Материал: Основные проблемы и особенности защиты информации в банковских системах. модели нарушителей. Пархоменко А.П., Мешкова А.Ф

Внимание! Если размещение файла нарушает Ваши авторские права, то обязательно сообщите нам

Определенная таким образом вероятность успеш­ной атаки позволяет определить функцию риска как свертку шкал вероятности и ущерба (таблица 7).

Таблица 7 – Шкала оценок рисков

Ущерб

Вероятность реализации угрозы

A

B

C

D

E

1

Н

Н

Н

С

С

2

Н

Н

С

В

В

3

Н

С

В

В

К

4

С

В

В

К

К

5

С

В

К

К

Нд

Т

R

аблицы 6 и 7 позволяют определить продукцион­ные правила для рассматриваемого случая. Общее число правил равно 125.

Рисунок 2.3 – Зависимость риска от потенциала угрозы

R

R

Рисунок 2.4 – Зависимость риска от эффективности защиты

Рисунок 2.5 – Зависимость риска от величины ущерба

Эти графики являются проекцией «поверхности си­стемы нечеткого вывода» на плоскость, образованную осью риска и соответствующими переменными. Они позволяют не только гарантировать качество механиз­ма вывода, и объясняют поведение механизма оцен­ки риска и даже позволяют прогнозировать изменение риска при определенных условиях. На рисунках 2.3 и 2.4 просматривается «пороговый» эффект от преодоления потенциалом угрозы (U) эффективности защиты (Z), который свидетельствует о том, что в каждом конкрет­ном случае необходимо обеспечить определенный «по­роговый» уровень защиты. Представленные выше гра­фики позволяют обосновать величину этого «порого­вого» уровня 74.

3. Оценки рисков информационной безопасности.

3.1 Оценка рисков информационной безопасности на основе алгоритма Мамдани.

Для простоты изложения рассмотрим применение алгоритма Мамдани для оценки информационных рисков автоматизированных банковских систем по двум факторам: вероятности происшествия и тяжести возможных последствий. Очевидно, что риск тем больше, чем больше вероятность происшествия и тяжесть последствий. Риск в рассматриваемом случае вычисляется по формуле:

, (3.1)

где - вероятность проявления угрозы, - цена потери от действия угрозы.

Наиболее часто переменные и являются качественными величинами. В связи с этим операция умножения для них не определена и в явном виде не может быть использована. Для качественных величин должны быть определены субъективные шкалы.

Положим для простоты, что субъективные шкалы для оценок вероятностей проявления угрозы, цены потерь от действия угроз и величины риска имеют три градации, соответствующие высокому, среднему и низкому значениям.

Риск, связанный с определенным событием, зависит от двух факторов, и

может быть определен по таблице 3.1.

Таблица 3.1 – Оценка риска в зависимости от двух факторов

Вероятность проявления угрозы

Цена потери от действия угрозы

Низкая

Средняя

Высокая

Низкая

Низкий

Низкий

Низкий

Средняя

Низкий

Средний

Средний

Высокая

Низкий

Средний

Высокий

В общем случае число факторов, шкалы факторов риска и сама таблица могут быть определены иначе, иметь другое число градаций.

В основе алгоритма Мамдани лежит нечеткая логика 75. Для значений критериев вводятся нечеткие пере­менные, эти переменные используют для описания системы знаний об объектах. Данный алгоритм использу­ется для оценки и ранжирования информационных рисков АБС по нескольким критериям. При его ис­пользовании удается избежать одной из основных проблем задачи принятия решений — определения весовых коэффици­ентов важности критериев. Входными данными для алгоритма являются описание и значения нечетких пере­менных, правила вывода. Результатом работы ал­горитма являются четкие значения выходных пе­ременных.

На первом этапе определяется набор критериев для оценки рисков, им в соответст­вие ставятся нечеткие переменные. Нечеткие пе­ременные представляют собой тройку , где - имя переменной, - область определения , - нечеткое множество на , которое может быть охарактеризовано набором функций принадлеж­ности . Множества и определяются кон­кретным критерием. Например, если в качестве критерия выступает «цена потери», то ему будет соответствовать одноименная нечеткая переменная, множество значений кото­рой можно описать, например, тремя значениями - «высокая», «средняя», «низкая». Каждому значению будет соответствовать своя функция принадлежности.

