CC BY
35Список литературы:
1.Плетнев А.В. Выбор технологического стека для it-проекта // Интернаука: электрон. научн. журн. 2021. № 36(212). URL: https://internauka.org/journal/science/internauka/212 (дата обращения: 11.11.2021).
2.Карпович Е.Е. Жизненный цикл программного обеспечения. Лабораторный практикум. - М.: ИД «МИСиС», 2016.
3.Клиент - сервер / [Электронный ресурс]. URL: https://ru.wikipedia.org/wiki/Клиент_—_сервер (дата обращения: 02.09.2021).
4.Ньюмен Сэм. Создание микросервисов. - СПб.: ИД «Питер», 2016.
5.Что такое CI/CD? Разбираемся с непрерывной интеграцией и непрерывной поставкой. Блог компании OTUS. / [Электронный ресурс]. URL: https://habr.com/ru/company/otus/blog/515078/ (дата обращения: 12.11.2021).
6.REST / [Электронный ресурс]. URL: https://ru.wikipedia.org/wiki/REST (дата обращения: 10.09.2021).
References:
1.Pletnev A.V. Choice of tech stack for IT project. // Internauka: scientific Internet-journal. 2021. № 36(212). URL: https://internauka.org/joumal/science/internauka/212 (date of access: 11.11.2021). (In Russian).
2.Karpovich E.E. The life cycle of software. Laboratory workshop. - M.: «MISiS», 2016. (In Russian).
3.Client - Server - online encyclopedia. URL: https://ru.wikipedia.org/wiki/Клиент_—_сервер (date of access: 02.09.2021). (In Russian).
4.Newman Sam. Building Microservices. - St.P.: «Piter», 2016. (In Russian).
5.What is CI/CD? Dealing with continuous integration and continuous delivery. OTUS company blog. Online blog. URL: https://habr.com/ru/company/otus/blog/515078/ (date of access: 12.11.2021).
6.REST - online encyclopedia. URL: https://ru.wikipedia.org/wiki/REST (date of access: 10.09.2021). (In Russian).
ОБЕСПЕЧЕНИЕ БЕЗОПАСНОСТИ КОНФИДЕНЦИАЛЬНОЙ ИНФОРМАЦИИ ЭКОНОМИЧЕСКИХ СУБЪЕКТОВ С ИСПОЛЬЗОВАНИЕМ ИНТЕЛЛЕКТУАЛЬНЫХ СРЕДСТВ ЗАЩИТЫ
Миронова Наталия Геннадьевна,
к.филос.н., доцент каф.
Управления информационной безопасности ФГБОУ ВО Башкирский государственный университет, Институт истории и государственного управления (Уфа)
Мифтахова Лиана Ильюсевна (студент)
ФГБОУ ВО Башкирский государственный университет, Институт истории и государственного управления (Уфа)
ENSURING THE SECURITY OF CONFIDENTIAL INFORMATION OF ECONOMIC SUBJECTS USING INTELLIGENT PROTECTIVE MEASURES
Mironova Natalia Gennadievna,
Candidate of Philosophy, Associate Professor of the Department.
Information Security Directorate Bashkir State University (Ufa) Liana Miftakhova (student) Bashkir State University (Ufa)
Аннотация. Рассматривается проблематика обеспечения информационной безопасности конфиденциальной информации с использованием интеллектуальных средств защиты.
Abstract. The problems of ensuring information security of confidential information using intellectual means of protection are considered.
Ключевые слова: информационная безопасность, защита информации, угроза утечки данных, нейросетевые модели.
Keywords: information security, information protection, the threat of data leakage, neural network models
Современная экономика насыщена цифровизацией и автоматизацией, в т.ч. интеллектуальной. Как и за рубежом, в России реализуются проекты по внедрению искусственного интеллекта в государственное управление, в работу ФНС, ФОМС, Росмолодежи, Минздрава, МВД, МЧС, Минтранса, Минсельхоза, Минпромторга и т.д. ([1], [2]). Активно внедряется интеллектуальная автоматизация в бизнес -
структурах. Одна из сфер автоматизации - информационная безопасность информационной среды компаний, предприятий, учреждений, ЦОДов. Без защиты информации представить современную информационную инфраструктуру уже невозможно, и вопросы, связанные с организацией защиты государственной и служебной, профессиональной тайны, критически важной информации автоматизированных систем управления производственными процессами, автоматизации управления социальными, техническими, военными объектами приобретают критическое значение в современной обстановки оцифровки всего и вся.
