Безопасность цифровых технологий

БЕЗОПАСНОСТЬ ЦИФРОВЫХ ТЕХНОЛОГИЙ

БЕЗОПАСНОСТЬ
ЦИФРОВЫХ ТЕХНОЛОГИЙ

English | Русский

Последний выпуск
№1(112) январь - март 2024

Исследование применения графов знаний для генерации вопросов аудита информационной безопасности

Выпуск № 1 (104) Январь - Март 2022
Авторы:

Лемякин Артем Викторович,
Архипова Анастасия Борисовна
DOI: http://dx.doi.org/10.17212/2782-2230-2022-1-85-98
Аннотация

В статье представлены подходы к исследованию вопросов применения графов знаний для генерации вопросов аудита информационной безопасности. Показана значимость человеческого фактора в аудите информационной безопасности как элемента социально значимой деятельности. В качестве решения формирования объективной базы исследования предложен метод автоматической генерации вопросов на основе графов знаний, способных выявлять набор картежей, представляющих собой субъект-объектные отношения. Проанализированы существующие модели и набор динамически формируемых метрик. В частности, субъективный метод пятибалльной шкалы Макото Нагао и машинный метод автоматической системы оценки на основе метода N-грамм. Проанализированы достоинства и недостатки методов исследования, представлена постановка задачи на дальнейшее исследование.


Ключевые слова: граф знаний, повышение осведомленности, политики безопасности, автоматическая генерация вопросов, семантический анализ, контроль знаний, тесты

Список литературы

1.?InfoWatch. Утечки информации ограниченного доступа: отчет за 9 месяцев 2020 г. – Экспертно-аналитический центр InfoWatch, 2020. – URL: https://d-russia.ru/wp-content/uploads/2020/12/infowatch_2020_9_monts_data_



leak.pdf (дата обращения: 09.03.2022).



2.?Information security awareness, a tool to mitigate information security risk:



a literature review / O.S. Dada, E.A. Irunokhai, C.J. Shawulu, A.M. Nuhu, E.E. Daniel // Innovative Journal of Science. – 2021. – Vol. 3, N 3. – P. 29–54. – URL: https://www.researchgate.net/publication/353849520_Information_Security_



Awareness_a_Tool_to_Mitigate_Information_Security_Risk_a_Literature_Review (accessed: 09.03.2022).



3.?Клыч А.А., Коршунов А.Г., Стативко Р.У. Разработка подхода для генерирования вопросов // Актуальные проблемы теории и практики обучения физико-математическим и техническим дисциплинам в современном образовательном пространстве: IV Всероссийская (с международным участием) научно-практическая конференция. – Курск, 2020. – С. 367–373. – URL: https://elibrary.ru/item.asp?id=44845075 (дата обращения: 09.03.2022).



4.?Автоматическая генерация вопросов на основе текстов и графов знаний?/ М.А. Белянова, Г.И. Ревунков, Г.И. Афанасьев, Ю.Е. Гапанюк // Динамика сложных систем – XXI век. – 2020. – Т. 14, № 4. – С. 55–64. – DOI: 10.18127/j19997493-202004-06.



5.?Вэньцзу Л. Онтологический подход к автоматической генерации вопросов в интеллектуальных обучающих системах // Доклады БГУИР. – 2020. – Т. 18, № 5. – С. 44–52. – DOI: 10.35596/1729-7648-2020-18-5-44-52.



6.?Переходько И.В., Мячин Д.А. Оценка качества компьютерного перевода?// Вестник Оренбургского государственного университета. – 2017. – № 2 (202). – С. 92–96. – URL: https://elibrary.ru/item.asp?id=28904673 (дата обращения: 09.03.2022).



7.?Легостина М.С. Метрики оценки качества машинного перевода // Инноватика-2019: сборник материалов XV Международной школы-конференции студентов, аспирантов и молодых ученых. – Томск, 2019. – URL: https://elibrary.ru/item.asp?id=39222633 (дата обращения: 09.03.2022).



8.?Андреичев М.Д., Ференец А.А. Разработка программного комплекса генерации вопросов по заданным субъектам при помощи семантической сети // Электронные библиотеки. – 2019. – Т. 22, № 2. – С. 68–71. – DOI: 10.26907/1562-5419-2019-22-2-68-94.



9.?Chen Y., Wu L., Zaki M.J. Toward subgraph guided knowledge graph question generation with graph neural networks // Journal of Latex Class Files. – 2015. – Vol. 14, N 8. – URL: https://arxiv.org/abs/2004.06015 (accessed: 09.03.2022).



10.?Chai Z., Wan X. Learning to ask more: semi-autoregressive sequential question generation under dual-graph interaction // Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics. – Association for Computational Linguistics, 2020. – P. 225–237. – DOI: 10.18653/v1/2020.acl-main.21.



11.?Let’s ask again: refine network for automatic question generation / P. Nema, A.K. Mohankumar, M.M. Khapra, B. Ravindran, B.V. Srinivasan // Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing and the 9th International Joint Conference on Natural Language Processing (EMNLP-IJCNLP). – Hong Kong, China, 2019. – DOI: 10.18653/V1/D19-1326.



12.?Semantic graphs for generating deep questions / L. Pan, Y. Xie, Y. Feng, T.-S. Chua, M.-Y. Kan // Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics. – Association for Computational Linguistics, 2020. – P. 1463–1475. – DOI: 10.18653/v1/2020.acl-main.135.

Для цитирования:

Лемякин А.В., Архипова А.Б. Исследование применения графов знаний для генерации вопросов аудита информационной безопасности // Безопасность цифровых технологий. – 2022. – № 1 (104). – С. 85–98. – DOI: 10.17212/2782-2230-2022-1-85-98.

For citation:

Lemyakin A.V., Arkhipova A.B. Issledovanie primeneniya grafov znanii dlya generatsii voprosov audita informatsionnoi bezopasnosti [Research of application of knowledge graphs to generate information security audit questions]. Bezopasnost' tsifrovykh tekhnologii = Digital Technology Security, 2022, no. 1 (104), pp. 85–98. DOI: 10.17212/2782-2230-2022-1-85-98.

Просмотров: 480