Receipt date: 
20.01.2020
Year: 
2020
Journal number: 
УДК: 
519.862.6
DOI: 

DOI: 10.26731/2658-3704.2020.1(6).44-51

Article File: 
Pages: 
44
51
Abstract: 

В работе рассматривается проблема формирования моделей поведения злоумышленника при кибератаках. Модель поведения злоумышленника учитывает мотив, категорию жертв и объект атак. Классификация производится на основе модели нарушителя. Анализ конъектуры инцидентов, связанных с утечкой данных на территории всего мира, основывается на статистических данных компании InfoWatch.

List of references: 

1. A Study on Global Data Leaks in 2018 [электронный ресурс] // https://infowatch.com/sites/default/files/report/analytics/Global_Data_Breaches_2018.pdf (дата обращения к ресурсу: 08.02.2020).

2. Актуальные киберугрозы I квартал 2017 года [Электронный ресурс] // https://www.ptsecurity.com/upload/corporate/ru-ru/analytics/Current-Cybe... (дата обращения к ресурсу: 12.01.2020).

3. Актуальные киберугрозы II квартал 2017 года [Электронный ресурс] // https://www.ptsecurity.com/upload/corporate/ru-ru/analytics/Cybersecurit... (дата обращения к ресурсу: 12.01.2020).

4. Актуальные киберугрозы: III квартал 2017 года [Электронный ресурс] // https://www.ptsecurity.com/ru-ru/research/analytics/cybersecurity-threat... (дата обращения к ресурсу: 12.01.2020).

5. Актуальные киберугрозы: IV квартал 2017 года [Электронный ресурс] // https://www.ptsecurity.com/ru-ru/research/analytics/cybersecurity-threat... (дата обращения к ресурсу: 12.01.2020).

6. Актуальные киберугрозы I квартал 2018 года [Электронный ресурс] // https://www.ptsecurity.com/ru-ru/research/analytics/cybersecurity-threat... (дата обращения к ресурсу: 12.01.2020).

7. Актуальные киберугрозы. II квартал 2018 года [Электронный ресурс] // https://www.ptsecurity.com/ru-ru/research/analytics/cybersecurity-threat... (дата обращения к ресурсу: 12.01.2020).

8. Актуальные киберугрозы. III квартал 2018 года [Электронный ресурс] // https://www.ptsecurity.com/ru-ru/research/analytics/cybersecurity-threat... (дата обращения к ресурсу: 12.01.2020).

9. Актуальные киберугрозы. IV квартал 2018 года [Электронный ресурс] // https://www.ptsecurity.com/ru-ru/research/analytics/cybersecurity-threat... (дата обращения к ресурсу: 12.01.2020).

10. Актуальные киберугрозы. I квартал 2019 года [Электронный ресурс] // https://www.ptsecurity.com/ru-ru/research/analytics/cybersecurity-threat... (дата обращения к ресурсу: 12.01.2020).

11. Актуальные киберугрозы: II квартал 2019 года [Электронный ресурс] // https://www.ptsecurity.com/ru-ru/research/analytics/cybersecurity-threat... (дата обращения к ресурсу: 12.01.2020).

12. Егошин Н.С., Конев А.А., Шелупанов А.А. Формирование модели нарушителя // Безопасность информационных технологий. – Томск: – 2017. – № 4. – С. 19-26.

13. Базилевский М.П., Вергасов А.С., Носков С.И. Групповой отбор информативных переменных в регрессионных моделях // Южно-сибирский научный вестник. –Барнаул: – 2019. – №4(28). – С. 36-39.

14. Носков С.И., Вергасов А.С. Прогнозирование по регрессионной модели с применением элементов теории сходства // Доклады Томского государственного университета систем управления и радиоэлектроники. – Томск:– 2019. – Т. 22. № 3. – С. 67-70.

15. Носков С.И., Вергасов А.С., Глухов Н.И. Анализ мер сходства при использовании взвешенного метода наименьших квадратов // Информационные технологии и математическое моделирование в управлении сложными системами. – Иркутск: – 2019. – № 2 (3). – С. 12-17.

16. Носков С.И., Вергасов А.С. Реализация взвешенного метода наименьших квадратов с использованием мер сходства // Вестник науки и образования. – Иваново: – 2018. – № 18-1 (54). – С. 29-32.

17. Носков С.И., Удилов В.П. Управление системой обеспечения пожарной безопасности на региональном уровне – Иркутск: Восточно-Сибирский институт Министерства внутренних дел Российской Федерации, 2003. – 151 с.

18. Kreinovich V., Lakeyev A.V., Noskov S.I.. Approximate linear algebra is intractable // Linear Algebra and its Applications.1996. Т. 232. № 1-3. pp. 45-54.

19. Носков С.И. Точечная характеризация множества парето в линейной многокритериальной задаче // Современные технологии. Системный анализ. Моделирование. – Иркутск: – 2008. – № 1 (17). – С. 99-101.

20. Лакеев А.В., Носков С.И. Метод наименьших модулей для линейной регрессии: число нулевых ошибок аппроксимации // Современные технологии. Системный анализ. Моделирование. – Иркутск: – 2012. – № 2 (34). – С. 48-50.

21. Носков С.И. Критерий "согласованность поведения" в регрессионном анализе // Современные технологии. Системный анализ. Моделирование. – Иркутск: – 2013. – № 1 (37). – С. 107-110.

22. Golovchenko V.B., Noskov S.I.. Estimation of an econometric model using statistical data and expert information. Automation and Remote Control. 1991. Т. 52. № 4 pt 2. pp. 542-548.

23. Lakeyev A.V., Noskov S.I.. A description of the set of solutions of a linear equation with interval defined operator and right-hand side. Automation and Remote Control. 1992. № 11. P. 109.

24. Базилевский М.П., Носков С.И. Идентификация неизвестных параметров линейно-мультипликативной регрессии // Современные наукоемкие технологии. – Пенза: – 2012. – № 3. – С. 14.

25. Носков С.И., Базилевский М.П. Построение регрессионных моделей с использованием аппарата линейно-булевого программирования // – Иркутск: Иркутский государственный университет путей сообщения, 2018, – 176 с.