Модели и алгоритмы оценки защищенности информации в автоматизированных системах органов внутренних дел от вредоносных программ тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Кобяков Николай Сергеевич
Кобяков Николай Сергеевич
кандидат наук
2026
- Специальность ВАК РФ00.00.00
- Количество страниц 133
Оглавление диссертации кандидат наук Кобяков Николай Сергеевич
ВВЕДЕНИЕ
1. СОВРЕМЕННОЕ СОСТОЯНИЕ ОЦЕНКИ ЗАЩИЩЕННОСТИ ИНФОРМАЦИИ В АВТОМАТИЗИРОВАННЫХ СИСТЕМАХ ОРГАНОВ ВНУТРЕННИХ ДЕЛ ОТ ВРЕДОНОСНЫХ ПРОГРАММ
1.1. Анализ угроз безопасности информации, реализуемых внедрением и исполнением вредоносных программ
1.2. Существующие подходы к оценке защищенности информации в АС ОВД от вредоносных программ
1.3. Постановка частных задач и общая схема проведения диссертационного исследования
1.4. Выводы по разделу
2. МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ ОЦЕНКИ ПРИОРИТЕТА УГРОЗ БЕЗОПАСНОСТИ ИНФОРМАЦИИ, РЕАЛИЗУЕМЫХ ВНЕДРЕНИЕМ И ИСПОЛНЕНИЕМ ВРЕДОНОСНЫХ ПРОГРАММ
2.1. Системный подход к проведению исследования
2.2. Исследование актуальных для АС ОВД поведенческих паттернов вредоносных программ, определение связанных признаков
2.3. Численный метод модификации моделей, на основе МАИ, с использованием технологий искусственных нейронных сетей
2.4. Базовые и частные модели оценки приоритета УБИ, реализуемых внедрением и исполнением вредоносных программ
2.5. Выводы по разделу
3. ОЦЕНКА ОТНОСИТЕЛЬНОЙ ЗАЩИЩЕННОСТИ ИНФОРМАЦИИ В АС ОВД ОТ ВРЕДОНОСНЫХ ПРОГРАММ
3.1. Модели оценки защищенности информации при реализации базовых и дополнительных мер защиты информации
3.2. Модель оценки эффективности дополнительных мер защиты информации
3.3. Алгоритм реализации дополнительных мер защиты информации в условиях возможной реализации УБИ, реализуемых внедрением и исполнением вредоносных программ
3.4. Выводы по разделу
4. КОМПЛЕКС ПРОГРАММ ДЛЯ АВТОМАТИЗАЦИИ ПРОЦЕССА ФОРМИРОВАНИЯ МОДИФИЦИРОВАННЫХ МОДЕЛЕЙ НА ОСНОВЕ МАИ С ИСПОЛЬЗОВАНИЕМ ТЕХНОЛОГИЙ ИНС, В КРИТИЧЕСКИ ЗНАЧИМЫХ ПРЕДМЕТНЫХ ОБЛАСТЯХ
4.1. Обоснование состава и описание процесса функционирования комплекса программ
4.2. Описание программ комплекса для определения приоритета угроз безопасности информации, реализуемых внедрением и исполнением вредоносных программ
4.3. Верификация разработанных моделей, численных методов и алгоритмов
4.4. Выводы по разделу
ЗАКЛЮЧЕНИЕ
СПИСОК ЛИТЕРАТУРЫ
ПРИЛОЖЕНИЕ А
ПРИЛОЖЕНИЕ Б
ПРИЛОЖЕНИЕ В
ПРИЛОЖЕНИЕ Г
Рекомендованный список диссертаций по специальности «Другие cпециальности», 00.00.00 шифр ВАК
Система обнаружения вредоносных программ в операционной системе (OC) для мобильных устройств (на примере Android) с применением интеллектуальных технологий2017 год, кандидат наук Гаврилов, Григорий Николаевич
Модели и методы защиты от вредоносных программ на основе контроля доступа к файлам2014 год, кандидат наук Маркина, Татьяна Анатольевна
Модели и методы обеспечения информационной безопасности стационарных и бортовых суперкомпьютерных вычислительных систем2024 год, доктор наук Моляков Андрей Сергеевич
Динамические модели оценки защищенности программного обеспечения автоматизированных систем органов внутренних дел2026 год, кандидат наук Попова Арина Дмитриевна
Способ повышения эффективности средств выявления зараженных файлов на основе использования скрытых марковских моделей2013 год, кандидат технических наук Эдель, Дмитрий Александрович
Введение диссертации (часть автореферата) на тему «Модели и алгоритмы оценки защищенности информации в автоматизированных системах органов внутренних дел от вредоносных программ»
ВВЕДЕНИЕ
Актуальность темы исследования. Актуальной задачей в различных предметных областях, в том числе критически значимых сферах защиты интересов государства (далее - критически значимые сферы), является разработка моделей оценки интегрального показателя качества, который объединяет гетерогенные и зачастую противоречивые частные критерии. К таким задачам можно отнести оценку защищенности информации в автоматизированных системам органов внутренних дел (АС ОВД) от вредоносных программ, с учетом признаков, характеризующих угрозы безопасности информации, функциональные особенности АС ОВД и эффективность мер по защите информации. Также, актуальной является задача разработки прескриптивных моделей для поддержки принятия решений в области информационной безопасности.
В работе под АС ОВД будем понимать систему, состоящую из комплекса средств автоматизации оперативно-служебной и (или) повседневной деятельности, реализующую информационную технологию выполнения установленных функций, а также сотрудников органов внутренних дел, обеспечивающих её функционирование с учетом требований по защите информации. Оценка современных угроз безопасности информации в АС ОВД, реализуемых исполнением вредоносных программ, возможна путем детерминированного анализа их поведенческих паттернов (деструктивных функций), в том числе связанных, формализуемых в соответствующих математических моделях. Связь между поведенческими паттернами заключается в том, что при их совместном проявлении происходит взаимное усиление негативного эффекта: одни функции активируют или облегчают работу других, что приводит к более сложному и устойчивому механизму атаки. Для количественной оценки защищенности информации в АС ОВД и анализа приоритета угроз безопасности информации (УБИ), с учетом связи поведенческих паттернов могут быть использованы элементы факторного или регрессионного анализа, а также технологии искусственных нейронных сетей (ИНС).
Таким образом, актуальность данного исследования обусловлена необходимостью совершенствования методов математического моделирования, поскольку исследуемая предметная область характеризуется альтернативами с разреженными исходными данными, что ограничивает применение факторного и регрессионного анализа. В свою очередь, искусственные нейронные сети, применяемые для оценки приоритета, остаются непрозрачными в отношении внутренних операций, что ограничивает их использование в методических документах по обеспечению безопасности информации в АС ОВД.
Степень разработанности темы. К числу наиболее распространенных методов многокритериального принятия решений для построения моделей оценки качества альтернатив относятся метод анализа иерархий (МАИ) и метод аналитических сетей (МАС). Теоретическим основам этих методов посвящены работы Т. Саати [1, 2], О.И. Ларичева [3 - 5], С.В. Бухарина [6 - 8] и других исследователей. Однако, как показали работы Е. Хонтории [9], В.В. Подиновского [10 - 11]. и др., применение МАИ имеет существенные ограничения при наличии взаимосвязей между признаками в предметной области, что приводит к снижению точности моделей оценки на основе МАИ. МАС позволяет учесть эти взаимосвязи, однако, его применение ограничено экспоненциальным ростом вычислительной сложности и когнитивной нагрузкой на экспертов, которым требуется оценить степень взаимного влияния множества связанных признаков. В связи с этим перспективным направлением исследований представляется разработка модифицированной версии МАИ с интеграцией технологий ИНС для критически значимых сфер, в которых использование моделей на основе ИНС ограничено требованиями по прозрачности внутренних операций.
В исследованиях О.Ю. Гаценко [12, 13], А.Г. Остапенко [14 - 16], С.В. Скрыля [17 - 20] и др. рассматриваются вопросы формирования моделей оценки угроз безопасности информации, реализуемых внедрением и исполнением вредоносных программ. Авторы в качестве основных факторов, характеризующих вредоносные программы, выделяют вероятность заражения узла сети и время, необходимое для реализации деструктивных функций. Вопросами оценки
защищенности информации в автоматизированных системах посвящены работы А.С. Маркова [21 - 24], И.В. Котенко [25 - 28], И.И. Лившица [29 - 32] и др., однако в них недостаточно рассматриваются вопросы оценки защищенности информации с учетом реализации дополнительных мер защиты информации, в условиях возможной реализации угроз безопасности информации различного приоритета. Таким образом, задача оценки защищенности информации в АС ОВД от вредоносных программ может быть решена в гибридной многопараметрической модели, интегрирующей технологии искусственных нейронных сетей для анализа связанных поведенческих паттернов и методы многокритериального принятия решений для оценки приоритета УБИ, предназначенной для формирования практических рекомендаций по безопасности.
Следовательно, остается актуальной научная задача математического моделирования и численной оценки защищенности информации в АС ОВД с учетом связи поведенческих паттернов вредоносных программ и приоритета угроз безопасности информации.
Объект исследования: процесс оценки защищенности информации в АС ОВД от вредоносных программ.
Предмет исследования: модели, численные методы, алгоритмы и комплекс программ количественной оценки защищенности информации в АС ОВД от вредоносных программ.
Цель и задачи исследования. Целью диссертационного исследования является разработка математических моделей, численных методов, алгоритмов, комплекса программ оценки защищенности информации в АС ОВД, с учетом связи поведенческих паттернов вредоносных программ и приоритета угроз безопасности информации.
Для достижения поставленной цели были решены следующие научные задачи:
1. Разработка численного метода и алгоритма учета связи признаков в модифицированных моделях на основе метода анализа иерархий с
использованием технологий искусственных нейронных сетей.
2. Разработка моделей и алгоритма оценки приоритета угроз безопасности информации, реализуемых внедрением и исполнением вредоносных программ, с учетом влияния признаков АС ОВД на актуальность их поведенческих паттернов.
3. Разработка модели и алгоритма оценки относительной защищенности информации в АС ОВД от угроз безопасности информации, реализуемых внедрением и исполнением вредоносных программ.
4. Разработка комплекса программ для автоматизации процесса формирования модифицированных моделей на основе МАИ с использованием технологий ИНС, в критически значимых предметных областях.
Методология и методы исследования. При проведении теоретических и экспериментальных исследований в работе использованы методы математического моделирования, многокритериального принятия решений, искусственных нейронных сетей и объектно-ориентированного программирования. Методологической основой исследования является системный подход.
Научная новизна. В диссертации получены следующие результаты, характеризующиеся научной новизной:
1. Численный метод и алгоритм модификации моделей на основе МАИ с использованием технологий искусственных нейронных сетей, отличающиеся от известных возможностью применения МАИ при формировании моделей оценки показателя качества при связанных признаках [33 - 35].
2. Модели и алгоритм оценки приоритета угроз безопасности информации, реализуемых внедрением и исполнением вредоносных программ, отличающиеся от существующих учетом актуальности поведенческих паттернов вредоносных программ для АС ОВД [36 - 39].
3. Модель и алгоритм оценки относительной защищенности информации в АС ОВД, отличающиеся от существующих учетом приоритета угроз безопасности информации, реализуемых внедрением и исполнением вредоносных программ [40 - 43].
Теоретическая значимость заключается в том, что результаты диссертационного исследования совершенствуют методы многокритериального принятия решений при оценке показателей качества альтернатив со связанными признаками. Модель и алгоритм оценки относительной защищенности информации в АС ОВД могут быть использованы и для других классов АС.
Практическая значимость заключается в том, что результаты работы могут быть использованы специалистами при формировании моделей оценки показателя качества, в критически значимых предметных областях, характеризующихся связанными признаками.
Достоверность результатов, обоснованность положений и выводов, сформулированных в диссертации, основаны на корректности используемого математического аппарата, адекватности математических моделей, подтвержденных результатами вычислительного эксперимента, а также на широкой апробации результатов исследования в публикациях и выступлениях на конференциях.
Положения, выносимые на защиту:
1. Численный метод и алгоритм учета связи признаков в модифицированных моделях на основе МАИ с использованием технологий искусственных нейронных сетей, позволяющий применять МАИ для формирования моделей оценки показателя качества в предметных областях, характеризующихся связанными признаками [33 - 35].
2. Модели и алгоритм оценки приоритета угроз безопасности информации, реализуемых внедрением и исполнением вредоносных программ, позволяющие учесть в разрабатываемых моделях актуальность поведенческих паттернов вредоносных программ для АС ОВД [36 - 39].
