_їді хі
РІІе ОрИоп Неір
В> В <Ж||_________________________________________________________________________Л|]_________________________________
График Сведения об обучающихся | Настройки |
ФИО обучающегося квант оценка 1 2 3 4 5 ^
1 Абрамов Г.Э. 0,00021 5 0 0 0 0 0
2 Бабин К.Е. 0,0001 3 5 0 0 0 0 0
3 Б ойко А.Н. 0,00421 2 0 0 2,36 30,51 42.46
4 Бурлаков И.В. 0,00022 5 0 0 0 0 0
5 Б утенко А. Г. 0,001 54 3 □ 0 0 8,78 24.4Є
Є Веремьев Р.В. 0,0001 Є 5 □ 0 0 0 0
7 Воронина О.В. 0,00039 4 0 0 0 0 4.9Є
8 Демин А.Г. 0,0001 4 5 8 0 0 0 0
Э ДороФеев С.В. 0,00028 4 8 0 0 0 1,36
10 Журавская М.И. 0,0001 5 5 □ 0 0 0 0
11 И сачвнко А. С. 0,00045 4 □ 0 0 0 6.85
12 Калач Г.А. 0,00048 4 0 0 0 0 7,43
13 Лозбенееа Ю.В. 0,001 58 3 8 0 0 9,30 24.89
14 Модельян Е.А. 0,0001 2 5 8 0 0 0 0
15 Насонов И.Ю. 0,0001 6 5 8 0 0 0 0
18 НвскоблинаВ В 0,00754 2 □ 0 20,52 43,44 53,16
17 Н икупинЕ В 0,0001 3 5 □ 0 0 0 0
18 Спасенов А. С. 0,00254 3 8 0 0 19,31 33,16
18 Тенетко М.И. 0,00054 4 8 0 0 0 8,91
Рис. 2. Шкала оценок
3. Комплексная информация о характеристиках оценки формируемой программно-аппаратными комплексами системой (показатели активной оценки, фазовое пространство групповой оценки, среднее количественное пространство групповой оценки, энтропийное пространство принятия решения, среднее энтропийное пространство групповой оценки) обеспечит возможность адаптивной модернизации образовательных программ и методик образования как в обычных системах, так и в системах дистанционного образования в области инновационного менеджмента наукоемкой продукции с позиций теории виртуального познания.
УДК 621.391.037
Котенко В.В., Евсеев А.С., Румянцев К.Е.
НОВЫЙ ПОДХОД К ОЦЕНКЕ ЭФФЕКТИВНОСТИ И КАЧЕСТВА СКРЕМБЛИРОВАНИЯ НА ОСНОВЕ ОПРЕДЕЛЕНИЯ ИДЕНТИЧНОСТИ ВИРТУАЛЬНЫХ ВЕРБАЛЬНЫХ РЕЧЕВЫХ ОБРАЗОВ
В настоящее время постоянно возрастающая роль информационных и телекоммуникационных технологий сопровождается возрастающими требованиями к защите информации. Решение этой проблемы, в свою очередь, требует поиска новых подходов к оценке качества защиты информации. Основу применяемых в настоящее время подходов к оценке эффективности защиты аудиоинформации составляет определение разборчивости (ГОСТ Р 50840-95, ГОСТ Р 51061-97) или производного от нее параметра неразборчивости. В данном случае существует довольно серьезная проблема, связанная с тем, что даже при условии нулевой разборчивости в криптограммах может присутствовать избыточность, что оказывает негативное влияние на эффективность защиты аудиоинформации. Предложенный в [4, 5] подход к оценке эффективности защиты аудиоинформации на основе комплексного определения разборчивости и избыточности в основном позволяет решить эту проблему. Однако, природная нестационарность исходных речевых сигналов не позволяет в полной мере оценить эффективность защиты аудиоинформа-
ции даже при использовании этого подхода. Это объясняется тем, что значения избыточности и разборчивости криптограмм в данном случае будут изменяться во времени и, как показали исследования, зависеть от индивидуальных и вербальных характеристик реальных источников речевой информации. Для решения этой проблемы предлагается подход, основанный на формировании информационных виртуальных вербальных речевых образов [1, 2].
С позиций этого подхода общий алгоритм определения оптимальной оценки количества информации ^, минимизирующей средний квадрат ошибки, определяется как:
ад
^ | Л>„ , (1)
— ад
где Pps(J) - апостериорная плотность вероятностей.
