. Авторам удалось выделить станки с ЧПУ, 3D-принтер, их типы и виды. Далее мы показываем три различных возможных сценария, которые могут быть реализованы в будущем.

    Первый сценарий — ограбление дома. В этом сценарии грабителю требуется три элемента информации для успешного ограбления дома: деятельность владельцев, местонахождение и количество людей в доме.В работах [19, 20] авторы продемонстрировали, как можно записать режим сна пользователей смартфонов, используя подсветку сенсорного экрана, состояние зарядки аккумулятора и подключен ли кабель к зарядному устройству или нет. Эти особенности можно использовать для изучения активности домовладельца в сочетании с акселерометром и гироскопом [160]. Вторая часть информации — местонахождение в доме. В Indoor Localization мы обнаружили, что можно найти пользователя в закрытом помещении, используя только акселерометр и гироскоп.Для подсчета людей в доме можно использовать данные микрофона, как в [156].

    Второй сценарий — отслеживание местоположения, как в [166]. Если поведение пользователей на сенсорном экране собиралось и записывалось из разных приложений для смартфонов в течение длительного периода времени. Эти данные можно косвенно использовать для отслеживания и поиска пользователя. Даже если пользователь сменил смартфон и создал новые учетные записи электронной почты, новые имена и пароли, приложения и компании могут отслеживать пользователей, чтобы показать сходство между любыми новыми пользователями и существующими пользователями.Другими словами, никто не будет начинать с нуля в этом цифровом мире. Более того, если ваше поведение при прикосновении собирается в течение длительного времени, можно создать тепловые карты для визуализации этих данных перед анализом. Впоследствии эти данные можно использовать для прогнозирования учетных данных пользователей, таких как имена пользователей и пароли для различных приложений. Другими словами, можно написать новую эру программного обеспечения для кейлоггеров.

    Третий сценарий — атаки на основе личных качеств. Предположим, что это вирус, который взламывает только умные устройства женщин или детей.Такие вирусы могут распространяться по разным устройствам; однако он работает только в соответствии с поведением пользователей. Более того, приложение запускается/закрывается в зависимости от настроения пользователей.

    Это откроет двери для новых поведенческих/личных атак.

    Это лишь несколько примеров тысяч угроз безопасности и сценариев, которые могут быть реализованы и предложены. Эти сценарии представляют собой открытое поле для инноваций.

    5.4. Как и где начать копать скрытую информацию

    С распространением смартфонов, планшетов, смарт-телевизоров и смарт-часов произошло быстрое развитие инструментов и методов разработки приложений для них.Было предложено, разработано и коммерциализировано множество методов и инструментов [167]. Тем не менее, эти инструменты относятся к одному из трех классов: программируемые инструменты, инструменты кодирования с нулевой строкой и гибридные инструменты. Инструменты программирования определяются как интегрированные среды разработки (IDE), которые требуют навыков хотя бы на одном языке программирования для программирования достойного приложения. Студия Android [168], которая требует глубоких навыков программирования XML и Java, является официальной IDE для разработки приложений для Android. DroidEdit [169] — еще один пример из этой категории, который также требует навыков программирования на языке Java.Третий пример — Cordova, для которого требуются навыки программирования на языках веб-интерфейса, таких как CSS, HTML и JavaScript. Эта категория инструментов, как уже упоминалось, требует глубоких знаний в области компьютерных наук и языков программирования для разработки приложений. В этом случае будет легче отследить код до его разработчиков [170]. Более того, хакерам-любителям или взломщикам сложно писать приложения для сбора данных датчиков пользователей, обновления их на сервере и максимально возможного снижения использования приложений.Однако такой стиль программирования может снизить удобство использования интеллектуальных устройств. В [171] авторы попытались использовать студию Android для написания приложения для сбора данных датчиков пользователей и загрузки их на сервер. Авторы попытались показать законность и этичность использования таких данных.

    Была предложена другая группа инструментов: инструменты нулевого кодирования [172]. В этой категории приложение используется для преобразования веб-приложений и веб-страниц в приложения для интеллектуальных устройств. Любое онлайн-веб-приложение или сайт можно преобразовать в приложение без написания единой строчки кода.Этот инструмент опасен, поскольку к некоторым датчикам интеллектуальных устройств можно получить доступ из JavaScript без каких-либо разрешений [143], как указано в разделе 5.1. Тем не менее, разработчики приложений должны сначала преобразовать веб-приложение. Это также требует глубоких навыков.

    Третий и самый сложный инструмент разработки приложений для смарт-устройств — гибридный [173]. В этом инструменте простой логический поток приложения требуется для разработки сложного кода. Никаких навыков программирования не требуется. Однако требуется написание алгоритма.Одним из самых популярных примеров этого инструмента является MIT App Inventor (MAI) [174], который определяется как стиль программирования, управляемый событиями. MAI позволяет программистам получить все функции любой сложной IDE без каких-либо навыков программирования. Любой датчик может быть собран. Обмен данными может осуществляться простым способом с использованием Wi-Fi, мобильной сети, Bluetooth и NFC [175]. Бесплатная учетная запись Google — единственное требование для начала написания любого сложного приложения. Эта среда использовалась в приложении для мониторинга умного дома [176], фитнес-приложении [177], приложении для мониторинга здоровья [178] и конструкции умной лампы с использованием датчиков смартфона [179].

    Категория гибридных инструментов показывает, что атаки по сторонним каналам легко реализовать. Чтобы приступить к реализации приложений, на рис. 9 показаны необходимые шаги. Во-первых, необходимы дампы данных со смарт-устройств. Эти дампы, как показано, доступны через Интернет. Любой из этих дампов можно скачать. Во-вторых, должен быть реализован процесс извлечения признаков. Как уже упоминалось, из данных могут быть извлечены характеристики временных, частотных и вейвлет-областей, а также строки данных. Наконец, требуется механизм машинного обучения, такой как R, Python или MATLAB, для сравнения различных MLA, чтобы выбрать точный и простой.Иногда принятие самого простого в реализации доминировало над точным. Наконец, математическая модель готова к развертыванию.


    Для развертывания обученного алгоритма в реальном мире требуется приложение для смарт-устройства. МАИ упрощает эту задачу. Алгоритм должен быть встроен в приложения любого типа. Этапы развертывания показаны на рис. 10. Процесс развертывания состоит из двух основных частей: на стороне клиента и на стороне сервера. Клиентская сторона — это приложение для смарт-устройства. Это приложение должно содержать как минимум четыре разных модуля.Первый модуль — это модуль таймера, который будет записывать показания датчика в течение предварительно настроенных периодов времени. Кроме того, отметка времени сбора данных датчика использовалась как функция в различных алгоритмах, как было показано. Второй модуль — сенсорные модули. На этом этапе необходимо собрать информацию о том, какой тип данных датчиков использовался в процессе обучения. Все сенсоры, кроме дактилоскопического, реализованы в МАИ. Третий модуль — модуль сохранения данных. Этот модуль необходим для сокращения использования сети и любых модулей обработки данных, необходимых в приложении для смарт-устройств.MAI позволяет программисту сохранять данные приложения во внутренней уникальной базе данных. Завершающим этапом является передача данных через интернет-модуль. Для этого шага можно использовать протокол HTTP.


    На стороне сервера веб-приложение должно быть написано и размещено в Интернете. Приложение должно извлекать любые полученные данные из процесса передачи данных. Адрес интернет-протокола (IP) отправителя должен быть записан, чтобы различать пользователей приложения. Кроме того, он должен записывать временные метки.Второй шаг в этом приложении — извлечение признаков из полученных данных. Наконец, обученный математический модуль используется в собранных функциях для получения скрытой информации. Другие варианты могут быть сделаны.