Проблематика защиты информации опосредует принятие решений в бизнесе и государственном управлении, все в большей мере проникает в обыденную жизнь граждан. Чем больше сведений о людях и процессах собирается, отчуждается в оцифрованном виде различными субъектами, становится средством и источником принятия разнообразных решений, тем большее значение приобретают меры информационной безопасности. Угрозы утечки информации ограниченного характера оборачивается прямым ущербом для бизнеса и граждан, утратой доверия к структурам, которые инициируют и осуществляют сбор, хранение, использование оцифрованных сведений о социальной и деловой жизни, создавая широкомасштабные экономические и политические риски для страны в целом. Злоумышленники, завладев ценной информацией, могут нанести урон репутации граждан, получить доступ к банковским счетам, к частной жизни, к государственным секретам.
Прямые каналы утечки информации - это целенаправленно осуществляемое несанкционированное получение защищаемых данных путем взлома систем защиты, копирование, кража, иное нарушение злоумышленником режима тайны на защищаемом объекте. Косвенные каналы утечки - потеря или кража устройств-носителей информации, неправильная утилизация данных, подлежащих уничтожению; дистанционное прослушивание; удаленное управление смарт-устройствами и иное использование интернет-вещей как способа несанкционированного доступа к объекту; радиоперехват сообщений; методы социальной инженерии (соцсети и проч.).
Выполнение задач по защите информационной инфраструктуры экономических субъектов и информации граждан подразумевает проведение мероприятий по физической и технической защите информации на предприятиях, в организациях, информационных системах операторов данных. Безопасность достигается путем ограничения доступа к секретным данным, сохранения их достоверности и целостности в процессе работы с уязвимой информацией. Для защиты информационной инфраструктуры компании или организации применяется комплекс правовых, организационных, программно-аппаратных, инженерно-технических и криптографических мероприятий.
Среди программно-технических средств защиты от утечки конфиденциальной информации -штатные средства защиты информационных системы, а также межсетевые экраны, фильтрующие трафик при передаче его из внутренней сети предприятия во внешний сетевой контур; системы контроля и предупреждения утечки информации (DLP, Data Loss Prevention), позволяющие узнать, кто работал с защищаемой информацией и куда ее передал); IDS-системы (Intrusion Detection System) позволяют обнаружить несанкционированный доступа и попытки атаки на защищаемый ресурс); активные средства защиты, такие как IPS-системы (Intrusion Prevention System) способны ответить на вторжение разрывом соединения или блокировкой трафика злоумышленника и т.п.
Большое значение для предупреждения утечек информации имеют защитные организационные мероприятия, для ограничения доступа и поддержание дисциплины персонала при работе с конфиденциальными сведениями. К организационным мерам защиты можно также отнести сертификацию и аттестацию компонентов информационных систем (с целью установления соответствия защитных мер требованиям безопасности); лицензирование деятельности, связанной с информацией и ее защитой; категорирование информационных объектов по степени конфиденциальности информации и важности защищаемого объекта для социально-экономической инфраструктуры. К организационным мерам защиты информации относятся введение режима конфиденциальности/секретности, в т.ч. издание нормативных и руководящих документов, регламентирующих деятельность персонала, определения перечня защищаемых активов, создание службы безопасности и назначение ответственных за различные аспекты работы с защищаемыми ресурсами, обеспечение служб безопасности необходимыми программно-техническими средствами защиты с учетом продуманной политики информационной безопасности; введение разрешительной системы допуска сотрудников к материалам разной степени секретности, проверка обращения с информации ограниченного доступа, продуманная методика отбора персонала для работы с секретами, инструктажи и мониторинг использования и защиты секретной информации.
