Логотип
ИЭА СТР
УДК 004.8+004.056 • EDN: OYXHTE • e-Library ID: 88986721

ГИБРИДНАЯ МОДЕЛЬНАЯ АНАЛИТИКА БЕЗОПАСНЫХ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ

• С. 513–520
Скачать JATS XML Скачать PDF
🇷🇺 На русском

Для цитирования

Бурый А.С., Усцелемов В.Н. Гибридная модельная аналитика безопасных информационных технологий / III Научно-практическая конференция «Стандартизация: траектория науки», приуроченная ко Всемирному дню стандартов, Москва, 15 октября 2025 г. // Информационно-экономические аспекты стандартизации и технического регулирования. 2025. № 6(87). С. 513–520

Аннотация

Современные исследователи нередко сталкиваются с проблемой, когда модели, методы и алгоритмы, разработанные в недавнем прошлом, становятся совершенно беспомощными при обработке больших и разнотипных данных. Требуется переход от традиционной аналитики данных к аналитике больших данных, нацеленной на раскрытие потенциальных ценностей данных – новых знаний, повышающих в том числе и безопасность существующих информационных технологий. Целью работы является рассмотрение инструментария методов предиктивной аналитики в обеспечении безопасности информационных технологий, ориентированных на поддержку принятия решений на основе структуризации гибридных информационно–аналитических моделей.

Ключевые слова

гибридные модели интеллектуальный анализ данных предиктивная аналитика безопасность информационных технологий системы поддержки принятия решений

Об авторах

Бурый Алексей Сергеевич

Бурый Алексей Сергеевич — Доктор технических наук, ФГБУ «Институт стандартизации», ( Москва, Россия )

Усцелемов Вячеслав Николаевич

Усцелемов Вячеслав Николаевич — аспирант, ФГБУ «Институт стандартизации», ( Москва, Россия )

Список литературы

  1. 1. Левенцов В.А., Костецкий Д.Ю., Аркина К.Г. Разработка интегрированного стандарта обеспечения цифровыми двойниками наукоемкого производства // Известия Санкт-Петербургского государственного экономического университета. 2021. № 1(127). С. 105–115. /
  2. 2. Грошев А.В. Стратегия алгоритмического повышения точностных характеристик и информационной надежности инерциально-спутниковых навигационных систем в составе беспилотных летательных аппаратов // Труды МАИ. 2019. № 104. С. 16. /
  3. 3. Бурый А.С. Информационное пространство сетевого взаимодействия в клиентской среде // Транспортное дело России. 2011. № 8. С. 156–157. /
  4. 4. Бурый А.С. Тенденции развития распределенных информационных систем на основе облачных технологий // Транспортное дело России. 2013. № 6. С. 160–162. /
  5. 5. Цао Л. Образ мышления в науке о данных: Наступающая научно-техническая и экономическая революция. – СПб.: Изд-во Европейского университета в Санкт-Петербурге, 2022. – 552 с. /
  6. 6. Колесников И.Н., Финогеев А.Г. Проактивный мониторинг событий на основе предиктивного анализа временных рядов // Модели, системы, сети в экономике, технике, природе и обществе. 2020. № 1(33). С. 111–
  7. 7. Леонов Н.В. Противодействие уязвимостям программного обеспечения. Ч. 1. Онтологическая модель // Вопросы кибербезопасности. 2024. № 2(60). С. 87–92. – DOI 10.21681/2311–3456–2024–2–87–92.
  8. 8. Бурый А.С., Усцелемов В.Н. Развитие систем поддержки принятия решений на основе прецедентов в распределенных информационных структурах // Правовая информатика. 2024. № 1. С. 88–95. /
  9. 9. Бурый А.С., Усцелемов В.Н. Информационная безопасность автоматизированных систем // Информационно-экономические аспекты стандартизации и технического регулирования. 2023. № 2(72). С. 31–37. /
  10. 10. Бурый А.С., Полоус А.И. Качество информации в организационно-технических системах управления // Транспортное дело России. 2012. № 6-2. С. 82–87. /
  11. 11. Ловцов Д.А. Теория защищенности информации в эргасистемах: монография. – М.: РГУП, 2022. – 276 с. / Lovtsov D.A. Teoriya zashchishchennosti informacii v ergasistemah: monografiya. Moscow: RGUP Publ., 2022, 276 p.
  12. 12. Малюк А.А. Основы политики безопасности критических систем информационной инфраструктуры. – М.: Горячая линия-Телеком, 2019. – 314 с. /
  13. 13. Stafford S.P. Data, information, knowledge, and wisdom // Knowledge management, organizational intelligence and learning, and complexity. 2009. Т. 3. С. 179.
  14. 14. Sarker I.H. Data science and analytics: an overview from data-driven smart computing, decision-making and applications perspective // SN Computer Science. 2021. Т. 2, № 5. С. 377.
  15. 15. Ekundayo F., Atoyebi I., et al. Predictive Analytics for Cyber Threat Intelligence in Fintech Using Big Data and Machine Learning // International Journal of Research Publication and Reviews. 2024. T. 5, № 11. С. 5934–5948
🇬🇧 In English