3. Модель и алгоритм оценки относительной защищенности информации в АС ОВД от угроз безопасности информации, реализуемых внедрением и исполнением вредоносных программ, позволяющие принимать решения на применение дополнительных мер защиты информации, исходя из приоритета угроз безопасности информации [40 - 43].
4. Разработанный комплекс программ, позволяющий автоматизировать процесс формирования модифицированных моделей, на основе МАИ с использованием технологий ИНС, в критически значимых предметных областях со связанными признаками [44 - 47].
Реализация и внедрение результатов работы. Результаты исследования внедрены в практическую деятельность ООО «МЕДОЕД», АО «БИОНТ», отдела МВД России «Нытвенский», а также образовательную и научную деятельность Пермского военного института ВНГ РФ.
Соответствие паспорту специальности. Содержание диссертации соответствует п. 3 «Реализация эффективных численных методов и алгоритмов в виде комплекса проблемно-ориентированных программ для проведения вычислительного эксперимента», п. 8 «Комплексные исследования научных и технических проблем с применением современной технологии математического моделирования и вычислительного эксперимента» паспорта специальности 1.2.2 Математическое моделирование, численные методы и комплексы программ, а также п. 10 «Модели и методы оценки защищенности информации и информационной безопасности объекта» паспорта специальности 2.3.6 Методы и системы защиты информации, информационная безопасность.
Апробация работы. Основные результаты диссертации докладывались и обсуждались на следующих конференциях и семинарах: Всероссийской научно-практической конференции «Инфокоммуникации и информационная безопасность» (Пермь, 2022 г., 2023 г.); Всероссийской научно-практической конференции «Искусственный интеллект в решении актуальных социальных и экономических проблем XXI века» (Пермь, 2022 г.); Всероссийской молодежной научно-практической конференции с международным участием «Информационные технологии обеспечения комплексной безопасности в цифровом обществе» (Уфа, 2023 г.); Международной научной студенческой конференции «МНСК-2023» (Новосибирск, 2023 г.); Международной научно-практической конференции «Безопасность информационных технологий в правоохранительной сфере» (Санкт-Петербург, 2023 г.); Международной научно-
практической конференции «Охрана, безопасность, связь» (Воронеж, 2023 г.); Всероссийской научно-практической конференции «Проблемы и перспективы развития 1Т- и УК- технологий в области комплексной безопасности» (Екатеринбург, 2023 г.); Всероссийском семинаре «Актуальные проблемы обеспечения информационной безопасности в деятельности органов внутренних дел» (Воронеж, 2023 г., 2024 г.); Международном форуме «Кибертерроризм как угроза информационно-психологической безопасности личности, общества и государства» (Москва, 2024 г.), Международной научно-практической конференции «Общественная безопасность, законность и правопорядок в III тысячелетии» (Воронеж, 2025 г.).
Публикации. По материалам диссертационного исследования опубликована 21 печатная работа (2 статьи - в журналах из перечня ЯБС! [33, 36]; 9 статей - в изданиях, рекомендованных ВАК при Минобрнауки России [34, 35, 37 - 43]; 10 материалов научных конференций и статей в научных журналах [4857]), в том числе 8 работ опубликовано без соавторов. Разработано 3 программы для ЭВМ и 1 база данных, зарегистрированные в Федеральной службе по интеллектуальной собственности [44 - 47]. В работах, выполненных в соавторстве, автором лично выполнены: в [33, 35] - разработан численный метод модификации моделей, разработанных на основе МАИ с использованием технологий искусственных нейронных сетей; в [34, 36 - 38] - предложены модели оценки приоритета угроз безопасности информации, реализуемых внедрением и исполнением вредоносных программ; в [40 - 43] - разработаны модели и алгоритмы оценки эффективности защиты информации в АС ОВД; в [39] -разработан алгоритм классификации автоматизированных систем; в [44 - 46] -разработан программный код, в [47] - определен набор признаков для описания вредоносных программ.
Структура и объем работы: диссертация состоит из введения, четырех разделов, заключения, списка литературы из 157 наименования и 4 приложений. Работа изложена на 1 33 страницах машинописного текста, содержит 21 рисунок и 23 таблицы.
В первом разделе диссертации рассматриваются нормативные правовые акты в сфере оценки защищенности информации от угроз безопасности информации, реализуемых внедрением и исполнением вредоносных программ.
Описываются существующие ограничения на применение метода анализа иерархий. Рассматриваются возможные подходы к исследованию связанных признаков и разработке моделей для получения количественных оценок показателя качества.
Проводится анализ существующих методов математического моделирования для оценки защищенности информации, который показал, что существующие методы не позволяют сформировать модели для количественной оценки защищенности информации с учетом приоритета угроз безопасности информации и связи поведенческих паттернов вредоносных программ.
В результате построена общая схема проведения диссертационного исследования, определены основные этапы решения поставленных задач.
Во втором разделе предложен системный подход к оценке защищенности информации в АС ОВД от вредоносных программ, который позволил значительно упростить рассматриваемую задачу.
Разработан численный метод и алгоритм модификации моделей на основе МАИ с использованием технологий искусственных нейронных сетей, отличающиеся от известных возможностью применения МАИ при формировании моделей оценки показателя качества при связанных признаках.
Разработаны модели и алгоритм оценки приоритета угроз безопасности информации, реализуемых внедрением и исполнением вредоносных программ, отличающиеся от существующих учетом актуальности поведенческих паттернов вредоносных программ для АС ОВД.
В третьем разделе приводятся модели и алгоритмы для оценки защищенности информации в АС ОВД, с учетом приоритета вредоносных программ.
Разработаны модель и алгоритм оценки относительной защищенности информации в АС ОВД, отличающиеся от существующих учетом приоритета
угроз безопасности информации, реализуемых внедрением и исполнением вредоносных программ.
В четвертом разделе описан комплекс компьютерных программ, реализующий разработанные численные методы, модели и алгоритмы, представлена схема его функционирования, а также выполнена верификации разработанных численных методов, моделей и алгоритмов.
Разработанный комплекс программ, позволяет автоматизировать процесс формирования моделей оценки показателя качества, в критически значимых предметных областях, характеризующимися связанными признаками.
1. СОВРЕМЕННОЕ СОСТОЯНИЕ ОЦЕНКИ ЗАЩИЩЕННОСТИ ИНФОРМАЦИИ В АВТОМАТИЗИРОВАННЫХ СИСТЕМАХ ОРГАНОВ ВНУТРЕННИХ ДЕЛ ОТ ВРЕДОНОСНЫХ ПРОГРАММ
1.1. Анализ угроз безопасности информации, реализуемых внедрением и
исполнением вредоносных программ
В настоящее время ОВД используют в своей деятельности все больше АС для обеспечения обмена информацией между подразделениями и ведомствами, а также оказания услуг населению в электронном виде. В отчетах отечественных компаний-разработчиков средств защиты отмечается, что в 2024 году было выявлено более 31 тысячи подтвержденных инцидентов информационной безопасности. Согласно статистике АО «Лаборатория Касперского» количество обнаруживаемых новых вредоносных файлов ежегодно увеличивается. В 2024 году ежедневно обнаруживалось более 467 тысяч вредоносных файлов, что на 14% больше, чем в 2023 году [58].
В соответствии с рекомендациями ФСТЭК России [59] в качестве исходных данных об УБИ могут быть использованы общий перечень угроз безопасности информации, содержащийся в банке данных угроз безопасности информации [60] и описания векторов (шаблоны) компьютерных атак, содержащиеся в базах данных и иных источниках, опубликованных в сети «Интернет» (CAPEC, ATT&CK, OWASP, STIX, WASC и др.). Вредоносные программы (ВП) могут быть использованы для реализации тактик, указанных в базе MITRE ATT&CK: разведка, подготовка ресурсов, первоначальный доступ, выполнение, закрепление, повышение привилегий, предотвращение обнаружения, получение учетных данных, обнаружение, перемещение внутри периметра, сбор данных, организация управления, эксфильтрация данных, деструктивное воздействие.
В новом разделе банка данных угроз безопасности информации отмечено, что использование вредоносных программ является актуальным способом реализации для всех угроз безопасности информации.
К основным угрозам безопасности информации, реализуемым внедрением и исполнением вредоносных программ можно отнести [60]: УБИ.088: Угроза несанкционированного копирования защищаемой информации; УБИ.140: Угроза приведения системы в состояние «отказ в обслуживании»; УБИ.170: Угроза неправомерного шифрования информации; УБИ.172: Угроза распространения «почтовых червей»; УБИ.186: Угроза внедрения вредоносного кода через рекламу, сервисы и контент; УБИ.189: Угроза маскирования действий вредоносного кода; УБИ.190: Угроза внедрения вредоносного кода за счет посещения зараженных сайтов в сети Интернет; УБИ.193: Угроза утечки информации за счет применения вредоносным программным обеспечением алгоритмов шифрования трафика; УБИ.195: Угроза удаленного запуска вредоносного кода в обход механизмов защиты операционной системы; УБИ.198: Угроза скрытной регистрации вредоносной программой учетных записей администраторов. Характеристика данных УБИ представлена в Приложении А.
Одним из основных источников информации о появлении новых способов реализации УБИ являются бюллетени национального координационного центра по компьютерным инцидентам. В бюллетенях представлена информация об уровне угрозы реализуемых деструктивных функциях, ее описание, а также возможные меры защиты информации.
Одной из важных задач при анализе УБИ, реализуемых внедрением и исполнением вредоносных программ является их классификация. Исследования [61 - 64] посвящены разработке подходов к классификации вредоносных программ, на основе технологий искусственных нейронных сетей и графов потоков исходных кодов. Также, классификация вредоносных программ определена компаниями, специализирующимися на разработке средств антивирусной защиты.
Основные классы вредоносных программ представлены в таблице 1.1:
Таблица 1.1 - Классификация вредоносных программ
Наименование класса ВП Краткое описание Разработчик САВЗ
КГЬ-вирусы и черви В данную группу объединяют вирусы и черви, написанные на языках программирования высокого уровня «Доктор Веб»
Вирусы и черви Подобные вредоносные программы обладают способностью к несанкционированному пользователем саморазмножению в компьютерах или компьютерных сетях, при этом полученные копии также обладают этой возможностью «Лаборатория Касперского»
Троянские программы Эти вредоносные программы созданы для осуществления несанкционированных пользователем действий, направленных на уничтожение, блокирование, модификацию или копирование информации, нарушение работы компьютеров или компьютерных сетей. «Лаборатория Касперского», «Доктор Веб»
Вредоносные утилиты Вредоносные программы, разработанные для автоматизации создания других вирусов, червей или троянских программ, организации DoS-атак на удаленные сервера, взлома других компьютеров и т.п. «Лаборатория Касперского»
Riskware К этой категории относятся обычные программы (некоторые из них свободно продаются и широко используются в легальных целях), которые, тем не менее, в руках злоумышленника способны причинить вред пользователю (вызвать уничтожение, блокирование, модификацию или копирование информации, нарушить работу компьютеров или компьютерных сетей). «Лаборатория Касперского»
ПО для проведения DoS-атак В данную группу объединяют программы, разработанные для осуществления DoS-атак. «Доктор Веб»
Потенциально опасное и нежелательное ПО В данную группу объединяют программы, которые представляют потенциальную опасность и в определенных случаях могут быть нежелательными (например, если были установлены без разрешения пользователя или путем обмана) «Доктор Веб»
Исходя из представленной классификации вредоносных программ видно, что отсутствует согласованность в вопросах определения класса вредоносных программ и их обозначения, для дальнейшего обобщения. Данный факт усложняет процесс формирования баз данных вредоносных программ, поскольку один и тот же объект в них может быть учтен многократно. Кроме того, в настоящий момент недостаточно рассмотрен вопрос классификации вредоносных программ с учетом характеристик АС ОВД.
Для описания деструктивных функций ВП предлагается использовать поведенческие паттерны [65]. Вредоносные программы могут реализовывать поведенческие паттерны, характерные для нескольких классов. Для таких случаев АО «Лаборатория Касперского» разработала «Правило поглощения». Согласно данному правилу ВП присваивается класс самого опасного реализуемого поведенческого паттерна. Алгоритм поглощения классов вредоносных программ представлен на рисунке 1.1.
Троянские программы Вредоносные утилиты
Рисунок 1.1 - Алгоритм поглощения классов вредоносных программ
Например, если вредоносная программа реализует деструктивные функции, характерные для классов «Вредоносные утилиты» и «Вирусы», то вредоносной программе будет присвоен класс «Вирусы».