Инженерно-технические мероприятия по защите направлены на создание эффективной системы защиты информационной инфраструктуры (компьютеров, сетей, носителей информации); мероприятия, средства защиты, защищаемые помещения должны отвечать актуальным требованиям нормативных документов РФ и, при необходимости, иметь сертификат соответствия требованиям безопасности, с учетом категорий защищаемой информации. К инженерно-техническим мерам безопасности относятся средства ограничения физического доступа (ограждения, двери, сейфы и т.п., СКУД, средства идентификации персонала; система сигнализации и оповещения о проникновении на объект посторонних лиц и попытке завладения секретной информацией; при необходимости и финансовых возможностях
может применяться аппаратура для обнаружения подслушивающих устройств, скрытых видеокамер и других разведывательных приспособлений; приспособления, препятствующие выносу и выводу конфиденциальной информации за пределы защищаемой зоны; средства шифрования обеспечивают защиту конфиденциальной оцифрованную информации при ее хранении и передаче по открытым каналам связи. К криптографическим мерам защиты от искажения информации относятся сертификаты электронной подписи электронных документов; стеганографический метод защиты передаваемой информации путем сокрытию ее в сетевых пакетах и других файлах позволяет сделать передаваемое сообщение невидимым для злоумышленников.
В основе программно-технических систем защиты, применяемых для защиты от утечек секретных сведений экономических субъектов и органов власти, все чаще используются те или иные интеллектуальные технологии (нейросетевые модели, модели знаний, искусственные иммунные системы и генетические алгоритмы и т.д.), облегчающие и ускоряющие решение задач безопасности. В целях повышения безопасности интеллектуальных технологий и обеспечения правовой среды в 2020 г. утверждена программа по созданию в РФ стандартов технологии искусственного интеллекта на 20212024 гг., включая стандарты безопасности применения ИИ в транспорте, медицине, образование, строительство, стандарта «Умное производство» и др.
Перспективным потенциалом в отношении угроз утечки секретов обладают методы поведенческой аналитики, дополненные возможностями методов машинного обучения. Термином «User and Entity Behavior Analytics» обозначаются системы анализа поведения пользователей и сущностей, выполняющие обработку данных о поведении пользователей и программных процессов, полученных из различных систем, для обнаружения «поведенческих» аномалий пользователей, процессов, файлов, указывающих на риск несанкционированного доступа и иных воздействий на защищаемые ресурсы. Поведенческий анализ в области информационной безопасности применяется для классификации событий безопасности, для обнаружения и оперативного расследования инцидентов безопасности, для предсказания угроз, для формирование шаблонов «типовой» активности пользователей и программных сущностей для обнаружения аномалий (отклонений в поведении от типовой активности) при их работе с защищаемыми массивами данных. Средствами защиты с технологией UEBA могут выполнять анализ корпоративной почты персонала, сетевой активности работников в локальной сети, обнаруживая нарушение регламентов и ограничений со стороны инсайдеров, «симптомы» утечки данных, а также атаки на защищаемый ресурс; благодаря пополняемой базе профилей поведения персонала и графу коммуникаций с другими субъектами информационной среды, некоторые UEBA-системы могут выполнять прогнозирование поведения пользователей, в т.ч. поведения, угрожающего безопасности защищаемой системы. Подобные системы защиты, в т.ч. построенные с привлечением моделей нейросетей, могут пресекать попытки НСД к защищаемой информации. Однако, как показывает опыт и экспертные суждения, применение нейросетевых моделей для подобных задач не исключает ошибок первого рода (когда система не обнаруживает угрозы в действиях нарушителя) и второго рода (система защиты трактует действия пользователя, осуществляющего легальные операции в информационной системе, попыткой несанкционированного доступа, и либо необоснованно прерывает рабочий процесс, либо сигнализирует о подозрительной активности администратору безопасности). Критичными для нормальной работы могут оказаться подобные ошибки систем безопасности в тех случаях, когда система мешает нормальному функционированию персонала и систем, либо когда она создает «вторичную» уязвимость, будучи призвана закрывать уязвимость для утечек информации. От специалистов безопасности требуется систематически анализировать не только исходные и остаточные уязвимости (после внедрения систем защиты информации), но и неочевидные уязвимости, создаваемые подобными интеллектуальными средствами безопасности в силу несовершенства методологии интеллектуальной автоматизации [3], что является отдельной задачей, решение которой пока не имеет отдельной методики решения в документах отечественных регуляторов, и неочевидно для администраторов безопасности. Дополнительным источником сложности применения средств на основе нейросетей и подобных моделей машинного обучения типа «черный ящик» является то обстоятельство, что нейросетевые системы обнаружения угроз течки принимают решение, не обосновывая решение логически и предлагая администратору безопасности полагаться на веру инструменту защиты или анализировать сигнал о риске угрозы в ручном режиме, что нереально для систем, где атаки исчисляются сотнями в сутки, а требования к скорости реагирования СБИ на угрозы высоки. Применение же моделей интерпретируемого (или «объяснимого» [5], [6]) машинного обучения («interpretable machine learning») в системах информационной безопасности пока не практикуется, насколько нам известно.
