Статья

Название статьи ПРЕДВАРИТЕЛЬНАЯ ОБРАБОТКА ВРЕМЕННЫХ РЯДОВ ПАРАМЕТРОВ В ЗАДАЧЕ ОБНАРУЖЕНИЯ АНОМАЛИЙ В РАБОТЕ ИНФОРМАЦИОННЫХ СИСТЕМ, ИСПОЛЬЗУЮЩИХ ПЛАСТИКОВЫЕ КАРТЫ
Автор Д.А. Беспалов
Рубрика РАЗДЕЛ II. ПРИКЛАДНЫЕ ВОПРОСЫ ИНФОРМАЦИОННОЙ БЕЗОПАСНОСТИ
Месяц, год 05, 2017
Индекс УДК 004.075
DOI
Аннотация Приводится способ обработки временных рядов параметров информационных систем в задаче обнаружения аномалий в работе методами вейвлет-анализа. Данная задача является актуальной в связи с необходимостью разработки и внедрения адаптивных методов анализа безопасности информационных систем в реальном времени для своевременного предупреждения различных угроз. Предложенный способ обработки временных рядов предназначен для применения в комплексных подходах к анализу защищенности информационных систем, использующих пластиковые карты для предварительной обработки в целях шумоподавления, выделения особенностей, характеристических признаков последовательностей данных, а также повышения эффективности методов распознавания аномалий поведения, работающих с результатами предложенного алгоритма. В отличие от существующих подходов, в данном способе обработки применяется подход, затрагивающий многомасштабное представление временного ряда и позволяющий выделить его особые характеристики, свойственные различным уровням представления сигнала. Дальнейшая обработка выполняется на основании вейвлет-максимумов декомпозиции сигнала, которые существуют в ряде масштабов представления и выявляют регулярные особенности, проявляющиеся на большинстве уровней кратномасштабного анализа. Так же в дан-ной работе предлагается способ оптимального вычисления порога обработки вейвлет-коэффициентов на этапе шумоподавления, основывающийся на методике статистического анализа временного ряда и определении баланса между уровнем полезного сигнала и уровнем шума, причем данные расчеты выполняются непосредственно в базисе вейвлет-коэффициентов. Кроме того, в алгоритмическом и вычислительном плане, предложенный способ является более выгодным, так как он опирается на ограниченное множество вы-числительных операций, связанных с иерархией квадратурно-зеркальных фильтров, имеющих регулярную структуру вычислений, то есть не зависящих от размерности сигнала и от уровня его декомпозиции в базисе вейвлет-коэффициенов. Предложенные алгоритмы хороши реализуются как на программном, так и на аппаратном уровне вследствие естественного параллелизма и являются симметричными в вычислительном плане вследствие одинаковой трудоемкости всех ветвей алгоритма.

Скачать в PDF

Ключевые слова Аномалия поведения; анализ, пластиковая карта; информационная система; временной ряд; вейвлет-анализ.
Библиографический список 1. Малла С. Вэйвлеты в обработке сигналов. – М.: Мир, 2005. – 672 с.
2. Половинкин Е.С., Балашов М.В. Элементы выпуклого и сильно выпуклого анализа. – М.: Физматлит, 2004. – 416 с.
3. Божокин C., Паршин Д. Фракталы и мультифракталы. – Ижевск, 2001. – 128 с.
4. Van De Ville D., Nachtegael M, Van der Weken D, Kerre E.E., Philips W., Lemahieu I. Noise Reduction by Fuzzy Image Filtering // IEEE Transaction on fuzzy system. – August 2003.
– Vol. 11, No. 4.
5. Harten A. Discrete Multi-Resolution Analysis and Generalized Wavelets // J. App. Num. Math. – 1993. – Vol. 12. – P. 153-193.
6. Ali Akansu and Richard Haddad. Multiresolution Signal Decomposition: Transforms, Subbands, Wavelets, Academic Press, 1992.
7. Tony F. Chan and "Jackie (Jianhong) Shen". Image Processing and Analysis – Variational, PDE, Wavelet, and Stochastic Methods, Society of Applied Mathematics.
8. Ingrid Daubechies. Ten Lectures on Wavelets, Society for Industrial and Applied Mathematics, 1992.
9. Ramazan Gençay, Faruk Selçuk and Brandon Whitcher. An Introduction to Wavelets and Other Filtering Methods in Finance and Economics, Academic Press, 2001.
10. Percival Donald B. and Walden Andrew T. Wavelet Methods for Time Series Analysis, Cam-bridge University Press, 2000.
11. Mladen Victor Wickerhauser. Adapted Wavelet Analysis From Theory to Software, A K Peters Ltd, 1994.
12. Martin Vetterli and Jelena Kovačević. Wavelets and Subband Coding. Prentice Hall, 1999
13. Xia T. and Jiang Q. Optimal multifilter banks: design, related symmetric extension transform, and application to image compression // IEEE Trans. Signal Process. – 1999. – Vol. 47.
– P. 1878-1889.
14. Zhang J.-K., Davidson T.N., Luo Z.-Q., and Wong K.M. Design of interpolating biorthogonal multiwavelet systems with compact support // Appl. Comput. Harmon. Anal. – 2001. – No. 11. – P. 420-438.
15. Tian J. and Wells R.O. Jr. An algebraic structure of orthogonal wavelet space // Appl. Comput. Harmon. Anal. – 2000. – No. 8. – P. 223-248.
16. Беспалов Д.А. Параллельная реализация алгоритмов вейвлет-анализа на многопроцес-сорных кластерах // Известия высших учебных заведений. Северо-Кавказский регион. Серия: Технические науки. – 2007. – № 1. – С. 11-14.
17. Беспалов Д.А. Вейвлет-фильтрация сигналов адаптивными порогами // Известия высших учебных заведений. Северо-Кавказский регион. Серия: Технические науки. – 2007.
– № 2. – С. 13-15.
18. Veitch D. & Abry P. A wavelet-based joint estimator of the parameters of long-range dependence // IEEE Trans. Info. Theo. – 1999. – Vol. 45. – P. 878-897.
19. Paladin G. & Vulpiani A. Anomalous scaling laws in multifractal objects // Phys. Rep. – 1987. – Vol. 156. – P. 147-225.
20. Muzy J.-F., Bacry E. & Arneodo A. Wavelets and multifractal formalism for singular signals: Application to turbulence data // Phys. Rev. Lett. – 1991. – Vol. 67. – P. 3515-3518.

Comments are closed.