Методы семантического анализа состояния процесса функционирования системы обнаружения, предупреждения и ликвидации последствий компьютерных атак

Цель. Целью исследования является определение наиболее эффективного метода семантического анализа состояния процесса функционирования системы обнаружения, предупреждения и ликвидации последствий компьютерных атак. Метод. Исследование проведено на основании методов семантического анализа состояния процесса функционирования СОПКА. Результат. Предложена структурная модель системы семантического анализа состояния процесса функционирования СОПКА, способная в полной мере обеспечить анализ состояния процесса функционирования cистемы обнаружения, предупреждения и ликвидации последствий компьютерных атак. Определено, что наиболее эффективным методом решения задачи семантического анализа состояния процесса функционирования СОПКА является машинное обучение с применением онтологического моделирования объекта анализа. Вывод. Необходимы дальнейшие исследования в части разработки предлагаемой системы семантического анализа состояния процесса функционирования системы обнаружения, предупреждения и ликвидации последствий компьютерных атак.

1. Коноваленко С.А., Королев И.Д., Шабля В.О. Анализ процесса функционирования ведомственного сегмента системы обнаружения, предупреждения и ликвидации последствий компьютерных атак на критическую информационную инфраструктуру Вооруженных Сил Российской Федерации // Информационная безопасность – актуальная проблема современности. Совершенствование образовательных технологий подготовки специалистов в области информационной безопасности: материалы XXIII Всерос. межведомст. НТК, г. Краснодар 2021 г. / отв. ред. д.т.н., проф. А.В. Крупенин. – Краснодар: КВВУ, 2021. – Т. 2. – С. 80-90.

2. Шабля В.О., Коноваленко С.А., Едунов Р.В. Анализ процесса функционирования SIEM-систем // E-scio [Электронный ресурс]: Электронное периодическое издание "E-scio.ru" - Эл № ФС77-66730 - Режим доступа: http:e-scio.ru/wp-content/uploads/2022/05/ШабляВ.О.,КоноваленкоС.А.,ЕдуновР.-В.pdf

3. Коноваленко С.А., Шабля В.О., Титов Г.О. Анализ методов контроля состояния процесса функционирования сложных технических систем [Электронный ресурс]//Наукосфера.-2021,- № 12(2), С. 234.

4. Кульневич А.Д., Кошечкин А.А., Карев С.В., Замятин А.В. Подход к распознаванию именованных сущностей на примере технологических терминов в условиях ограниченной обучающей выборки. Вестник Томского государственного университета. Управление, вычислительная техника и информатика, (58), с. 71-81.

5. Лесников, С.В. Тезаурус как отражение системности языка. Вестник Челябинского государственного университета, (28), С. 52-61.

6. Осокина С.А. Сетевая модель языкового тезауруса: особенности построения. Сибирский филологический журнал, (3), С. 191-198.

7. Лазутченкова, Е.А. Прагматический анализ в лексической семантике. Полилингвиальность и транскультурные практики, (1), С. 62-65.

8. Боброва М.Б., Мастилин А.Е. Машинное обучение в кибербезопасности. Научные междисциплинарные исследования, (2), С. 24-29.

9. Магжанова А.Т. Интеграция информационных источников с использованием кластер- анализа по схеме машинного обучения без учителя. Теория и практика современной науки, (6 (24)), С. 1037-1040.

10. Максютин П.А., Шульженко С.Н. Обзор методов классификации текстов с помощью машинного обучения. Инженерный вестник Дона, (12 (96)), С. 1-9.

11. Жиленков А.А., Силкин А.А., Серебряков М.Ю., Колесова С.В. Сравнительный анализ систем глубокого обучения с подкреплением и систем обучения с учителем. Известия Тульского государственного университета. Технические науки, (10), С. 109-112.

12. Столяров А.С., Раджабов Т.Р. Развитие ИИ, глубокое и машинное обучение. Теория и практика современной науки, (8 (38)), С. 70-80.

13. Папуша С.И. Онтология и графовые базы данных. Проблемы экономики и юридической практики, (3), С. 268-272.

14. Добров Б.В., Иванов В.В., Лукашевич Н.В., Соловьев В.Д. Онтологии и тезаурусы: модели, инструменты, приложения: учебное пособие [Электронный ресурс] / Б.В. Добров, В.В. Иванов, Н.В. Лукашевич, В.Д. Соловьев. — 2־е изд. (эл.) — Электрон, дан. и прогр. (3 Мб.) — М: ИнтернетУниверситет Информационных Технологий; Саратов: Вузовское образование, 2017.

15. Хекало Т.В. Изучение личностных смыслов физико-химических объектов методом семантического дифференциала. Вопросы психолингвистики, 2016, С. 256-265.