С.И. Штеренберг1

1 Санкт-Петербургский государственный университет телекоммуникаций им. проф. М.А. Бонч-Бруевича (Санкт-Петербург, Россия)

1 shterenberg.si@sut.ru

Постановка проблемы. В условиях реализации концепции производства «Индустрия 5.0» особое значение приобретает создание интеллектуальных систем обнаружения вторжений (СОВ), способных к самообучению, адаптации и эволюции в ответ на динамически изменяющиеся киберугрозы. Стандартные подходы к построению систем защиты информации (СЗИ), являясь недостаточно гибкими, не обеспечивают требуемую устойчивость и адаптивность в децентрализованных распреде-ленных информационных системах (РИС). В связи с этим актуальной задачей становится переход к квазибиологической парадигме, опирающейся на свойства биологических систем.

Цель. Обосновать гипотезу о достижении технологической сингулярности через квазибиологическую парадигму описания ин-теллектуальных систем обнаружения вторжений и реализовать ее путем формирования «цифровой ДНК» в архитектуре защиты информации на основе пакетно-нейросетевых программ в двухфазных режимах работы программного обеспечения для  качественно высоких показателей точности нейронной сети (НС), сокращающих время реакции на новые типы угроз.

Результаты. Через описание метода построения интеллектуальной СОВ рассмотрена проблема развития технологической сингулярности как момента качественного перехода к интеллектуальным средствам защиты информации (СЗИ). Представлен метод построения интеллектуальной СОВ с использованием самообучающейся НС для демонстрации свойств эволюционных селективных алгоритмов, таких как генетическое программирование и клональная селекция, входящих в состав ПНП. Показана возможность поддержания активного состояния программного обеспечения в условиях рассинхронизации и асин-хронной передачи данных. В результате проведенных экспериментов достигнуты высокие показатели точности: accuracy – 0,994085; precision – 0,990671; recall – 0,999028, подтверждющие эффективность предложенного метода.

Практическая значимость. Применение квазибиологической парадигмы обеспечивает эмерджентное поведение СЗИ, а также открывает возможности для создания автономных механизмов защиты в архитектурах распределенных информацион-ных систем (РИС), что позволяет улучшить качесто классификации атак на НС за счет эволюционной оптимизации параметров, направленных на сокращение общего времени реакции на новые типы угроз.

Штеренберг С.И. Гипотеза о достижении технологической сингулярности через квазибиологическую парадигму описания интеллектуальных систем обнаружения вторжений // Радиотехника. 2026. Т. 90. № 2. С. 141–157. DOI: https://doi.org/10.18127/j00338486-202602-15

1. Шелухин О.И., Шариков А.Ю. Имитация поведения компьютерной системы с помощью искусственных нейронных сетей // T-Comm: Телекоммуникации и транспорт. 2021. Т. 15. № 5. С. 29-37.
2. Шаго Ф.Н., Зикратов И.А. Методика оптимизации планирования аудита системы менеджмента информационной безопасности // Научно-технический вестник информационных технологий, механики и оптики. 2014. № 2(90). С. 111-117.
3. Майоров А.В., Красов А.В., Ушаков И.А. Модель представления Больших данных о компьютерных атаках в формате nosql // Вестник Санкт-Петербургского государственного университета технологии и дизайна. Сер. 1. Естественные и технические науки. 2023. № 2. С. 47-54.
4. Александров А.Ю., Платонов А.В., Старков В.Н., Степенко Н.А. Математическое моделирование и исследование устойчивости биологических сообществ: Учеб. пособие. Изд. 2-е, испр. и доп. СПб. Издательство «Лань». 2016. 272 c.
5. Доктырбай Ш.А., Птицына Л.К. Определение критериев методики управления качеством интеллектуальных интегрированных биометрических систем // Актуальные проблемы инфотелекоммуникаций в науке и образовании (АПИНО-2023): Сб. научных статей XII Междунар. науч.-технич. и науч.-методич. конф. В 4-х томах (Санкт-Петербург, 28 февраля – 01 2023 г.) / Под ред. С.И. Макаренко; сост. В.С. Елагин, Е.А. Аникевич. СПб: Санкт-Петербургский гос. ун-т телекоммуникаций им. проф. М.А. Бонч-Бруевича. 2023. Т. 2. С. 622-626.
6. Шичкина Ю.А., Фаткиева Р.Р., Пузако И.А. Модель распознавания информационных угроз с использованием рекуррентной нейронной сети // Сб. докладов III Междунар. конф. по нейронным сетям и нейротехнологиям (NEURONT'2022) (Санкт-Петербург, 16 июня 2022 г.). СПб: Санкт-Петербургский гос. электротехнический ун-т «ЛЭТИ» им. В.И. Ульянова (Ленина). 2022. С. 53-57.
7. Козлов С.В. Процессные аспекты обеспечения интероперабельности в автоматизированных системах, создаваемых на основе информационных и когнитивных технологий // Сб. трудов XII Междунар. науч.-технич. конф. «Безопасные информационные технологии» (Москва, 01–02 ноября 2023 г.). М.: МГТУ имени Н.Э. Баумана (НИУ). 2023. С. 80-88.
8. Штеренберг С.И., Поляничева А.В., Талакин Е.Н. Анализ свойств децентрализованных рассинхронизированных пакетных нейросетевых программ в распределенной информационной систем // Вестник Санкт-Петербургского гос. ун-та технологии и дизайна. Сер. 1. Естественные и технические науки. 2024. № 3. С. 45-51.
9. Штеренберг С.И., Поляничева А.В., Зуев Д.П., Шарифов Р.Г. Методика реализации компонентов ассимиляционной памяти в среде обработки больших данных // Вестник Санкт-Петербургского гос. ун-та технологии и дизайна. Сер. 1. Естественные и технические науки. 2024. № 3. С. 52-60.
10. Штеренберг С.И., Пестов И.Е., Гельфанд А.М., Катасонов А.И. Разработка модели оценки защищенности нейронной сети классификации данных // Вестник Санкт-Петербургского гос. ун-та технологии и дизайна. Сер. 1. Естественные и технические науки. 2024. № 2. С. 81-88.
11. Штеренберг С.И., Севостьянов В.А., Бударный Г.С. Уникальные направления атак на искусственный интеллект и нейронные сети // Вестник Санкт-Петербургского гос. ун-та технологии и дизайна. Сер. 1. Естественные и технические науки. 2024. № 2. С. 103-112.