Классификация вредоносных программ и реализуемые поведенческие паттерны, актуальные для АС ОВД представлены в таблице 1.2 [34, 38].
Таблица 1.2 - Поведенческие паттерны вредоносных программ
Поведенческий паттерн Обозначение
Класс «Вредоносные утилиты»
Проникновение на компьютер-жертву Р1
Скрытие следов присутствия преступников в системе Р2
Внесение в список разрешенных посетителей системы новых пользователей Р3
Прекращение работы системы Р4
Проведение атак типа «Отказ в обслуживании» Р5
Сбор и анализ сетевых пакетов Р6
Подмена адреса отправителя письма по электронной почте Р7
Создание вредоносных программ Р8
Навязывание ложной информации (уведомление об опасности, нарушениях) Р9
Модификация вредоносных программ Р10
Распространение флуда (бесполезных сообщений по каналам электронной почты) Р11
Класс «Троянские программы»
Скрытое удаленное управление злоумышленником пораженным компьютером Р12
Ведение электронного шпионажа (вводимая с клавиатуры информация и др) Р13
Несанкционированная пользователем модификация данных таким образом, чтобы сделать невозможной работу с ними Р14
Кража пользовательских аккаунтов (логин/пароль) Р15
Несанкционированная пользователем загрузка и установка вп (без интернета) pi6
Несанкционированная пользователем загрузка и установка вп (через интернет) pi7
Сбор адресов электронной почты pi8
Имитация работы САВЗ p i9
Несанкционированный пользователем доступ к различным интернет-ресурсам p20
Оповещение злоумышленника о том, что зараженный компьютер появился в сети p2i
"Архивная бомба" p22
"Кликер" p23
Класс «Вирусы и черви»
Несанкционированное пользователем саморазмножение в компьютерных сетях p24
Несанкционированное пользователем саморазмножение в компьютерных сетях (необходимы действия пользователя) p25
Несанкционированное пользователем саморазмножение по локальным ресурсам компьютера p26
Несанкционированное пользователем саморазмножение по каналам э/п p27
На практике одна вредоносная программа может реализовывать несколько УБИ, например, Win32.HLLM.Julio.203 реализует поведенческие паттерны pii, pis, pi8, Р20, p27, а ее внедрением и исполнением могут быть реализованы УБИ.172: Угроза распространения «почтовых червей» и УБИ.088 Угроза несанкционированного копирования защищаемой информации. Данный факт обуславливает необходимость оценки УБИ, реализуемых внедрением и исполнением ВП исходя из оценки самих ВП. В приказе [66] определено требование приоритизации УБИ, что обуславливает необходимость оценки приоритета вредоносных программ. Учет приоритета УБИ в моделях оценки защищенности информации позволяет: определить наиболее актуальные УБИ для конкретных автоматизированных систем; распределить ресурсы на нейтрализацию УБИ, в зависимости от их приоритета; сформировать итоговую
Похожие диссертационные работы по специальности «Другие cпециальности», 00.00.00 шифр ВАК
Средства противодействия скрытым угрозам информационной безопасности в среде облачных вычислений2014 год, кандидат наук Моляков, Андрей Сергеевич
Теоретические основы и прикладные методы обеспечения безопасности интеллектуальных систем водного транспорта2025 год, доктор наук Михалевич Игорь Феодосьевич
Математическая модель обеспечения контроля над исполнением образца и маскировки аналитических инструментов при инвазивном динамическом анализе вредоносного ПО2023 год, кандидат наук Переберина Анастасия Александровна
Оценка эффективности механизмов защиты информации от вирусных атак в автоматизированных системах специального назначения2018 год, кандидат наук Арутюнова, Валентина Игоревна
Высоконадежная биометрическая аутентификация на основе защищенного исполнения нейросетевых моделей и алгоритмов искусственного интеллекта2023 год, доктор наук Сулавко Алексей Евгеньевич
Список литературы диссертационного исследования кандидат наук Кобяков Николай Сергеевич, 2026 год
СПИСОК ЛИТЕРАТУРЫ
1. Saaty T.L. The analytic hierarchy process. — N.-Y.: McGraw Hill, 1980. —
288 p.
2. Т. Саати Принятие решений при зависимостях и обратных связях. Аналитические сети. Ленанд. 2016. - 360 с. - ISBN: 978-5-9710-3387-5.
3. Ларичев, О. И. Теория и методы принятия решений, а также Хроника событий в Волшебных странах: учебник для студентов высших учебных заведений / О. И. Ларичев; О. И. Ларичев. - Изд. 3-е изд., перераб. и доп.. -Москва: Логос, 2008. - (Новая университетская библиотека). - ISBN 978-5-98704132-5. - EDN QSTJUH.
4. Ларичев, О. И. Свойства методов принятия решений в многокритериальных задачах индивидуального выбора / О. И. Ларичев // Автоматика и телемеханика. - 2002. - № 2. - С. 146-158. - EDN NUEKFH.
5. Димитриади, Г. Г. Система поддержки принятия решений и метод запрослп: ранжирование многокритериальных альтернатив с вербальными оценками качества / Г. Г. Димитриади, О. И. Ларичев // Автоматика и телемеханика. - 2005. - № 8. - С. 146-160. - EDN NSLBUV.
6. Бухарин, С. В. Кластерно-иерархические методы экспертизы экономических объектов: монография / С. В. Бухарин, А. В. Мельников -Воронеж: Научная книга, 2012. - 276 с. - ISBN 978-5-98222-807-9. - EDN QVLJSJ.
7. Bukharin, S. V. Method for Expanding the Object Base of Examination by Stitching Solutions of Hierarchy Analysis Method / S. V. Bukharin, A. V. Melnikov, V. V. Menshih // Bulletin of the South Ural State University. Series: Mathematical Modelling, Programming and Computer Software. - 2017. - Vol. 10, No. 2. - P. 74-82. - DOI 10.14529/mmp170206. - EDN YQQCXD.
8. Обобщенный показатель платежеспособности и ликвидности промышленных предприятий / А. И. Хорев, Е. И. Мяновская, С. В. Бухарин, В. В. Дудчак // Вестник Воронежского государственного университета инженерных технологий. - 2017. - Т. 79, № 4(74). - С. 267-273. - DOI 10.20914/2310-1202-20174-267-273. - EDN YRTUCQ.
9. E. Hontoria. Uses and Limitations of the AHP Method A Non-Mathematical and Rational Analysis/ E. Hontoria, N. Munier// 2021. - DOI: 10.1007/978-3-03060392-2. ISBN: 978-3-030-60391-5.
10. Подиновский В. В. Ещё раз о некорректности метода анализа иерархий /
B. В. Подиновский, О. В. Подиновская // Проблемы управления. - 2012. - № 4. -
C. 75-78. - EDN PBCMQD.
11. Подиновский В. В. О некорректности метода анализа иерархий / В. В. Подиновский, О. В. Подиновская // Проблемы управления. - 2011. - № 1. - С. 813. - EDN NCIWSL.
12. Гаценко, О.Ю. Защита информации. Основы организационного управления/ О.Ю. Гаценко. - СПб.: Изд. дом «Сентябрь», 2001 г.
13. Falcone, I. I. Modeling the Dissemination of Information Threats in Social Media / I. I. Falcone, O. Y. Gatsenko // Automatic Control and Computer Sciences. -2018. - Vol. 52, No. 8. - P. 1029-1035. - DOI 10.3103/S0146411618080114. - EDN OZMARM.
14. Автоматизированный поиск соответствия уязвимостей, шаблонов и техник кибератак / А. Г. Остапенко, Ю. В. Макаров, Д. А. Нархов [и др.] // Информация и безопасность. - 2025. - Т. 28, № 1. - С. 23-36. - DOI 10.36622/16827813.2025.28.1.002. - EDN EZBDPB.
15. Формализация описания моновирусных эпидемических процессов в сетях / А. Г. Остапенко, Е. С. Соколова, Ю. Г. Пастернак [и др.] // Информация и безопасность. - 2020. - Т. 23, № 4. - С. 497-510. - DOI 10.36622/VSTU.2020.23.4.002. - EDN WMOQMJ.
16. Остапенко, А. Г. Имитационное моделирование эпидемического процесса в специализированных социальных сетях / А. Г. Остапенко, Д. О. Карпеев, Д. А. Савинов // Информация и безопасность. - 2016. - Т. 19, № 2. - С. 180-191. - EDN WAOPBR.
17. Вероятностное представление условий своевременного реагирования на угрозы компьютерных атак / С. Е. Кондаков, Т. В. Мещерякова, С. В. Скрыль [и
др.] // Вопросы кибербезопасности. - 2019. - № 6(34). - С. 59-68. - DOI 10.21681/2311-3456-2019-6-59-68. - EDN QGIGGG.
18. Теоретические основы адаптивного управления защищенностью информации от воздействия вредоносного программного обеспечения в автоматизированных системах управления специального назначения / С. В. Скрыль, В. И. Терехов, Т. В. Мещерякова [и др.] // Динамика сложных систем -XXI век. - 2025. - Т. 19, № 3. - С. 18-25. - DOI 10.18127/j19997493-202503-02. -EDN SALAIS.
19. Обоснование показателя для оценки управляемости защищенностью информации в автоматизированных системах управления критических приложений от воздействия вредоносного программного обеспечения / С. В. Скрыль, П. А. Федюнин, Т. В. Мещерякова, Р. А. Хворов // Безопасность информационных технологий. - 2024. - Т. 31, № 2. - С. 30-41. - DOI 10.26583/bit.2024.2.01. - EDN JHDZWS.
20. Свидетельство о государственной регистрации программы для ЭВМ № 2023686709 Российская Федерация. Программа расчета показателей, характеризующих возможности нарушителя по использованию вредоносного программного обеспечения в автоматизированных системах специального назначения : № 2023685855 : заявл. 27.11.2023 : опубл. 08.12.2023 / А. Н. Стадник, С. В. Скрыль, Д. И. Маркин. - EDN JWGRIY.
21. Дорофеев, А. В. Обучение специалистов в области кибербезопасности в стиле Purple Team / А. В. Дорофеев, А. С. Марков // Защита информации. Инсайд. - 2023. - № 6(114). - С. 66-71. - EDN CABSVQ.
22. Дорофеев, А. В. Применение отечественных технологий для мониторинга информационной безопасности в условиях импортозамещения / А.
B. Дорофеев, А. С. Марков // Защита информации. Инсайд. - 2023. - № 3(111). -
C. 20-26. - EDN FDPTDW.
23. Дорофеев, А. В. Мониторинг событий информационной безопасности: технологии и методы контроля эффективности / А. В. Дорофеев, А. С. Марков //
Вестник Военного инновационного технополиса "Эра". - 2022. - Т. 3, № 4. - С. 392-400. - DOI 10.56304/S2782375X22040052. - EDN QFNYAW.
24. Romashkina, N. P. Information Technologies and International Security / N. P. Romashkina, A. S. Markov, D. V. Stefanovich. - Moscow: Primakov National Research Institute of World Economy and International Relations, Russian Academy of Sciences, 2023. - 111 p. - (Library of the Primakov National Research Institute of World Economy and International Relations). - ISBN 978-5-9535-0613-7. - DOI 10.20542/978-5-9535-0613-7. - EDN KPUTPY.
25. Котенко, И. В. Особенности оперативной оценки защищенности критически важных ресурсов на основе адаптивной нейросетевой фильтрации / И.
B. Котенко, И. Б. Паращук // Вестник Астраханского государственного технического университета. Серия: Управление, вычислительная техника и информатика. - 2023. - № 3. - С. 55-64. - DOI 10.24143/2072-9502-2023-3-55-64. -EDN NOQCXW.
26. Оценивание защищенности информационных систем на основе графовой модели эксплойтов / Е. В. Федорченко, И. В. Котенко, А. В. Федорченко [и др.] // Вопросы кибербезопасности. - 2023. - № 3(55). - С. 23-36. - DOI 10.21681/2311-3456-2023-3-23-36. - EDN NJYZTO.
27. Котенко, И. В. Адаптивная нейросетевая фильтрация в интересах оперативной оценки защищенности критически важных ресурсов / И. В. Котенко, И. Б. Паращук // Математические методы в технологиях и технике. - 2023. - № 1. - С. 58-61. - DOI 10.52348/2712-8873_MMTT_2023_1_58. - EDN YIXFTT.