    Можно использовать другой метод для сокращения использования сети. Все шаги перенесены в приложение для смарт-устройств. В этом методе использование сети будет сведено к минимуму, поскольку устройство будет отправлять только скрытую информацию. Однако возрастет вычислительная нагрузка.Чтобы уменьшить вычислительную нагрузку приложения, модуль таймера можно настроить для использования извлечения признаков и математического модуля MLA в течение очень длительных периодов времени. Эти два сценария реализации показывают, как легко нарушить безопасность пользователей интеллектуальных устройств в эпоху Интернета вещей.

    6. Заключение и обсуждение

    Умные устройства повсюду. Наступила эра Интернета вещей. Преимущества, приложения и удобство использования этой парадигмы были представлены во многих исследовательских работах. Конфиденциальность и безопасность интеллектуальных устройств в IoT на протяжении многих лет привлекали исследователей к созданию безопасных систем.Тем не менее, машинное обучение и большие данные усложнили ситуацию. В этой статье мы покажем, как машинное обучение, большие данные и данные датчиков интеллектуальных устройств используются для поиска множества полезной скрытой информации. Было показано, как датчики интеллектуальных устройств, которые используются для повышения удобства использования устройств, могут использоваться в полезных приложениях, с одной стороны, и при взломе и атаках, с другой стороны. Более того, было показано, как эти угрозы и атаки могут быть реализованы и развернуты простым методом, использующим программирование, управляемое событиями, без глубоких навыков программирования.

    К сожалению, нет скрытого руководства по защите данных, которое можно было бы загрузить и использовать для решения проблем с точностью, конфиденциальностью и безопасностью. Тем не менее, дизайнеры приложений и пользователи могут использовать множество методов, чтобы максимально уменьшить эти проблемы.

    Осведомленность пользователей — самый важный шаг для предотвращения скрытых проблем с данными. Пользователи должны знать, что загружать в Интернет. Разрешения приложений следует внимательно прочитать перед установкой новых приложений. Пользователям не следует устанавливать приложения из неизвестных источников или разработчиков.Пользователи не должны предоставлять никаких разрешений, требуемых от какого-либо приложения, пока они не поймут, почему такое приложение требует таких разрешений. Например, для различных игр на рынке Android требуется доступ к медиа и файлам смартфона, почему? Пользователи должны быть умнее своих умных устройств.

    Разработчики операционной системы интеллектуальных устройств должны увеличить и улучшить разрешения на доступ к датчикам интеллектуальных устройств. Пользователям следует предоставить больше контроля. Все время должны отображаться дополнительные предупреждающие сообщения.Больше не показывать это сообщение не следует использовать. Требуются дополнительные исследования и разработки в этой области. Для повышения точности необходимо собрать больше данных для разных возрастов, полов и стран, чтобы уменьшить влияние различных переменных на конечный результат. Разработанные приложения должны быть протестированы в реальной жизни разными пользователями в течение определенного периода времени, прежде чем объявлять о достоверности своих выводов. Социальные сети — благодатная среда для этого шага.

    Наконец, мы считаем, что статическая конструкция интеллектуальных устройств является одной из основных проблем в области скрытых угроз данным.Например, многие пользователи смарт-устройств не знают, какие датчики у них есть и как их использовать. Более того, многие датчики бесполезны для этих пользователей. Если пользователи интеллектуальных устройств смогут проектировать и настраивать свои устройства только с необходимыми датчиками и деталями, часть этой проблемы будет решена.

    Конфликт интересов

    Авторы заявляют об отсутствии конфликта интересов.

    Длинноцепочечные диолы в оседающих частицах в тропических океанах: понимание источников, сезонности и косвенных признаков

    Araujo, M., Норьега, К., Хонсу-гбо, Г.А., Веледа, Д., Араужо, Дж., Бруто, Л., Фейтоса Ф., Флорес-Монтес М., Лефевр Н., Мело П., Оцука А., Травассос К., Швамборн Р. и Нойманн-Лейтао С.: Обзорная оценка континуума река Амазонка-океан во время бореальной осени: от физики к Сообщества планктона и поток углерода, фронт. микробиол., 8, 1358, https://doi.org/10.3389/fmicb.2017.01358, 2017. 

    Balzano, S., Lattaud, J., Villanueva, L., Rampen, S.W., Brussaard, C.P.D., ван Блайсвейк, Дж., Бэйл, Н., Синнинге Дамсте, Дж. С., и Схоутен, С.: Поиски биологических источников длинноцепочечных алкилдиолов в западной тропическая часть северной части Атлантического океана, Biogeosciences, 15, 5951–5968, https://doi.org/10.5194/bg-15-5951-2018, 2018. 

    Биасточ, А. и Краусс, В.: Роль мезомасштабных вихрей в источнике Области течения Агульяс, J. Phys. океаногр., 29, 2303–2317, https://doi.org/10.1175/1520-0485(1999)029<2303:Tromei>2.0.Co;2, 1999. 

    Богус, К. А., Зонневельд, К.А. Ф., Фишер Д., Кастен С., Борманн Г. и Versteegh, GJM: Влияние боковых кислородных градиентов метрового масштаба на граница раздела отложений и воды на основе выбранного органического вещества, прокси продуктивности и температуры, Biogeosciences, 9, 1553–1570, https://doi.org/10.5194/bg-9-1553-2012, 2012. 

    Brassell, SC: Влияние климата на палеогеновую эволюцию алкенонов, Палеоокеанография, 29, 255–272, https://doi.org/10.1002/2013pa002576, 2014. 

    Brassell, S.К., Эглинтон Г., Марлоу И.Т., Пфлауманн У. и Сарнтейн, М.: Молекулярная стратиграфия – новый инструмент климатической оценки, Природа, 320, 129–133, https://doi.org/10.1038/320129a0, 1986. 

    Чен, В. В., Мохтади, М., Шефус, Э., и Молленхауэр, Г.: Органо-геохимические показатели температуры поверхности моря в поверхностных отложениях тропической восточной части Индийского океана, Deep-Sea Res. Пт. я, 88, 17–29, https://doi.org/10.1016/j.dsr.2014.03.005, 2014. 

    Коулз, В. Дж., Брукс, М. Т., Хопкинс, Дж., Штукель, М.Р., Ягер, П.Л., и Худ, Р. Р.: Пути и свойства шлейфа реки Амазонки в тропическая часть Северной Атлантики, J. Geophys. Рез.-Океаны, 118, 6894–6913, https://doi.org/10.1002/2013jc008981, 2013. 

    Конте, М. Х., Томпсон, А., и Эглинтон, Г.: Первичное производство липидов соединения биомаркеров по Emiliania Huxleyi – Результаты исследования экспериментальное изучение мезокосма во фьордах юго-западной Норвегии, Сарсия, 79, 319–331, https://doi.org/10.1080/00364827.1994.10413564, 1994. 

    Конте, М. Х., Вебер, Дж. К., Кинг, Л. Л., и Уэйкхэм, С. Г.: Алкенон температурный сигнал в поверхностных водах западной части Северной Атлантики // Геохим. Космохим. Ac., 65, 4275–4287, 2001. 

