Please use this identifier to cite or link to this item: http://lib.kart.edu.ua/handle/123456789/4706
Title: Применение интеллектуальной диагностической инфраструктуры для управления кибербезопасностью. Часть 2. Поддержка жизненного цикла системы киберзащиты
Other Titles: Application of intelligent diagnostic infrastructure to manage cybersecurity. Part 2. Support lifecycle of cyber
Authors: Мирошник, Марина Анатольевна
Крылова, Виктория Анатольевна
Демичев, А. И.
Miroshnik, М. А.
Krylova, V. A.
Demihev, A. I.
Keywords: кібербезпека
інтелектуальна діагностична інфраструктура
мережеві атаки
мережа
доступ
автентифікація
шифрування
захист інформації
бази даних
моделі безпеки
methods of diagnosis
monitoring
complex failures
computer information management systems
distributed networks
network protocols
network attacks
routed service
authentication
encryption
data protection
database security model
Issue Date: 2016
Publisher: Український державний університет залізничного транспорту
Citation: Мирошник М. А. Применение интеллектуальной диагностической инфраструктуры для управления кибербезопасностью. Часть 2. Поддержка жизненного цикла системы киберзащиты / М. А. Мирошник, В. А. Крылова, А. И. Демичев // Інформаційно-керуючі системи на залізничному транспорті. - 2016. - № 1. - С. 16-25.
Abstract: UA: Кібербезпека в умовах глобальної інформатизації суспільства розглядається сьогодні як один з основних компонент національної безпеки. У роботі розглядається підхід до розробки і використання систем кіберзахисту, заснований на виділенні інтелектуальної надбудови над традиційними механізмами захисту і побудові єдиної уніфікованої середовища для створення та підтримки функціонування систем захисту. Представляються окремі механізми управління кібербезпекою.
EN: How use of structural features in the construction of hybrid models allows supporting of models adjustment and adaptation to problem-subject environment was considered in the article. The following features were attributed to structural ones: the type of learning algorithm; kind of activation function; the number of layers of the neural network; type of neurons; way of spreading information in neural networks; method of evaluating and interpreting the results of the neural network; the format of fuzzy inference rules; fuzzification and defuzzification method; way to implement the operations of fuzzy implication and logical operations NOT, AND, OR; kind of used genetic operators and the target functions, etc. We propose to use a neural network approach as a basis for the decision of difficulty tasks using decisionsupport systems. Its effectiveness can be enhanced by: prior training or adjustment of individual neural modules for solvable problem; incorporation of knowledge about the peculiarities of the domain in the hierarchical (multilayer) neural networks structure; application of basic types of hybrid models in which neural network communicates with other information technologies.
URI: http://lib.kart.edu.ua/handle/123456789/4706
ISSN: 1681-4886 (рrint); 2413-3833 (online)
Appears in Collections:№ 1

Files in This Item:
File Description SizeFormat 
Miroshnik.pdf795.97 kBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.