МЕТОДИКА ІНТЕЛЕКТУАЛЬНОЇ ОЦІНКИ РИЗИКІВ ІНФОРМАЦІЙНОЇ БЕЗПЕКИ КОРПОРАТИВНИХ БАЗ ДАНИХ

Анотація

У статті запропоновано методику інтелектуальної оцінки ризику захисту корпоративних баз даних, що базується на використанні ансамблевого підходу до виявлення аномалій. На основі проведеного аналізу сучасних підходів і досліджень безпеки баз даних зроблено висновок про необхідність застосування штучного інтелекту  в системі захисту для врахування комплексного впливу негативних факторів на безпеку корпоративних баз даних. На відміну від традиційних методів, які орієнтовані на окремі аспекти поведінки користувачів, запропоноване рішення забезпечує багатовимірний аналіз за рахунок інтеграції декількох моделей машинного навчання. Зокрема, використано алгоритм Isolation Forest для виявлення точкових аномалій у просторі ознак, модель Long Short-Term Memory для аналізу часових залежностей та Autoencoder для виявлення структурних відхилень у багатовимірних даних. Запропоновано інтегральну оцінку аномальності, яка формується шляхом зваженого поєднання результатів окремих моделей, що дозволяє підвищити точність виявлення складних сценаріїв атак. На основі отриманого показника аномальності реалізовано перехід до оцінки ризику з врахуванням критичності ресурсів і типів операцій доступу до бази даних. Це забезпечує можливість адаптивного прийняття рішень щодо реагування на інциденти інформаційної безпеки. Розроблено програмний прототип запропонованої методики засобами мови програмування Python із використанням сучасних бібліотек машинного навчання. Проведено експериментальне дослідження на синтетичному наборі даних, що імітує нормальні та аномальні сценарії доступу. Отримані результати підтверджують підвищення ефективності ансамблевої моделі порівняно з окремими підходами за метриками Precision, Recall, F1-score та ROC-AUC. Запропонована методика може бути використана у системах моніторингу безпеки (SOC) для автоматизованого виявлення аномалій та оцінки ризику в режимі реального часу.