Безопасность цифровых технологий

БЕЗОПАСНОСТЬ ЦИФРОВЫХ ТЕХНОЛОГИЙ

БЕЗОПАСНОСТЬ
ЦИФРОВЫХ ТЕХНОЛОГИЙ

English | Русский

Последний выпуск
№3(122) Июль - Сентябрь 2026

Разработка системы мониторинга действий пользователя в информационной системе

Выпуск № 2 (101) Апрель - Июнь 2021
Авторы:

Карпова Надежда Евгеньевна ,
Емелина Алина Анатольевна ,
DOI: http://dx.doi.org/10.17212/2782-2230-2021-2-136-153
Аннотация

В настоящее время существует большое число механизмов защиты компьютерных систем. Одним из направлений является создание систем, реагирующих на возможные угрозы информационной безопасности предприятия. Так как, по статистике, большое количество преступлений, связанных с информацией, совершают сотрудники предприятий, особенно важным и актуальным вопросом является мониторинг действий пользователя в информационной среде. Основными достоинствами таких систем мониторинга является возможность представлять произвольные значения параметров в виде аналитики заданных величин, возможность учитывать больше количество сценариев развития, возможность использовать данную систему при принятии решений, при описании схем анализа потоков информационной среды, а также отслеживать большое количество компьютерных параметров. Для своевременного реагирования на инциденты информационной безопасности актуально разработать систему, в которой будет также учитываться взаимосвязь действий пользователя в информационной среде. Статья посвящена исследованию корреляционной зависимости между отдельными отслеживаемыми параметрами действий пользователя. Корреляционная зависимость используется при разработке нечетких правил для системы мониторинга действий пользователя в информационной системе. Авторы настоящей работы строили гипотезу о том, что действия пользователя в компьютерной системе взаимосвязаны друг с другом, т. е. если в отдельном отслеживаемом параметре пользователь совершает подозрительные действия, то с большей степенью уверенности можно говорить, что данный пользователь будет совершать подозрительные действия и в другом отслеживаемом параметре. Корреляционный анализ необходим для возможного уменьшения количества итераций при работе программы, что в дальнейшем позволяет ускорить анализ действий пользователя в информационной среде. Для того чтобы исследовать статистическую взаимосвязь параметров, авторы находили математическую меру корреляции – коэффициент корреляции (коэффициент корреляции Пирсона) для исследуемых параметров. На основании проведенного анализа были сформулированы нечеткие правила, на основе которых строится система мониторинга действий пользователя в информационной среде. В данной разработке вводятся такой термин, как «эталонное поведение пользователя». Любое отклонение от данного «эталона» рассматривается как подозрительное действие и требует своевременного реагирования на возможный инцидент.


Ключевые слова: коэффициент корреляции, информационная безопасность, нечеткие правила, эталон поведения пользователя, несанкционированный доступ, система мониторинга, аудит, поведенческий анализ
Карпова Надежда Евгеньевна
кандидат технических наук, Самарский государственный технический университет, доцент кафедры Электронные системы и информационная безопасность,
esib@samgtu.ru
Orcid: 0000-0001-9837-7903

Емелина Алина Анатольевна
Самарский государственный технический университет, студент кафедры Электронные системы и информационная безопасность,
alina.lina0723@gmail.com
Orcid: 0000-0002-8286-6830

Список литературы

1. Аверкин А.Н. Нечеткие поведенческие модели принятия решений c учетом иррациональности поведения человека // Научные труды Вольного экономического общества России. – 2014. – Т. 186. – С. 153–158.



2. Баев А.В. Гаценко О.Ю. Самонов А.В. Программный комплекс управления доступом USB-устройств к автоматизированным рабочим местам // Вопросы кибербезопасности. – 2020. – № 1 (35). – С. 52–61. – URL: http://cyberrus.com/wp-content/uploads/2020/03/52-61-135-20_6.-Baev.pdf (дата обращения: 31.05.2021).



3. Cinque M., Della Corte R., Pecchia A. Contextual filtering and prioritization of computer application logs for security situational awareness // Future Generation Computer Systems. – 2020. – Vol. 111. – P. 668–680. – DOI: 10.1016/j.future.2019.09.005.