    Conte, M.H., Sicre, M.A., Ruhlemann, C., Weber, J.C., Schulte, S., Шульц-Булл, Д., и Бланц, Т.: Глобальная температурная калибровка индекс ненасыщенности алкенонов U37K′ в поверхностных водах и сравнение с поверхностными отложениями // Геохим. Геоф. Геосы, д. 7, кв.02005, г. https://дои.org/10.1029/2005GC001054, 2006. 

    Кроппер, Т.Е., Ханна, Э., и Бигг, Г.Р.: Пространственные и временные сезонные тенденции прибрежного апвеллинга у берегов Северо-Западной Африки, 1981–2012 гг., Deep-Sea Res. Пт. I, 86, 94–111, https://doi.org/10.1016/j.dsr.2014.01.007, 2014. 

    Кроста, X., Ромеро, О. Э., Тер, О., и Шнайдер, Р. Р.: Контролируемая климатом продуктивность кремния в восточной части Гвинейского залива в течение последних 40 000 лет, Clim. Прошлое, 8, 415–431, https://doi.org/10.5194/cp-8-415-2012, 2012 г.

    де Бар, М. В., Дорхаут, Д. Дж. К., Хопманс, Э. К., Рампен, Ю. В., Синнингхе Дамсте, Дж. С., и Схоутен, С.: Ограничения на применение длинных прокси цепных диолов на иберийско-атлантической окраине, Org. Геохим., 101, оф. 184–195, https://doi.org/10.1016/j.orggeochem.2016.09.005, 2016. 

    de Bar, MW, Ullgren, J., Thunell, RC, Wakeham, SG, Brummer, G.-J. . А., Штут, Ж.-Б. В., Синнинге Дамсте, Дж. С., и Схоутен, С.: Лонг цепные диолы в оседающих частицах в тропических океанах: взгляд на источники, сезонность и прокси, ПАНГАЕЯ, https://doi.org/10.1594/PANGAEA.898278, 2019. 

    de Jonge, C., Hopmans, E.C., Zell, C.I., Kim, J.H., Schouten, S., и Синнинге Дамсте, Дж. С.: Встречаемость и обилие 6-метиловых разветвленных тетраэфиры диалкилглицерина глицерина в почвах: последствия для палеоклиматическая реконструкция, Геохим. Космохим. Ак., 141, 97–112, https://doi.org/10.1016/j.gca.2014.06.013, 2014. 

    де Йонге К., Стадницкая А., Хопманс Э.К., Черкашов Г., Федотов А., Стрелецкая И. Д., Васильев А. А.и Синнинге Дамсте, Дж. С.: Резкие изменения в распределении разветвленных тетраэфирных липидов в взвешенные вещества и наносы из р. Енисей и Карского моря (Сибирь): Последствия использования прокси на основе brGDGT в прибрежных морских отложениях, Геохим. Космохим. Ac., 165, 200–225, https://doi.org/10.1016/j.gca.2015.05.044, 2015. 

    Дои Т., Тозука Т. и Ямагата Т.: Межгодовая изменчивость Гвинея Купол и его возможная связь с атлантической меридиональной модой, клим.динам., 33, 985–998, https://doi.org/10.1007/s00382-009-0574-z, 2009. 

    Дуче Р.А., Лисс П.С., Меррилл Дж.Т., Атлас Э.Л. ., Хикс, Б. Б., Миллер Дж. М., Просперо Дж. М., Аримото Р., Черч Т. М., Эллис В., Галлоуэй, Дж. Н., Хансен, Л., Джикелс, Т. Д., Кнап, А. Х., Рейнхардт, К. Х., Шнайдер Б., Судин А., Токос Дж. Дж., Цуногай С., Волласт Р. и Чжоу, М.: Атмосферный вклад микроэлементов в Мировой океан, глобальный Биогеохим. Cy., 5, 193–259, https://doi.org/10.1029/91gb01778, 1991. 

    Fallet, U., Brummer, G.J., Zinke, J., Vogels, S., and Ridderinkhof, H.: Контрастные сезонные потоки планктонных фораминифер и воздействия на палеотермометрия в Мозамбикском канале вверх по течению от течения Агульяс, Paleoceanography, 25, PA4223, https://doi.org/10.1029/2010pa001942, 2010. 

    Fallet, U., Ullgren, J.E., Castaneda, I.S., van Aken, H.M., Schouten, S., Риддеринхоф, Х., и Браммер, Г. Дж. А.: Контрастная изменчивость в фораминиферовые и органические палеотемпературные прокси в осадочных частицах Мозамбикского пролива (юго-запад Индийского океана), Геохим.Космохим. Ак., 75, 5834–5848, https://doi.org/10.1016/j.gca.2011.08.009, 2011. 

    Fallet, U., Castaneda, I.S., Aneurin, H.E., Richter, T.O., Boer, W., Схоутен С. и Браммер Г. Дж.: Осаждение и захоронение органических и прокси температуры неорганических веществ в Мозамбикском проливе, на юго-западе Индийского океана, Глубоководные рез. Пт. I, 59, 37–53, https://doi.org/10.1016/j.dsr.2011.10.002, 2012. 

    Феррейра А.М., Миранда А., Каэтано М., Баас М., Вейл , К. и Синнингхе Дамсте, Дж. С.: Формирование кетоолов алканов со средней длиной цепи с помощью окисление среднецепочечных диолов в средиземноморских сапропелях после отложения, Орг.Геохим., 32, 271–276, https://doi.org/10.1016/S0146-6380(00)00181-9, 2001. 

    Фруин, Р., Франц, Б. А., и Верделл, П. Дж.: Продукт SeaWiFS PAR, в: Обновления алгоритма для четвертой повторной обработки данных SeaWiFS, под редакцией: Хукер С. Б. и Файрстоун Э. Р., NASA Tech. Памятка. 2003–206892, Том 22, 46–50, Продукт SeaWiFS PAR, Центр космических полетов имени Годдарда НАСА, Гринбелт, Мэриленд, 2003 г. 

    Центр данных и информационных услуг Годдарда по наукам о Земле: TRMM (TMPA-RT) Осадки почти в реальном времени L3 1 день 0.25 градусов × 0,25 градуса V7, Гринбелт, доктор медицинских наук, Центр данных и информационных услуг Годдарда по наукам о Земле (GES DISC), доступен по адресу: http://disc.gsfc.nasa.gov/datacollection/TRMM_3B42RT_Daily_7.html (последний доступ: 16 апреля 2019 г.), 2016 г. Блэк Д., Мюллер-Каргер Ф., Астор Ю. и Варела Р.: Поколение, транспорт и сохранение морского U37K на основе алкенонов индекс поверхностной температуры в толще воды и донных отложениях Кариако Бассейн (Венесуэла), Global Biogeochem.с., 18, 1–21, https://doi.org/10.1029/2003GB002132, 2004. 

    Гордон, А.Л.: Межокеанский обмен термоклинной воды, J. Geophys. Res.-Oceans, 91, 5037–5046, https://doi.org/10.1029/JC091iC04p05037, 1986. 

    Гуди, А.С. и Миддлтон, Нью-Джерси: Пыльные бури в Сахаре: природа и последствия, Earth-Sci. Откр., 56, 179–204, https://doi.org/10.1016/S0012-8252(01)00067-8, 2001. 

    Guerreiro, C.V., Baumann, K.-H., Brummer, G.-J. А., Фишер Г., Корте Л. Ф., Меркель У., Са, К., де Стигтер, Х., и Штут, Ж.-Б. В.: Потоки кокколитофорид в открытой тропической части Северной Атлантики: влияние глубина термоклина, вода Амазонки и пыль Сахары, Biogeosciences, 14, 4577–4599, https://doi.org/10.5194/bg-14-4577-2017, 2017. 

