CC BY
86
МЕТОДОЛОГИЧЕСКИЙ БАЗИС АГЕНТНЫХ ТЕХНОЛОГИЙ ДЛЯ ОБЕСПЕЧЕНИЯ ИНФОРМАЦИОННОЙ ЗАЩИЩЁННОСТИ
Птицын А.В., к.т.н., доцент, Санкт-Петербургский национальный исследовательский университет информационных, технологий, механики и оптики, pticin@inbox.ru
Ключевые слова:
агент, технология, информационная безопасность, модель, метод, методология.
Расширен методологический базис агентных технологий для обеспечения информационной защищённости. Методологический базис ориентирован на генерацию модельно-аналитического интеллекта систем мониторинга. Мониторинг реализуют интеллектуальные информационные агенты. В мониторинге различают четыре этапа. Первый этап предусматривает пре-о; одоление априорной неопределенности относительно состава информант^ ционной инфраструктуры. Второй этап связан с планированием действий <С программных агентов. Планы действий агентов нацелены на обнаруже-О ние и отражение информационных угроз. Третий этап использует модель-^ но-аналитический интеллект системы мониторинга для вычисления динамических характеристик программных агентов. Четвёртый этап включает контроль соблюдения требований к информационной защищённости. Расширение методологического базиса выполнено на основе формализаций объектно-ориентированного моделирования деятельности программных агентов в крупномасштабных гетерогенных сетях. Качество интеллектуального мониторинга представляют статистические характеристики времени достижения запланированных целей и риск срыва временного регламента защиты информации от воздействия информационных угроз. Для определения показателей качества интеллектуального мониторинга задействованы гиперметоды теории вероятностей и теории распределённых систем. Гиперметоды разработаны путём контекстной интеграции методов анализа стохастических распределённых процессов. При интеграции использован метод свободного объединения подпроцессов и метод свёртки. Объединения параллельных действий представляют различные типовые спецификации. Описание типовых спецификаций сформировано на основе булевых функций и мажоритарной функции. При определении показателей выделены две ситуации. Первая ситуация отражает процесс преодоления априорной неопределенности относительно состава информационной инфраструктуры. Вторая ситуация представляет достижение целей по обнаружению и отражению информационных угроз. Каждую ситуацию описывает соответствующий кортеж. В оба кортежа введена нотация объектно-ориентированного моделирования. Разработанные гиперметоды учитывают вариации по видам и параметрам механизмов синхронизации параллельных действий. С помощью гиперметодов сгенерирован новый сегмент модельно-аналитического интеллекта рациональных программных агентов. Сегмент позволяет предусмотреть произвольные изменения масштабов сетей. Для двух указанных ситуаций выполнена проверка модельно-аналитического интеллекта. Эксперимент подтвердил корректность методик и правильность определения показателей качества интеллектуального мониторинга. В ходе эксперимента продемонстрирована высокая вероятность достижения целей.
Стремительное развитие инфокоммуникационных технологий отображается в совершенствовании и расширении профессиональной направленности научно-образовательно-производственных сред, системообразующим ядром которых являются информационные инфраструктуры. Подобные совершенствования и расширения сопровождаются разнообразными изменениями в ситуационном пространстве поля угроз для информационных инфраструктур и в жизненных циклах комплексных систем защиты информации. В подобных ситуациях проявляется объективная необходимость наращивания функциональных возможностей повышения эффективности безопасных информационных технологий. Представленное взаимное влияние объектов профессиональной деятельности является одним из проявлений диалектического развития техносферы социума.
При высоком темпе обновлений инфокоммуника-ционных технологий становится недопустимым разрыв между их потенциальными возможностями и фактическими теоретико-технологическими достижениями, предусматривающими обеспечение информационной безопасности. В случаях проявления подобного разрыва могут наблюдаться не только негативные последствия в виде снижения эффективности профессиональной деятельности, но и внештатные ситуации, приводящие к техногенным катастрофам. В связи с этим расширяется круг проблем, связанных с согласованным развитием теоретических и технологических основ обеспечения информационной безопасности.
