Пошук академічних текстів

Інформація × Реєстраційний номер 0220U101175, 0117U004268 , Науково-дослідна робота Назва роботи Система запобігання кіберзлочинності у відкритих інформаційних ресурсах на стадії формування контенту. Назва етапу роботи Керівник роботи Чертов Олег Романович, Дата реєстрації 04-01-2020 Організація виконавець Національний технічний університет України "Київський політехнічний інститут імені Ігоря Сікорського" Опис етапу  «Публічна інформація у формі відкритих даних» — це публічна інформація у форматі, який дає можливість виконувати її автоматизоване оброблення електронними засобами, вільний та безоплатний доступ до неї, а також її дальше використання. Розпорядники інформації зобов’язані надавати публічну інформацію у формі відкритих даних на запит, оприлюднювати й регулярно оновлювати її на державному веб-порталі відкритих даних та на своїх веб-сайтах. Відповідна інформація є дозволеною для її дальшого вільного копіювання, опублікування, використання та розповсюдження. За таких обставин потенційні зловмисники за допомогою методів аналізу даних можуть віднайти приховані закономірності, структури розподілу даних, виявити й мати безпосередній доступ до інформації з обмеженим доступом, якщо така міститиметься у відкритих даних, зокрема й у неявному вигляді. Навіть вилучення, перед оприлюдненням даних, відповідних атрибутів не гарантує схоронності інформації. Методи забезпечення групової анонімності даних дають змогу захистити інформацію про групи осіб, наприклад, інформацію про територіальний та інші типи розподілів. Зважаючи на велику кількість відкритих інформаційних ресурсів в Україні, а саме: сайти юридичних і фізичних осіб, бази даних, державні й корпоративні реєстри, інформаційні сховища та інформаційні колектори, ресурси громадських організацій і соціальних мереж тощо, у яких розміщують відкриті дані, що можуть містити інформацію з обмеженим доступом, нагальною є потреба забезпечення захисту такої інформації. Застосування для цього методів і засобів технічного захисту інформації є просто неможливим, оскільки дані є відкритими й доступними для широкого кола користувачів. Таким чином, актуальною і доцільною є задача розроблення моделей, методів та інформаційних технологій, що дозволять створити систему запобігання кіберзлочинності у відкритих інформаційних ресурсах. Розроблені математичні моделі забезпечення індивідуальної та групової анонімності мікрофайлів (для даних, що можуть Опис продукції У класичних та сучасних роботах в області «збереження приватності при публікації даних» (privacy-preserving data publishing) досліджуються лише питання забезпечення індивідуальної анонімності даних. Значна частина відповідних методів реалізована в пакеті μ-Argus, який де-факто став стандартом у галузі і зараз вільно розповсюджується. У деяких випадках також застосовують методи, відмінні від методів маскування, наприклад, методи генерації синтетичних даних чи комбіновані методи, що використовують і вихідні, і синтетичні дані. Для підготовки мікрофайлів з даними респондентів такі методи не прийнятні, оскільки, не знаючи цілей такого аналізу, неможливо згенерувати адекватні набори синтетичних даних. На сьогоднішній день світовий пріоритет у розробленні методів забезпечення саме групової анонімності даних належить колективу авторів проекту та його науковому керівнику О. Р. Чертову. Уперше задачу забезпечення групової анонімності сформульовано як задачу пошуку максимального потоку мінімальної вартості, у якій на архітектуру мережі накладено нечіткі обмеження, і запропоновано оригінальний метод її розв’язання на основі міметичних обчислень, який полягає у формуванні відповідних нечітких обмежень та дальшому застосуванні гібридного еволюційного алгоритму, де вони враховуються у функції пристосованості, що дає можливість одержувати розв’язки цієї задачі допустимої вартості, тобто з прийнятним ступенем сумісні з накладеними обмеженнями. Удосконалено метод виявлення підгруп, який відрізняється від існуючих новою мірою якості нечітких правил для опису підгруп, яка враховує непропорційно велику відносну перевагу кількостей елементів підгрупи над кількостями елементів поза нею в окремих областях простору ознак, що дає змогу виділяти підгрупи малого обсягу та високої локальної концентрації. Удосконалено моделі груп респондентів, що використовуються для порушення анонімності даних про ці групи, які відрізняються від існуючих врахуванням базових атрибутів мікрофайлу, що дає змогу а Автори роботи Александрова Маргарита Володимирівна Мальчиков Володимир Вікторович Маслянко Павло Павлович Павлов Дмитро Геннадійович Сохацький Максим Еротейович Тавров Данило Юрійович Чертов Олег Романович Додано в НРАТ 2020-04-02 Закрити