    Геррейро, К.В., Бауманн, К.-Х., Браммер, Г.-Дж. А., Фишер Г., Корте Л. Ф., Са, К. и Штут, Ж.-Б. W.: Вынужденные ветром трансатлантические градиенты в потоки видов кокколитофор, Prog. Oceanogr., в обзоре, 2019 г. 

    Harlander, U., Ridderinkhof, H., Schouten, M.W., and de Ruijter, W.P.M.: Многолетние наблюдения переноса, вихрей и волн Россби в Мозамбикский пролив, J. Geophys. Рес.-Океаны, 114, C02003, https://doi.org/10.1029/2008jc004846, 2009. 

    Hartnett, H.E., Keil, R.G., Hedges, J.I., and Devol, A.H.: Влияние время воздействия кислорода на сохранение органического углерода на континентальной окраине отложения, Nature, 391, 572–574, https://doi.org/10.1038/35351, 1998. 

    Hedges, J. I., Sheng Hu, F., Девол, А. Х., Хартнетт, Х. Э., Цамакис, Э., и Кейл, Р.Г.: Сохранение органического вещества в осадках: тест на селективность разложение в кислородных условиях, Am. J. Sci., 299, 529–555, https://doi.org/10.2475/ajs.299.7-9.529 1999. 

    Herndl, G.J., Reinthaler, T., Teira, E., van Aken, H., Veth, C., Pernthaler, А. и Пернталер Дж.: Вклад архей в общее количество прокариотических добыча в глубинах Атлантического океана, заявл. Окружающая среда. Микроб., 71, с. 2303–2309, https://doi.org/10.1128/aem.71.5.2303-2309.2005, 2005. 

    Honjo, S. and Doherty, K.W.: Отстойники с большой апертурой временного ряда; цели проектирования, конструкция и применение, Deep-Sea Res., 35, 133–149, https://doi.org/10.1016/0198-0149(88)-3, 1988. 

    Hopmans, E.C., Weijers, JWH, Schefuß, E., Herfort, L., Sinninghe Дамсте, Дж. С., и Схоутен, С.: Новый аналог земной органики. вещества в осадках на основе разветвленных и изопреноидных тетраэфирных липидов, Земля Планета. наук лат., 224, 107–116, https://doi.org/10.1016/j.epsl.2004.05.012, 2004. 

    Hopmans, E.C., Schouten, S., and Sinninghe Damsté, J.S. улучшенная хроматография на палеопрокси на основе GDGT, Org. геохим., 93, 1–6, https://doi.org/10.1016/j.orggeochem.2015.12.006, 2016. 

    Хаффман Г. Дж., Адлер Р. Ф., Болвин Д. Т., Гу Г., Нелкин Э. Дж., Боуман, К.П., Хонг, Ю., Стокер, Э.Ф., и Вольф, Д.Б.: Многоспутниковая система TRMM Анализ осадков: квазиглобальный, многолетний, комбинированный датчик Оценки осадков в точной шкале, Дж.Гидрометеорология, 8, 38–55, https://doi.org/10.1175/JHM560.1, 2007. 

    Хьюен, К. А., Оверпек, Дж. Т., Петерсон, Л. К., и Андерсон, Р. Ф.: природа ленточной седиментации в бассейне Кариако, Венесуэла, и ее палеоклиматическое значение, геол. соц. Спец. Опубл. Лондон, 116, 171–183, https://doi.org/10.1144/gsl.Sp.1996.116.01.15, 1996. 

    Хьюен, К. А., Оверпек, Дж. Т., Леман, С. Дж., Кашгарян, М., Саутон, Дж., Петерсон, Л. К., Элли, Р., и Сигман, Д. М.: Деледниковые изменения в океане. циркуляция по расширенной радиоуглеродной калибровке, Nature, 391, 65–68, https://дои.org/10.1038/34150, 1998. 

    Huguet, C., Hopmans, E.C., Febo-Ayala, W., Thompson, D.H., Sinninghe Дамсте, Дж. С., и Схоутен, С.: Усовершенствованный метод определения абсолютное содержание глицерин-дибифитанил-глицерин-тетраэфирных липидов, Org. Geochem., 37, 1036–1041, https://doi.org/10.1016/j.orggeochem.2006.05.008, 2006. 

    Huguet, C., Schimmelmann, A., Thunell, R., Lourens, LJ, Синнингхе Дамсте, Дж. С., и Схоутен, С.: Исследование TEX 86 палеотермометр в толще воды и отложениях Санта-Барбары Бассейн, Калифорния, Палеоокеанография, 22, PA3203, https://doi.орг/10.1029/2006pa001310, 2007. 

    Цзян С., О’Лири Т., Фолькман Дж. К., Чжан Х., Цзя Р., Ю С., Ван Ю., Луан, З., Сунь, З. и Цзян, Р.: Происхождение и смоделированное тепловое изменение стерины и кетоспирты в глубоководных морских отложениях Окинавского прогиба, Орг. Geochem., 21, 415–422, https://doi.org/10.1016/0146-6380(94)

    -8, 1994. вода колебания температуры северо-западной части Тихого океана на основе липидного палеотермометры TEX86H, U37K′ и LDI, Глубоководные рез.Пт. I, 125, 81–93, https://doi.org/10.1016/j.dsr.2017.04.018, 2017. 

    Карнер М.Б., ДеЛонг Э.Ф. и Карл Д.М.: Доминирование архей в мезопелагическая зона Тихого океана, Nature, 409, 507–510, https://doi.org/10.1038/35054051, 2001. 

    Ким, Дж.-Х., ван дер Меер, Дж., Схоутен, С., Хельмке, П., Уиллмотт, В., Санджорджи Ф., Коч Н., Хопманс Э. К. и Синнинге Дамсте Дж. С.: Новое индексы и калибровки, полученные на основе распределения липиды изопреноидного тетраэфира: влияние на температуру поверхности моря в прошлом реконструкции, Геохим.Космохим. Ак., 74, 4639–4654, https://doi.org/10.1016/j.gca.2010.05.027, 2010. 

    Ким, Дж.-Х., Ромеро, О.Е., Ломанн, Г., Доннер, Б., Лаэппл, Т., Хаам , Э., и Синнинге Дамсте, Дж. С.: Выраженное подповерхностное охлаждение Северной Атлантические воды у северо-западной Африки во время Дансгаарда-Эшгера. интерстадиалы, Планета Земля. наук Письма, 339–340, 95–102, https://doi.org/10.1016/j.epsl.2012.05.018, 2012. 

    Ким, Дж.-Х., Схоутен, С., Родриго-Гамис, М., Рампен, С., Марино, Г. ., Хьюге, С., Хельмке П., Бускайл Р., Хопманс Э. К., Просс Дж., Санджорджи, Ф., Мидделбург, Дж. Б. М., и Синнинге Дамсте, Дж. С.: Влияние липиды изопреноидного тетраэфира, полученные из глубоководных источников, на TEX86H палеотермометр в Средиземном море, Геохим. Космохим. Ак., 150, 125–141, https://doi.org/10.1016/j.gca.2014.11.017, 2015. 

    Конинг, Э., ван Иперен, Дж.М., ван Раафорст, В., Хелдер, В., Браммер, Г. .-Дж. А., и ван Веринг, Т. С. Э.: Избирательное сохранение апвеллинг-индикаторных диатомовые водоросли в отложениях у берегов Сомали, северо-запад Индийского океана, Deep-Sea Res.Пт. я, 48 лет, 2473–2495, https://doi.org/10.1016/S0967-0637(01)00019-X, 2001. 