Для интервалов квантования во времени t (ti< t < ti+1) апостериорная плотность вероятностей может быть определена дифференциальным уравнением Фо-кера-Планка-Колмогорова [3]:
dP( J(t Х t) = ad {) - ho ](J(0, t)}+} P(J(t), t) (2)
at dJ 4 dJ ’
где a, g, Nj определяется из дифференциального уравнения состояния источника
d( ) = -a(t,J(t)) + g(t)nj (t) (3)
в предположении его стационарности, гауссовости и марковости, когда (3) принимает вид
d( ^ =-a(J(t) - ho) + gnj(t), (4)
где nj(t) - стационарный гауссовский белый шум со спектральной плотностью Nj.
Таким образом, при получении наблюдения Jу (ti) = Jу (i) апостериорная
плотность вероятностей скачком устанавливается равной Pps (J(i)), а затем экстраполируется по закону (2). Исходя из этого, задача определения оценки J*(t) по квантовой последовательности Jг(i) разделяется на две задачи: задачу определения последовательности оценок J *(ti) — J *(i) и задачу сглаживания полученной последовательности J *(i) . Если эта оценка формируется на полуинтервале наблюдения (ti, ti+i) по одному наблюдению Jy (i) , то справедливо выражение J *(t) = J *(i)e ~a(t-ti). (5)
Задача определения оценки J *(i) в общем случае является задачей, которая может быть решена на основании (1) путем определения рекуррентного выражения для апостериорной плотности вероятностей [2]. Результатами этого решения
является рекуррентный алгоритм вида:
J *(i) = e aTj *(г--i) + Kjk) Jг(i) - e aTj *(г--i) -ho + ^, (6)
где к-индекс области квантования, к которой относятся 3^ (0 ; К\ )- коэффициент усиления.
Определение оценки 3 * (/) является основой для формирования оценки информационного вербального образа:
<Х)
£>) = | 3 *(?)в~^<сИ . (7)
о
Выражения (5)-(7) представляют собой математическую модель оценки информационного вербального речевого образа. Реализация данной модели применительно к задачам оценки процессов скремблирования и создание на ее основе программных и программно-аппаратных комплексов позволили сформулировать следующую постановку задачи дальнейших исследований: определение новых показателей процесса защиты речевой информации с позиций формирования и определения идентичности информационных вербальных образов до и после скремблирования.
Оценка эффективности скремблирования при использовании предложенного подхода осуществляется путем определения идентичности информационных виртуальных вербальных речевых образов до и после скремблирования. На рис. 1 - 3 приведены информационные виртуальные вербальные речевые образы и результаты оценки коэффициентов идентичности информационных образов до и после скремблирования (коэффициентов идентичности процесса скремблирования Кис)
для классического цифрового скремблирования (рис.1), виртуального скремблирования [5] (рис.2) и адаптивного виртуального скремблирования (рис.3).
Из приведенных ниже рисунков видно, что предложенный подход позволяет осуществлять визуальный экспресс-контроль эффективности скремблирова-ния по степени изменения виртуального образа в процессе защиты аудиоинформации: чем больше изменение - тем выше эффективность скремблирования. При этом для количественной оценки эффективности могут использоваться коэффициенты идентичности этих образов.
ЕИ Сравнение информационных образов
1 1 '"]
1 О 1* в & Г-
-ЧІ
_'Ч‘ VI:
Коэффициент идентичности: 0,194
Сравнить образы
Рис. 1. Идентичность процесса классического скремблирования
Ё Сравнение информационных образов
№ □ а о а & & ? 0 і* а а :
Коэффициент идентичности: 0,112
Сравнить образы
Рис. 2. Идентичность процесса виртуального скремблирования
Коэффициент идентичности: 0,062
Сравнить образы
Рис. 3. Идентичность процесса адаптивного виртуального скремблирования
Как показали исследования, в данном случае коэффициенты идентичности процесса скремблирования Кис будут зависеть от индивидуальных и вербальных
характеристик источника речевой информации и их изменения во времени. С одной стороны, это позволяет учесть эти изменения при оценке эффективности скремблирования, с другой стороны, изменение Кис делает весьма затруднительным его применение в качестве параметра эффективности скремблирования. Используя общепринятый подход к решению аналогичных проблем в качестве показателя скремблирования предлагается использовать величину обратную математическому ожиданию Кэс :
К =------1---- (8)
эс М [Кис ]
Результаты экспериментальных исследований Кэс для классического, виртуального и адаптивного виртуального скремблирования приведены в таблице 1.
Таблица 1
Скремблирование К с К Vу
Классическое 5,154 0,132 0,211
Виртуальное 8,896 0,094 0,164
Адаптивное виртуальное 16,129 0,027 0,081
Из таблицы видно, что значения Кэс достаточно точно согласуются с общепринятыми показателями, такими как разборчивость Жр и избыточность ц,у, в
части результатов оценки эффективности приведенных методов скремблирования.