Одно из актуальных исследований информационной защищённости крупномасштабных гетерогенных сетей ориентируется на анализ мощности интеллектуальных технологий, обеспечиваемой интеллектуальными информационными агентами. Обширное многообразие функциональных аспектов организации интеллектуальных агентов раскрывается в [1]. Современные стратегии и алгоритмы планирования действий интеллектуальных информационных агентов раскрываются в [2,3]. В [2] обсуждаются альтернативные формальные приёмы оптимизации действий интеллектуальных информационных агентов, а также представляются различные варианты выбора оптимального алгоритма в зависимости от постановки задачи оптимизации и характеристик окружающей среды. В [3] строятся математические модели поведения интеллектуальных информационных агентов и определяются их динамические характеристики применительно к информационным сетям при явных схемах описания предусловий выполняемых ими действий. В [4] описываются разработка и анализ моделей поведения интеллектуальных информационных агентов в гетерогенной сети при априорной неопределенности в описаниях функций синхронизации выполняемых ими действий. В [5] систематизируются основные достижения, связанные с моделированием интеллектуальных информационных агентов с подсистемами планирования действий
по достижению поставленных целей в информационных сетях. В [6] предлагается методологическая основа для проектирования интеллектуальных программных агентов с динамическими приоритетами в объединении их распределённых действий. В [7] формируется математическая основа для преодоления неопределенности относительно динамических профилей комплексных систем защиты информации. Предложенные в [1-8] формализации формирования модельно-ана-литического обеспечения информационных интеллектуальных агентов создают объективные предпосылки для образования методологического базиса агентных технологий, обеспечивающих информационную защищённость крупномасштабных сетей.
Представляемое исследование предваряется определением методологических аспектов генерации технологического базиса систем интеллектуального мониторинга. Методологическими аспектами предусматривается создание систем интеллектуального мониторинга на основе интеллектуальных информационных агентов с планируемыми действиями по обнаружению и отражению информационных угроз. В процесс проектирования интеллектуальных информационных агентов включаются: преодоление априорной неопределённости относительно описания крупномасштабной гетерогенной сети; описание среды их погружения; представление базиса процедур планирования действий; выбор показателей и критериев качества мониторинга; технология объектно-ориентированного проектирования; методология определения и оценки показателей и критериев качества интеллектуального мониторинга в зависимости от параметров, отражающих ключевые особенности архитектуры интеллектуальных информационных агентов и состояния среды; оптимизация планируемых действий в контексте обеспечения необходимых гарантий по качеству интеллектуального мониторинга.
Методологический базис агентных технологий, обеспечивающих информационную защищённость информационных инфраструктур, дополняется формализацией объектно-ориентированного анализа преодоления априорной неопределённости относительно описания крупномасштабной гетерогенной сети. Преодоление указанной неопределённости требуется для планирования действий информационных агентов, образующих систему интеллектуального мониторинга крупномасштабной гетерогенной сети.
Ситуация преодоления априорной неопределённости относительно описания крупномасштабной гетерогенной сети с помощью информационного агента описывается кортежем
где Я - априорно неопределённый вектор, описывающий состояние информационных ресурсов сети;
^ (к 0)- вектор плотностей распределения вероятностей к 0 дискретного времени успешного выполнения запросов информационного агента;
^ (к 0)- вектор плотностей распределения вероятностей к0 дискретного времени неуспешного выполнения запросов информационного агента; С - матрица инциденций, представляющая вырожденный граф объектно-ориентированной модели параллельных действий информационного агента; Р/ - множество матриц вероятностей переходов, характеризующих последовательные действия в параллельных профилях информационного агента; Бд - вектор функций объединения последовательно выполняемых действий информационного агента;
- вектор функций разветвления последовательно выполняемых действий информационного агента;
Бдг - вектор априорно неопределённых функций объединения распараллеленных действий информационного агента;
- вектор функций распараллеливания действий информационного агента;
- нотация объектно-ориентированного моделирования.