    Корте, Л. Ф., Браммер, Г.-Дж. А., ван дер Доус, М., Геррейро, К.В., Хеннекам Р., ван Хатерен Дж. А., Йонг Д., Мандей С. И., Схоутен С. и Стьют, Ж.-Б. W.: Нисходящие потоки частиц биогенного вещества и пыли Сахары. через экваториальную часть Северной Атлантики, Атмос. хим. Phys., 17, 6023–6040, https://doi.org/10.5194/acp-17-6023-2017, 2017. 

    Lange, C.B., Romero, O.E., Wefer, G., and Gabric, A.J.: Оффшорное влияние прибрежного апвеллинга у берегов Мавритании, Северо-Западная Африка, по данным диатомовых водорослей в отстойники на глубине 2195 м, Deep-Sea Res. Пт. I, 45, 986–1013, https://doi.org/10.1016/s0967-0637(97)00103-9 1998. 

    Lattaud, J., Kim, J.-H., De Jonge, C., Zell, C., Sinninghe Damsté, JS, и Schouten, S.: Алкан-1,15-диол C 32 в качестве индикатора для речных вход в прибрежные моря, Геохим. Космохим. Ак., 202, 146–158, https://doi.org/10.1016/j.gca.2016.12.030, 2017a.

    Латто, Дж., Дорхаут, Д., Шульц, Х., Кастанеда, И.С., Шефус, Э., Синнингхе Дамсте, Дж. С., и Схоутен, С.: The C 32 алкан-1,15-диол как показатель позднечетвертичного речного поступления в прибрежные поля, клим. Прошлое, 13, 1049–1061, https://doi.org/10.5194/cp-13-1049-2017, 2017б.

    Ли Т., Лагерлёф Г., Гирах М. М., Као Х.-Ю., Юэ С. и Дохан К.: Водолей выявляет соленую структуру тропических волн неустойчивости, Геофиз. Рез. Письма, 39, L12610, https://doi.org/10.1029/2012GL052232, 2012. 

    Лефевр Н., Мур Г., Эйкен Дж., Уотсон А. и Купер Д.: Изменчивость p CO 2 в тропической Атлантике в 1995 г., J. Геофиз. Рез., C3, 5623–5634, https://doi.org/10.1029/97JC02303, 1998. 

    Локарнини Р. А., Мишонов А. В., Антонов Дж. И., Бойер Т. П., Гарсия Х. Э., Баранова О.К., Цвенг М.М., Павер С.Р., Рейган Дж.Р., Джонсон Д. Р., Гамильтон М. и Сеидов Д.: Атлас Мирового океана 2013 г., в: Том 1: температура, техн. ред., Атлас NOAA NESDIS 73, 40 стр., Левит С, серебро Весна 2013 г. Мулица С., Шульц М., Нидермейер Э. М., Синнинге Дамсте Дж. С. и Схоутен, С.: Ледниково-межледниковая изменчивость атлантического меридионала. обратная циркуляция и корректировка термоклина на тропическом севере Атлантика, планета Земля. наук Письма, 300, 407–414, https://doi.org/10.1016/j.epsl.2010.10.030, 2010. 

    Lopes dos Santos, R.A.L., Спунер М.И., Бэрроуз Т.Т., Де Деккер П., Синнинге Дамсте, Дж. С., и Схоутен, С.: Сравнение органических (U37K′, TEX86H, LDI) и фаунистические прокси (комплексы фораминифер) для реконструкции позднечетвертичной поверхности моря изменчивость температуры от побережья юго-восточной Австралии, Палеоокеанография, 28, 377–387, https://doi.org/10.1002/palo.20035, 2013. 

    Lutjeharms, JRE: The Agulhas Current, 330 стр., Springer, Berlin, 2006. 

    Малауэне, Б.С., Шиллингтон, Ф.А., Робертс, М.Дж., и Молони, К.Л.: Прохладные воды с повышенным содержанием хлорофилла- a у северного Мозамбика, Deep-Sea Res. Пт. II, 100, 68–78, https://doi.org/10.1016/j.dsr2.2013.10.017, 2014. 

    Marlowe, IT, Green, JC, Neal, AC, Brassell, SC, Eglinton, G. , а также Курс, штат Пенсильвания: Длинноцепочечные ( n -C 37 -C 39 ) алкеноны в Примнезиофитовые. Распределение алкенонов и других липидов и их таксономическое значение, брит. Фикол. Ж., 19, 203–216, https://дои.org/10.1080/00071618400650221, 1984. 

    Мартин, Дж. Х. и Фитцуотер, С. Э.: Дефицит железа ограничивает фитопланктон рост в субарктике северо-восточной части Тихого океана, Nature, 331, 341–343, https://doi.org/10.1038/331341a0, 1988. 

    Мажейка П.А.: Термальные купола в восточной части тропического Атлантического океана, Limnol. Oceanogr., 12, 537–539, https://doi.org/10.4319/lo.1967.12.3.0537, 1967. 

    Méjanelle, L., Sanchez-Gargallo, A., Bentaleb, I., and Grimalt, JO : Длинноцепочечные n -алкилдиолы, гидроксикетоны и стеролы в морском eustigmatophyte, Nannochloropsis gaditana и Brachionus plicatilis , питающихся водорослями, Org.Геохим., 34, 527–538, https://doi.org/10.1016/s0146-6380(02)00246-2, 2003. 

    Мюллер, П. Дж. и Фишер, Г.: 4-летняя запись алкенонов в отстойниках из области нитевидного апвеллинга у мыса Бланк, на северо-западе Африки и сравнение с распределениями в нижележащих отложениях, Deep-Sea Res. Пт. Я, 48, 1877–1903, https://doi.org/10.1016/S0967-0637(00)00109-6, 2001. 

    Мюллер, П.Дж., Кирст, Г., Руланд, Г., фон Шторх, И., а также Розелл-Меле, А.: Калибровка алкенонового палеотемпературного индекса U37K′ на основе керна из восточной части Южной Атлантики. и мировой океан (60   с.ш.–60  ю.ш.), Геохим.Космохим. Ac., 62, 1757–1772, https://doi.org/10.1016/s0016-7037(98)00097-0, 1998. рассеивание воды Амазонки, Природа, 333, 56–59, https://doi.org/10.1038/333056a0, 1988. 

    Мюллер-Каргер, Ф.Е., Ричардсон, П.Л., и Макгилликадди, Д.: На распространение шлейфа Амазонки в Северной Атлантике: комментарии к статью А. Лонгхерста «Сезонные похолодания и цветение в тропических океанов», Deep-Sea Res.Пт. Я, 42 года, 2127–2137, https://doi.org/10.1016/0967-0637(95)00085-2, 1995. 

    Мюллер-Каргер Ф., Варела Р., Танелл Р., Скрэнтон М., Борер Р. , Тейлор Г., Капело Дж., Астор Ю., Таппа Э., Хо Т.Ю. и Уолш Дж.Дж.: Годовой цикл первичной продукции в бассейне Кариако: ответ на апвеллинг и последствия для вертикального экспорта, J. ​​Geophys. Рез., 106, 4527–4542, https://doi.org/10.1029/1999JC000291, 2001. 