4. Ильин И.В., Гудков К.В. Анализ недостатков искусственных нейронных сетей и методов их минимизации // Материалы X Международной студенческой научной конференции «Студенческий научный форум – 2018». – URL: http://scienceforum.ru/2018/article/2018000271 (дата обращения: 31.05.2021).



5. Active authentication using file system decoys and user behavior modeling: results of a large scale study / V. Jonathan, S. Yingbo, M.B. Salem, H. Shlomo, S. Salvatore // Computers and Security. – 2019. – Vol. 87. – P. 101412. – URL: https://www.sciencedirect.com/science/article/pii/S0167 404 818311258 (accessed: 31.05.2021).



6. Karpova N.E., Panfilova I.E. Ensuring the safety of information processes in sociotechnical systems based on an analysis of the behavioral characteristics of a person as a subject of such a system // 2019 XXI International Conference Complex Systems: Control and Modeling Problems (CSCMP). – Samara, Russia, 2019. – P. 751–753.



7. Mendel J.M. Uncertain rule-based fuzzy logic systems: introduction and new directions. – Upper Saddle River, NJ: Prentice-Hall, 2001. – 555 p.



8. Zadeh L.A. Fuzzy sets // Information and Control. – 1965. – Vol. 8 (3). – P. 338–353.



9. Prade H. A computational approach to approximate and plausible reasoning with applications to expert systems // IEEE Transactions on Pattern Analysis and Machine Intelligence. – 1985. – Vol. 7 (3). – P. 260–283.



10. Nozaki K., Morisawa T., Ishibuchi H. Adjusting membership functions in fuzzy rule–based classification systems // 3rd European Congress on Intelligent Techniques and Soft Computing, EUFIT '95. – Aachen, Germany, 1995. – Vol. 1. – P. 615–619.



11. Jang J.-S.R. ANFIS: adaptive-network-based fuzzy inference system // IEEE Transactions on Systems, Man, and Cybernetics. – 1993. – vol. 23 (3). – P. 665–685.



12. Chang W.-J., Sun C.-C. Constrained fuzzy controller design of discrete Takagi–Sugeno fuzzy models // Fuzzy Sets and Systems. – 2003. – Vol. 133. – P. 37–55.



13. Oh S.-K., Pedrycz W., Parka H.-S. Hybrid identification in fuzzy-neural networks // Fuzzy Sets and Systems. – 2003. – Vol. 138. – P. 399–426.



14. Buckley J.J., Eslami E., Hayashi Y. Solving fuzzy equations using neural nets // Fuzzy Sets and Systems. – 1997. – Vol. 86. – P. 271–278.



15. Fuzzy system modeling by fuzzy partition and GA hybrid schemes / Y.H. Joo, H.S. Hwang, K.B. Kim, K.B. Woo // Fuzzy Sets and Systems. – 1997. – Vol. 86. – P. 279–288.



16. Wang L.-X. Universal approximation by hierarchical fuzzy systems // Fuzzy Sets and Systems. – 1998. – Vol. 93. – P. 223–230.



17. Friedman M., Ming M., Kandel A. Fuzzy linear systems // Fuzzy Sets and Systems. – 1998. – Vol. 96. – P. 201–209.

Просмотров аннотации: 832
Скачиваний полного текста: 909
Просмотров интерактивной версии: 0
Для цитирования:

Карпова Н.Е., Амелина А.А. Разработка системы мониторинга действий пользователя в информационной системе // Безопасность цифровых технологий. – 2021. – № 2 (101). – С. 136–153. – DOI: 10.17212/2782-2230-2021-2-136-153.

For citation:

Karpova N.E., Amelina A.A. Razrabotka sistemy monitoringa deistvii pol'zovatelya v informatsionnoi sisteme [Development of the monitoring system for user's actions in the informational system]. Bezopasnost' tsifrovykh tekhnologii = Digital technology security, 2021, no. 2 (101), pp. 136–153. DOI: 10.17212/2782-2230-2021-2-136-153.

 

Обработка персональных данных

Мы используем сервис веб-аналитики Яндекс Метрика, который использует cookie.

Собранная при помощи cookie информация не может идентифицировать вас, однако может помочь нам улучшить работу нашего сайта. Вы можете отказаться от использования cookies, выбрав соответствующие настройки в браузере. Также Вы можете запретить сбор данных с помощью расширения для браузера «Блокировщик Яндекс Метрики». Используя этот сайт, вы соглашаетесь на обработку персональных данных.