Найти

Результаты поиска

• МОДЕЛИРОВАНИЕ УГРОЗ БЕЗОПАСНОСТИ ДЛЯ ПОСТРОЕНИЯ КОМПЛЕКСНОЙ СИСТЕМЫ ЗАЩИТЫ ИНФОРМАЦИИ НА ОБЪЕКТАХ ИНФОРМАТИЗАЦИИ

  И. А. Ерёмин , А.Е. Якушина , И.Л. Щербов

  41-54

  2025-07-24

  Аннотация ▼

  В рамках данного исследования была детально проанализирована типовая структура объекта информатизации, что позволило квалифицированным специалистам глубже понять механизмы и аспекты, посредством которых различные категории объектов и субъектов обработки информации, которые могут подвергаться угрозам безопасности. Основным механизмом построения комплексной системы защиты информации является модель угроз. Данная модель направлена на выявление и идентификацию потенциальных угроз, их последующий анализ и минимизации рисков их реализации, связанных с нанесением ущерба объекту информатизации. В рамках настоящего исследования для построения модели угроз рассмотрены отечественная база знаний ФСТЭК и международные базы знаний ATT&CK и CAPEC, содержащие в себе исчерпывающую информацию о тактиках и техниках, применяемых злоумышленниками при осуществлении атак на объекты информатизации. В процессе исследования были детально классифицированы различные тактики, используемые злоумышленниками. Особое внимание уделялось определению основных тактик, определяющих точки входа объекта информатизации, которые используются для дальнейшего проведения атаки. В контексте разработки эффективной модели угроз представляется целесообразным проведение комплексного анализа данных, содержащихся в базах знаний, и их последующего совместного использования в процессе построения модели угроз на объектах информатизации. Данный подход позволяет систематизировать и структурировать информацию, что способствует более точному и обоснованному построению модели осуществления потенциальных угроз на разных этапах атаки на объект информатизации. Для построения комплексной системы защиты информации была рассмотрена система поддержки принятия решений. Проведен анализ современных научных исследований, посвященных применяемым методам при построении систем поддержки. В результате работы была приведена взаимосвязь между базами знаний тактик и техник, а также общеизвестных уязвимостей методом онтологии, которая позволяет построить модель комплексной атаки угрозы, и определить объекты воздействия, на которые воздействует злоумышленник на различных этапах комплексной атаки, критичность применяемой уязвимости и платформы, на которой данная уязвимость реализуема, и определение негативных последствий.

• СТОХАСТИЧЕСКАЯ МОДЕЛЬ КОГНИТИВНОГО РИСКА ТРЕЙДЕРОВ В УСЛОВИЯХ ВОЛАТИЛЬНОСТИ ДЕЦЕНТРАЛИЗОВАННЫХ РЫНКОВ

  Д. Г. Веселова , Н. Е. Сергеев

  189-199

  2025-12-30

  Аннотация ▼

  Настоящее исследование посвящено разработке стохастической модели когнитивного риска трейдеров как ключевого компонента интеллектуальной системы поддержки принятия решений (СППР) для децентрализованных криптовалютных рынков. Актуальность работы обусловлена спецификой DeFi-среды, характеризующейся высокой и нестационарной волатильностью, отсутствием централизованных механизмов стабилизации, асимметрией информации и значительным влиянием поведенческих факторов на принятие торговых решений. В данных условиях традиционные детерминированные и статические СППР демонстрируют ограниченную эффективность, поскольку не учитывают динамическое восприятие риска участниками рынка и связанные с ним когнитивные искажения. Целью исследования является формализация когнитивного риска трейдеров в виде стохастического процесса с эффектом памяти и интеграция соответствующей модели в архитектуру СППР, ориентированной на адаптивное управление риском. Для достижения поставленной цели разработано стохастическое дифференциальное уравнение, описывающее динамику когнитивного риска в зависимости от рыночной волатильности и текущих режимов рынка, а также вероятностное ядро переходов между рыночными состояниями, связывающее объективные рыночные характеристики с субъективным восприятием риска. Для оценки параметров модели предложен идентификационный каркас, основанный на алгоритме Expectation–Maximization в сочетании с фильтром частиц, что обеспечивает возможность работы с нелинейными и скрытыми состояниями системы. Методика исследования включает численное моделирование на синтетических данных, оценку параметров модели на реальных временных рядах криптоактивов, а также валидацию результатов с использованием схем walk-forward и purged
  K-fold. Качество вероятностных прогнозов оценивалось с применением метрик отрицательного логарифмического правдоподобия (NLL), Brier Score и ожидаемой ошибки калибровки (ECE). Экспериментальные результаты показали, что включение когнитивного стохастического слоя позволяет улучшить качество вероятностных прогнозов в среднем на 10–15%, снизить NLL на 8%, Brier Score на 11% и ECE на 35%, а также повысить точность предсказания ключевых переходов между рыночными режимами на 5–7 процентных пунктов. Полученные результаты подтверждают эффективность предложенной стохастической модели когнитивного риска и демонстрируют её применимость для построения адаптивных СППР в DeFi-сегменте. Разработанный подход может служить основой для дальнейшего развития предиктивных моделей поведения трейдеров и интеллектуальных систем управления риском в децентрализованных финансовых экосистемах.