Априорно неопределённый вектор, описывающий состояние информационных ресурсов сети, заполняется по мере выполнения к ним запросов информационного агента.
Для заполнения выше приведённого описания предусматривается реализация системы определяемых методик.
По отношению к известным представлениям объектно-ориентированных моделей артефактов, описанных в [6], приведённое описание является расширенным за счёт учёта таких компонентов формализации, 5 5 II
как Я , f (ко), f (к 0), Р/ , Описание процесса функционирования информационного агента в виде кортежа с введёнными компонентами Я , , Ы0 является расширением модельного ряда ключевых составляющих агентных технологий, сокращающим размерность множества различий между абстрактным представлением и реальным функционированием исследуемых объектов. Благодаря учёту компонента Ы0 при формировании описания обеспечивается объединение проводимого анализа с объектно-ориентированным проектированием программной реализации информационного агента.
В методологический базис агентных технологий вводится операционная составляющая, предназначенная для определения и оценки показателей качества в виде математического ожидания времени устранения неопределённости относительно действующего состава инфраструктуры и риска срыва временного регламента, связанного с выяснением её состояния.
Операционная составляющая образуется посредством интеграции метода свободного объединения и метода свёртки подпроцессов, описывающих объек-
тно-ориентированные модели функционирования информационного агента при выполнении типовых запросов в виде расширенной диаграммы деятельности с нотацией унифицированного языка моделирования.
Для получения оценок выбранных показателей выдвигаются три гипотезы относительно возможного объединения распараллеленных действий агента: исключительные события, равновероятные и разноверо-ятные события.
Благодаря методу свободного объединения подпроцессов определение аналитических выражений указанных показателей является инвариантным по отношению к выдвинутым гипотезам. За счёт вариаций в гипотезах формируются интервальные оценки показателей качества.
В операционной составляющей методологического базиса выделяется система элементарных правил анализа функциональных спецификаций соединений действий информационного агента, для каждого из которых раскрывается шаблон выполняемых преобразований.
Шаблон преобразования при анализе j-го априорно неопределённого соединения I действий информационного агента определяется соотношением вида:
где f(k) - плотность распределения вероятностей момента времени завершения соединения; d - признак ситуации, d = s или d = f ; pd3 - вектор вероятностей приоритетности событий, соответствующий выдвигаемой гипотезе.
Процессы выполнения типовых запросов отображаются системой моделей, каждая из которых строится в виде расширенной диаграммы деятельности с нотацией унифицированного языка моделирования. В результате применения операционной составляющей методологического базиса генерируется модель-но-аналитический интеллект рационального информационного агента, решающего задачу преодоления априорной неопределённости относительно описания крупномасштабной гетерогенной сети. Рациональность трактуется в контексте обеспечения наилучшего качества функционирования информационного агента за счёт выбора соответствующих параметрических и синхронизационных настроек, влияние которых отслеживается модельно-аналитическим интеллектом рационального информационного агента.
Сегмент модельно-аналитического интеллекта, связанный с преодолением априорной неопределённости относительно описания крупномасштабной гетерогенной сети, является открытым. Указанное свойство может использоваться для образования новых компонентов этого сегмента посредством формирования и преобразования дополнительного множества расширенных объектно-ориентированных моделей процессов функционирования информационных аген-
тов применительно к реальным ситуациям, характерным для конкретных сетей.
Последующее развитие методологического базиса агентных технологий ориентируется на расширение системно-аналитического ядра рациональных информационных агентов при анализе достижимости их целей. Цели могут распространяться как обнаружение появляющихся угроз, так и на их отражение.
Ситуация достижения цели в крупномасштабной гетерогенной сети с помощью информационного агента описывается кортежем
где V - вектор отображения цели.
