В ходе исследования существующих подходов к защите от несанкционированного доступа (НСД), детального рассмотрения современных систем защиты от НСД и их недостатков обосновывается необходимость в разработке новой модели системы защиты. Основу предполагаемой модели могут составить более совершенные (как по возможностям применения, так и в плане развития) концепции искусственного интеллекта, среди которых нейронные сети имеют приоритет.
Одним из наиболее опасных преступлений в информационной сфере является получение несанкционированного доступа к информационным ресурсам правонарушителем.
Несанкционированный доступ к информации — доступ к информации, нарушающий правила разграничения доступа с использованием штатных средств, предоставляемых средствами вычислительной техники или автоматизированными системами [1].
Существующие технологии защиты от НСД позволяют в большинстве случав решать возникающие проблемы обеспечения безопасности информации и объекта информатизации в целом. Но информатизация общества принимает более качественный вид, что не обходится и без побочного результата: появляются новые и более сложные «лазейки» в системах разграничения доступа и защиты конфиденциальности данных.
Перспективным подходом к обеспечению защиты от НСД является концепция интеллектуальной защиты. Сама концепция не является инновационной, ведь идея искусственного интеллекта беспокоит умы ученых с давних пор. Инновационными (в отношении практической значимости) являются способы реализации и применения интеллектуальных систем, а так же их наложения на уже существующие. В отношении обеспечения защиты от НСД примером реализации и внедрения таких «динамических» систем могут послужить нейронные сети (НС).
Среди преимуществ интеллектуальных систем защиты от НСД можно выделить процессы, высокие показатель которых может повлиять на функционирование системы:
- Быстродействие;
- Производительность;
- Отказоустойчивость;
- Обучаемость, включая коррекцию ошибок.
НС предоставляют средства для реализации этих наиболее важных процессов. Для их исполнения в программно-технических системах применимы способы нечётких вычислений, которые строятся на информации от специалистов. Задачи совершенствования находят решение в использовании адаптивных методов, в том числе, с использованием генетических алгоритмов. [2]
Нечёткие нейронные сети (ННС) выдают результаты, применяя аппарат нечёткой логики, но условия функций классификации регулируются алгоритмами обучения НС. Логичным для подбора условия таких сетей является использование метода обратного распространения ошибки, ведь он был предложен для обучения многослойного персептрона изначально. В этих целях блок нечёткого управления выступает в виде многослойной сети. Этот блок в совокупности с нечеткой логикой представляет собой адаптивный линейный взвешивающий сумматор [2].
ННС образуется связью 4 модулей: слоя преобразования по нечеткому алгоритму входных данных, слоя активации условия и агрегирования его значений, слоя агрегирования нечётких правил и выходного слоя. Использование этих уровней в совокупности позволяет эффективным образом использовать все датчики безопасности и установить надежную контролируемую зону. [3]
По быстродействию и эффективности ННС на сегодняшний день являются довольно перспективными в области защиты от НСД.
Исходя из вышеизложенного, можно сделать вывод о том, что система защиты от НСД, является ключевой, так как на ее основе строится модель нарушителя и политика безопасности в целом. И перед лицом современных информационных угроз необходима принципиально новая модель защиты от НСД, которая будет более гибкой, в плане ее совершенствования. ННС предоставляют собой большой потенциал в этом направлении.
