АРХІТЕКТУРА БАГАТОРІВНЕВОГО ЗБОРУ ПОВЕДІНКОВИХ АРТЕФАКТІВ У ГЕТЕРОГЕННИХ МЕРЕЖАХ ДЛЯ ФОРМУВАННЯ ЦИФРОВИХ СЛІДІВ
DOI:
https://doi.org/10.28925/2663-4023.2026.34.1249Ключові слова:
архітектура моніторингу, поведінкові артефакти, цифрові сліди, гетерогенні мережі, постквантова безпека, сенсорна ієрархія, агрегація данихАнотація
Об’єктом дослідження є процеси формування масиву цифрових доказів у гетерогенних інформаційно-комунікаційних системах в умовах постквантових кіберзагроз. Предметом дослідження є архітектурні рішення та методи багаторівневого збору поведінкових артефактів для систем підтримки прийняття рішень (СППР). Актуальність роботи зумовлена необхідністю розроблення альтернативних методів верифікації безпеки вузлів мережі у випадках, коли чинна криптографічна ідентифікація (TLS, PKI) може бути скомпрометована зловмисником із доступом до квантового ресурсу. На відміну від наявних методів, які зосереджені на аналізі окремих типів логів, у статті запропоновано концепцію сенсорної ієрархії, яка охоплює мережевий, системний та прикладний рівні інфраструктури. Наукова новизна отриманих результатів полягає у формалізації процедури перетворення розрізнених сирих подій безпеки у структуровані «цифрові сліди». Зокрема, розроблено архітектуру багаторівневого моніторингу, яка дозволить гнучко змінювати інтенсивність збору артефактів залежно від типу сегмента мережі та прогнозованого вектору атаки (EDoS-впливи, Supply Chain Attacks). Вперше описано методику зважування поведінкових ознак за їх інформативністю, що забезпечує мінімізацію обчислювальних витрат на опрацювання даних при збереженні високої достовірності формування вхідних параметрів для теоретико-ігрових моделей захисту. Практичне значення роботи полягає у розробленні структури програмних модулів для агрегації даних, які можна інтегрувати у діючи SIEM/IDS-платформи. Реалізація запропонованої архітектури засобами мови Python дозволила автоматизувати процес виявлення аномальних відхилень у поведінці вузлів, які формально зберігають валідність цифрових сертифікатів. Експериментальна апробація архітектури підтвердила її здатність забезпечувати цілісність інформаційного базису СППР навіть в умовах зміни топології гетерогенного середовища та значного рівня мережевого шуму.
Завантаження
Посилання
Khan, M. Z. A., Khan, M. M., & Arshad, J. (2022). Anomaly detection and enterprise security using user and entity behavior analytics (UEBA). In 2022 3rd International Conference on Innovations in Computer Science & Software Engineering (ICONICS) (pp. 1-9).
Singer, P. W., & Friedman, A. (2013). Cybersecurity and cyberwar: What everyone needs to know. Oxford University Press.
Paananen, H., Lapke, M., & Siponen, M. (2020). State of the art in information security policy development. Computers & Security, 88, 101608. https://doi.org/10.1016/j.cose.2019.101608
Ahmad, Z., Khan, A. S., Shiang, C. W., Abdullah, J., & Ahmad, F. (2021). Network intrusion detection system: A systematic study of machine learning and deep learning approaches. Transactions on Emerging Telecommunications Technologies, 32(1), e4150. https://doi.org/10.1002/ett.4150
Keshavarzian, A., Sharifian, S., & Seyedin, S. (2019). Modified deep residual network architecture deployed on serverless framework of IoT platform based on human activity recognition application. Future Generation Computer Systems, 101, 14-28. https://doi.org/10.1016/j.future.2019.06.009
Li, H., Li, Z., Peng, S., Li, J., & Tungom, C. E. (2020). Mining the frequency of time-constrained serial episodes over massive data sequences and streams. Future Generation Computer Systems, 110, 849-863. https://doi.org/10.1016/j.future.2019.11.008
Qureshi, K. N., Jeon, G., & Piccialli, F. (2021). Anomaly detection and trust authority in artificial intelligence and cloud computing. Computer Networks, 184, 107647. https://doi.org/10.1016/j.comnet.2020.107647
Rose, S., Borchert, O., Mitchell, S., & Connelly, S. (2020). Zero trust architecture (NIST Special Publication 800-207). National Institute of Standards and Technology. https://doi.org/10.6028/NIST.SP.800-207
Ashfaq, S., Patil, S. A., Borde, S., Chandre, P., Shafi, P. M., & Jadhav, A. (2023). Zero trust security paradigm: A comprehensive survey and research analysis. Journal of Electrical Systems, 19(2).
Boyens, J., Paulsen, C., Moorthy, R., & Bartol, N. (2022). Supply chain risk management practices for federal information systems and organizations (NIST Special Publication 800-161 Revision 1). National Institute of Standards and Technology. https://doi.org/10.6028/NIST.SP.800-161r1
Reichert, B. M., & Obelheiro, R. R. (2024). Software supply chain security: A systematic literature review. International Journal of Computers and Applications, 46(10), 853-867. https://doi.org/10.1080/1206212X.2024.2390978
Chen, L., Jordan, S., Liu, Y.-K., Moody, D., Peralta, R., Perlner, R., & Smith-Tone, D. (2016). Report on post-quantum cryptography (NIST Interagency/Internal Report 8105). National Institute of Standards and Technology. https://doi.org/10.6028/NIST.IR.8105
Joseph, D., Misoczki, R., Manzano, M., Tricot, J., Pinuaga, F. D., Lacombe, O., ... Hansen, R. (2022). Transitioning organizations to post-quantum cryptography. Nature, 605(7909), 237-243. https://doi.org/10.1038/s41586-022-04623-2
Chandola, V., Banerjee, A., & Kumar, V. (2009). Anomaly detection: A survey. ACM Computing Surveys, 41(3), Article 15. https://doi.org/10.1145/1541880.1541882
Pang, G., Shen, C., Cao, L., & van den Hengel, A. (2021). Deep learning for anomaly detection: A review. ACM Computing Surveys, 54(2), Article 38. https://doi.org/10.1145/3439950
Casey, E. (2011). Digital evidence and computer crime: Forensic science, computers, and the Internet (3rd ed.). Academic Press.
Lakhno, V., Voloshyn, S., Mamchenko, S., Kulinich, O., & Kasatkin, D. (2024). Cluster analysis for studying digital traces of students in educational institutions. Cybersecurity: Education, Science, Technique, 3(23), 31-41. https://doi.org/10.28925/2663-4023.2024.23.3141
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2026 Валерій Лахно, Валерій Гладких, Андрій Сагун
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