Согласно возможностям класса диаграмм деятельности унифицированного языка моделирования строятся типовые расширенные объектно-ориентированные модели достижимости целей в условиях априорной неопределённости представления спецификаций соединений параллельных действий. Расширение моделей по отношению к контексту объектно-ориентированного моделирования осуществляется путём включения вероятностей переходов между запланированными и реализуемыми действиями информационных агентов, а также плотностей вероятностей времени их выполнения.
Построенные модели отличаются от моделей процесса функционирования информационного агента при преодолении априорной неопределённости относительно описания крупномасштабной гетерогенной сети по размерности, топологии, а также статистическим характеристикам выполняемых запросов и их связей.
Операционная составляющая методологического базиса, разработанная при анализе преодоления априорной неопределённости относительно описания крупномасштабной гетерогенной сети, применяется для определения и оценки показателей качества в виде математического ожидания и дисперсии времени достижения цели, а также риска его срыва. Указанные показатели находятся посредством преобразования типовых расширенных объектно-ориентированных моделей достижимости целей в условиях априорной неопределённости представления спецификаций соединений параллельных действий с помощью использования системы опорных правил операционной составляющей методологического базиса агентных технологий.
При оценке определяемых показателей достижимости цели осуществляется ориентация на исключительные события, равновероятные и разновероятные события, соответствующие трём ранее выдвинутым гипотезам относительно возможного объединения распараллеленных действий агента. При подобной ориентации формируются интервальные оценки по-
казателей достижимости цели, обеспечивающие последующий рациональный выбор наилучшего варианта синхронизации действий информационного агента.
В результате применения операционной составляющей методологического базиса генерируется модельно-аналитический интеллект информационного агента, решающего задачу достижения цели в крупномасштабной гетерогенной сети. Таким образом, образуется расширенный сегмент модельно-аналитического интеллекта информационного агента, погружаемого в среду крупномасштабной гетерогенной сети.
Анализ качества функционирования программных агентов интеллектуального мониторинга проводится в два этапа. На первом этапе осуществляется подтверждение корректности объектно-ориентированного аналитического моделирования, а на втором выясняется зависимость качества от архитектурных особенностей программных агентов при решении типовых задач мониторинга в среде гетерогенной сети. На обоих этапах рассматриваются условия преодоления априорной неопределённости относительно сетевой инфраструктуры и достижения целей при опросе реплицированных и нереплицированных информационных источников в случаях использования различных механизмов синхронизации действий интеллектуальных агентов, среди которых:
- механизм синхронизации параллельных действий с неизвестной функцией;
- механизм синхронизации параллельных действий, описываемый логической функцией «л»;
- механизм синхронизации параллельных действий, описываемый логической функцией «V»;
- механизм синхронизации последовательных действий, описываемый логической функцией «©».
Подтверждение корректности выполняется посредством сопоставления результатов аналитического и инструментального оценивания.
Исследование зависимости качества функционирования программных агентов интеллектуального мониторинга базируется на анализе результативности выполнения поставленных задач в ситуациях масштабируемого взаимодействия по высокоскоростному и низкоскоростному каналу с информационными ресурсами, обладающими свойствами трёх типов: высокая производительность и высокая надёжность; средняя производительность и невысокая надёжность; сверхвысокая производительность и высокая надёжность.
При анализе выявляется существенная зависимость качества функционирования информационных агентов интеллектуального мониторинга от видов и параметров механизмов синхронизации выполняемых ими действий во всех рассматриваемых ситуациях масштабируемого взаимодействия с информационными ресурсами. В связи с этим мо-дельно-аналитическим интеллектом программных агентов обеспечивается возможность соблюдения
гарантий по выполнению необходимых требований к качеству их функционирования посредством варьирования масштабированием, видами и параметрами механизмов синхронизации реализуемых действий. В ходе экспериментов выясняются приёмы определения интервальных оценок для показателей качества функционирования программных агентов интеллектуального мониторинга при синхронизации их параллельных действий с неизвестной функцией. Подобными приёмами могут пользоваться рациональные агенты как для ускорения их деятельности с соблюдением гарантий по качеству, так и для самоконтроля, что особенно важно в условиях воздействия появляющихся угроз.
