Найти

Результаты поиска

• ТЕХНОЛОГИЧЕСКОЕ РЕШЕНИЕ ПО ФОРМИРОВАНИЮ ИНФРАСТРУКТУРЫ ДОВЕРИЯ В СИСТЕМЕ ЗАЩИЩЕННОСТИ ЦИФРОВОГО РУБЛЯ

  А.В. Иванов , А.В. Царегородцев , М.В. Валеев

  233-245

  2025-07-24

  Аннотация ▼

  Актуальность статьи обусловлена цифровой трансформацией российской экономики, важнейшим направлением которой является разработка и внедрение инструментов цифрового рубля в кредитно-финансовой сфере. В этой связи национальная система должна базироваться на информационно-технологической инфраструктуре доверия в системе защищенности цифрового рубля. Основными функциональными свойствами подобной инфраструктуры доверия относятся механизмы идентификация и аутентификация, безопасных финансовых транзакций на основе защиты целостности и конфиденциальности данных участников и пользователей платформы цифрового рубля. Кроме технологической готовности инфраструктуры доверия необходимо формирование доверия населения к цифровому рублю. Вышеназванные обстоятельства обусловили важность и необходимость разработки технологического решения по формированию инфраструктуры доверия в системе защищенности цифрового рубля. В процессе исследования решены следующие задачи: проведена  теоретическая интерпретация и эмпирическая операционализация  базовых понятий инфраструктуры доверия цифрового рубля; исследованы ее организационно-технологические предпосылки; уточнены структурные элементы базовой и ролевой модели инфраструктуры цифрового рубля; проведён анализ методов шифрования и токенизации API, а также сформулировано технологическое решение по обеспечению защищенности инфраструктуры доверия цифрового рубля. По результатам исследования предложен комплекс мер направленных на безопасность допуска к платформе цифрового рубля участников и пользователей по защищённым каналам; безопасность допуска кредитных организаций на основе двухфакторной аутентификации, а также безопасность конфиденциальности физических и юридических лиц на инфраструктуре доверия в системе защищенности  цифрового рубля. Практическое значение имеет перечень работ, связанных с развёртыванием Удостоверяющих центров, средств защиты информации и СКЗИ, интеграцией с единой системой идентификации и аутентификации информационного и системой быстрых платежей и их внедрением в общей системе цифрового рубля.

• АЛГОРИТМ КЛАСТЕРИЗАЦИИ БОЛЬШИХ ГРУПП ЭКСПЕРТОВ НА ОСНОВЕ МЕТОДА ИНТЕРПРЕТАЦИОННОГО СТРУКТУРНОГО МОДЕЛИРОВАНИЯ

  Е.М. Герасименко , П.С. Герасименко

  6-21

  2025-12-30

  Аннотация ▼

  Представлен алгоритм для достижения консенсуса в социальных сетях при крупномасштабном групповом принятии решений с неполной вероятностной нечёткой информацией с элементами неуверенности, который учитывает доверительные отношения экспертов. Предложен метод кластеризации экспертов на основе интерпретационного структурного моделирования для классификации экспертов, а также для повышения эффективности достижения консенсуса. Разработаны операторы распространения и агрегирования доверия для вероятностной нечёткой информации с элементами неопределенности, которые позволяют проводить косвенную оценку доверия и определять весовые коэффициенты экспертов. В результате удаётся сформировать несколько подмножеств экспертов; определить весовые коэффициенты для большого числа экспертов на основе их взаимных отношений доверия. На основе кластеризации экспертов и вычисленного косвенного отношения доверия между экспертами осуществляется принятие решений в ЧС за счет достижения консенсуса с учетом колеблющейся вероятностной нечеткой информации и определяется наилучшая эвакуационная альтернатива. Оценки, предоставляемые экспертами в виде вероятностных колеблющихся нечётких значений, позволяют эффективно моделировать сомнения, неуверенность, несогласованность экспертов в оценках в случае участия группы экспертов или различных экспертных организаций. Вместе с тем становится возможным учитывать различные значения оценок экспертов в задачах принятия многокритериальных решений, когда эксперты не могут согласовать общие степени принадлежности. Алгоритм позволяет классифицировать большую группу экспертов на несколько подмножеств на основе их отношений социального доверия. Этот метод исключает получение пересекающихся подмножеств, при этом нет необходимости заранее задавать параметры кластеризации. Метод использует исключительно отношения социального доверия между экспертами, тем самым обходя проблему субъективного вмешательства в процесс кластеризации. По сравнению с традиционными методами кластеризации метод кластеризации на основе метода интерпретационного структурного моделирования позволяет эффективно выявить иерархическую структуру взаимоотношений между экспертами и минимизировать число участников крупномасштабного группового принятия решений в социальной сети за счет снижения размерности множества экспертов. Кластеризация экспертов на основе метода интерпретационного структурного моделирования существенно повышает эффективность и реализуемость крупномасштабного группового принятия решений

• КЛАССИФИКАЦИЯ УЗЛОВ – ОБРАБОТЧИКОВ В СИСТЕМАХ БОЛЬШИХ ДАННЫХ В СООТВЕТСТВИИ С ПОДХОДОМ НУЛЕВОГО ДОВЕРИЯ

  М.А. Полтавцева , Д. В. Иванов

  55-62

  2025-07-24

  Аннотация ▼

  Кибербезопасность данных является одним из важнейших факторов успешной реализации национального проекта «Экономика данных и цифровая трансформация государства». Проблемы построения защищенных систем обработки больших данных заключаются в их гетерогенной природе, большом числе разнородных инструментов, высокой связности и высоком доверии между распределенными компонентами. Снижение внутреннего доверия и уменьшение поверхности атаки в соответствии с подходом zero-trust необходимо для повышения защищенности таких систем с наименьшим влиянием на их производительность. Целью работы является создание метода динамической классификации узлов и компонент обработки данных в гетерогенных системах больших данных на основе применения различных подходов к снижению доверия в отношении объектов, реализующих процесс обработки информации. Рассматривается подход нулевого доверия применительно к исследуемому классу систем, а также ставится задача расширенной реализации принципа минимальных привилегий уменьшения поверхности атаки. Представлена классификация узлов – обработчиков на основе выполняемых ими операций с данными, унифицированных согласно разработанной ранее концептуальной модели данных. Предлагается сопоставление узлов и применяемых в их отношении методов безопасности на основе необходимости доступа к семантике и компонентам данных для выполнения операций. На основе данной классификации разработан метод динамического определения класса узлов-обработчиков данных в процессе работы системы для ситуаций изменения компонентного состава системы обработки больших данных, типичной для многокомпонентных распределенных высоконагруженных систем. Результаты работы являются частью комплексного консистентного подхода к построению защищенных систем обработки больших данных