МОДЕЛИ МАШИННОГО ОБУЧЕНИЯ И ГЛУБОКОГО ОБУЧЕНИЯ ДЛЯ ЭЛЕКТРОННОЙ ИНФОРМАЦИОННОЙ БЕЗОПАСНОСТИ В МОБИЛЬНЫХ СЕТЯХ
Аннотация
Недавние достижения в технологиях беспроводной связи привели к созданию огром-
ного количества данных, которые передаются повсеместно. Большая часть такой инфор-
мации является частью обширной и общедоступной сети, которая соединяет различные
стационарные и мобильные устройства по всему миру. Возможности электронных уст-
ройств также увеличиваются день ото дня, что приводит к большему объему генерации
данных и обмена информацией через сети. Аналогичным образом, с ростом разнообразия и
сложности структур мобильных сетей увеличилась частота возникновения нарушений
безопасности в ней. Это препятствует внедрению интеллектуальных мобильных прило-
жений и услуг, о чем свидетельствует большое разнообразие платформ, которые предос-
тавляют услуги хранения данных, вычислений с данными и приложений конечным пользо-
вателям. В таких сценариях становится необходимым защитить данные и проверить их
использование в сети и приложениях, а также проверить их некорректное использование с
целью защиты частной информации. Согласно данному исследованию, модель безопасно-
сти на основе искусственного интеллекта должна обеспечивать конфиденциальность,
целостность и надежность системы, ее оборудования и протоколов, управляющих сетью,
независимо от ее создания, чтобы управлять такой сложной сетью, как мобильная. От-
крытые трудности, с которыми все еще сталкиваются мобильные сети, такие как не-
санкционированное сканирование сети, мошеннические ссылки и т.д., были тщательно
изучены в данной статье. Также в данном материале обсуждаются несколько технологий
машинного и глубокого обучения, которые можно использовать для создания безопасной
среды, а также многие угрозы кибербезопасности. Необходимо обратиться к необходимо-
сти разработки новых подходов для обеспечения высокого уровня безопасности электрон-
ных данных в мобильных сетях, поскольку возможности повышения безопасности мобиль-
ных сетей безграничны.
Литература
issledovatelya operatsiy [Neural Networks in Business: Methods and Applications for the Operations
Researcher], Computers & Operations Research, 2000, 27, pp. 1023-1044.
2. Zargaryan E.V., Akopdzhanyan Zh.Zh. Issledovanie avtomatizatsii kollaborativnykh robotov i
sposoby ikh primeneniya [Research of automation of collaborative robots and methods of their
application], Tekhnologii razrabotki informatsionnykh sistem TRIS-2020: Mater. X
Mezhdunarodnoy nauchno-tekhnicheskoy konferentsii. "Tekhnologii razrabotki
informatsionnykh sistem" [Technologies for the development of information systems TRIS-
2020. Materials of the X International Scientific and Technical Conference "Technologies for
the Development of Information Systems"], 2020, pp. 218-223.
3. Zargaryan Yu.A. Zadacha upravlyaemosti v adaptivnoy avtomatnoy obuchaemoy sisteme
upravleniya [The problem of controllability in an adaptive automaton learning control system],
Tekhnologii razrabotki informatsionnykh sistem TRIS-2020: Mater. X Mezhdunarodnoy
nauchno-tekhnicheskoy konferentsii. "Tekhnologii razrabotki informatsionnykh sistem" [Technologies
for the development of information systems TRIS-2020. Materials of the X International
Scientific and Technical Conference. "Technologies for the Development of Information
Systems"], 2020.
4. Zargaryan E.V., Zargaryan Y.A., Dmitrieva I.A., Sakharova O.N. and Pushnina I.V. Modeling
design information systems with many criteria. Information Technologies and Engineering –
APITECH – 2020, Journal of Physics: Conference Series, 2020, Vol. 2085 (3), pp. 032057(1-
7). DOI:10.1088/1742-6596/1679/3/032057.
5. Dzhordzh Bodzhadziev, Mariya Bodzhadziev. Nechetkaya logika dlya biznesa, finansov i
upravleniya [Fuzzy Logic for Business, Finance and Management]. 2nd ed, Dostizheniya v
oblasti nechetkikh sistem - Prilozheniya i teoriya [Advances in Fuzzy Systems - Applications
and Theory], Vol. 23.
6. Zargaryan E.V., Zargaryan Y.A., Kapc I.V., Sakharova O.N., Kalyakina I.M and Dmitrieva
I.A. Method of estimating the Pareto-optimal solutions based on the usefulness, International
Conference on Advances in Material Science and Technology - CAMSTech-2020. IOP Conf.
Series: Materials Science and Engineering, 2020, Vol. 919 (2), pp. 022027 (1-8). DOI:
10.1088/1757-899X/919/2/022027.