К особенности предложенного подхода следует отнести открывающуюся возможность оценки качества скремблирования. Под качеством скремблирования с позиций формирования виртуальных образов в данном случае понимается исключение индивидуальных признаков в образах результатов скремблирования. С физической точки зрения это означает отсутствие необходимой информации у несанкционированного пользователя для дескремблирования при постоянном поступлении идентичных образов. Для оценки качества скремблирования может быть использован коэффициент идентичности виртуальных образов результатов скремблирования (коэффициент идентичности защиты Киз). На рис. 4 - 6 приведены результаты сравнения идентичности виртуальных образов криптограмм, полученных в процессе скремблирования источника речевой информации для классического цифрового скремблирования (рис.4), виртуального скремблирования (рис.5) и адаптивного виртуального скремблирования (рис.6).
Из приведенных рисунков видно, что предложенный подход позволяет осуществлять визуальный экспресс-контроль качества скремблирования по степени идентичности виртуальных образов криптограмм. При этом, более высокая степень идентичности будет отражать более высокое качество скремблирования.
Рис. 4. Коэффициент идентичности защиты классического скремблирования
Ё Сравнение информационных образов
№ №
1 ж- к Чі^|і
Коэффициент идентичности: 0,898
Сравнить образы
Рис. 5. Коэффициент идентичности защиты виртуального скремблирования
О Сравнение информационных образо
~.х
Коэффициент идентичности: 0,963
Сравнить образы
Рис. 6. Коэффициент идентичности защиты адаптивного виртуального скремб-
лирования
Количественная оценка качества скремблирования в данном случае может быть произведена путем определения математического ожидания Киз и среднего
квадратического отклонения Киз и последующего вычисления показателя качества скремблирования Ккс по формуле:
м [ К„ ]
К.. =■
О
[К,з ]
(9)
Таблица 2
Скремблирование К из1 К из 2 К из3 К кс
Классическое 0,814 0,861 0,798 13,085
Виртуальное 0,898 0,916 0,941 21,357
Адаптивное виртуальное 0,963 0,997 0,971 28,735
В таблице 2 приведены результаты экспериментальных исследований KKc
для классического, виртуального и адаптивного виртуального скремблирования.
Из таблицы 2 следует, что значение KKc достаточно точно отражает результаты
экспериментальных исследований приведенных методов скремблирования на основе применения общепринятых параметров разборчивости и избыточности.
Предложенный подход открывает принципиально новую область возможностей оценки эффективности и качества скремблирования. Дальнейшие исследования в этом направлении представляют научный и практический интерес.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Котенко В.В. Идентификация и прогноз сознательных и подсознательных поведенческих форм личности с позиций формирования виртуального вербального образа.// Известия ТРТУ, 2006, №4.
2. Котенко В.В. Оценка информационного образа исследуемого объекта с позиций теории виртуального познания. Известия ТРТУ. Таганрог: Изд-во ТРТУ, 2005. №4
3. Котенко В.В., Евсеев А.С. Компьютерная технология оценки эффективности скремблирования на основе определения разборчивости и избыточности. // Информационное противодействие угрозам терроризма: научн-практ. журн. /ФГПУ НТЦ гос. рег. №0320600189, Москва. 2007, №9
4. Котенко В.В., Евсеев A.C. Новый подход к оценке эффективности защиты аудиоинформации на основе комплексного определения разборчивости и избыточности. // “Информационная безопасность”. Сборник трудов девятой международной научно-практической конференции. ТРТУ 2007.
5. Котенко В.В., Евсеев A.C. Компьютерная технология оценки эффективности скремблирования на основе определения разборчивости и избыточности. // Информационное противодействие угрозам терроризма: научн-практ. журн. /ФГПУ НТЦ гос. рег. №0320600189, Москва. 2007, №9. С.35-40.
УДК 621.391.037
Котенко В.В., Евсеев А.С., Румянцев К.Е.
ВЛИЯНИЕ ИНДИВИДУАЛЬНЫХ ХАРАКТЕРИСТИК ИСТОЧНИКОВ
РЕЧЕВОЙ ИНФОРМАЦИИ НА ЭФФЕКТИВНОСТЬ И КАЧЕСТВО СКРЕМБЛИРОВАНИЯ
Применение подхода, основанного на формировании информационных виртуальных вербальных речевых образов [1, 2], предполагает применение новых показателей для оценки методов защиты аудиоинформации, таких, как эффективность и качество скремблирования. В отличие от применяемого в настоящее время показателя разборчивости, это позволяет дать более полную характеристику процессов скремблирования. Прежде всего, это относится к открывающейся возможности оценки влияния индивидуальных характеристик источников речевой информации на процесс скремблирования.
На рис.1 - 9 и в таблице 1 приведены результаты анализа идентичности процессов скремблирования с позиций формирования виртуальных образов для трех