CC BY
38
ТЕХНИЧЕСКИЕ НАУКИ
УДК 004.056
Л.А. Амаева
ст.преподаватель, НХТИ (филиал) ФГБОУ ВО «КНИТУ»,
г. Нижнекамск, Респ. Татарстан E-mail: achaevala@yandex.ru
МОДЕЛИРОВАНИЕ УГРОЗ КОМПЬЮТЕРНЫХ СИСТЕМ С ИСПОЛЬЗОВАНИЕМ НЕЧЕТКОЙ ЛОГИКИ
Аннотация
В данной работе разработан метод моделирования угроз с использованием нечеткой логики. Реализация нечеткой системы выполняется с использованием логических инструментов программного продукта MATLAB.
Ключевые слова:
Моделирование угроз, модель STRIDE, нечеткая логика, система нечеткого логического вывода,
модель нечеткого вывода Мамдани.
Вопрос информационной безопасности сейчас представляет собой серьезную проблему. Основная причина в том, что большая часть программного обеспечения не может противостоять атакам безопасности. В основном эти атаки направлены на поиск уязвимостей в программных системах. Поэтому в настоящее время анализ рисков играет значительную роль в управлении безопасностью. Это объясняется тем, что управление рисками - это инструмент, имеющий решающее значение для создания защищенных программных продуктов. С другой стороны считается, что разработка защищенной компьютерной системы представляет собой сложную проблему. Если произойдет атака на систему, то это в свою очередь может нанести огромный ущерб, поэтому пользователи программного обеспечения заинтересованы в защищенных программных продуктах.
Кроме того, для адекватной защиты компьютерных систем важно правильно понимать потенциальные угрозы, связанные с системой. Существует несколько процессов для идентификации угроз и рисков заражения. Одним из наиболее эффективных является моделирование угроз.
Моделирование угроз - представляет собой процесс выявления, количественной оценки и анализа потенциальных угроз компьютерных систем и в настоящее время является важным фактором разработки безопасных программных систем. В процессе моделирования происходит оценка и документировании рисков безопасности системы. Моделирование угроз безопасности позволяет понять профиль угрозы системы, исследуя ее глазами потенциальных противников. С помощью таких методов, как идентификация точки входа, границы привилегий, можно определить стратегии для смягчения потенциальных угроз для системы.
Для категоризации угроз с учетом их влияния на безопасность приложения будем использовать модель STRIDE.
1. Подмена объекта или «маскарад» (Spoofing identity) - использование чужих учетных данных для доступа к недоступным активам. Это возможно при использовании поддельных или украденных данных.
2. Модификация данных (Tampering with data) - целенаправленное искажение постоянных или передаваемых данных
3. Отказ (Répudiation) - пользователь отрицает выполнение им каких-либо действий, пользуясь тем что нет способа доказать обратное.
4. Разглашение информации (Information disclosure) - раскрытие информации пользователю, у которого нет разрешения на его доступ.
5. Отказ в обслуживании (Denial of service) - угрожает способности правомочных пользователей получать доступ к ресурсам.
6. Повышение привилегий (Elevation of privilege) - возникает, когда непривилегированный пользователь получает привилегированный статус.
Процесс моделирования угроз помогает системным администраторам оценивать и документировать риски безопасности связанных с системой. Идентификация угроз помогает разработать эффективные, реалистичные и содержательные требования к безопасности компьютерных систем и позволяет провести соответствующий отбор мер.
Для эффективного моделирования угроз разработаем систему с использованием теории нечетких множеств, которые являются одним из популярных методов для решения различных задач. Такие системы называют системами нечеткого вывода. Для работы таких систем используются нечеткие правила вида «Если... то» и нечеткие рассуждения.
Система реализована с помощью MATLAB FUZZY LOGIC TOOLBOX, который содержит инструменты для проектирования систем нечеткой логики. При разработке системы будет использована модель нечеткого вывода Мамдани[1].
Рассмотрим архитектуру системы моделирования угроз на основе нечеткой логики (рис.1.)
Рисунок 1 - Архитектура системы моделирования угроз
Для каждой угрозы определим лингвистические значения: низкий, средний и высокий. Выходное значение будет иметь следующие лингвистические значения: очень низкий, низкий, довольно низкий, средний, достаточно высокий, высокий и очень высокий. Все эти значения представлены с использованием функции принадлежности, представляющей собой кривую, которая определяет степень принадлежности каждой точки входного множества и принимает значения из отрезка [0, 1] (рис.2) [2].
Рисунок 2 - Фаззификация в МаАаЬ Задаем совокупность правил, по которым будет функционировать данная нечеткая система (рис.3.)
Рисунок 3 - База правил
Таким образом, мы получили модель нечеткого логического вывода Мамдани, которая позволяет провести моделирование угроз с использованием нечеткой логики.
Рисунок 4 - Модель нечеткого логического вывода
Анализ работы разработанной модели проводился с использованием различных входных данных значений. Выходное значение показывает возможность причинения вреда системе. Таким образом, данная система может быть эффективно использована для качественной оценки рисков.
Список использованной литературы:
1. В.А.Седов, Н.А.Седова, Программные системы и вычислительные методы, 4, 456-463 (2014)
2. Л.А.Амаева, Вестник Казанского технологического университета, 18, 1, 320-322 (2015)
© Амаева Л.А., 2018
УДК 004.056
Л.А. Амаева
ст.преподаватель, НХТИ (филиал) ФГБОУ ВО «КНИТУ»,
г. Нижнекамск, Респ. Татарстан E-mail: achaevala@yandex.ru А.И.Закиров
магистрант 2 курса НХТИ (филиал) ФГБОУ ВО «КНИТУ»,
г. Нижнекамск, Респ. Татарстан E-mail: arturzakirov0@gmail.com
ИСПОЛЬЗОВАНИЕ НЕЙРОННЫХ СЕТЕЙ ДЛЯ РАСПОЗНАВАНИЯ АВТОМОБИЛЬНЫХ НОМЕРОВ
Аннотация
В данной работе рассмотрен подход к распознаванию автомобильных номеров с использованием нейронной сети. Реализация системы выполняется с использованием инструментов программного продукта MATLAB.
Ключевые слова:
Нейронная сеть, обучающая выборка, Matlab Neural Network, распознавание, классификация, алгоритм Харриса.
Распознавание номерных знаков автотранспорта представляет собой не сложную задачу, если автомобильный номер расположен строго горизонтально, имеет равномерное освещение, различимые
~ 21 ~
