Ефимов Алексей Олегович, адъюнкт очной формы обучения,
394065, г. Воронеж, пр. Патриотов, 53
Aleksey O. Efimov, full-time adjunct,
53 Patriotov St., Voronezh 394065
Мишин Сергей Александрович, кандидат технических наук, доцент, заместитель начальника кафедры автоматизированных информационных систем органов внутренних дел,
394065, г. Воронеж, пр. Патриотов, 53
Mishin Sergey Alexandrovich, Candidate of Technical Sciences, Associate Professor, Deputy Head of the Department of Automated Information Systems of Internal Affairs Bodies,
53 Patriotov St., Voronezh 394065
Рогозин Евгений Алексеевич, доктор технических наук, профессор, профессор кафедрыавтоматизированных информационных систем органов внутренних дел,
394065, г. Воронеж, пр. Патриотов, 53
Evgeny A. Rogozin, Dr. Sci. (Eng.), Prof., Prof., Department of Automated Information Systems of Internal Affairs Bodies,
53 Patriotov St., Voronezh 394065
Цель. Целью работы является оценка возможности применения теории «серых систем» для построения методики прогнозирования количества выявляемых уязвимостей в условиях неопределенности воздействующих факторов и недостатка исходных данных, включая сравнительный анализ результатов указанного прогнозирования, полученных с помощью традиционной и улучшенной моделей теории «серых систем», а также модели машинного обучения.
Метод. В работе описывается методика построения «серой модели» прогнозирования количества выявляемых уязвимостей на основе теории «серых систем». Исходными данными для прогнозирования является информация, получаемая из базы данных уязвимостей CVE (Common Vulnerabilities and Exposures). Анализируются результаты прогнозирования, полученные при использовании разработанной «серой модели» и модели линейной регрессии, реализованной на базе библиотеки scikit-learn и языка программирования Python.
Результат. Применение модели линейной регрессии и моделей, построенных на базе теории «серых систем», для прогнозирования количества выявляемых уязвимостей позволяет получить близкие значения прогноза. Согласно данным, полученным из базы данных уязвимостей CVE, за 1 квартал 2023 года опубликована информация о 7015 выявленных уязвимостях. Ближе всего к опубликованному значению оказался прогноз, полученный на основе традиционной модели теории «серых систем». Прогноз «серой модели» построен лишь на значениях исходных данных и не зависит от обстоятельств, возникающих в сфере информационной безопасности, что является ограничением в использовании предлагаемой методики.
Вывод. Результаты проведенного исследования свидетельствуют о возможности применения теории «серых систем» для краткосрочного прогнозирования количества обнаруживаемых уязвимостей. Применение разработанной методики позволяет осуществлять указанное прогнозирование с ограниченным числом исходных данных.
Objective. The aim of the work is to assess the possibility of applying the theory of “gray systems” to build a methodology for predicting the number of identified vulnerabilities in conditions of uncertainty of influencing factors and lack of initial data, including a comparative analysis of the results of this prediction obtained using traditional and improved models of the theory of “gray systems”, as well as machine learning models.
Method. The paper describes a technique for constructing a “gray model” for predicting the number of identified vulnerabilities based on the theory of “gray systems”. The initial data for forecasting is information obtained from the CVE (Common Vulnerabilities and Exposures) vulnerability database. In the course of the study, the results of forecasting obtained using the developed “gray model” and the linear regression model implemented on the basis of the scikit-learn library and the Python programming language are analyzed.
Result. The use of a linear regression model and models based on the theory of “gray systems” to predict the number of identified vulnerabilities allows you to get close forecast values. According to data obtained from the CVE vulnerability database, information on 7,015 identified vulnerabilities was published for the 1st quarter of 2023. The forecast obtained on the basis of the traditional model of the theory of “gray systems” turned out to be the closest to the published value. It should be noted that the forecast of the “gray model” is based only on the values of the initial data and does not depend on the circumstances arising in the field of information security, which is a limitation in the use of the proposed methodology.
Conclusion. The results of the study indicate the possibility of applying the theory of “gray systems” for short-term forecasting of the number of detected vulnerabilities. The application of the developed methodology makes it possible to carry out the specified forecasting with a limited number of initial data.
The authors declare that there are no conflicts of interest present.