Материал: Интеллектуальные информационные системы. труды международной научно-практической конференции. И73

дополнительно возбуждало население планеты и отнюдь не способствовало борьбе с коронавирусом;

–«политтехнологи» кинулись, используя обостренность ситуации, добывать преимущества для своих хозяев, нагнетая обстановку и отвлекая общественное мнение от накопившихся проблем. Пропаганда и карантинные меры стали консолидировать общество, поднимать рейтинги его правителей, погасили массовые протесты и конфликты. Однако этот мораторий бесконечно не продлится;

–«футурологи» завалили сеть пестрыми прогнозами: от распада ЕС до гибели НАТО; от мирового лидерства Китая до возвращения социалистической (коммунистической) идеи в массы; от триллионных убытков и краха мировой экономики до жуткой безработицы. Но в одном все они сходятся: «Мир после эпидемии коронавируса будет существенно другим»;

–«простые пользователи» буквально перегружены информационным потоком и в большинстве своем не способны объективно оценивать все его сообщения. Однако несовершенство и хрупкость нынешнего мироустройства стали для них очевидны. В условиях медико-биологической, информационнопсихологической, социально-экономической и геополитической турбулентности их приоритетом стали здоровье и благополучие семьи.

Беспрецедентное возбуждение (самое глубокое и массовое с момента появления сети Интернет) социо-информационного пространства загнало руководителей стран в авральный режим работы по борьбе с коронавирусом (ответственность и оперативность принятия и исполнения административных решений резко повысились, политические склоки отошли на второй план). Нужен незамедлительный результат, минимизирующий человеческие жертвы и экономические ущербы (таковы ожидания абсолютного большинства Интернетпользователей – самой социально и экономически активной части человечества). Не считаться с этим не может себе позволить ни один политический деятель планеты (столь значимым, благодаря коронавирусу, стало информацион- но-психологическое влияние Интернет-пространства, особенно его социальных сетей). Коронавирусное «контент-цунами» совершенно неожиданно и удивительно глубоко изменило мировое общественное мнение, сдвинуло сознание руководителей стран от конфронтации к необходимости межгосударственного сотрудничества перед лицом современных вызовов, ответить на которые в одиночку уже не представляется возможным. Неслучайно в сети Интернет бытует версия о том, что данная пандемия послана нам Проведением с целью отрезвления Человечества.

Вышеизложенная контент-аналитика оказалась возможной благодаря инструменту автоматизации мониторинга Netepidemic, который позволил тематически классифицировать Интернет-посты, всесторонне оценить вовлеченность пользователей в их содержание, определить ареалы и источники распространения. Развитие методического и программного обеспечений в части метрологии контентов и ресурсов, сканирование и ранжирование последних при монито-

15

ринге дало качественно новые и эффективные данные для последующих аналитических исследований, результаты которых представлены в настоящей работе. В этом направлении планируется и дальнейшее развитие инструментария автоматизации контроля Интернет-пространства.

Литература

1.Остапенко А.Г. Атакуемые взвешенные сети: монография / А.Г. Остапенко, Д.Г. Плотников, А.О. Калашников, В.Б. Щербаков, Г.А. Остапенко; под общ. ред. Д. А. Новикова. –Воронеж: Горячая линияТелеком, 2017. – 276 с.

2.Остапенко А.Г. Социальные сети и деструктивный контент: монография / А.Г. Остапенко, А.В. Паринов, А.О. Калашников, В.Б. Щербаков, А.А.

Остапенко; под общ. ред. Д. А. Новикова. – Воронеж: Горячая линияТелеком, 2017. – 276 с.

3. Остапенко А.Г. Эпидемии в телекоммуникационных сетях: монография / А.Г. Остапенко, Н.М. Радько, А.О. Калашников, О.А. Остапенко, Р.К. Бабаджанов; под общ. ред. Д. А. Новикова. – Воронеж: Горячая линияТелеком, 2017. – 284 с.

4. Остапенко А.Г., Мониторинг и управление рисками социоинформационного пространства в целях обеспечения региональной и национальной безопасности / В.П. Железняк, Е.Ю. Чапурин, А.А. Остапенко, С.Д. Трубицын, О.А. Остапенко, Т.Ю. Мирошниченко // Информация и безопасность. - 2019. – Т. 22. - №4. - С.557-572.

5. Симонов К.В. К вопросу о вирусности контента, нарушающего информационную безопасность Интернет-пользователей / Д.М. Коваленко, О.А. Остапенко, В.В. Сафронова, К.В. Сибирко // Информация и безопасность. - 2019. – Т. 22. - №4. - С.609-705.

6. Титов Н.Г., Методы мониторинга социальных сетей, их развитие и применение в контексте обеспечения их информационной безопасности / Е.Ю. Чапурин, Е.А. Москалева, М.И. Бочаров, В.И. Борисов // Информация и безопасность. - 2019. – Т. 22. - №3. - С.305-324.

7.Телегин Е.Н., Методы тематического моделирования, их развитие и применение для контента, циркулирующего в региональных онлайнсообществах / Е.Ю. Чапурин, К.А. Разинкин, Д.Г. Плотников, А.В. Попов // Информация и безопасность. - 2019. – Т. 22. - №3. - С.325-344.

8.Шварцкопф Е.А., Организация мониторинга социо-информа- ционного пространства и построение модели регионального интренет-

пользователя в контексте обеспечения его безопасности / Д.А. Савинов, С.М. Пасмурнов, Е.Р. Нежельский, С.С. Тихонова, Н.М. Лантюхов, А.Н. Бартенев // Информация и безопасность. - 2019. – Т. 22. - №4. - С.601-608.