28. Авраменко, В. С. Прогнозная модель защищенности информации в инфокоммуникационных системах на основе рекуррентной нейронной сети / В. С. Авраменко, И. Б. Саенко, И. В. Котенко // Правовая информатика. - 2025. - № 2. -
C. 140-147. - DOI 10.24412/1994-1404-2025-2-140-147. - EDN DTVHMA.
29. Концептуальные основы оценки уровня защищенности автоматизированных систем на основе их уязвимости / А. О. Ефимов, И. И. Лившиц, Т. В. Мещерякова, Е. А. Рогозин // Безопасность информационных
технологий. - 2023. - Т. 30, № 2. - С. 63-79. - DOI 10.26583/bit.2023.2.04. - EDN LGPQZP.
30. Бакшеев, А. С. Разработка методики контроля уровня защищенности информации объектов критической информационной инфраструктуры / А. С. Бакшеев, И. И. Лившиц // Вопросы кибербезопасности. - 2023. - № 2(54). - С. 8598. - DOI 10.21681/2311-3456-2023-2-85-98. - EDN KQLCWV.
31. Лившиц, И. И. Применение национальных стандартов ГОСТ Р и международных стандартов ISO серии 31000 для обеспечения современного уровня менеджмента рисков / И. И. Лившиц, М. И. Лившиц // Управление финансовыми рисками. - 2022. - № 4. - С. 312-323. - DOI 10.36627/2221-75412022-4-4-312-323. - EDN OKVAEJ.
32. Лившиц, И. И. Исследование методик контроля уровня защищенности информации на объектах критической информационной инфраструктуры / И. И. Лившиц, А. С. Бакшеев // Вопросы кибербезопасности. - 2022. - № 6(52). - С. 4052. - DOI 10.21681/2311-3456-2022-6-40-52. - EDN NSWOOI.
33. Мельников, А. В. Численный метод модификации моделей, разработанных на основе метода анализа иерархий, с использованием искусственной нейронной сети / А. В. Мельников, Н. С. Кобяков // Вестник Воронежского государственного университета. Серия: Системный анализ и информационные технологии. - 2024. - № 4. - С. 5-21. - DOI 10.17308/sait/1995-5499/2024/4/5-21. - EDN CENQIP.
34. Мельников, А. В. Модель оценки опасности вредоносных утилит / А. В. Мельников, В. И. Сумин, Н. С. Кобяков // Промышленные АСУ и контроллеры. -2023. - № 7. - С. 33-40. - DOI 10.25791/asu.7.2023.1448. - EDN KBALDV.
35. Мельников, А. В. Алгоритм формирования модели оценки опасности деструктивных воздействий вредоносных утилит на АССН с использованием искусственной нейронной сети / А. В. Мельников, Н. С. Кобяков, Д. В. Бутурлакин // Вестник Воронежского института МВД России. - 2024. - № 1. - С. 72-78. - EDN EZEXJI.
36. Мельников, А. В. Методика оценки опасности деструктивных программных воздействий на автоматизированные системы специального назначения органов внутренних дел / А. В. Мельников, Н. С. Кобяков // Вопросы кибербезопасности. - 2025. - № 5(69). - С. 28-40. - Б01 10.21681/2311-3456-20255-28-40. - EDN CLZLNQ.
37. Гладков, А. Н. Визуализация киберугроз как аспект формирования компетенций в области информационной безопасности / А. Н. Гладков, С. Н. Горячев, Н. С. Кобяков // Защита информации. Инсайд. - 2023. - № 1(109). - С. 32-37. - EDN CDIPBX.
38. Мельников, А. В. Подход к оценке опасности деструктивных воздействий вредоносных программ на автоматизированные системы специального назначения / А. В. Мельников, Н. С. Кобяков // Безопасность информационных технологий. - 2023. - Т. 30, № 3. - С. 51-60. - D0I 10.26583/Ьй.2023.3.03. - EDN RJWWZH.
39. Кобяков, Н. С. Алгоритм классификации автоматизированных систем специального назначения / Н. С. Кобяков, В. Н. Париев // Альманах Пермского военного института войск национальной гвардии. - 2024. - № 2(14). - С. 15-21. -EDN РК^ССР.
40. Горячев, С. Н. Оценка состояния защищенности информационных систем от вредоносных программ / С. Н. Горячев, Н. С. Кобяков // Безопасность информационных технологий. - 2022. - Т. 29, № 1. - С. 44-56. - D0I 10.26583/Ьк.2022.1.05. - EDN FPSNRR.
41. Мельников, А. В. Модель оценки эффективности организационных мер для обеспечения информационной безопасности АССН при появлении неизвестной вредоносной программы / А. В. Мельников, В. И. Сумин, Н. С. Кобяков // Экономика. Информатика. - 2023. - Т. 50, № 4. - С. 873-882. - D0I 10.52575/2712-746Х-2023-50-4-873-882. - EDN YXFI0H.
42. Мельников, А. В. Модели и алгоритмы реализации организационных мер защиты информации в АССН от деструктивных воздействий ранее
неизвестных вредоносных программ / А. В. Мельников, Н. С. Кобяков, Р. А. Жилин // Вестник Воронежского института МВД России. - 2023. - № 3
43. Мельников А.В. Модель и алгоритм оценки защищенности информации в автоматизированных системах органов внутренних дел от вредоносных программ А.В. Мельников, Н.С. Кобяков // Вестник Воронежского института МВД России. - 2025. № 3. - С.29-40.
44. Свидетельство о государственной регистрации программы для ЭВМ № 2024613246 Российская Федерация. «Искусственная нейронная сеть для оценки опасности деструктивных воздействий на АССН» : № 2023682907 : заявл. 31.10.2023 : опубл. 09.02.2024 / Н. С. Кобяков, А. В. Мельников, В. Г. Перминов ; заявитель Федеральное государственное казенное военное образовательное учреждение высшего образования «Пермский военный институт войск национальной гвардии Российской Федерации». - ББК QVKXWM.
45. Свидетельство о государственной регистрации программы для ЭВМ № 2023662134 Российская Федерация. «Расчет опасности вредоносных программ» : № 2023660462 : заявл. 23.05.2023 : опубл. 06.06.2023 / Н. С. Кобяков, А. В. Мельников, К. А. Поляков, А. Ю. Плюхин ; заявитель Федеральное государственное казенное военное образовательное учреждение высшего образования «Пермский военный институт войск национальной гвардии Российской Федерации». - ББК СБЖБи.
46. Свидетельство о государственной регистрации программы для ЭВМ № 2023683670 Российская Федерация. Коррекция результатов, полученных методом анализа иерархий с использованием искусственной нейронной сети : № 2023682906 : заявл. 31.10.2023 : опубл. 09.11.2023 / Н. С. Кобяков, А. В. Мельников, Л. В. Кокорин, С. Н. Горячев ; заявитель Федеральное государственное казенное военное образовательное учреждение высшего образования «Пермский военный институт войск национальной гвардии Российской Федерации». - ББК UNOQZS.
47. Свидетельство о государственной регистрации базы данных № 2023624951 Российская Федерация. Актуальные для АССН вредоносные
программы и их описание : № 2023623667 : заявл. 31.10.2023 : опубл. 25.12.2023 / Н. С. Кобяков, А. В. Мельников, С. Н. Горячев, К. А. Поляков ; заявитель Федеральное государственное казенное военное образовательное учреждение высшего образования «Пермский военный институт войск национальной гвардии Российской Федерации». - EDN ZQVZ0I.
48. Кобяков, Н. С. Разработка модели для оценки эффективности организационных мер обеспечения информационной безопасности АССН с использованием регрессионного анализа / Н. С. Кобяков // Актуальные проблемы информационной безопасности : Сборник статей. - Пермь : Пермский государственный национальный исследовательский университет, 2024. - С. 31-36. - EDN EQFNMB.
49. Минченко, Д. А. Проблемные вопросы исследований деструктивных воздействий на автоматизированные системы специального назначения / Д. А. Минченко, Н. С. Кобяков // Техника и безопасность объектов уголовно-исполнительной системы : сборник материалов Международной научно-практической конференции, Воронеж, 22-23 мая 2024 года. - Воронеж: Строки, 2024. - С. 351-353. - EDN A00ZAF.
50. Кобяков, Н. С. Актуальные вопросы обеспечения защиты информации в автоматизированных системах специального назначения от угроз неизвестных вредоносных программ / Н. С. Кобяков // Охрана, безопасность, связь. - 2024. - № 9-2. - С. 119-123. - EDN LXMURN.
51. Кобяков, Н. С. Алгоритм применения мультипликаторов в регрессионном анализе для исследования деструктивных воздействий на АССН / Н. С. Кобяков // Проблемы и перспективы развития 1Т- и УК-технологий в области комплексной безопасности : материалы II Всероссийской научно-практической конференции, Екатеринбург, 26-27 октября 2023 года. -Екатеринбург: Уральский институт Государственной противопожарной службы МЧС России, 2023. - С. 32-36. - EDN QVRBCN.
52. Кобяков, Н. С. Подход к оценке опасности вредоносных программ / Н. С. Кобяков // Информационные технологии. Научный инжиниринг : Материалы
61-й Международной научной студенческой конференции, Новосибирск, 17-26 апреля 2023 года. - Новосибирск: Новосибирский национальный исследовательский государственный университет, 2023. - С. 8. - EDN WFZUYG.
53. Кобяков, Н. С. Модель оценки опасности вредоносных программ класса «вирусы и черви» / Н. С. Кобяков // Информационные технологии обеспечения комплексной безопасности в цифровом обществе : Сборник материалов VI Всероссийской молодежной научно-практической конференции с международным участием, Уфа, 19-20 мая 2023 года. - Уфа: Уфимский университет науки и технологий, 2023. - С. 94-97. - EDN AXOYJS.
54. Кобяков, Н. С. Разработка модели для оценки опасности деструктивных воздействий вредоносных утилит на автоматизированные системы специального назначения с использованием регрессионного анализа / Н. С. Кобяков // Вестник Пермского университета. Математика. Механика. Информатика. - 2023. - № 4(63). - С. 89-95. - DOI 10.17072/1993-0550-2023-4-89-95. - EDN FGWRKO.
55. Кобяков, Н. С. Комплекс программ для оценки опасности деструктивных воздействий на автоматизированные системы специального назначения / Н. С. Кобяков // Проектное управление в строительстве. - 2023. - № 2(29). - С. 76-80. - EDN HFPFVQ.
56. Кобяков, Н. С. Оценка опасности вредоносных программ классов "Троянские программы" / Н. С. Кобяков // Альманах Пермского военного института войск национальной гвардии. - 2023. - № 2(10). - С. 31-38. - EDN OYZHVV.
57. Кобяков, Н. С. О некоторых вопросах оценки опасности деструктивного воздействия вредоносных программ на автоматизированные системы / Н. С. Кобяков, А. В. Мельников, С. Н. Горячев // Вестник Пермского университета. Математика. Механика. Информатика. - 2023. - № 1(60). - С. 77-83. - DOI 10.17072/1993-0550-2023-1-77-83. - EDN OWXAHO.
58. Число года: решения «Лаборатории Касперского» ежедневно обнаруживают 467 тысяч новых вредоносных файлов. URL: https://www.kaspersky.ru/about/press-releases/chislo-goda-resheniya-laboratorii-
kasperskogo-ezhednevno-obnaruzhivayut-467-tysyach-novyh-vredonosnyh-fajlov. (Дата обращения 01.02.2025 г.).
59. Методический документ «Методика оценки угроз безопасности информации». Утвержден ФСТЭК России 5 февраля 2021. URL: https://fstec.ru/dokumenty/vse-dokumenty/spetsialnye-normativnye-dokumenty/metodicheskij-dokument-ot-5-fevralya-2021-g. (Дата обращения 03.03.2024 г.).
60. Банк данных угроз безопасности информации. URL: https://bdu.fstec.ru/threat. (Дата обращения 03.03.2024 г.).
01.03.2023 г.).
(Дата
66. Приказ Федеральной службы по техническому и экспортному контролю от 11.04.2025 № 117 "Об утверждении Требований о защите информации, содержащейся в государственных информационных системах, иных информационных системах государственных органов, государственных унитарных предприятий, государственных учреждений". URL: http://publication.pravo.gov.ru/document/0001202506170011. (Дата обращения 15.07.2025г.)
67. Язов, Ю. К. Методология оценки эффективности защиты информации в информационных системах от несанкционированного доступа / Ю. К. Язов, С. В. Соловьев. - Санкт-Петербург: Издательство «Наукоемкие технологии», 2023. -258 с. - ISBN 978-5-907618-36-7. - EDN WVCHKW.