Повышение информационной безопасности требует проведения комплексных мероприятий с использованием сложных технических устройств. Необходимостью становится возможность правильно оценивать степень риска утечки информации, а также «вторичные» риски, создаваемые интеллектуальными автоматизированными системами защиты от угроз ИБ. Важно постоянно анализировать эффективность информационной защиты и совершенствовать методику ее проведения.
Список литературы:
1. Федеральный проект «Искусственный интеллект» - URL: https://digital.ac.gov.ru/about/5055 (дата обращения: 26.11.2021)
2. Министерства подготовят дорожные карты по внедрению решений на основе искусственного интеллекта / Сайт Правительства России. 2020. 24 августа. URL: https://ac.gov.ru/news/page/ministerstva-podgotovat-doroznye-karty-po-vnedreniuresenij-na-osnove-iskusstvennogo-intellekta-26685 (дата обращения: 25.11.2021)
3. Миронова Н.Г. Философское осмысление социальных рисков интеллектуальной автоматизации социального управления // Цифровой ученый: лаборатория философа. 2021. Т. 4. № 2. С. 125-144. DOI: 10.32326/2618-9267-2021-4-2-125-144 . https://www.elibrary.ru/item.asp?id=47145602 (дата обращения 26.11.2021)
4. Вострецова В. Е. Основы информационной безопасности: научная литература / Е. В. Вострецова — Издательство Уральского университета, 2019. — С. 92.
5. Arrieta, A.B., Díaz-Rodríguez, N., Del Ser, J., Bennetot, A., Tabik, S., Barbado, A., Garcia, S., Gil-Lopez, S., Molina, D., Benjamins, R., Chatila, R., Herrera, F. "Explainable Artificial Intelligence (XAI): concepts, taxonomies, opportunities and challenges toward responsible AI", Information Fusion, 2020, vol. 58, pp. 82-115. Available at: https://www.sciencedirect.com/science/article/pii/S1566253519308103 (accessed on June 1, 2021).
6. Knight, 2017, web - Knight W. DARPA is funding projects that will try to open up Al's black boxes // MIT Technology Review. April 13, 2017. URL: https://www.technologyreview.com/2017/04/13/152590/the-financial-worldwants-to-open-ais-black-boxes (дата обращения: 20.04.2021).
References
1. Federal project «Artificial Intelligence» - URL: https://digital.ac.gov.ru/about/5055 (date of access: 11/26/2021) (In Russian)
2. The ministries will prepare roadmaps for the implementation of solutions based on artificial intelligence / Russian Government website. 2020.24 August. URL: https://ac.gov.ru/news/page/ministerstva-podgotovat-doroznye-karty-po-vnedreniuresenij-na-osnove-iskusstvennogo-intellekta-26685 (date of access: 25.11.2021) (In Russian)
3. Mironova N.G. Philosophical understanding of social risks of intellectual automation of social management // TSifrovoi uchenyi laboratoriia filosofa. 2021. T. 4. No. 2. S. 125-144. DOI: 10.32326 / 26189267-2021-4-2-125-144 https://www.elibrary.ru/item.asp?id=47145602 (date of access 11/26/2021) (In Russian)
4. Vostretsova V.E. Fundamentals of information security: scientific literature / E.V. Vostretsova -Publishing house of the Ural University, 2019. - P. 92. (In Russian)
5. Arrieta, A.B., Díaz-Rodríguez, N., Del Ser, J., Bennetot, A., Tabik, S., Barbado, A., Garcia, S., Gil-Lopez, S., Molina, D., Benjamins, R., Chatila, R., Herrera, F. "Explainable Artificial Intelligence (XAI): concepts, taxonomies, opportunities and challenges toward responsible AI", Information Fusion, 2020, vol. 58, pp. 82-115. Available at: https://www.sciencedirect.com/science/article/pii/S1566253519308103 (accessed on June 1, 2021).
6. Knight, 2017, web - Knight W. DARPA is funding projects that will try to open up AI's black boxes // MIT Technology Review. April 13, 2017. URL: https://www.technologyreview.com/2017/04/13/152590/the-financial-worldwants-to-open-ais-black-boxes (дата обращения: 20.04.2021).