    Мюллер-Каргер Ф., Варела Р., Танелл Р., Астор Ю., Чжан Х.Ю., Люерссен, Р., и Ху, К.М.: Процессы прибрежного апвеллинга и потока углерода. в бассейне Кариако, Deep-Sea Res. Пт. II, 51, 927–943, https://doi.org/10.1016/j.dsr2.2003.10.010, 2004. 

    Наафс, Б.Д.А., Хефтер, Дж., и Штейн, Р.: Применение длинной цепи палеотермометр диолового индекса (LDI) до раннего плейстоцена (MIS 96), Org. Геохим., 49, 83–85, https://doi.org/10.1016/j.orggeochem.2012.05.011, 2012. 

    Проект NASA Aquarius: официальный выпуск Aquarius, уровень 3, соленость морской поверхности Ежедневные данные стандартного картографического изображения V4.0. Вер. 4.0. PO.DAAC, Калифорния, США, 2015a.

    Проект NASA Aquarius: официальный выпуск стандарта скорости ветра уровня 3 Aquarius Ежедневные данные картографического изображения V4.0. Вер. 4.0. PO.DAAC, Калифорния, США, 2015b.

    Неринг Д., Хаген Э., Хорхе да Силва А., Шемайнда Р., Вольф Г., Михельхен Н., Кайзер В., Постел Л., Госселк Ф. и Бреннинг У.: океанологические условия в западной части Мозамбикского пролива в Февраль – март 1980 г., Национальный комитет геодезии и геофизики. der Akademie der Wissenschaften der DDR, Потсдам, Германия, 1984.

    Питерс, Ф. Дж. К., Ачесон, Р., Браммер, Г. Дж. А., де Рюйтер, В. П. М., Шнайдер Р.Р., Ганссен Г.М., Уфкес Э. и Крун Д.: Активный обмен между Индийским и Атлантическим океанами в конце последних пяти ледниковых периоды, Nature, 430, 661–665, https://doi.org/10.1038/nature02785, 2004. 

    Peterson, L.C., Overpeck, J.T., Kipp, N.G., and Imbri, J.: запись позднечетвертичного апвеллинга с высоким разрешением из бескислородного Кариако Бассейн, Венесуэла, Палеоокеанография, 6, 99–119, https://doi.org/10.1029/90pa02497, 1991. 

    Prahl, F.G. and Wakeham, S.G.: Калибровка моделей ненасыщенности в композиции длинноцепочечных кетонов для оценки палеотемпературы, Nature, 330, 367–369, https://doi.org/10.1038/330367a0, 1987. 

    Prahl, F.G., Dymond, J., and Sparrow, MA: Годовой рекорд биомаркеров для экспортное производство в центральной части Аравийского моря, Deep-Sea Res. Пт. II, 47, 1581–1604, https://doi.org/10.1016/S0967-0645(99)00155-1, 2000. 

    Rampen, S.W., Schouten, S., Уэйкхэм, С. Г., и Синнинге Дамсте, Дж. С.: Сезонная и пространственная изменчивость источников и потоков длинноцепочечных диолов и среднецепочечные гидроксиметилалканоаты в Аравийском море, Org. Геохим., 38, 165–179, https://doi.org/10.1016/j.orggeochem.2006.10.008, 2007. 

    Rampen, S.W., Schouten, S., Koning, E., Brummer, G.-J. А. и Синнинге Дамсте, Дж. С.: 90-тысячелетний апвеллинг из северо-западной части Индии. Океан с использованием нового индекса длинноцепочечных диолов, Планета Земля. наук Летт., 276, 207–213, https://doi.org/10.1016/j.epsl.2008.09.022, 2008. 

    Rampen, S.W., Schouten, S., and Sinninghe Damste, J.S.: Возникновение длинноцепочечные 1,14-диолы в Apedinella radians , Org. Геохим., 42, оф. 572–574, https://doi.org/10.1016/j.orggeochem.2011.03.009, 2011. 

    Rampen, S.W., Willmott, V., Kim, J.H., Uliana, E., Mollenhauer, G., Шефус, Э., Синнинге Дамсте, Дж. С., и Схоутен, С.: Длинная цепь 1,13- и 1,15-диолы как потенциальный показатель палеотемпературы реконструкция, Геохим.Космохим. Ак., 84, 204–216, https://doi.org/10.1016/j.gca.2012.01.024, 2012. 

    Rampen, S.W., Willmott, V., Kim, J.H., Rodrigo-Gámiz, M., Uliana, E., Молленхауэр, Г., Шефус, Э., Синнинге Дамсте, Дж. С., и Схоутен, С.: Оценка длинноцепочечных 1,14-алкилдиолов в морских отложениях в качестве индикаторов для апвеллинга и температуры, орг. геохим., 76, 39–47, https://doi.org/10.1016/j.orggeochem.2014.07.012, 2014а.

    Рампен С.В., Датема М., Родриго-Гамис М., Схоутен С., Райхарт, Г. Дж. и Синнинге Дамсте Дж. С.: Источники и прокси-потенциал длинных цепные алкилдиолы в озерных средах // Геохим. Космохим. Ак., 144, 59–71, https://doi.org/10.1016/j.gca.2014.08.033, 2014b.

    Райхе, С., Рампен, С. В., Дорхаут, Д. Дж. К., Синнинге Дамсте, Дж. С., и Схоутен, С.: Влияние воздействия кислорода на длинноцепочечные алкилдиолы и индекс длинноцепочечных диолов (LDI) – долгосрочное инкубационное исследование, Org. Geochem., 124, 238–246, https://doi.org/10.1016/j.orggeochem.2018.08.003, 2018. 

    Ричардс, Ф.А.: Бассейн Кариако (желоб), Oceanogr. Мар. биол., 13, 11–67, 1975. 

    Ричардсон, П.Л. и Ревердин, Г.: Сезонный цикл скорости в Атлантическое северное экваториальное противотечение, измеренное поверхностными дрифтерами, измерители течений и дрейфов судов // J. Geophys. Рез.-Океаны, 92, 3691–3708, https://doi.org/10.1029/JC092iC04p03691, 1987. 

    Риддеринхоф, Х., ван дер Верф, П. М., Уллгрен, Дж. Э., ван Акен, Х. М., ван Левен, П.Дж., и де Рюйтер, В.П. М.: сезонные и межгодовые изменчивость в Мозамбикском проливе по наблюдениям за якорными течениями, Дж. Геофиз. Res.-Oceans, 115, C06010, https://doi.org/10.1029/2009jc005619, 2010. 

    Родриго-Гамис, М., Рампен, С.В., де Хаас, Х., Баас, М., Схоутен, С. ., и Синнинге Дамсте, Дж. С.: Ограничения применимости прокси температуры органических веществ U37K′, TEX 86 и LDI в приполярном регионе вокруг Исландии, Biogeosciences, 12, 6573–6590, https://doi.org/10.5194/bg-12-6573-2015, 2015 г.

    Родриго-Гамис, М., Рампен, С.В., Схоутен, С., и Синнинге Дамсте, JS: Влияние кислородной деградации на распределение длинноцепочечных алкилдиолов. в поверхностных отложениях Аравийского моря, орг. Геохим., 100, 1–9, https://doi.org/10.1016/j.orggeochem.2016.07.003, 2016. 

    Ромеро О. Э., Ланге С. Б., Фишер Г., Треппке У. Ф. и Вефер Г.: Изменчивость экспортного производства, подтвержденная нисходящими потоками и видами Состав морских планктонных диатомовых водорослей: наблюдения из тропических и Экваториальная Атлантика, в: Использование прокси в палеоокеанографии, под редакцией: Фишер, Г.and Wefer, G., Springer, Berlin, Heidelberg, 1999. 