68. Миняев, А. А. Метод оценки эффективности системы защиты информации территориально распределенных информационных систем / А. А. Миняев, М. Ю. Будько // Информатизация и связь. - 2017. - № 3. - С. 119-121. -EDN YMZNAF.
69. Миняев, А. А. Методика оценки эффективности системы защиты информации территориально-распределенных информационных систем / А. А. Миняев, А. В. Красов // Вестник Санкт-Петербургского государственного университета технологии и дизайна. Серия 1: Естественные и технические науки. - 2020. - № 3. - С. 26-32. - DOI 10.46418/2079-8199_2020_3_4. - EDN YNHOEI.
70. Миняев, А. А. Метод и методика оценки эффективности системы защиты территориально-распределенных информационных систем / А. А. Миняев // Информатизация и связь. - 2020. - № 6. - С. 29-36. - EDN ESJFSC.
71. Будников, С. А. Методика оценки эффективности систем безопасности автоматизированных систем управления / С. А. Будников, С. М. Коваленко, А. И. Бочарова // Вопросы кибербезопасности. - 2023. - № 3(55). - С. 2-12. - DOI 10.21681/2311-3456-2023-3-2-12. - EDN QLNWEP.
72. Давидюк, Н. В. Методика оценки требуемого уровня защищенности информационных ресурсов автоматизированных систем обработки информации и управления / Н. В. Давидюк // Научный вестник Новосибирского
государственного технического университета. - 2016. - № 4(65). - С. 100-109. -DOI 10.17212/1814-1196-2016-4-100-109. - EDN XSBJDF.
73. Формализация описания моновирусных эпидемических процессов в сетях / А. Г. Остапенко, Е. С. Соколова, Ю. Г. Пастернак [и др.] // Информация и безопасность. - 2020. - Т. 23, № 4. - С. 497-510. - DOI 10.36622/VSTU.2020.23.4.002. - EDN WMOQMJ.
74. Риск-анализ и прогнозирование частоты и ущербности компьютерных атак / А. Л. Сердечный, А. С. Маликова, А. Г. Остапенко [и др.] // Информация и безопасность. - 2021. - Т. 24, № 2. - С. 159-178. - DOI 10.36622/VSTU.2021.24.2.001. - EDN AGCXRI.
75. Дойникова, Е. В. Оценивание защищенности и выбор контрмер для управления кибербезопасностью / Е. В. Дойникова, И. В. Котенко. - Москва : Российская академия наук, 2021. - 184 с. - ISBN 978-5-907366-23-7. - EDN QZALSO.
76. Cyber Attacker Profiling for Risk Analysis Based on Machine Learning / I. Kotenko, E. Fedorchenko, E. Novikova, A. Jha // Sensors. - 2023. - Vol. 23, No. 4. - P. 2028. - DOI 10.3390/s23042028. - EDN EVJNNM.
77. Оценивание защищенности информационных систем на основе графовой модели эксплойтов / Е. В. Федорченко, И. В. Котенко, А. В. Федорченко [и др.] // Вопросы кибербезопасности. - 2023. - № 3(55). - С. 23-36. - DOI 10.21681/2311-3456-2023-3-23-36. - EDN NJYZTO.
78. Скрыль, С. В. О возможности совершенствования процедур количественной оценки защищенности информации объектов критической информационной инфраструктуры от угроз несанкционированного доступа / С. В. Скрыль, А. А. Ицкова, К. Е. Ушаков // Безопасность информационных технологий. - 2024. - Т. 31, № 3. - С. 94-104. - DOI 10.26583/bit.2024.3.04. - EDN CZFYYR.
79. Оценка защищенности информации от вирусных атак: существующий и перспективный методический аппарат / С. В. Скрыль, А. М. Сычев, Т. В.
Мещерякова [и др.] // Промышленные АСУ и контроллеры. - 2018. - № 9. - С. 5162. - EDN YABXKX.
80. Кондаков, С. Е. Модель процесса проведения компьютерных атак с использованием специальных информационных воздействий / С. Е. Кондаков, И. С. Рудь // Вопросы кибербезопасности. - 2021. - № 5(45). - С. 12-20. - DOI 10.21681/2311-3456-2021-5-12-20. - EDN EWLLIJ.
81. Методический документ «Методика оценки показателя состояния технической защиты информации и обеспечения безопасности значимых объектов критической информационной инфраструктуры Российской Федерации. Утвержден ФСТЭК России 2 мая 2024 г. URL: https://fstec.ru/dokumenty/vse-dokumenty/spetsialnye-normativnye-dokumenty/metodicheskij-dokument-ot-2-maya-2024». (Дата обращения 15.07.2025г.)
82. Чечнев, В. Б. Анализ и классификация многокритериальных методов принятия решений / В. Б. Чечнев // Онтология проектирования. - 2024. - Т. 14, № 4(54). - С. 607-624. - DOI 10.18287/2223-9537-2024-14-4-607-624. - EDN QMCAUL.
83. Богаченко, Н. Ф. Применение метода анализа иерархий к задаче оценки актуальности угроз информационной безопасности / Н. Ф. Богаченко, Д. Н. Лавров // Математические структуры и моделирование. - 2023. - № 3(67). - С. 104-110. - DOI 10.24147/2222-8772.2023.3.104-110. - EDN RUUQNM.
84. Методика разработки программы аудита информационной безопасности с учетом весовых коэффициентов значимости свидетельств аудита на основе метода анализа иерархий / В. А. Воеводин, П. В. Маркин, М. С. Маркина, Д. С. Буренок // Системы управления, связи и безопасности. - 2021. - № 2. - С. 96-129. - DOI 10.24412/2410-9916-2021-2-96-129. - EDN CURJLT.
85. Милославская, Н. Г. Исследование применимости метода анализа иерархий для выбора SIEM-системы / Н. Г. Милославская, М. Карапетьянц, В. А. Чеверкалов // Безопасность информационных технологий. - 2023. - Т. 30, № 3. -С. 16-29. - DOI 10.26583/bit.2023.3.01. - EDN QCUAUG.
86. Метаграмматический подход анализа иерархий для синтеза систем безопасности атомных электростанций / О. И. Атакищев, В. Г. Грибунин, И. Л. Борисенков, М. Н. Лысачев // Вопросы кибербезопасности. - 2023. - № 1(53). - С. 82-92. - DOI 10.21681/2311-3456-2023-1.
87. Белим, С. В. Совмещение политик безопасности, основанное на алгоритмах поддержки принятия решений / С. В. Белим, Н. Ф. Богаченко, Ю. С. Ракицкий // Информационно-управляющие системы. - 2016. - № 5(84). - С. 66-72. - DOI 10.15217/issn1684-8853.2016.5.66. - EDN WXQQLV.-82-92. - EDN XVBJDM.
88. ПНСТ 776-2022 Информационные технологии. Интеллект искусственный. Управление рисками - М.: Российский институт стандартизации. (Текст: непосредственный).
89. Yoshua Bengio, Yann Lecun, and Geoffrey Hinton. 2021. Deep learning for AI. Commun. ACM 64, 7 (July 2021), 58-65. https://doi.org/10.1145/3448250
90. Факторный, дискриминантный и кластерный анализ: Пер. с англ./Дж.-О. Ким, Ч. У. Мьюллер, У. Р. Клекка и др.; Под ред. И. С. Енюкова. — М.: Финансы и статистика, 1989. - 215 с.: ил. ISBN 5-279-00247-X
91. Confirmatory factor analysis and Rasch analysis of the Russian version of the ego resiliency scale Revised / A. Denovan, K. Drinkwater, N. Dagnall [et al.] // Национальная безопасность и стратегическое планирование. - 2022. - No. 1(37). -P. 82-96. - DOI 10.37468/2307-1400-2022-1-82-96. - EDN FQMACS.
92. Н. Дрейпер Прикладной регрессионный анализ / Н. Дрейпер, Г. Смит // Издание второе, переработанное и дополненное - М.: «Финансы и статистика» 1986. - 367 с.
93. Данилова О.Ю. Правовая статистика: методы и модели / О.Ю. Данилова, В.В. Меньших, С.В. Синегубов. Воронеж: Воронежский институт Министерства внутренних дел Российской Федерации, 2018. 302 с. ISBN: 978-5-88591-666-0 EDN: YOZXWX.
94. Цифровая трансформация и защита прав граждан в цифровом пространстве 2.0 URL: https://sovet-nko.ru/?p=34910. (Дата обращения 01.07.2025 г.)
95. Указ Президента Российской Федерации от 18.06.2024 г. №529 «Об утверждении приоритетных направлений научно-технологического развития и перечня важнейших наукоемких технологий. URL: http://www.kremlin.ru/acts/bank/50755. (Дата обращения 20.10.2024 г.)
96. Аполов О. Г. Теория систем и системный анализ: курс лекций / О. Г. Аполов. - Уфа, 2012. - 274 с.
97. Ракитов А.И., Бондяев Д.А., Романов И.Б., Егерев С.В., Щербаков А.Ю. Системный анализ и аналитические исследования: руководство для профессиональных аналитиков / А.И. Ракитов, Д.А. Бондяев, И.Б. Романов, С.В. Егерев, А.Ю. Щербаков. - М., 2009. - 448 с.
98. Ларичев О. И., Павлова Л. И., Осипова Е. А. Многокритериальные задачи с конструируемыми вариантами решений при ограниченных ресурсах//Проблемы и методы принятия уникальных и повторяющихся решений / Под ред. С. В. Емельянова, О. И. Ларичева: Сб. тр. ВНИИСИ.М.,1990. No 10.
99. Орлов А. И. Многообразие моделей регрессионного анализа (обобщающая статья) / А. И. Орлов // Заводская лаборатория. Диагностика материалов. - 2018. - Т. 84, № 5. - С. 63-73. - DOI 10.26896/1028-6861-2018-84-563-73. - EDN XQBSKD.
100. Базилевский М. П. Многокритериальный подход к построению моделей парно-множественной линейной регрессии / М. П. Базилевский // Известия Саратовского университета. Новая серия. Серия: Математика. Механика. Информатика. - 2021. - Т. 21, № 1. - С. 88-99. - DOI 10.18500/18169791-2021-21-1-88-99. - EDN AVRVDN.
101. Носков С. И. Кусочно-линейная свертка вариантов регрессионной модели объекта // Вестник Воронежского государственного университета. Серия: Системный анализ и информационные технологии. - 2022. - № 3. - С. 15-21. -DOI 10.17308/sait/1995-5499/2022/3/15-21. - EDN YZKESU.
102. Бубченко Е. И. Сравнение эффективности нейросетей прямого распространения и рекуррентных нейросетей // Научно-технический вестник Поволжья. - 2023. - № 11. - С. 414-416. - ББК VXБSVS.
103. Чувилев Г. Р. Регрессионный анализ на разреженных данных / Г. Р. Чувилев // Тенденции развития науки и образования. - 2024. - № 106-11. - С. 139145. - Б01 10.18411Лгпю-02-2024-623. - ББК ТХКЛСУ.
104. Иванов, А. Н. Аналитический обзор истории развития нейросетевых архитектур и алгоритмов / А. Н. Иванов, С. А. Мустафина, Н. Д. Морозкин // Вестник Технологического университета. - 2019. - Т. 22, № 8. - С. 156-163. -ББК Б1РУТБ.
105. Романников, Д. О. О синтезе нейронных сетей / Д. О. Романников // Сборник научных трудов Новосибирского государственного технического университета. - 2018. - № 1(91). - С. 104-111. - Б01 10.17212/2307-6879-2018-1104-111. - ББК ХЯСБиТ.
106. Кобзев, А. А. Анализ алгоритмов обучения нейронной сети / А. А. Кобзев, А. В. Лекарева, О. С. Сидорова // Современные наукоемкие технологии. -2021. - № 6-1. - С. 23-28. - Б01 10.17513^.38692. - ББК PSXHWQ.
107. Москвитин, В. М. Влияние шума на рекуррентные нейронные сети с нелинейными нейронами / В. М. Москвитин, Н. И. Семенова // Известия высших учебных заведений. Прикладная нелинейная динамика. - 2023. - Т. 31, № 4. - С. 484-500. - Б01 10.18500/0869-6632-003052. - ББК ХаЯКМЯ.
