Реєстраційний номер
2123U013813, Матеріали видань та локальних репозитаріїв
Категорія
Стаття
Назва роботи
Забезпечення інформаційного захисту в телекомунікаційних мережах 6G
Автор
Васильківський М. В.
Будаш М. В.
Болдирева О. С.
Vasylkivskyi M. V.
Budash M. V.
Boldyreva O. S.
Дата публікації
01-01-2023
Постачальник інформації
Вінницький національний технічний університет
Першоджерело
http://ir.lib.vntu.edu.ua/handle/123456789/37891
Видання
Луцький національний технічний університет
Опис
Розглянуто автономну інформаційну безпеку, яка буде однією з ключових функцій створення благонадійної архітектури телекомунікаційної мережі 6G. Визначено особливості захисту систем і кінцевих користувачів від атак зловмисників у міру їх виникнення із використанням запропонованої архітектури мережі та проактивного підходу. Поєднавши автономні технології інформаційної безпеки з архітектурою системи розглянуто можливість створення динамічного інтелектуального захисту із використанням машинного навчання, штучної імунної системи. Розглянуто перспективи широкого поширення технологій на основі штучного інтелекту та машинного навчання для вирішення проблем інформаційної безпеки. Зокрема, здійснено покращення виявлення проблем інформаційної безпеки, запропоновано рекомендації аналітикам, що дозволить скоротити час відгуку на інцидент із сотень годин до секунд та підвищуючи продуктивність роботи аналітиків з одного або двох інцидентів до тисяч на день. Розглянуто благонадійність процесу передавання інформаційних даних, як визначальний фактор інформаційного захисту з погляду комунікації. Основні наукові докази для формування правильного висновку про те, чи заслуговує на довіру телекомунікаційна мережа 6G базуються на її функціональних параметрах, які свідчать про рівень благонадійності, яку очікуємо від впровадження технологій 6G. В результаті, визначено, що благонадійність телекомунікаційної мережі 6G успадковує чудові функціональні можливості та передовий досвід мереж попереднього покоління, а також враховує різні дисципліни та соціальні проблеми. Досліджено вплив надійності глибокої нейронної мережі (DNN) на оцінку систем штучного інтелекту із врахуванням, що для навчання штучного інтелекту використовуються масивні набори реальних даних, які можуть призвести до витоку, підробки, крадіжки та неправомірного використання даних через відсутність належного захисту.
Додано/оновлено в НРАТ
2026-11-04