    Розелл-Меле, А. и Праль, Ф.Г.: Сезонность Оценки температуры U37K’ по данным отложений данные ловушек, Quaternary Sci. Откр., 72, 128–136, https://doi.org/10.1016/j.quascirev.2013.04.017, 2013. 

    Россиньоль, М. и Мейруи, А.М.: Океанографические кампании дю Жерар-Трека, 53 стр., Сент. океаногр. Дакар-Тиаройе, ОРСТОМ, Дакар, Сенегал, 1964 г. Глубоководные рез., 31, 485–508, https://doi.org/10.1016/0198-0149(84)

  • -0, 1984. 

    Schlitzer, R.: Анализ и визуализация данных с помощью Ocean Data View, CMOS Бюллетень SCMO, 43, 9–13, доступно по ссылке: https://odv.awi.de/ (последняя доступ: март 2019 г.), 2015 г. 

    Schouten, M.W., de Ruijter, W.P.M., van Leeuwen, P.J., and Ridderinkhof, H.: Вихри и изменчивость в Мозамбикском проливе, Deep-Sea Res. Пт. II, 50, 1987–2003 гг., https://doi.org/10.1016/s0967-0645(03)00042-0, 2003 г. 

    Схоутен, С., Hopmans, E.C., Schefuss, E., and Sinninghe Damste, JS: Дистрибутивные вариации липидов морских кренархеальных мембран: новый инструмент для реконструкции температуры древней морской воды?, Планета Земля. наук Lett., 204, 265–274, https://doi.org/10.1016/s0012-821x(02)00979-2, 2002. геохимия липидов тетраэфира диалкилглицерина глицерина: обзор, Org. Геохим., 54, 19–61, https://doi.org/10.1016/j.orggeochem.2012.09.006, 2013. 

    Schreuder, L.T., Stuut, J.-B. В., Корте, Л.Ф., Синнинге Дамсте, Дж.С., и Схоутен, С.: Эолийский перенос и отложение растительного воска n -алканы через тропическую северную часть Атлантического океана, Org. геохим., 115, 113–123, https://doi.org/10.1016/j.orggeochem.2017.10.010, 2018а.

    Шредер, Л.Т., Хопманс, Э.К., Штут, Дж.-Б. В., Синнинге Дамсте, Дж. С. и Схоутен С.: Транспортировка и отложение биомаркера огня. левоглюкозана через тропическую часть Северной Атлантики // Геохим.Космохим. Ac., 227, 171–185, https://doi.org/10.1016/j.gca.2018.02.020, 2018b.

    Сикре, М., Бард, Э., Эзат, У. и Ростек, Ф.: Распределение алкенонов в Поверхностные воды Северной Атлантики и Северных морей // Геохим. Геоф. Геоси, д. 3, оф. 1013, https://doi.org/10.1029/2001GC000159, 2002. 

    Зидлер, Г., Зангенберг, Н., и Онкен, Р.: Сезонные изменения в тропическом климате. Атлантическая циркуляция — наблюдение и моделирование Гвинейского купола, Дж. Геофиз. Рез.-Океаны, 97, 703–715, https://doi.org/10.1029/91jc02501, 1992. 

    Sinninghe Damste, J.S., Rijpstra, W.I.C., Hopmans, E.C., Prahl, F. G., Wakeham, S.G., and Schouten, S.: Распределение мембранных липидов планктонные Crenarchaeota в Аравийской зоне, Appl. Окружающая среда. микробиол., 68, 2997–3002, https://doi.org/10.1128/aem.68.6.2997-3002.2002, 2002. 

    Синнинге Дамсте, Дж. влияние кислородной деградации на запись осадочного биомаркера II. Данные из отложений Аравийского моря, Геохим.Космохим. Ак., 66, 2737–2754, https://doi.org/10.1016/S0016-7037(02)00865-7, 2002. 

    Sinninghe Damsté, J.S., Rampen, S., Rijpstra, W.I.C., Abbas, B., Мюйзер, Г., и Схоутен, С.: Диатомовое происхождение длинноцепочечных диолов и среднецепочечные гидроксиметилалканоаты, широко распространенные в четвертичных морских отложения: Индикаторы питательной среды // Геохим. Космохим. Ак., 67, 1339–1348, https://doi.org/10.1016/s0016-7037(02)01225-5, 2003. 

    Синнинге Дамсте, Дж.И. К., Хопманс, Э. К., ден Уйл, М. J., Weijers, JWH, and Schouten, S.: Загадочная структура изомер кренархеола, орг. геохим., 124, 22–28, https://doi.org/10.1016/j.orggeochem.2018.06.005, 2018. 

    Смит, С.Л.: Понимание Аравийского моря: размышления о 1994–1996 гг. Экспедиция в Аравийское море, Deep-Sea Res. Пт. II, 48, 1385–1402, https://doi.org/10.1016/S0967-0645(00)00144-2, 2001. 

    Страмма, Л. и Шотт, Ф.: Поле среднего течения тропической Атлантики Океан, Deep-Sea Res.Пт. II, 46, 279–303, https://doi.org/10.1016/s0967-0645(98)00109-x, 1999. 

    Штут, Дж.-Б., Забель, М., Ратмейер, В., Хельмке, П., Шефус, Э., Лавик, Г. и Шнайдер Р.: Происхождение современной эоловой пыли, собранной на северо-западе. Африка, J. ​​Geophys. Res.-Atmos., 110, D04202, https://doi.org/10.1029/2004JD005161, 2005. 

    Thunell, R., Benitez-Nelson, C., Varela, R., Astor, Y., и Мюллер-Каргер, Ф.: Потоки твердых частиц органического углерода вдоль Континентальные окраины с преобладанием апвеллинга: темпы и механизмы, глобальные Биогеохим.Cy., 21, GB1022, https://doi.org/10.1029/2006gb002793, 2007. 

    Thunell, R.C., Varela, R., Llano, M., Collister, J., Müller-Karger, F., и Борер, Р.: Потоки, разложение и накопление органического углерода в бескислородный бассейн: ловушка для отложений образовалась в бассейне Кариако, Лимнол. Oceanogr., 45, 300–308, https://doi.org/10.4319/lo.2000.45.2.0300, 2000. 

    Тирни, Дж. Э.: 12.14 – Выводы о прошлом климате на основе биомаркеров: TEX 86 Палеотемпературный прокси A2 – Холланд, Генрих D, в: Трактат о Геохимия, 2-е изд., под редакцией: Turekian, KK, Elsevier, Oxford, 379–393, 2014. 

    Тирни, Дж. Э. и Тингли, М. П.: Байесовская, пространственно меняющаяся калибровка модель для прокси TEX 86 , Геохим. Космохим. Ак., 127, 83–106, https://doi.org/10.1016/j.gca.2013.11.026, 2014. 

    Tierney, J.E. and Tingley, M.P.: TEX 86 база данных поверхностных отложений и расширенная байесовская калибровка, научные данные, 2, 150029, https://doi.org/10.1038/sdata.2015.29, 2015. 

    Тирни, Дж.Э. и Тингли, член парламента: BAYSPLINE: новая калибровка для Алкеноновый палеотермометр, Палеокеаногр. Палеокл., 33, 281–301, https://doi.org/10.1002/2017pa003201, 2018. 