108. Выбор функции активации в сверточных нейронных сетях при повторной идентификации людей в системах видеонаблюдения / Х. Чен, С. Игнатьева, Р. Богуш, С. Абламейко // Программирование. - 2022. - № 5. - С. 1526. - Б01 10.31857^013234742205003Х. - ББК СБЯРШ.
109. Потемкин, А. В. Обработка разнородной информации с помощью глубокого обучения нейронных сетей / А. В. Потемкин // Информационное общество. - 2020. - № 3. - С. 50-55. - ББК CSWLRK.
110. Свидетельство о государственной регистрации программы для ЭВМ № 2025660101 Российская Федерация. Нейронная сеть для решения задачи регрессии : заявл. 12.04.2025 : опубл. 21.04.2025 / А. А. Палий. - EDN HYSFPO.
111. Nurmurodov, J. Application of basis splines as an activation function in neural networks / J. Nurmurodov, M. Abduganiev, A. Tillaboyev // Проблемы вычислительной и прикладной математики. - 2023. - No. S6/1(54). - P. 56-67. -EDN FWTHUJ.
112. Искусственные нейронные сети: базовые принципы и возможные реализации / М. И. Скуратов, Н. Г. Пугач, Е. Г. Екомасов, Б. Г. Львов // Известия Уфимского научного центра РАН. - 2022. - № 4. - С. 5-11. - DOI 10.31040/22228349-2022-0-4-5-11. - EDN ODXUAZ.
113. Cyberattack Detection in Vehicles using Characteristic Functions, Artificial Neural Networks, and Visual Analysis / Y. Chevalier, F. Fenzl, M. Kolomeets [et al.] // Informatics and Automation. - 2021. - Vol. 20, No. 4. - P. 845-868. - DOI 10.15622/ia.20.4.4. - EDN NSRYLL.
114. Акопов А. С. Моделирование и оптимизация стратегий принятия индивидуальных решений в многоагентных социально-экономических системах с использованием машинного обучения / А. С. Акопов // Бизнес-информатика. -2023. - Т. 17, № 2. - С. 7-19. - DOI 10.17323/2587-814X.2023.2.7.19. - EDN ELOVAD.
115. Хашин С. И. Сравнение активаторных функций нейросети // Вестник Ивановского государственного университета. Серия: Естественные, общественные науки. - 2020. - № 1. - С. 101-105. - EDN WBMSDR
116. Толмачев С. В. Исследование влияния функции активации искусственной нейронной сети при решении задачи распознавания образов / С. В. Толмачев, Л. С. Гришина // Шаг в науку. - 2021. - № 4. - С. 77-82. - EDN TKDDTJ.
117. Лоренц, В. А. Анализ обучения нейронной сети задачам, содержащим скрытую закономерность / В. А. Лоренц, В. Л. Гавриков, Р. Г. Хлебопрос // Вестник КрасГАУ. - 2012. - № 5(68). - С. 88-93. - EDN OYCHJX.
118. Melnikov, A. V. Method of forming expert coalitions in the context of solving the expertise problem of alternatives with weakly formalized criteria / A. V. Melnikov, I. V. Shcherbakova, R. A. Zhilin // Journal of Physics: Conference Series: Applied Mathematics, Computational Science and Mechanics: Current Problems, Voronezh, 11-13 ноября 2019 года. - Bristol: Institute of Physics Publishing, 2020. -P. 012071. - DOI 10.1088/1742-6596/1479/1/012071
119. Шаханова, М. В. Защита конфиденциальных сведений от несанкционированного доступа / М. В. Шаханова, Е. Е. Швец, Э. С. Шаханова // Международный журнал информационных технологий и энергоэффективности. -2025. - Т. 10, № 2(52). - С. 166-171. - EDN LQTUVP.
120. Докучаев В. А. Механизмы обеспечения защищенности данных в распределенных информационных системах / В. А. Докучаев, А. В. Нетребко, В.
B. Маклачкова, С. С. Мытенков // Экономика и качество систем связи. - 2025. - № 2(36). - С. 125-134. - EDN INMCRQ.
121. Фомичева, И. В. Разработка мер защиты конфиденциальной управленческой информации в организации / И. В. Фомичева, О. В. Юдина, Д. В. Поляков // Научные исследования и разработки. Экономика. - 2024. - Т. 12, № 2. - С. 56-60. - DOI 10.12737/2587-9111-2024-12-2-56-60. - EDN TOKRTC.
122. Кудряшов, П. Д. Информационная безопасность. Хакерские и кибератаки, меры противодействия информационным атакам / П. Д. Кудряшов, М. Ю. Лакомкина, А. Л. Куленцан // Сборник научных трудов вузов России "Проблемы экономики, финансов и управления производством". - 2023. - № 53. -
C. 199-202. - EDN YBGVDD.
123. Methods of solving problems of information protection / V. Bilozerskyi, O. Lebedieva, N. Volkova, V. Nazarov // Информатика и математические методы в моделировании. - 2023. - Vol. 13, No. 3-4. - P. 236-242. - DOI 10.15276/imms.v13.no3-4.236. - EDN WIBHLW.
124. Шайхутдинова, Т. Ф. Защита информации как приоритетная задача обеспечения информационной безопасности России / Т. Ф. Шайхутдинова //
Вестник Московского университета МВД России. - 2023. - № 1. - С. 262-265. -DOI 10.24412/2073-0454-2023-1-262-265. - EDN IAHJBS.
125. Метод оценивания эффективности защиты электронного документооборота с применением аппарата сетей Петри - Маркова / Ю. К. Язов, О. С. Авсентьев, А. О. Авсентьев, И. О. Рубцова // Труды СПИИРАН. - 2019. - Т. 18, № 6. - С. 1269-1300. - DOI 10.15622/sp.2019.18.6.1269-1300. - EDN FBTRZZ.
126. Метод активной защиты объектов критической информационной инфраструктуры от кибератак на основе прерывания процесса воздействия нарушителя / В. А. Липатников, А. А. Шевченко, К. В. Мелехов, В. А. Задбоев // Информационно-управляющие системы. - 2025. - № 2(135). - С. 37-49. - DOI 10.31799/1684-8853-2025-2-37-49. - EDN PVFXDP.
127. Обзор механизмов усиления защищенности операционных систем и пользовательских приложений / Д. В. Ефремов, А. К. Петренко, Б. А. Позин, В. А. Семенов // Труды Института системного программирования РАН. - 2025. - Т. 37, № 3. - С. 325-354. - DOI 10.15514/ISPRAS-2025-37(3)-23. - EDN NLAMUF.
128. Бочарова, А. П. Политики информационной и кибербезопасности (классификация мер, проблема оценки эффективности) / А. П. Бочарова // Мировая экономика и международные отношения. - 2024. - Т. 68, № 4. - С. 121130. - DOI 10.20542/0131-2227-2024-68-4-121-130. - EDN UOKUIA.
129. Соловьев, С. В. Информационное обеспечение деятельности по технической защите информации / С. В. Соловьев, Ю. К. Язов // Вопросы кибербезопасности. - 2021. - № 1(41). - С. 69-79. - DOI 10.21681/2311-3456-20211-69-79. - EDN AOEUFT.
130. Толстой, А. И. Обеспечение безопасности объектов в информационной сфере / А. И. Толстой // Безопасность информационных технологий. - 2024. - Т. 31, № 3. - С. 105-123. - DOI 10.26583/bit.2024.3.05. - EDN MHPHVA.
131. J. A. Zachman, "A framework for information systems architecture," in IBM Systems Journal, vol. 26, no. 3, pp. 276-292, 1987, doi: 10.1147/sj.263.0276.
132. J. Danny, Shanlunt, G. Wang and H. Alianto, "The Application of Zachman Framework in Improving Better Decision Making," 2018 Indonesian Association for
Pattern Recognition International Conference (INAPR), Jakarta, Indonesia, 2018, pp. 245-249, doi: 10.1109/INAPR.2018.8627041.
133. G. Piho, J. Tepandi and M. Roost, "Domain analysis with archetype patterns based Zachman Framework for enterprise architecture," 2010 International Symposium on Information Technology, Kuala Lumpur, Malaysia, 2010, pp. 1351-1356, doi: 10.1109/ITSIM.2010.5561641.
134. Лукашов, Н. В. Информационные технологии в системе управления органами внутренних дел: монография / Н. В. Лукашов. - Москва: Академия управления Министерства внутренних дел Российской Федерации, 2013. - 190 с. -EDN OTSDNJ.
135. Структура Департамента. URL: https://xn--b 1 aew.xn--p 1 ai/mvd/structure 1/Departamenti/Departament_informacionnih_tehnologij_sv/s. (Дата обращения 01.03.2025 г.)
136. Абызов, Р. М. Информационно-технологическое обеспечение деятельности органов внутренних дел / Р. М. Абызов, К. Р. Абызов // Научный вестник Омской академии МВД России. - 2025. - Т. 31, № 2(97). - С. 195-199. -DOI 10.24412/1999-625X-2025-297-195-199. - EDN ESVEUO.
137. ГОСТ Р ИСО/МЭК 27001-2021. Информационная технология. Методы и средства обеспечения безопасности. Системы менеджмента информационной безопасности. Требования. URL: https://protect.gost.ru/document1.aspx?control=31&id=242006. (Дата обращения 07.03.2024 г.)
138. ГОСТ Р ИСО/МЭК 27002-2021. Информационные технологии. Методы и средства обеспечения безопасности. Свод норм и правил применения мер обеспечения информационной безопасности. URL: https://protect.gost.ru/document1.aspx?control=31&id=240766. (Дата обращения 07.03.2024 г.)
139. Шульга, М. В. Проблемы и перспективы внедрения современных информационных технологий в систему МВД России / М. В. Шульга //
Интеллектуальные ресурсы - региональному развитию. - 2025. - № 1. - С. 614619. - ББК К^БХ.
140. Перегудов, А. Н. Политика информационной безопасности в деятельности органов и учреждений уголовно-исполнительной системы / А. Н. Перегудов, С. А. Бокадаров // Вестник Воронежского института ФСИН России. -2024. - № 3. - С. 78-81. - ББК QSGYPC.
141. Выходец, Р. С. Политика обеспечения информационно-психологической безопасности ОДКБ в условиях глобальной стратегической конкуренции / Р. С. Выходец // Вестник Российского университета дружбы народов. Серия: Международные отношения. - 2025. - Т. 25, № 1. - С. 78-86. -Б01 10.22363/2313-0660-2025-25-1-78-86. - ББК KHGBKR.
142. Малюк, А. А. Информационная война и современные проблемы обеспечения информационной безопасности / А. А. Малюк // Вопросы кибербезопасности. - 2024. - № 5(63). - С. 105-114. - Б01 10.21681/2311-34562024-5-105-114. - ББК AGБENP.
143. Горбатов, В. С. Киберпарадигма информационной безопасности в органах внутренних дел / В. С. Горбатов, А. С. Эрдниев // Вопросы кибербезопасности. - 2024. - № 5(63). - С. 95-104. - Б01 10.21681/2311-34562024-5-95-104. - EDN J0QYGK.
144. Ван, Г. Административно-правовые меры по обеспечению безопасности персональных данных при раскрытии информации правительством Китая / Г. Ван // Вестник Санкт-Петербургского университета. Право. - 2024. - Т. 15, № 3. - С. 815-834. - D0I 10.21638Zspbu14.2024.317. - EDN SXXAБB.
145. Некоторые проблемы мониторинга информационной безопасности критической инфраструктуры / А. А. Грушо, Н. А. Грушо, М. И. Забежайло [и др.] // Системы и средства информатики. - 2023. - Т. 33, № 3. - С. 108-116. - D0I 10.14357/08696527230309. - EDN БVLTLJ.
146. Ельчанинова, Н. Б. Защита критической информационной инфраструктуры как новый институт правового обеспечения информационной
безопасности / Н. Б. Ельчанинова // Информационное общество. - 2020. - № 2. -С. 58-65. - EDN LHDFSD.
147. Ensuring the Right of Access to Information Due to the Need to Increase the Level of Information Security and Protect Public Interests / D. Digay, D. Nurmukhankyzy, S. Alzhankulova [et al.] // Journal of Lifestyle and SDGs Review. -2025. - Vol. 5, No. 2. - P. e04036. - DOI 10.47172/2965-730x.sdgsreview.v5.n02.pe04036. - EDN KZUCPQ.
148. Соловьев, А. А. Применение математических библиотек Python в качестве основы для разработки нейронных сетей / А. А. Соловьев, Н. Г. Вильсон // Современные проблемы радиоэлектроники и телекоммуникаций. - 2023. - № 6.
