Найти

Результаты поиска

• МОДЕЛИ МАШИННОГО ОБУЧЕНИЯ И ГЛУБОКОГО ОБУЧЕНИЯ ДЛЯ ЭЛЕКТРОННОЙ ИНФОРМАЦИОННОЙ БЕЗОПАСНОСТИ В МОБИЛЬНЫХ СЕТЯХ

  Ауси Рим Мохаммед Худхейр, Е. В. Заргарян , Ю. А. Заргарян

  2022-08-09

  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.

• ГЛУБОКОЕ ОБУЧЕНИЕ МЕТОДАМ ЗАЩИТЫ ОТ АТАК

  Р.М.Х. Ауси , Е.В. Заргарян , Ю. А. Заргарян

  2023-06-07

  Аннотация ▼

  В последние годы алгоритмы машинного обучения, а точнее алгоритмы глубокого обу-
  чения, широко используются во многих областях, включая кибербезопасность. Однако сис-
  темы машинного обучения уязвимы для атак со стороны злоумышленников, и это ограничи-
  вает применение машинного обучения, особенно в нестационарных средах со враждебными
  действиями, таких как область кибербезопасности, где существуют настоящие злоумыш-
  ленники (например, разработчики вредоносных программ). С быстрым развитием методов
  искусственного интеллекта (ИИ) и глубокого обучения (ГО) важно обеспечить безопасность
  и надежность реализованных алгоритмов. В последнее время уязвимость алгоритмов глубо-
  кого обучения к конфликтующим паттернам получила широкое признание. Изготовленные
  сфабрикованным образом образцы для анализа могут привести к различному нарушению
  поведения моделей глубокого обучения, в то время как люди будут считать их безопасными
  для использования. Успешная реализация атак противника в реальных физических ситуациях
  и сценариях реального физического мира еще раз доказывает их практичность. В результате
  методы состязательной атаки и защиты привлекают все большее внимание со стороны
  сообществ безопасности и машинного обучения и стали горячей темой исследований в по-
  следние годы не только на территории России, но и других странах. Компании «Сбербанк»,
  «Яндекс», «Группа Т1», «Медицинский центр Атлас» и многие другие ведут разработку кон-
  курентоспособных решений, в том числе и на международном рынке. К сожалению, в списке
  10 крупнейших ИТ-компаний направление Big Data, в частности и защита от атак пред-
  ставлено только компанией «Группа Т1», но потенциал роста рынка огромный. В данной
  работе представляются теоретические основы, алгоритмы и применение методов состя-
  зательных атак противника. Затем описывается ряд исследовательских работ по методам
  защиты, охватывающих широкий спектр исследований в этой области. В этой статье ис-
  следуется и обобщаются состязательные атаки и средства защиты, которые представля-
  ют собой самые современные исследования в этой области и отвечают последним требова-
  ниям, предъявляемым к информационной безопасности.