HYBRID MODEL ANALYTICS OF SECURE INFORMATION TECHNOLOGIES

Abstract

Modern researchers often face the problem when models, methods, and algorithms developed in the recent past become completely helpless when processing large and diverse data. A transition from traditional data analytics to big data analytics is required, aimed at uncovering the potential values of data – new knowledge that increases, among other things, the security of existing information technologies. The purpose of the work is to consider the tools of predictive analytics methods in ensuring the security of information technologies focused on decision support based on the structuring of hybrid information and analytical models.

Keywords

hybrid models data mining predictive analytics information technology security decision support systems.

About the authors

Buryi A. S.

Buryi A. S. — Doctor of Science in Technology, Russian Standardization Institute, ( Moscow, Russia )

Ustselemov V. N.

Ustselemov V. N. — graduate student, Russian Standardization Institute, Moscow, ( Moscow )

References

  1. 1. Leventsov V.A., Kostetskij D.Yu., Arkina K.G. Razrabotka integrirovannogo standarta obespecheniya cifrovymi dvojnikami naukoemkogo proizvodstva. Izvestiya Sankt-Peterburgskogo gosudarstvennogo ekonomicheskogo universiteta. 2021;1(127):105–115. (In Russ.).
  2. 2. Groshev A.V. Strategiya algoritmicheskogo povysheniya tochnostnyh harakteristik i informacionnoj nadezhnosti inercial'no-sputnikovyh navigacionnyh sistem v sostave bespilotnyh letatel'nyh apparatov. Trudy MAI. 2019;104:16. (In Russ.).
  3. 3. Buryi A.S. Informacionnoe prostranstvo setevogo vzaimodejstviya v klientskoj srede. Transport Business of Russia. 2011;8:156–157. (In Russ.).
  4. 4. Buryi A.S. Tendencii razvitiya raspredelennyh informacionnyh sistem na osnove oblachnyh tekhnologij. Transport Business of Russia. 2013;6:160–162. (In Russ.).
  5. 5. Cao L. Data Science Thinking the Next Scientific, Technological and Economic Revolution. St. Petersburg: Publ. House of the European University, 2022, 552 p. (In Russ.).
  6. 6.
  7. 7. Leonov N.V. Protivodejstvie uyazvimostyam programmnogo obespecheniya. Part 1. Ontologicheskaya model. Cybersecurity issues. 2024;2(60):87–92. (In Russ.).
  8. 8. Buryi A.S., Ustselemov V.N. Razvitie sistem podderzhki prinyatiya reshenij na osnove precedentov v raspredelennyh informacionnyh strukturah. Legal Informatics. 2024;1:88–95. (In Russ.).
  9. 9. Buryi A.S., Ustselemov V.N. Information security of automated systems. Information and Economic Aspects of Standardization and Technical Regulation. 2023;2(72):31–37. (In Russ.).
  10. 10. Buryi A.S., Polous A.I. Kachestvo informacii v organizacionno-tekhnicheskih sistemah upravleniya. Transport Business of Russia. 2012;6-2:. 82–87. (In Russ.).
  11. 11.
  12. 12. Malyuk A.A. Osnovy politiki bezopasnosti kriticheskih sistem informacionnoj infrastruktury. Moscow: Goryachaya liniya-Telekom Publ., 2019, 314 p. (In Russ.).
  13. 13. Stafford S.P. Data, information, knowledge, and wisdom // Knowledge management, organizational intelligence and learning, and complexity. 2009. Т. 3. С. 179.
  14. 14. Sarker I.H. Data science and analytics: an overview from data-driven smart computing, decision-making and applications perspective // SN Computer Science. 2021. Т. 2, № 5. С. 377.
  15. 15. Ekundayo F., Atoyebi I., et al. Predictive Analytics for Cyber Threat Intelligence in Fintech Using Big Data and Machine Learning // International Journal of Research Publication and Reviews. 2024. T. 5, № 11. С. 5934–5948