- С. 152. - EDN ICLUFK.
149. Сеитбулаев, С. Ш. Обзор библиотек языка программирования Python для создания нейронных сетей / С. Ш. Сеитбулаев // Информационно-компьютерные технологии в экономике, образовании и социальной сфере. - 2021.
- № 4(34). - С. 74-79. - EDN YSETEP.
150. Гинзбург, И. Б. Изучение библиотек языка Python для машинного обучения в среде jupyterlab / И. Б. Гинзбург, Ю. Н. Кондрашов, Д. А. Макаров // Научно-технический вестник Поволжья. - 2023. - № 9. - С. 75-77. - EDN LKYQIH.
151. Choosing a library for the Python programming language for visualizing the operation of parallel algorithms / S. Sharov, Yu. Sitsylitsyn, O. Naumuk [et al.] // E3S Web of Conferences. - 2024. - Vol. 508. - P. 03002. - DOI 10.1051/e3sconf/202450803002. - EDN PNLRZO.
152. Андросов, А. С. IntvalPy - библиотека интервальных вычислений на языке Python / А. С. Андросов, С. П. Шарый // Вестник Новосибирского государственного университета. Серия: Информационные технологии. - 2022. -Т. 20, № 4. - С. 5-23. - DOI 10.25205/1818-7900-2022-20-4-5-23. - EDN XLUGOI.
153. Пономарев, Д. С. Разработка web-приложения для предобработки данных с использованием библиотек Python / Д. С. Пономарев // Инженерный вестник Дона. - 2024. - № 8(116). - С. 154-161. - EDN ULKUDC.
154. Сорокин, Н. С. Использование средств SQL SERVER для разработки базы данных к САПР ЗРУ CAD / Н. С. Сорокин, О. Е. Кушмиль // Электротехнические системы и комплексы. - 2020. - № 3(48). - С. 65-69. - DOI 10.18503/2311-8318-2020-3(48)-65-69. - EDN XQNJCV.
155. Сравнительные характеристики SQL и NOSQL СУБД, влияющие на разработку приложений баз данных / Е. М. Куприянчик, Т. В. Зудилова, И. В. Ананченко [и др.] // Современные наукоемкие технологии. - 2022. - № 7. - С. 7478. - DOI 10.17513/snt.39236. - EDN CJETGH.
156. Громов, Ю. Ю. Разработка и защита базы данных автоматизированной информационной системы прогнозирования развития обстановки в зоне чрезвычайных ситуаций / Ю. Ю. Громов, П. И. Карасев, М. С. Ефанов // Прикладная физика и математика. - 2021. - № 3. - С. 3-10. - DOI 10.25791/pfim.03.2021.1197. - EDN JUWDVU.
157. Торгашин, А. А. К вопросу о кроссплатформенной системе автоматизированного расчета показателя репродуктивной готовности / А. А. Торгашин // Международный журнал информационных технологий и энергоэффективности. - 2023. - Т. 8, № 5-1(31). - С. 27-35. - EDN QXMOXP.
ПРИЛОЖЕНИЕ А УГРОЗЫ БЕЗОПАСНОСТИ ИНФОРМАЦИИ, РЕАЛИЗУЕМЫЕ ВНЕДРЕНИЕМ И ИСПОЛНЕНИЕМ ВРЕДОНОСНЫХ ПРОГРАММ
УБИ Описание Последствия реализации УБИ
УБИ.172: Угроза распространения «почтовых червей» Угроза заключается в возможности нарушения безопасности защищаемой информации пользователя вредоносными программами, скрытно устанавливаемыми при получении пользователями системы электронных писем, содержащих вредоносную программу типа «почтовый червь», а также невольного участия в дальнейшем противоправном распространении вредоносного кода. Данная угроза обусловлена слабостями механизмов антивирусного контроля. Реализация данной угрозы возможна при условии наличия у дискредитируемого пользователя электронного почтового ящика, а также наличия в его адресной книге хотя бы одного адреса другого пользователя Внешний нарушитель с низким потенциалом Нарушение конфиденциальн ости Нарушение целостности Нарушение доступности
УБИ.186: Угроза внедрения вредоносного кода через рекламу, сервисы и контент Угроза заключается в возможности внедрения нарушителем в информационную систему вредоносного кода посредством рекламы, сервисов и (или) контента (т.е. убеждения пользователя системы активировать ссылку, код и др.) при посещении пользователем системы сайтов в сети Интернет или установкой программ с функцией показа рекламы. Данная угроза обусловлена слабостями механизмов фильтрации сетевого трафика и антивирусного контроля на уровне организации. Реализация данной угрозы возможна при условии посещения пользователями системы с рабочих мест сайтов в сети Интернет Внутренний нарушитель с низким потенциалом Нарушение целостности Нарушение доступности
УБИ.189: Угроза маскирования действий вредоносного кода Угроза заключается в возможности сокрытия в системе действий вредоносного кода за счет применения специальных механизмов маскирования кода (архивирование, изменение формата данных и др.), которые препятствуют его дальнейшему анализу. Данная угроза обусловлена наличием способов маскирования программного кода, не учтенных сигнатурными базами средств защиты информации, а также механизмов операционной системы, позволяющих осуществить поиск модулей средств защиты информации. Нарушение целостности Нарушение доступности
Реализация данной угрозы возможна при условии использования в системе устаревших версий средств защиты информации Внешний нарушитель со средним потенциалом
УБИ.190: Угроза внедрения вредоносного кода за счет посещения зараженных сайтов в сети Интернет Угроза заключается в возможности осуществления нарушителем внедрения вредоносного кода в компьютер пользователя при посещении зараженных сайтов. Нарушитель выявляет наиболее посещаемые пользователем сайты, затем их взламывает и внедряет в них вредоносный код. Данная угроза обусловлена слабостями мер антивирусной защиты, а также отсутствием правил межсетевого экранирования. Реализация данной угрозы возможна при: неограниченном доступе пользователя в сеть Интернет; наличии у нарушителя сведений о сайтах, посещаемых пользователем Внешний нарушитель со средним потенциалом Нарушение конфиденциальн ости Нарушение целостности Нарушение доступности
УБИ.193: Угроза утечки информации за счет применения вредоносным программным обеспечением алгоритмов шифрования трафика Угроза заключается в возможности утечки информации за счет применения вредоносным программным обеспечением алгоритмов шифрования трафика, скрывающих сам факт передачи данных. Данная угроза обусловлена слабостями мер защиты информации при хранении, обработке и передаче информационных ресурсов. Реализация данной угрозы возможна: при условии успешного внедрения в дискредитируемую систему указанного вредоносного программного обеспечения; при отсутствии или недостаточной реализации мер межсетевого экранирования Внешний нарушитель со средним потенциалом Нарушение конфиденциальн ости
УБИ.195: Угроза удаленного запуска вредоносного кода в обход механизмов защиты операционной системы Угроза заключается в возможности удаленного запуска вредоносного кода за счет создания приложений, использующих обход механизмов защиты, встроенных в операционную систему. Данная угроза обусловлена ошибками в процессорах (например, ошибками в процессоре Intel поколения Haswell), позволяющими за счет создания специальных приложений осуществлять обход механизмов защиты, встроенных в операционную систему (например, механизма ASLR). Реализация данной угрозы возможна при: инициировании коллизии в таблице целевых буферов - с ее помощью можно узнать участки памяти, где находятся конкретные фрагменты кода; создании приложения, использующего эти фрагменты кода для обхода механизма защиты; Нарушение целостности
запуске данного приложения в связке с эксплойтом какой-либо уязвимости самой операционной системы для создания возможности удаленного запуска вредоносного кода Внешний нарушитель с высоким потенциалом
УБИ.198: Угроза скрытной регистрации вредоносной программой учетных записей администраторов Угроза заключается в возможности скрытного создания внедренной вредоносной программой учетных записей с правами администратора с целью последующего их использования для несанкционированного доступа к пользовательской информации и к настройкам программного обеспечения, установленного на инфицированном компьютере. Данная угроза обусловлена недостаточностью мер по антивирусной защите, что позволяет выполнить неконтролируемый запуск вредоносного программного обеспечения (отсутствие контроля разрешенного программного обеспечения). Кроме того, данная угроза обусловлена недостаточностью мер по разграничению доступа (контроль создания учетных записей пользователей). Реализация данной угрозы возможна при условии, что на атакуемом компьютере открыт ЯДР-порт Внешний нарушитель со средним потенциалом Нарушение целостности
УБИ.170: Угроза неправомерного шифрования информации Угроза заключается в возможности фактической потери доступности защищаемых данных из-за их несанкционированного криптографического преобразования нарушителем с помощью известного только ему секретного ключа. Данная угроза обусловлена наличием слабостей в антивирусной защите, а также в механизмах разграничения доступа. Реализация данной угрозы возможна при условии успешной установки нарушителем на дискредитируемый компьютер средства криптографического преобразования информации, а также успешного обнаружения (идентификации) нарушителем защищаемых файлов Внешний нарушитель с низким потенциалом Нарушение доступности
УБИ.088: Угроза несанкционированного копирования защищаемой информации Угроза заключается в возможности неправомерного получения нарушителем копии защищаемой информации путём проведения последовательности неправомерных действий, включающих: несанкционированный доступ к защищаемой информации, копирование найденной информации на съёмный носитель (или в другое место, доступное нарушителю вне системы). Данная угроза обусловлена слабостями механизмов разграничения доступа к защищаемой информации и контроля доступа лиц в контролируемой зоне. Нарушение конфиденциальн ости
Реализация данной угрозы возможна в случае отсутствия криптографических мер защиты или снятия копии в момент обработки защищаемой информации в нешифрованном виде Внешний нарушитель с низким потенциалом Внутренний нарушитель с низким потенциалом
УБИ.140: Угроза приведения системы в состояние «отказ в обслуживании» Угроза заключается в возможности отказа дискредитированной системой в доступе легальным пользователям при лавинообразном увеличении числа сетевых соединений с данной системой или при использовании недостатков реализации сетевых протоколов. Данная угроза обусловлена тем, что для обработки каждого сетевого запроса системой потребляется часть её ресурсов, а также слабостями сетевых технологий, связанными с ограниченностью скорости обработки потоков сетевых запросов, и недостаточностью мер контроля за управлением соединениями и ошибками реализации сетевых протоколов. Реализация данной угрозы возможна при условии превышения объёма запросов над объёмами доступных для их обработки ресурсов дискредитируемой системы или наличия ошибок реализации сетевых протоколов (например, формирование 1Р-адреса версии 6 на основе МАС-адреса, определение доступности 1Р-адреса, использование функции контроля целостности РРР-интерфейса и др.)Реализация угрозы возможна в случае, если клиентское программное обеспечение поддерживает выполнение сценариев, а нарушитель имеет возможность отправки запросов и данных в дискредитируемую систему Внешний нарушитель с низким потенциалом Внутренний нарушитель с низким потенциалом Нарушение доступности
ПРИЛОЖЕНИЕ Б
СВИДЕТЕЛЬСТВА О ГОСУДАРСТВЕННОЙ РЕГИСТРАЦИИ ПРОГРАММ
ДЛЯ ЭВМ И БАЗЫ ДАННЫХ
российская федерация
RU2024613246
федеральная служба поинтеллектуальной собственности
ГОСУДАРСТВЕННАЯ РЕГИСТРАЦИЯ ПРОГРАММЫ ДЛЯ ЭВМ
Номер регистрации (свидетельства): 2024613246 Дата регистрации: 09.02.2024 Номер и дата поступления заявки: 2023682907 31.10.2023 Дата публикации и номер бюллетеня: 09.02.2024 Бюл. №2 Контактные реквизиты: +7 (922) 244-0454, kkobyakovl234@gmail.com
Автор(ы):
Кобяков Николай Сергеевич (ЫЦ), Мельников Александр Владимирович (1Ш), Перминов Владимир Геннадьевич (ЯЦ) Правообладатель(и):
Федеральное государственное казенное военное образовательное учреждение высшего образования «Пермский военный институт войск национальной гвардии Российской Федерации» (1Ш)
Название программы для ЭВМ:
«Искусственная нейронная сеть для оценки опасности деструктивных воздействий на АССН» Реферат:
Программа предназначена для оценки опасности деструктивных воздействий на АССН с использованием искусственной нейронной сети. Программа обеспечивает оценку опасности деструктивных воздействий. Программа может быть использована специалистами в области защиты информации для оценки опасности деструктивных воздействий на АССН. Тип ЭВМ: IBM РС-совмсстимый ПК на базе процессора Intel/AMD; ОС: Windows, Linux.