ФГБОУ ВО «Воронежский государственный технический университет»

16

УДК 004.056.5

А. А. Чеснокова, И. В. Калуцкий, Д. О. Орлов

ВАРИАНТ МОДЕЛИ РАСПРЕДЕЛЕННОЙ СИСТЕМЫ АНАЛИЗА УЯЗВИМОСТЕЙ ВЫЧИСЛИТЕЛЬНЫХ СИСТЕМ

Мощности современных процессоров вполне достаточно для решения элементарных шагов большинства задач, а объединение нескольких десятков таких процессоров позволяет быстро и эффективно решать многие поставленные задачи, не прибегая к помощи мэйнфреймов и суперкомпьютеров. Другой же, не менее важной проблемой является построение системы, на которой бы возможна была реализация параллельных вычислений, и применение последней в задачах защиты информации

Кластеризация (или кластерный анализ) – это задача разбиения множества объектов на группы, называемые кластерами. Существует достаточно большое количество технологий, реализующих модель организации сетевого вычислительного кластера [1].

Одной из задач аудита информационной безопасности вычислительных систем является проверка устойчивости беспроводной сети к взлому и ddos атакам, для чего и может оказаться крайне эффективным кластер [2].

Оборудование суперкомпьютерных кластеров должно отвечать ряду требований для обеспечения требуемого уровня производительности.

К таким требованиям можно отнести: высокая готовность, высокое быстродействие, масштабирование, общий доступ к ресурсам, удобство обслужива-

ния [3, 4].

В ОС Linux имеется все необходимое для построения кластеров стандартными средствами – достаточно для нескольких компьютеров сделать единую файловую систему, например, с помощью NFS, и уже можно задействовать такие стандартные для Unix механизмы взаимодействия процессов, как сокеты и разделяемые файлы. Собственно, для составления кластера нужно немного — балансировка нагрузки на узлы кластера с перемещением процессов с одного узла на другой [5].

Рассмотрим базовую модель распределенной компьютерной системы. Основа такой системы – локальная сеть, состоящая из нескольких сегментов или узлов. Локальная сеть служит для связи рабочих станций пользователей, коммуникационного и другого оборудования. На рисунке представлена схема построения сети вычислительного кластера.

17

Рис. Схема построения сети вычислительного кластера

Сеть кластера состоит из узлов, управляющего сервера и коммутационного оборудования. Необходимо отметить, что важным параметром является высокая пропускная способность коммутационного оборудования. При решении сложных вычислительных задач в параллельных вычислениях скорость обмена данными между узлами кластера крайне высока. Исходя из обозначенных задач в рамках аудита информационной безопасности можно предположить следующую конфигурацию узлов кластера:

Стационарные компьютеры на базе процессоров Intel core i3–третьего поколения (или новее) или AMD Phenom II X4 (или новее) с оперативной памятью ddr3/ddr4 2-16 Гб. Видеокарты Nvidia GTX 660, Radeon HD 7870.

Главный компьютер – в виде стационарного с таким же оборудованием как на узловых или в виде сервера.

На узлах кластера необходимы сетевые карты. В качестве сетевых адаптеров можно использовать карты, поддерживающие работу не ниже пропускной способности стандарта GigabitEthernet. Предпочтительным будет использование сетевого оборудования (коммутационного) на основе технологии Infiniband, ввиду поддержки последним высокой скорости обмена данными. [6].

На узлах кластера возможно использовать операционные системы: Linux(debian,ubuntu), Linux hpc, PelicanHPC Linux так, как в них уже встроена поддержка кластеризации.

Ниже приведена статистика аппаратных средств Data mining по некоторым современным на сегодня процессорам и видеокартам.

При переборе паролей для WPA2 в бенчмарке hashcat следующие результаты для одного GPU:

18

RTX 2080 Ti 758700 hash/s

Nvidia RTX 2080 Founders Edition 571400 hash/s

Nvidia GTX 1080Ti 576000 hash/s

Radeon VII 16GB 534000 hash/s

RX Vega 64 8gb 495294 hash/s

Nvidia GTX 1080 396800 hash/s

RX Vega 56 8GB 370200 hash/s

Для сравнения результат восьми ядерного шестнадцати поточного процессора AMD RYZEN 1700 (первого поколения) - 5000 hash/s. То есть в сравнении со «старой» и «слабенькой» на сегодняшний день видеокартой современный процессор проигрывает в 4 раза в скорости таких специализированных вычислений, и примерно в 151 раз самой производительной видеокарте пользовательского сегмента.

Если мы возьмем кластер из четырех узлов, на каждом из которых присутствует 4 GPU AMD Radeon RX 580 (стоимость их относительно невелика на сегодня, а скорость 224000 hash/s), то пиковая производительность такого кластера при подборе паролей будет:

224000 hash/s * 16 = 3584000 hash/s

Последний показатель примерно в 716 раз выше в сравнении с одним рассмотренным CPU. Во временных рамках это более наглядно можно представить следующим образом, - если на полный перебор паролей для какого-то случая даже на мощном процессоре уходил бы промежуток времени в один год, то при помощи такого кластера это время сократилось бы примерно до половины дня.

Естественно, важным фактором здесь будет стоимость решения задачи, так как энергопотребление такого кластера примерно 2КВт в час.

Исходя из приведенных данных можно сделать вывод о том, что использование кластера, на каждом из узлов которого установлено 4 и более высокопроизводительных графических ускорителей, даже пользовательского сегмента, позволяет с высокой скоростью решать задачу аудита информационной безопасности вычислительных систем.

Таким образом, применение высокопроизводительных кластеров на основе пользовательского оборудования, может быть перспективно для решения задач информационной безопасности [7], а именно: проверка устойчивости сети к ddos атакам, подбору паролей для различных систем аутентификации в сетях и в широком спектре задач криптоанализа.

19