Дисертація доктора філософії. Віжевський Петро Володимирович. Методи та засоби виявлення і запобігання витоку даних в корпоративних мережах згідно еволюційних алгоритмів

Реєстраційний номер

0826U005260, Дисертація доктора філософії

На здобуття

Доктор філософії

Дата захисту

Статус

Запланована   Чому дисертація має статус "Запланована"?

Назва роботи

Методи та засоби виявлення і запобігання витоку даних в корпоративних мережах згідно еволюційних алгоритмів

Здобувач

Віжевський Петро Володимирович,

Керівник Савенко Олег Станіславович
Керівник Кравчик Юрій Васильович
Опонент Ткач Юлія Миколаївна
Опонент Лиса Наталія Корнеліївна
Рецензент Нічепорук Андрій Олександрович
Рецензент Кисіль Тетяна Миколаївна

Установа, організація, у вченій раді якої відбудеться/відбувся захист

Хмельницький національний університет

Опис

Вирішення задачі підвищення ефективності виявлення і запобігання витокам конфіденційної інформації в корпоративних мережах є однією з важливих наукових задач в галузі інформаційних технологій, орієнтованих на побудову та подальшу експлуатацію систем запобігання витокам даних (ЗВД). У дисертації здійснено аналіз методів та засобів виявлення витоку даних в корпоративних мережах, наявних ЗВД-рішень, їхніх функціональних обмежень та підходів до класифікації документів, поведінкового аналізу та адаптації політик безпеки. В роботі розроблено моделі, методи виявлення і запобігання витокам конфіденційної інформації в корпоративних мережах на основі еволюційних алгоритмів, а також розроблено відповідні програмні засоби і проведено з ними експериментальні дослідження. Об’єктом дослідження є процес виявлення і запобігання витокам конфіденційної інформації в корпоративних мережах. Предметом дослідження є методи та програмні засоби виявлення і запобігання витоку даних в корпоративних мережах на основі еволюційних алгоритмів. Метою дисертаційного дослідження є підвищення ефективності виявлення і запобігання витокам конфіденційної інформації в корпоративних мережах шляхом розробки еволюційно-адаптивних методів класифікації документів, поведінкового профілювання користувачів та оптимізації політик безпеки на основі генетичних алгоритмів, а також програмних засобів, що реалізують ці методи у складі єдиного програмного комплексу. Наукова новизна отриманих результатів полягає в такому: удосконалено модель процесу запобігання витокам даних, яка об’єднує моделі витоку, корпоративного середовища та даних у єдиній формальній схемі із чітко визначеними точками прикладення адаптивних механізмів, що дає змогу узгоджено проєктувати класифікацію документів, поведінкове профілювання та адаптацію політик як складники одного процесу; вперше розроблено метод класифікації документів за рівнем конфіденційності на основі генетичного алгоритму, особливістю якого є хромосомне кодування продукційних правил у поєднанні з регуляризацією складності моделі та глобальний еволюційний пошук цілісних наборів правил безпосередньо в просторі ознак політик безпеки, що дає змогу отримувати компактний, придатний для аудиту набір правил із конкурентною якістю розпізнавання; вперше розроблено метод еволюційної адаптації політик ЗВД за умов дрейфу концепції, особливістю якого є детектор змін на основі підтвердженого багатоознакового статистичного тесту, який працює безпосередньо з розподілом вхідних ознак і не потребує оперативних міток істинності, у поєднанні з еволюційним перенавчанням політик, яке зберігає інтерпретовану структуру набору правил; набув подальшого розвитку метод поведінкового профілювання користувачів, який ґрунтується на індивідуальному адаптивному профілі кожного користувача з генетичною оптимізацією його конфігурації та ваг ознак, що дає змогу точніше виявляти внутрішніх порушників у межах реалістичного бюджету тривог. Практичне значення отриманих результатів. На основі запропонованих методів розроблено програмний комплекс запобігання витоку даних з еволюційною адаптацією на основі генетичних алгоритмів (ЗВДЕАГА) мовою Python із модульною архітектурою. Експериментальні дослідження на відкритих корпусах і реальних потоках даних підтвердили, що генетичний класифікатор документів досягає F1-міри 0,826 на корпусі ai4privacy за компактного набору приблизно з п’яти правил; метод поведінкового профілювання на корпусі CERT r4.2 виявляє інсайдерів на робочому бюджеті тривог приблизно у 2,5 раза точніше за глобальні методи; правило підтвердження детектора дрейфу зменшує кількість хибних тривог більш як утричі за повного виявлення справжніх змін; адаптація з перенавчанням за сигналом детектора підвищує преквенціальну точність на реальних потоках на 6,6–8,0 % порівняно зі статичною політикою. Теоретичні та практичні результати дослідження впроваджені в ТОВ «ITT» (м. Хмельницький), ПП «Авіві» (м. Хмельницький), а також в освітньому процесі Хмельницького національного університету.

Дата реєстрації

2026-09-18

Додано/оновлено в НРАТ

2026-09-18 / 2026-09-18