Язык программирования: Python
Объем программы для ЭВМ: 8,4 КБ
российская федерация
RU2023683670
v
федеральная служба поинтеллектуальной собственности
ГОСУДАРСТВЕННАЯ РЕГИСТРАЦИЯ ПРОГРАММЫ ДЛЯ ЭВМ
Номер регистрации (свидетельства): 2023683670 Дата регистрации: 09.11.2023 Номер и дата поступления заявки:
Автор(ы):
Кобяков Николай Сергеевич (ЯТГ), Мельников Александр Владимирович (КЦ), Кокорин Леонид Владимирович (1Ш), Горячев Сергей Николаевич (1Ш)
2023682906 31.10.2023
Дата публикации и номер бюллетеня:
Правообладатель(и):
Федеральное государственное казенное военное образовательное учреждение высшего образования «Пермский военный институт войск национальной гвардии Российской Федерации» (Яи)
09.11.2023 Бюл. №11 Контактные реквизиты: +7 (922) 244-0454, kkobyakovl234@gmail.com
Название программы для ЭВМ:
«Коррекция результатов, полученных методом анализа иерархий с использованием искусственной нейронной сети»
Реферат:
Программа предназначена для расчета коррекционного коэффициента, с помощью которого можно внести необходимые изменения в модель, полученную методом анализа иерархий. Программа обеспечивает расчет коррекционного коэффициента. Программа может быть использована для внесения изменений в модель полученную методом анализа иерархий, при выявлении взаимосвязи признаков. Тип ЭВМ: IBM PC - совместимый ПК на базе процессора Intel/AMD: ОС Windows, Linux.
Язык программирования: Python
Объем программы для ЭВМ: 84 КБ
российская федерация
RU2023662134
федеральная служба по интеллектуальной собственности
ГОСУДАРСТВЕННАЯ РЕГИСТРАЦИЯ ПРОГРАММЫ ДЛЯ ЭВМ
Номер регистрации (свидетельства): 2023662134 Дата регистрации: 06.06.2023 Номер и дата поступления заявки: 2023660462 23.05.2023 Дата публикации и номер бюллетеня: 06.06.2023 Бюл. № 6 Контактные реквизиты: +7(922)244-04-54; kkobyakovl234@gmail.com
Автор(ы):
Кобяков Николай Сергеевич (1Ш), Мельников Александр Владимирович (1Ш), Поляков Константин Александрович ШЩ Плюхин Александр Юрьевич (ЫЦ) Правообладатель(и): Федеральное государственное казенное военное образовательное учреждение высшего образования «Пермский военный институт войск национальной гвардии Российской Федерации» (1Ш)
Название программы для ЭВМ: «Расчет опасности вредоносных программ»
Реферат:
Программа предназначена для расчета опасности вредоносных программ на основе реализуемых ими поведенческих паттернов. Программа обеспечивает: Расчет опасности вредоносных программ. Программа может быть использована специалистами в области защиты информации для расчета оценки вредоносных программ и прогнозирования деструктивных воздействий на автоматизированные системы. Тип ЭВМ: IBM PC - совмест. ПК; ОС: Windows, Linux.
Язык программирования: Python
Объем программы для ЭВМ: 30 КБ
российская федерация
RU2023624951
федеральная служба по интеллектуальной собственности
ГОСУДАРСТВЕННАЯ РЕГИСТРАЦИЯ БАЗЫ ДАННЫХ, ОХРАНЯЕМОЙ АВТОРСКИМИ ПРАВАМИ
Номер регистрации (свидетельства): 2023624951 Дата регистрации: 25.12.2023 Номер и дата поступления заявки: 2023623667 31.10.2023 Дата публикации и номер бюллетеня: 25.12.2023 Бюл. № 1 Контактные реквизиты: +7(922)2440454; kkobyakovl234@gmail.com
Автор(ы):
Кобяков Николай Сергеевич (1Ш), Мельников Александр Владимирович (1Ш), Горячев Сергей Николаевич (ЯЦ), Поляков Константин Александрович (ЯЦ) Правообладатель(и):
Федеральное государственное казенное военное образовательное учреждение высшего образования «Пермский военный институт войск национальной гвардии Российской Федерации» (Яи)
Название базы данных:
«Актуальные для АССН вредоносные программы и их описание» Реферат:
В базе данных представлена информация о вредоносных программах, актуальных для автоматизированных систем специального назначения, их техническое описание, класс, реализуемые поведенческие паттерны и опасность. Внесение новых вредоносных программ возможно с использованием специально разработанных форм. База данных может быть использована специалистами в области защиты информации для обобщения и систематизации информации о вредоносных программах. Тип ЭВМ: IBM РС-совмест. ПК на базе процессора Intel/AMD: ОС: Windows: Linux.
Вид и версия системы данных:
Объем базы данных:
управления базой .
Ox^LllC
10,5 МБ
ПРИЛОЖЕНИЕ В ОБУЧАЮЩАЯ ВЫБОРКА
№ п/п Наименование вредоносной утилиты Реализуемые поведенческие паттерны Приоритет
1. DDoS.Kardraw.13 Рг, Р2.Рз 1
2. У1ги8Соп81хис1;ог.В1^ег.5 Р2' Р8, Рю 0,56
3. Tool.Flooder.81 Р^ Рп 0,36
4. Linux.DDoS.89 Рз. Рб 0,29
5. Constructor.DarkHorse1.2 Рв. Рю 0,18
6. DDosia Р 4 , Рз. Рб 0,9,
7. Flooder.Skalpel Р7. Р11 0,357
8. DDoS.Attack.126 Р4. Рз 0,77
9. МАуШЛ Р4. Р9 0,29
10. Tool.MailPass.7 Р4' Рб 0,38
11. Tool.Loic Рз. Р9 0,29
12. Tool.Lsadump.4 Рз. Рб 0,38
13. Tool.Linux.BrutePma.1 Рб 0,15
14. Tool.Joiner.120 Р2 0,35
15. Tool.Siggen.16 Рб. Р11 0,18
16. Tool.Siggen.9985 Рз. Р9 0,2
17. Tool.Siggen.858 Рз. Рв 0,29
18. Р7. Рю 0,19
19. Tool.Masscan.1 Рз. Р7 0,38
20. Tool.Skymonk.11 Рг. Р11 0,53
21. Linux.Siggen.172223 Рг. Р4. Рб. Р9 0,94
22. Flooder.Linux.15 Р2. Р11 0,38
23. Tool.Serv2 Рз. Рю 0,27
24. Tool.Siggen.80 Р 4. Р9 0,28
25. Linux.Siggen.9871 Рб. Р7 0,29
ПРИЛОЖЕНИЕ Г АКТЫ ВНЕДРЕНИЯ РЕЗУЛЬТАТОВ ИССЛЕДОВАНИЯ
иного института
Ф.А. Сиволапов 2025 г.
о внедрении результатов диссертационного исследования старшего лейтенанта Кобякова Николая Сергеевича по теме: «Модели и алгоритмы оценки защищенности информации в автоматизированных системах органов внутренних
дел от вредоносных программ»
Комиссия в составе: председателя: врио заместителя начальника военного института по научной работе — начальник научно-исследовательского и редакционно-издательского отдела подполковника Плюхина А.Ю.; членов комиссии: врио начальника учебного отдела полковника Чупина Н.С. ; начальника кафедры информационных технологий и защиты информации факультета (информационных технологий и защиты информации) полковника Горячева С.Н. - составили настоящий акт о том, что результаты, полученные старшим лейтенантом Кобяковым Н.С. в ходе диссертационного исследования по теме «Модели и алгоритмы оценки защищенности информации в автоматизированных системах органов внутренних дел от вредоносных программ» внедрены в образовательную и научную деятельность Пермского военного института войск национальной гвардии Российской Федерации, используются при проведении занятий по дисциплине «Защита информации» с курсантами военного института, обучающимися по направлениям подготовки 09.03.01 «Информатика и вычислительная техника» и 11.03.02 «Инфокоммуникационные технологии и системы связи». Результаты исследовгния старшего лейтенанта Кобякова Н.С. актуальны, представляют практический интерес.
Председатель комиссии: Врио заместителя начальника военного научно-исследовательского и редакционно-подполковник
» илоилА 2025 г.
Члены комиссии:
Врио начальника учебного отдела
полковник
» иисил-о^- 2025 г.
Начальник кафедры информационных технологии полковник
«22,» имхиЯ. 2025 г.
а по научной работе — начальник
п»ского отдела
А.Ю. Плюхин
1ты информации
Н.С. Чупин
С.Н. Горячев
УТВЕРЖДАЮ,-;
/<$/$ рИ^Ю «Бионт» / ъмь/ Григоров
; * [ 2025 г.
цель генерального
АКТ
о внедрении результатов диссертационного иссл^т оценки защищенности информации в автоматизированных ( внутренних дел от вредоносных программ» Кобякова Николая Сергеевича
шгодели и алгоритмы гных системах органов
Г. Пермь
Настоящий акт подтверждает, что теоретические и практические результаты диссертационного исследования «Модели и алгоритмы оценки защищенности информации в автоматизированных системах органов внутренних дел от вредоносных программ» внедрены в практическую деятельность АО «Бионт».
Разработанные в диссертационном исследовании численный метод и алгоритмы учета связи признаков в модифицированных моделях на основе метода анализа иерархий, с использованием технологий искусственных нейронных сетей, используются при анализе угроз безопасности информации, характеризующихся связанными признаками.
Разработанные в диссертационном исследовании модель и алгоритм оценки защищенности информации, с учетом приоритета угроз безопасности информации, используется при разработке организационно-распорядительной документации.
Разработанный в диссертационном исследовании комплекс программ используется при оценке приоритета угроз безопасности информации, реализуемых внедрением и исполнением вредоносных программ.
¿г
Ведущий специалист
отдела технической защиты информации АО «Бионт»
С.В. Ковалев
угш |'ждлк>
Генеральный директор
()()()« МГД01Д»
Музалснский Ф. А
2025 г.
АКТ
0 .............результатов диссертационного исследования «Модели и
алгоГтмм опенки защищенности информаинн в автоматизиров*.......
системах органов внутренних дел от вредоносных программ» Кобякова Николая Сергеевича
г. Москва
Настоящий акт подтверждает, что теоретические и практические результаты диссертационного исследования «Модели и алгоритмы оценки защищенности информации в автоматизированных системах органов внутренних дел от вредоносных программ» были рассмотрены и отмечены как-
перспективные и эффективные.
Разработанные в диссертационном исследовании модель и алгоритм оценки защищенности информации, с учетом приоритета угроз безопасности информации внедрены в модули платформы «МЕООЕО». Результаты диссертационного исследования используются при оценке защищенности информации, повышении осведомленности сотрудников и разработке нормативной документации, в рамках организации мероприятий по защите информации.
Разработанная в диссертационном исследовании база данных, содержащая в себе информацию о вредоносных программах, внедрена в модуль платформы «МР.ООЕЭ», используемый при управлении инцидентами информационной безопасности.
ООО «МЕДОЕД» поддерживает работу Кобякова Н.С. и подтверждает, что результаты диссертационного исследования внедрены в деятельность организации.
ООО «МЕДОЕД» Ведущий программист
В.В. Денисенко
УТВЕРЖДАЮ
АКТ
•тдела МВД России
¡.В. Тращенков
2025г.
о внедрении результатов диссертационного исследования «Модели и алгоритмы оценки защищенности информации в автоматизированных
системах органов внутренних дел от вредоносных программ» Кобякова Николая Сергеевича
Настоящий акт подтверждает, что результаты диссертационного исследования «Модели и алгоритмы оценки защищенности информации в автоматизированных системах органов внутренних дел от вредоносных программ» были апробированы на базе ОМВД России «Нытвенский».
Результаты исследования могут быть использованы специалистами по защите информации при реализации мероприятий по реагированию на угрозы безопасности информации, реализуемые с использованием вредоносных программ.
Разработанный в исследовании комплекс программ используется при оценке приоритета угроз безопасности информации, реализуемых внедрением и исполнением вредоносных программ. Информация о вредоносных программах обобщается в базе данных.
Заместитель начальника
Отдела МВД России «Нытвенский» Ар )
- начальник полиции ___ 1-] I /
подполковник полиции ( Уш ШГ// ГолдобинЮ.Н.
Исполнитель:
инженер группы информационных технологий, связи и защиты информации ОМВД «Нытвенский» Мосягин Е.А.
Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания. В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.