Анализ рисков ИБ в организации с применением кластеризации Ложечка В.И
advertisement
АНАЛИЗ РИСКОВ ИНФОРМАЦИОННОЙ БЕЗОПАСНОСТИ В ОРГАНИЗАЦИИ С ПРИМЕНЕНИЕМ КЛАСТЕРИЗАЦИИ Ложечка Виктория Игоревна ИТА ЮФУ, г. Таганрог Научный руководитель д.т.н. зав. кафедры ИАСБ Целых Александр Николаевич Предисловие В современном мире процесс обработки информации сильно усложнился в связи с тем, что произошло резкое увеличение масштабов информационных проблем и объема обрабатываемой информации, возросли сложности программного и аппаратного обеспечения, появляются новые типы угроз, многие из которых широко распространены в глобальной сети. На фоне этих событий становится ясно, что взаимосвязанность и взаимозависимость критических инфраструктур может ежедневно приводить к новым рискам. Поэтому необходимо совершенствовать методы анализа рисков информационной безопасности. Для этой цели подойдет один из методов интеллектуального анализа данных, а именно кластеризация. Кластеризация - это метод анализа данных, который позволяет выявить группы в графе. При этом объекты в группах должны быть похожими, но в то же время отличаться от объектов других групп. Алгоритм Edge-Betweenness Данный алгоритм работает следующим образом: • Вычисляется промежуточность для всех ребер графа. • Необходимо удалить ребра с наибольшим значением промежуточности • Пересчитать промежуточность для всех краев, которые были затронуты удалением на предыдущем шаге. Алгоритм Fast-greedy Работа данного алгоритма нацелена на улучшение модульности графа, путем объединения вершин в сообщества. При этом значение модульности определяется следующим математическим выражением, в котором 𝑒𝑖𝑗 является долей всех ребер, связывающих кластер i с кластером j: 𝑘 𝑄= 𝑒𝑖𝑗 − 𝑖=1 2 𝑘 𝑒𝑖𝑗 𝑗=1 Алгоритм Walktrap Работа данного алгоритма заключается в прохождении случайным бродягой всех узлов графа по ребрам. Если два узла i и j находятся в одном и том же сообществе, вероятность блуждателя попасть в третий узел k, находящийся в том же сообществе, путем случайного обхода не должна сильно отличаться для вершин i и j. Нечеткие когнитивные карты Нечеткая когнитивная карта (FCM) - это графическое представление, состоящее из узлов, указывающих наиболее важные факторы среды принятия решений; и связи между этими узлами, представляющие отношения между этими факторами. Сравнение метрик кластеризации modularity Edge-betweenness Fast-greedy Walktrap 0.03807258 0.2248662 0.1543724 3 3 3 membership Сравнение параметра modularity 0,25 0,2 0,15 0,1 0,05 0 Edge-betweenness Fast-greedy Walktrap Результаты кластеризации Спасибо за внимание! Ложечка Виктория Игоревна Институт компьютерных технологий и информационной безопасности Южного федерального университета г. Таганрог