Наиболее высокая оперативность устранения априорной неопределённости относительно описания крупномасштабной гетерогенной сети наблюдается при опросе реплицированных источников. В случае устранения неопределённости при неизвестном механизме синхронизации параллельных действий показываются хорошие показатели качества оперативности и вероятности достижения цели. Для всех экспериментов достижимость цели удачного выполнения запросов не менее 75% (для срочных запросов) и 95% (для несрочных запросов).
Во всех проанализированных ситуациях подтверждается функциональность модельно-аналитического интеллекта по оценке зависимостей показателей качества функционирования программных агентов от варьируемой масштабируемости, видов и параметров механизмов синхронизации действий по преодолению априорной неопределённости относительно описания гетерогенной сети и по достижению планируемых целей.
Предложенный методологический базис агентных технологий предназначается для генерации системно-аналитического ядра рациональных программных агентов применительно к гарантированному достижению их целей по обеспечению информационной защищённости при вариациях по масштабируемости и множествам видов и параметров механизмов синхронизации планируемых ими действий.
Литература
1. С. Рассел, П. Норвиг. Искусственный интеллект: современный подход. 2-е изд.,: пер. с англ. - М. : Издательский дом «Вильямс», 2007. - 1408 с. - ISBN 978-58459-0887-2, ISBN 0-13-790395-2.
2. Птицына Л.К., Добрецов С.В. Интеллектуальные технологии и представление знаний. Планирование действий интеллектуальных агентов в информационных сетях: учеб. пособие . - СПб. : Изд-во Политехн. унта, 2006. - 172 с. - ISBN 5-7422-1101-5.
3. Птицына Л.К., Шестаков С.М. Информационные сети. Интеллектуальные информационные агенты: учеб. пособие. - СПб. : Изд-во Политехн. ун-та, 2008. -210с. - ISBN 5-7422-1728-5.
4. Птицына Л.К., Власов С.Н. Разработка и анализ моделей поведения интеллектуальных информационных агентов в гетерогенной сети при априорной неопределенности // Промышленные АСУ и контроллеры. № 6. - М.: Изд-во Научтехлитиздат, 2011. - С. 33 - 37.
5. Птицына Л.К., Власов С.Н. Научные достижения в области разработки математического обеспечения интеллектуальных информационных агентов для формирования нового качества высшего политехнического образования. Лекция-доклад // Труды Всероссийской научно-практической конференции с международным участием «Информационные технологии в обеспечении нового качества высшего образования (14-15 апреля 2010 г., Москва, НИТУ «МИСиС»)». -М. : Исследовательский центр проблем качества подготовки специалистов, 2010. - 52 с.
6. Птицына Л.К., Лебедева А.А. Информационные технологии проектирования интеллектуальных программных агентов для крупномасштабных сетей // Труды Международной научно-методической конференции «Информатизация инженерного образования»
- ИНФ0РИН0-2014 (Москва, 15 - 16 апреля 2014 г.).
- М.: Издательство МЭИ, 2014. - C. 265 - 266. - ISBN 978-5-7046-1535-4.
7. Птицына Л.К., Птицын А.В. Преодоление неопределенности относительно динамических профилей комплексных систем защиты информации // Вестник Сибирского государственного аэрокосмического университета имени академика М. Ф. Решетнева. Выпуск 5 (31) (по материалам XII Международного симпозиума по непараметрическим методам в кибернетике и системном анализе) Красноярск. - 2010. - С. 54 - 156.
8. Птицына Л.К., Лебедева А.А. Модельно-ана-литическое обеспечение информационных интеллектуальных агентов с динамической синхронизацией их действий // Наукоемкие технологии в космических исследованиях Земли. - 2014. № 6. -С. 68 - 71.