Базу знаний составляют продукционные правила. Правила представляют собой конструкции вида «если (сложное условие), то (список выхо­дов)».

В соответствии с таблицей 3.1 база знаний в рассматриваемом случае состоит из девяти правил:

П1: если х есть А1 и у есть В1, тогда z есть С1;

П2: если х есть А2 и у есть В2, тогда z есть С2;

…………………………………………………...;

П9: если х есть А9 и у есть В9, тогда есть C9,

где х и у — имена входных переменных (соответственно субъективные вероятность угрозы и цена потери);

z — имя переменной вывода (оценка риска);

Al, A2, …, А9,Bl, B2, …, В9, Cl, C2, …, С9 — не­которые заданные функции принадлежности, при этом четкое значение z0 необходимо определить на основе приведенной информации и четких значе­ний x0 и y0.

Функции принадлежности для всех шкал могут задаваться с помощью

треугольной, трапециевидной и экспоненциальной функций.

Алгоритм Мамдани состоит из следующих четырех основных этапов:

1. Введение нечеткости. Определяются степени истинности для предпосылок каждого правила: А1(х0), А2(х0), …, А9( ), В1(y0), B2(y0), …., В9( ). Например, А1(х0) - это значение функции принадлежности А1 пере­менной х в точке х0;

2. Нечеткий вывод. Находятся уровни "отсече­ния" для предпосылок каждого из правил:

;

;

………………………

.

Затем определяются усеченные функции при­надлежности для выходной переменной:

;

;

…………………….

;

3. Композиция. С использованием операции max проводится объединение найденных усеченных функций, в результате получаем итоговую функ­цию принадлежности для выходной переменной:

4. Дефазификация. Определяется четкое значе­ние выходной переменной z0 (например, центроидным методом (как центр тяжести для кривой ):

– для дискретного варианта (3.2)

Рассмотрим пример определения ранга АБС по величине их интегрального информационного риска на основе алгоритма Мамдани. В качестве критериев для оценки информационных рисков АБС в данном случае выступают «вероятность проявления угрозы» и «цена потери от действия угрозы».

Оба кри­терия измеряются по пятибалльной шкале, т. е. эксперт в качестве значения критерия может вы­брать любое целое число в интервале от 1 до 5. По­ставим критериям в соответствие нечеткие пере­менные (таблица 3.2).

В качестве выходной переменной будет вы­ступать "ранг величины информационного риска АБС" (таблица 3.3).

Пусть для простоты вычислений система пра­вил вывода состоит из трех правил.

П1: Если ВПУ низкая (А1) и ЦП высокая (В1), то ранг средний (С1).

П2: Если ВПУ средняяе (А2) и ЦП средняя (В2), то ранг средний (С2).

ПЗ: Если ВПУ высокая (A3) и ЦП низкая (ВЗ), то ранг низкий (СЗ).

Исходные данные представим в виде таблица 3.4.

Рассмотрим основные этапы работы алго­ритма.

Найдем степени истинности для предпосылок каждого правила (таблицы 3.4, 3.5).

Таблица 3.2 - Вероятность проявления угрозы и цена потери от действия угрозы

Параметры нечёткой переменной

Имя нечёткой переменной α

«вероятность проявления угрозы» (ВПУ)

«цена потери от действия угрозы» (ЦП)

Область определения X

Значение нечёткой переменной

Функции принадлежности μA(x) для значений нечёткой переменной

[ 0,5]

[ 0,5]

Таблица 3.3 – Ранг величины информационного риска АБС

Имя нечётной переменной α

“Ранг информационного риска АБС”

Область определения X

[0,100]

Значения нечёткой переменной

“Низкий”, “Средний”, “Высокий”

Функции принадлежности μA(x) для значений нечёткой переменной

Источник: https://studfile.net/preview/16562718/