7. Alamir Kh.S., Zargaryan E.V., Zargaryan Yu.A. Model' prognozirovaniya transportnogo potoka
na osnove neyronnykh setey dlya predskazaniya trafika na dorogakh [A traffic flow prediction
model based on neural networks for predicting traffic on the roads], Izvestiya YuFU.
Tekhnicheskie nauki [Izvestiya SFedU. Engineering Sciences], 2021, No. 6 (223), pp. 124-132.
8. Soomro Z.A., Shah M.H., & Ahmed J. Information security management needs more holistic
approach: A literature review, International Journal of Information Management, 2016,
Vol. 36 (2), pp. 215-225.
9. Beloglazov D., Shapovalov I., Soloviev V., Zargaryan E. The hybrid method of path planning
in non-determined environments based on potential fields, ARPN Journal of Engineering and
Applied Sciences, 2017, Vol. 12, No. 23, pp. 6762-6772.
10. Zargarjan E.V., Zargarjan Ju.A., Finaev V.I. Information support for the training of fuzzy
production account balance in the conditions of incomplete data, Innovative technologies and
didactics in teaching (ITDT-2016): Collected papers, 2016, pp. 128-138.
11. Laptev A.S., Shestova E.A. Nedostatki neyro-ekspertnykh sistem upravleniya i sposoby ikh
resheniya [Disadvantages of neuroexpert control systems and ways to solve them], Nauka i
sovremennost': Mater. Vserossiyskoy nauchno-prakticheskoy konferentsii studentov i
molodykh uchenykh [Science and Modernity. Materials of the All-Russian scientific and practical
conference of students and young scientists]. Taganrog, 2021, pp. 104-106.
12. Finaev V.I., Zargaryan Yu.A., Zargaryan E.V., Solov'ev V.V. Formalizatsiya grupp podvizhnykh
ob"ektov v usloviyakh neopredelennosti dlya vybora upravlyayushchikh resheniy [Formalization
of groups of mobile objects in conditions of uncertainty for the choice of control solutions],
Informatizatsiya i svyaz' [Informatization and communication], 2016, No. 3, pp. 56-62.
13. Slimani I., Farissi I. El, et Achchab S. Artificial Neural Networks for Demand Forecasting:
Application Using Moroccan Supermarket Data, 2015.
14. Singh A.N., Gupta M.P., & Ojha A. Identifying factors of “organizational information security
management”, Journal of Enterprise Information Management, 2014.
15. Pushnina I.V. Sistema upravleniya podvizhnym ob"ektom v usloviyakh neopredelennosti
[Control system of a moving object under conditions of uncertainty. In the collection], Nauka i
obrazovanie na rubezhe tysyacheletiy. sbornik nauchno-issledovatel'skikh rabot [Science and
education at the turn of the millennium. collection of research papers]. Kislovodsk:
Kislovodskiy gumanitarno-tekhnicheskiy institut, YuFU, 2018, pp. 65-74.
16. Wang X., Wang C. Time series data cleaning: A survey, IEEE Access, 2020, Vol. 8, pp. 1866-
1881. DOI: 10.1109/ACCESS.2019.2962152.
17. Data-driven smart cities: Big Data, analytics, and security, 2018. Available at:
https://skelia.com/ articles/data-driven-smart-cities-big-data-analytics-and-security/.
18. Kim J., Tae D., Seok J. A survey of missing data imputation using generative adversarial networks,
Proc. of the 2020 Int. Conf. on Artificial Intelligence in Information and Communication,
ICAIIC 2020, pp. 454-456. DOI: 10.1109/ICAIIC48513.2020.9065044.
19. Dmitrieva I.A., Mileshko L.P., Begun O.V., Berezhnaya A.V. Information Modernization of the
General Theory of Environmental Safety Ensuring, IOP Conference Series: Materials Science
and Engineering. III International Scientific Conference. Krasnoyarsk, 2021, pp. 12072.
20. Ma Q., Johnston A.C., & Pearson J.M. Information security management objectives and practices:
a parsimonious framework, Information Management & Computer Security, 2008.
21. Shestova E.A., SHadrina V.V. Issledovanie postroeniya vidov operatsiy nad nechetkimi
mnozhestvami i nechetkoy approksimiruyushchey sistemy v srede MATLAB: ucheb. posobie
[Investigation of the construction of types of operations on fuzzy sets and a fuzzy approximating
system in MATLAB: textbook]. Taganrog, 2019.
22. Babenko L.K., Shumilin A.S., Alekseev D.M. Algoritm obespecheniya bezopasnosti
konfidentsial'nykh dannykh meditsinskoy informatsionnoy sistemy khraneniya i obrabotki
rezul'tatov obsledovaniy [Algorithm for ensuring the security of confidential data of the medical
information system for storing and processing survey results], Izvestiya YuFU.
Tekhnicheskie nauki [Izvestiya SFedU. Engineering Sciences], 2020, No. 5 (215), pp. 6-16.