    Тирни, Дж. Э., Синнинге Дамсте, Дж. С., Панкост, Р. Д., Слуйс, А., и Zachos, JC: Температурные градиенты эоцена, Nat. геонаук., 10, 538–539, https://doi.org/10.1038/ngeo2997, 2017. 

    Треппке, У. Ф., Ланге, С. Б., и Вефер, Г.: Вертикальные потоки диатомей и силикофлагелляты в восточной экваториальной Атлантике и их вклад к осадочной летописи, март.микропалеонтол., 28, 73–96, https://doi.org/10.1016/0377-8398(95)00046-1, 1996. 

    Турич, К., Схоутен, С., Танелл, Р.С., Варела, Р., Астор, Ю., и Уэйкхэм , SG: Сравнение температуры TEX 86 и U37K′ прокси в тонущих частицах в бассейне Кариако, Deep-Sea Res. Пт. я, 78 лет, 115–133, https://doi.org/10.1016/j.dsr.2013.02.008, 2013. 

    Ullgren, J.E., van Aken, H.M., Ridderinkhof, H., and de Ruijter, W.P.M.: Гидрография Мозамбикского канала за шесть лет непрерывной наблюдения за температурой, соленостью и скоростью, Deep-Sea Res.Пт. я, 69 лет, 36–50, https://doi.org/10.1016/j.dsr.2012.07.003, 2012. 

    van der Does, M., Korte, L.F., Munday, C.I., Brummer, G.-J. А., и Стьют, Ж.-Б. W .: Размер частиц соответствует современному переносу и осаждению пыли в Сахаре. через экваториальную часть Северной Атлантики, Атмос. хим. Phys., 16, 13697–13710, https://doi.org/10.5194/acp-16-13697-2016, 2016. 

    Versteegh, GJM, Bosch, HJ, and de Leeuw, JW: Потенциал палеоэкологическая информация о среднецепочечных диолах от C 24 до C 36 , кетоолы и гидроксижирные кислоты со средней длиной цепи; критический обзор, Org.Геохим., 27, 1–13, https://doi.org/10.1016/s0146-6380(97)00063-6, 1997. 

    Versteegh, GJM, Jansen, JHF, de Leeuw, JW, and Schneider, R.R.: Среднецепочечные диолы и кетоолы в отложениях юго-восточной Атлантики: новый инструмент для отслеживания мимо морских поверхностных водных масс?, Геохим. Космохим. Ак., 64, 1879–1892, https://doi.org/10.1016/S0016-7037(99)00398-1, 2000. 

    Вильянуэва, Л., Бесселинг, М., Родриго-Гамис, М., Рампен, С.В., Вершурен, Д., и Синнинге Дамсте, Дж. С.: Возможные биологические источники длинноцепочечных алкилдиолов в озерной системе, Org.Геохим., 68, 27–30, https://doi.org/10.1016/j.orggeochem.2014.01.001, 2014. 

    Voituriez, B.: Les sous-courants equatoriaux nord et sud et laformation des Тропические термальные купола, Oceanol. Acta, 4, 497–506, 1981. 

    Фолькман, Дж. К., Эглинтон, Г., Корнер, Э. Д. С., и Сарджент, Дж. Р.: Роман ненасыщенные неразветвленные C 37 -C 39 метил- и этилкетоны в морские отложения и кокколитофора Emiliania huxleyi , Phys. хим. Земля, 12, 219–227, https://doi.org/10.1016/0079-1946(79)

    -X, 1980. 

    Фолькман, Дж. К., Барретт, С. М., Данстан, Г. А., и Джеффри, С. В.: C 30 –C 32 алкилдиолы и ненасыщенные спирты в микроводоросли класса Eustigmatophyceae, Org. геохим., 18, 131–138, https://doi.org/10.1016/0146-6380(92)-v, 1992. 

    Фолькман, Дж. К., Барретт, С. М., Блэкберн, С. И., и Сайкс, Э. Л.: Алкеноны в Gephyrocapsa Oceanica – Значение для изучения палеоклимат, Геохим.Космохим. Ак., 59, 513–520, https://doi.org/10.1016/0016-7037(95)00325-t, 1995. 

    Фолькман, Дж. К., Барретт, С. М., и Блэкберн, С. И.: Eustigmatophyte микроводоросли являются потенциальными источниками стеролов C 29 , C 22 –C 28 n –спирты и C 28 –C 32 n -алкилдиолы в пресноводной среде, Org. Геохим., 30, 307–318, https://doi.org/10.1016/s0146-6380(99)00009-1, 1999. 

    Wakeham, S.G., Peterson, M.Л., Хеджес, Дж. И., и Ли, К.: Липидный биомаркер потоки в Аравийском море по сравнению с экваториальной частью Тихого океана, Глубоководные рез. Пт. II, 49, 2265–2301, https://doi.org/10.1016/S0967-0645(02)00037-1, 2002. 

    Warnock, J.P., Bauersachs, T., Kotthoff, U., Brandt, H.T., и Andren, E.: Голоценовая экологическая история устья Ангерманальвен, северная Балтика Sea, Boreas, 47, 593–608, https://doi.org/10.1111/bor.12281, 2018. 

    Weijer, W., de Ruiter, W. P. M., Dijkstra, H.А., и ван Левен, П.Дж.: Влияние межбассейнового обмена на атлантическую опрокидывающую циркуляцию, Дж. физ. океаногр., 29, 2266–2284, https://doi.org/10.1175/1520-0485(1999)029<2266:Ioieot>2.0.Co;2, 1999. 

    Willmott, V., Rampen, SW, Domack, E., Canals, M. , Синнинге Дамсте, Дж. С., и Схоутен, С.: Голоценовые изменения продуктивности диатомовых водорослей Proboscia в шельфовые воды северо-западной части Антарктического полуострова, Антаркт. наук, 22, 3–10, https://doi.org/10.1017/s095410200999037x, 2010 г.

    Вухтер, К., Схоутен, С., Уэйкхэм, С.Г., и Синнинге Дамсте, Дж.С.: Временная и пространственная изменчивость липидов тетраэфирных мембран морских Crenarchaeota в твердых органических веществах: последствия для TEX 86 палеотермометрия, Палеоокеанография, 20, PA3013, https://doi.org/10.1029/2004pa001110, 2005. 

    Вухтер, К., Схоутен, С., Уэйкхэм, С. Г., и Синнинге Дамсте, Дж. С.: Потоки липидов мембраны тетраэфира архей в северо-восточной части Тихого океана и в Аравийское море: значение для TEX 86 палеотермометрия, палеоокеанография, 21, PA4208, https://doi.org/10.1029/2006PA001279, 2006 г.

    Се, П. и Аркин, П. А.: Глобальные осадки: 17-летний ежемесячный анализ на основе калибровочных наблюдений, спутниковых оценок и численной модели выходы, Б. Ам. метеорол. Соц., 78, 2539–2558, https://doi.org/10.1175/1520-0477(1997)078<2539:GPAYMA>2.0.CO;2, 1997. 

    Ямагата, Т. и Иизука, С.: Моделирование тропических термальных куполов в Атлантика — сезонный цикл, J. Phys. океаногр., 25, 2129–2140, https://doi.org/10.1175/1520-0485(1995)025<2129:Sottd>2.0.Co;2, 1995. 

    Ямамото М., Шимамото А., Фукухара Т., Танака Ю. и Исидзака Дж.: Тетраэфиры диалкилглицерина глицерина и индекс TEX 86 в тонущем частицы в западной части северной части Тихого океана, орг.

  • Оставить комментарий

    Ваш адрес email не будет опубликован.