Please use this identifier to cite or link to this item: http://hdl.handle.net/10995/66344
Title: Прогнозирование интенсивности кибератак на информационные системы критических инфраструктур
Other Titles: The Cyberattack Intensity Forecasting to Information Systems of Critical Infrastructures
Authors: Краковский, Ю. М.
Лузгин, А. Н.
Krakovsky, Y. M.
Luzgin, A. N.
Issue Date: 2018
Publisher: НИЦ «Надежность и ресурс больших систем и машин» УрО РАН
Уральский федеральный университет
Citation: Краковский Ю. М. Прогнозирование интенсивности кибератак на информационные системы критических инфраструктур / Ю. М. Краковский, А. Н. Лузгин // Безопасность критичных инфраструктур и территорий. Проблемы безопасности строительных критичных инфраструктур - Safety2018 = Safety of critical infrastructures and territories. Safety Problems of Civil Engineering Critical Infrastructures – Safety2018 : сборник статей. — Екатеринбург: НИЦ «НиР БСМ» УрО РАН; УрФУ им. первого Президента России Б. Н. Ельцина, 2018. — С. 34-42.
Abstract: В нормативных документах последних лет в сфере информационной безопасности уделяется большое внимание информационным системам критических инфраструктур. Это, в свою очередь, обосновывает необходимость научных исследований по разработке новых методов защиты от кибератак на такие информационные системы. Для этой задачи рекомендуется интервальное прогнозирование на основе вероятностной нейронной сети с динамическим обновлением параметра сглаживания. В качестве эталонов для сравнения результатов интервального прогнозирования были выбраны наивная байесовская модель и вероятностная кластерная модель.
In regulatory documents of recent years in the field of information security, much attention is paid to information systems of critical infrastructures. This, in turn, justifies the need for scientific research on the development of new methods of protection against cyberattacks on such information systems. For this task, interval forecasting is recommended based on a probabilistic neural network with dynamic updating of the smoothing parameter. As benchmarks for comparing the interval forecasting results, the naive Bayesian model and the probabilistic cluster model were chosen.
Keywords: ИНТЕРВАЛЬНОЕ ПРОГНОЗИРОВАНИЕ
КИБЕРАТАКИ
КРИТИЧЕСКАЯ ИНФРАСТРУКТУРА
ИНФОРМАЦИОННЫЕ СИСТЕМЫ
ВЕРОЯТНОСТНАЯ НЕЙРОННАЯ МОДЕЛЬ
ВЕРОЯТНОСТНАЯ КЛАСТЕРНАЯ МОДЕЛЬ
INTERVAL FORECASTING
CYBERATTACKS
CRITICAL INFRASTRUCTURE
INFORMATION SYSTEMS
PROBABILISTIC NEURAL MODEL
PROBABILISTIC CLUSTER MODEL
URI: http://hdl.handle.net/10995/66344
Conference name: VIII Всероссийская научно-техническая конференция с международным участием «Безопасность критичных инфраструктур и территорий»
XVIII школа молодых ученых «Безопасность критичных инфраструктур и территорий»
IV Международная конференция «Проблемы безопасности строительных критичных инфраструктур - SAFETY2018»
VIII All Russia Science and Technology Conference with International Participation «Safety of critical infrastructures and territories»
XVIII School of Young Scientists «Safety of critical infrastructures and territories»
IV International Conference «Safety Problems of Civil Engineering Critical Infrastructures – SAFETY2018»
SAFETY2018
Conference date: 04.10.2018-05.10.2018
RSCI ID: https://elibrary.ru/item.asp?id=37095997
ISBN: 978-5-8057-1012-5
Origin: Безопасность критичных инфраструктур и территорий. Проблемы безопасности строительных критичных инфраструктур, SAFETY2018. — Екатеринбург, 2018
Appears in Collections:Конференции, семинары

Files in This Item:
File Description SizeFormat 
978-5-8057-1012-5-2018-06.pdf361,93 kBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.