Michelberger Pál (szerk.)

Bizonytalanság és biztonság

Fejezetek a mérnöki kockázatmenedzsmentből

Bayes-háló

A Bayes-háló a valószínűségi gondolkodás egyik legerősebb eszköze a kockázatelemzésben. Olyan grafikus modell, amely egy rendszer különböző tényezőit csomópontokként ábrázolja, és az ezek közötti valószínűségi kapcsolatokat irányított élek kötik össze. A háló lényege, hogy a bizonytalanságokat nem egyszerűen átlagértékekkel kezeli, hanem valószínűségi eloszlásokkal, és képes megmutatni, hogy az egyik esemény bekövetkezése hogyan változtatja meg a másik esemény valószínűségét.

A Bayes-hálót Thomas Bayes angol matematikusról nevezték el, aki a feltételes valószínűség elméletét dolgozta ki. A módszer ereje abban rejlik, hogy képes folyamatosan frissíteni a kockázati értékelést új információk beérkezésekor. Például egy repülőgép fedélzeti diagnosztikai rendszere érzékel egy rendellenes rezgést. A Bayes-háló felhasználja az előzetes tapasztalatokat (például, hogy hasonló rezgéseket milyen gyakran okoz hajtóműhiba, kiegyensúlyozatlanság vagy egyszerű szenzorhiba), majd a további mérések fényében módosítja a valószínűségeket. Így a rendszer fokozatosan pontosabb képet ad arról, mi a hiba valódi oka, és milyen kockázattal kell számolni.

A gyakorlatban Bayes-hálót használnak a pénzügyi kockázatelemzésben (például hitelezési kockázatok becslésére), az egészségügyben (diagnosztikai döntéstámogatásra), valamint az iparban a meghibásodások előrejelzésére. Előnye, hogy képes összetett rendszereket áttekinthető módon modellezni, ahol sok tényező kölcsönhatása alakítja ki a végső kimenetet. Hátránya viszont, hogy a felépítéséhez megbízható adatokra és szakértői tudásra van szükség, különben a modell torz következtetésekhez vezethet.

Vegyünk egy egyszerű példát egy beléptetőrendszer esetében, ahol időnként előfordul, hogy egy jogosult dolgozót nem enged be a rendszer. Első látásra ez lehet kártyaolvasási hiba, hálózati zavar vagy jogosultsági adatbázis-probléma. A Bayes-hálóban mindhárom tényező külön csomópontként jelenik meg, és mindegyikhez hozzárendelhető egy előzetes valószínűség annak alapján, milyen gyakran fordult elő a múltban. Például a kártyaolvasó hibája az esetek 10%-ában, hálózati hiba 30%-ban, míg adatbázis-probléma 60%-ban volt felelős a hibás működésért.

Ha a rendszer üzemeltetője új megfigyelést kap – például azt, hogy az összes olvasó egyszerre kezdett hibázni –, a Bayes-háló automatikusan frissíti a valószínűségeket. Ebben az esetben a hálózati hiba esélye ugrásszerűen megnő, míg a kártyaolvasó meghibásodásának valószínűsége jelentősen csökken, hiszen több eszköz egyidejű hibája kevésbé valószínű. A módszer tehát nemcsak statikus becslést ad, hanem dinamikusan képes a kockázati képet új adatok alapján aktualizálni.

Ez a rugalmasság teszi különösen értékessé a Bayes-hálót olyan környezetekben, ahol sok a bizonytalanság, és az események láncolata folyamatosan változik. Gondoljunk csak a repülésbiztonságra: egy érzékelő hibás jelet adhat, de a Bayes-háló képes összevetni több szenzor adatát és a tipikus hibastatisztikákat, majd valószínűségi alapon meghatározni, hogy valóban fennáll-e veszély. Hasonlóképpen a kiberbiztonságban is alkalmazzák, ahol egy gyanús hálózati aktivitás mögött állhat ártalmatlan felhasználói tevékenység, de akár támadás is. A Bayes-háló előnye, hogy mindkét lehetőséget figyelembe veszi, és az új bizonyítékok alapján módosítja a kockázati szintet.

Összességében a Bayes-háló olyan módszer, amely lehetővé teszi a kockázatok sokkal árnyaltabb kezelését, mint a hagyományos, statikus eszközök. Nem egyszerűen rangsorolja a veszélyeket, hanem folyamatosan tanul az új információkból, és így egyre pontosabb képet ad a valós helyzetről. Emiatt különösen alkalmas komplex rendszerek – például közlekedési hálózatok, energiaellátó rendszerek vagy egészségügyi diagnosztikai eljárások – kockázatelemzésére.

A Bayes-háló-elemzés tehát grafikus és valószínűségi módszer, amely az események közötti függőségeket modellezi. Előnye, hogy a meglévő adatokhoz új információkat lehet integrálni, frissítve a kockázati előrejelzéseket. Például egy informatikai hálózat Bayes-hálója kimutatja, hogy ha a tűzfal frissítése késik, akkor a kibertámadás kockázata a szerverek terheltségétől és a felhasználói viselkedéstől függően nő.

Tartalomjegyzék

Kiadó: Akadémiai Kiadó

Online megjelenés éve: 2026

ISBN: 978 963 664 195 5

Műszaki tudományok

A Bizonytalanság és biztonság című tanulmánykötet 6 mérnökvégzettségű, Óbudai Egyetem Bánki Donát Gépész és Biztonságtechnikai Mérnöki Karán dolgozó oktató közös munkája. Karunk gépész-, mechatronikai- és biztonságtechnikai képzésre járó hallgatói képzésük során megismerkednek a kockázatmenedzsment alapjaival, módszertani hátterével, és elsajátítják a kockázatértékeléshez és -kezeléshez szükséges elméleti hátteret. A könyv nem egyetemi tankönyvnek készült, de ott is használható. Fontos célunk volt a 8 tanulmányt tartalmazó kötet közreadásával, hogy a különböző szakterületek képviselői lássák a műszaki beruházási és fejlesztési projektek, az információbiztonság, a minőségbiztosítás, a karbantartás, a munka- és tűzvédelem kockázatmenedzsmentjének néha eltérő, de integrálható sajátosságait.

A gazdálkodó szervezetek életében szükség van egységesen alkalmazott kockázatmenedzsment szabályokra, hiszen a kockázati eseménynek több, eltérő eredetű kiváltó oka és több következménye is lehet. Eltérő skálákon történő értékelésük zavart okozhat kockázatok felismerésében és kezelésében is. A mérnöki kockázatok mellett a szervezeteknél többek között megjelennek stratégiai, piaci és pénzügyi vagy akár biztosítási kockázatok is. A könyv terjedelme nem teszi lehetővé, hogy ezekkel is foglalkozzunk, de fontos felhívni a figyelmet, hogy a kockázatmenedzsment nemcsak a mérnöki feladat…

Hivatkozás: https://mersz.hu/michelberger-bizonytalansag-es-biztonsag//

BibTeX EndNote Mendeley Zotero