Вергасов А.С. Некоторые математические модели поведения злоумышленника при кибератаке // «Информационные технологии и математическое моделирование в управлении сложными системами»: электрон. науч. журн. – 2023. – №1(17). – С.41-48– DOI: 10.26731/2658 3704.2023.1(17).41-48 – Режим доступа: http://ismm-irgups.ru/toma/117-2023, свободный. – Загл. с экрана. – Яз. рус., англ. (дата обращения: 31.03.2023)
10.26731/2658 3704.2023.1(17).41-48
В работе предлагаются возможные варианты математических моделей поведения злоумышленника при кибератаках. В основе исследования лежит аппарат регрессионного анализа с применением группировки независимых факторов моделей.
1. Поступившие жалобы на интернет-преступления на сайте IC3 с 2000 по 2021 год [электронный ресурс] // https://www.statista.com/statistics/267546/number-of-complaints-about-us-internet-crime/ (дата обращения к ресурсу: 28.01.2023).
2. Сумма денежного ущерба, причиненного IC3 сообщениями о киберпреступлениях с 2001 по 2021 год. [электронный ресурс] // https://www.statista.com/statistics/267132/total-damage-caused-by-by-cyber-crime-in-the-us/ (дата обращения к ресурсу: 28.01.2023).
3 Размер рынка кибербезопасности в мире с 2019 по 2030 год [электронный ресурс] // https://www.statista.com/statistics/1256346/worldwide-cyber-security-market-revenues/ (дата обращения к ресурсу: 28.01.2023).
4. Обзор отрасли управляемых служб безопасности [электронный ресурс] // https://www.mordorintelligence.com/industry-reports/security-managed-services-market (дата обращения к ресурсу: 28.01.2023).
5. 2023 Global Digital Trust Insights India edition [электронный ресурс] // https://www.pwc.in/assets/pdfs/consulting/cyber-security/2023-global-digital-trust-insights-v1.pdf (дата обращения к ресурсу: 28.01.2023).
6. Кто принимает решения об архитектуре решений для обеспечения безопасности? [электронный ресурс] // https://www.statista.com/statistics/1238357/it-security-solution-product-decision-team/ (дата обращения к ресурсу: 28.01.2023).
7. Вергасов А.С. Поведенческие модели злоумышленников при кибератаках // «Информационные технологии и математическое моделирование в управлении сложными системами»: электрон. науч. журн. – 2020. – №1(6). – С. 44-51.
8. 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.
9. 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.
10. 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. 49
11. 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.
12. 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.
13. Носков С.И. Точечная характеризация множества парето в линейной многокритериальной задаче // Современные технологии. Системный анализ. Моделирование. – Иркутск: – 2008. – № 1 (17). – С. 99-101.
14. 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.
15. Носков С.И. Критерий "согласованность поведения" в регрессионном анализе // Современные технологии. Системный анализ. Моделирование. – Иркутск: – 2013. – № 1 (37). – С. 107-110.
16. Носков С.И., Базилевский М.П. Множественное оценивание параметров и критерий согласованности поведения в регрессионном анализе // Вестник Иркутского государственного технического университета. – Иркутск: –2018. –Т. 22. –№ 4 (135). –С. 101-110.