METHODOLOGICAL BASIS OF AGENT TECHNOLOGIES TO ENSURE INFORMATION IS PROTECTED
Ptitsyn A., Ph.D, associate professor,
Saint Petersburg National Research University of
Information Technologies, pticin@inbox.ru
Abstraсt
Expanded methodological basis of agent technology to provide information protected. Methodological basis is focused on the generation of model-analytical intelligence monitoring systems. Monitoring realize intelligent information agents. The monitoring distinguish four stages. The first stage involves overcoming a priori uncertainty about the composition of the information infrastructure. The second stage involves planning actions of software agents. Action Plans agents aimed at the detection and reflection of information threats. The third stage uses a model-analytical intelligence monitoring system to calculate the dynamic characteristics of software agents. The fourth stage involves monitoring compliance to the security of information. Expanding methodological basis is made on the basis of formalization of object-oriented modeling activities of software agents in large-scale heterogeneous networks. Quality intelligent monitoring are the statistical characteristics of time to achieve the planned objectives and the risk of failure of temporary regulations to protect information against information threats. To determine the quality parameters involved hyper intelligent monitoring methods of probability theory and the theory of distributed systems. Hyper methods developed by the content integration methods for the analysis of stochastic distributed processes. With the integration method is used free association method and sub-fold. Combining parallel actions represent different model specifications. Description Specs formed on the basis of Boolean functions, and the majority function. In determining the parameters identified two situations. The first situation reflects the process of overcoming the a priori uncertainty about the composition of the information infrastructure. The second situation is the achievement of objectives to detect and repel information threats. Each situation describes the corresponding tuple. In both tuple notation introduced object-oriented modeling. Designed hyper methods take into account variations in the types and parameters of parallel synchronization mechanisms of action. With hyper methods generated a new segment model of rational intelligence and analytical software agents. Segment allows you to provide an arbitrary
change scale networks. For these two situations is carried out check-analytical model of intelligence. The experiment confirmed the correctness of the methods and the correctness of the indicators of quality of intelligent monitoring. The experiment demonstrated a high probability of achieving the goals.
Keywords: agent, technology, information Security, model, method, methodology.
References
1. Russell, S., Norvig, P. 2007, Artificial intelligence: a modern approach, Moscow, 1408 p.
2. Ptitsyna, L.K., Dobretsov, S.V. 2006, Intelligent technologies and knowledge representation. The planning of operations of intelligent agents in informative networks: educational book, Saint-Petersburg, 172 p.
3. Ptitsyna, L.K., Shestakov, S.M. 2008, Informative networks. Intelligent informative agents: educational book, Saint-Petersburg, 210 p.
4. Ptitsyna, L.K., Vlasov, S.N. 2011, The development and analysis of behavioral models of intelligent informative agents in a heterogeneous network in conditions of a priori uncertainty // Industrial automatic control systems and controllers, Moscow, no. 6, p. 33 - 37.
5. Ptitsyna, L.K., Vlasov, S.N. 2010, Scientific achievements in the development of mathematical support of intelligent information agents for the formation of a new quality of Polytechnic education. It's the lecture-report // Papers of all-Russian scientific-practical conference with international participation "Information technologies in the providing of a new quality of higher education (April, 14 - 15, Moscow)", Moscow, 52 p.
6. Ptitsyna, L.K., Lebedeva, A.A. 2014, Information developing technologies of intelligent software agents for large-scale networks // Papers of International scientific-methodical conference "Informatization of engineering education" - INF0RIN0-2014 (April, 15 - 16, Moscow), Moscow, p. 265-266.
7. Ptitsyna, L.K., Ptitsyn, A.V. 2010, The overcoming uncertainty about the dynamic profiles of complex systems of information security // Journal of the Siberian state aerospace university named after academician M.F. Reshetnev, Krasnoyarsk, no. 5 (31) (papers of the XII International Symposium on nonparametric methods in cybernetics and system analysis), p. 154 - 156.
8. Ptitsyna L.K., Lebedeva A.A. 2014, The model-analytical support of informative intelligent agents with dynamic synchronization of their operations // H&ES Research, no. 6, pp. 68 - 71.
