ФРЕЙМВОРК БЕЗПЕКИ НА ОСНОВІ ТЕХНОЛОГІЇ БЛОКЧЕЙН ДЛЯ МЕРЕЖЕВОЇ ВЗАЄМОДІЇ ЗА МОДЕЛЛЮ OSI У СИСТЕМАХ КРИТИЧНОЇ ІНФРАСТРУКТУРИ

Автор(и)

  • Дмитро Прокопович-Ткаченко Університет митної справи та фінансів, Державна наукова установа «Інститут інформації, безпеки і права Національної академії правових наук України», Державний університет інформаційно-комунікаційних технологій https://orcid.org/0000-0002-6590-3898
  • Борис Хрушков Університет митної справи та фінансів https://orcid.org/0009-0002-3978-5012
  • Костянтин Бабенко Дніпровський національний університет імені Олеся Гончара https://orcid.org/0009-0009-0945-7078
  • Ігор Козаченко Державний центр кіберзахисту Державної служби спеціального зв’язку та захисту інформації України, Державний торговельно-економічний університет https://orcid.org/0000-0002-0774-7284
  • Давид Черкаський Національний технічний університет «Дніпровська політехніка» https://orcid.org/0009-0003-8516-6252

DOI:

https://doi.org/10.28925/2663-4023.2026.34.1303

Ключові слова:

кібербезпека, критична інфраструктура, модель OSI, блокчейн, консенсус PBFT, смарт-контракти, системи виявлення вторгнень

Анотація

Статтю присвячено розробленню та експериментальному обґрунтуванню фреймворку кібербезпеки для мережевої взаємодії систем критичної інфраструктури, який поєднує кросрівневий моніторинг за моделлю OSI, дозволений блокчейн, консенсус PBFT, смарт-контракти виявлення інцидентів та автоматизоване реагування. Актуальність дослідження зумовлена тим, що об’єкти енергетики, водопостачання, транспорту, телекомунікацій та інших секторів критичної інфраструктури дедалі частіше зазнають багатоетапних кібератак, які охоплюють кілька рівнів мережевої взаємодії та можуть поєднувати маніпуляції з трафіком, ін’єкцію хибних команд, відмову в обслуговуванні та модифікацію журналів подій. Традиційні централізовані системи виявлення вторгнень залишаються вразливими до компрометації сховищ журналів і створюють єдину точку відмови, що обмежує доказову цінність зібраних подій безпеки. Метою статті є формування цілісної архітектури, у якій агенти моніторингу збирають метадані протокольних блоків даних рівнів L2–L7, хеші та стислі ознаки подій фіксуються в незмінному розподіленому реєстрі, а смарт-контракти виконують кросрівневу кореляцію та ініціюють сценарії реагування. У роботі формалізовано модель загроз, описано структуру блокчейн-реєстру, механізм адаптивної оцінки довіри вузлів, інтегральну оцінку аномальності подій та алгоритм функціонування фреймворку. Експериментальна перевірка на емуляційному стенді показала, що запропонований підхід забезпечує вищу F1-міру виявлення порівняно із сигнатурною IDS, RF-IDS та централізованим варіантом зберігання подій, зберігаючи прийнятну наскрізну затримку для сценаріїв моніторингу критичної інфраструктури. Отримані результати підтверджують доцільність використання дозволених блокчейн-мереж як довіреного шару журналювання, верифікації та координації реагування на інциденти у розподілених кіберфізичних середовищах

Завантаження

Дані завантаження ще не доступні.

Посилання

Kim, K., Alshenaifi, I. M., Ramachandran, S., Kim, J., Zia, T., & Almorjan, A. (2023). Cybersecurity and cyber forensics for smart cities: A comprehensive literature review and survey. Sensors, 23(7), 3681. https://doi.org/10.3390/s23073681

National Institute of Standards and Technology. (2024). The NIST Cybersecurity Framework (CSF) 2.0 (NIST CSWP 29). https://doi.org/10.6028/NIST.CSWP.29

European Union Agency for Cybersecurity. (2025). ENISA threat landscape 2025. ENISA. https://www.enisa.europa.eu/publications/enisa-threat-landscape-2025

International Organization for Standardization. (2022). ISO/IEC 27001:2022 Information security, cybersecurity and privacy protection-Information security management systems-Requirements. ISO. https://www.iso.org/standard/27001

Sharafaldin, I., Habibi Lashkari, A., & Ghorbani, A. A. (2018). Toward generating a new intrusion detection dataset and intrusion traffic characterization. In Proceedings of the 4th International Conference on Information Systems Security and Privacy (ICISSP 2018) (pp. 108-116). SciTePress. https://doi.org/10.5220/0006639801080116

Nakamoto, S. (2008). Bitcoin: A peer-to-peer electronic cash system. https://bitcoin.org/bitcoin.pdf

Androulaki, E., Barger, A., Bortnikov, V., et al. (2018). Hyperledger Fabric: A distributed operating system for permissioned blockchains. In Proceedings of the 13th EuroSys Conference (EuroSys 2018) (Article 30, pp. 1-15). ACM. https://doi.org/10.1145/3190508.3190538

Castro, M., & Liskov, B. (2002). Practical Byzantine fault tolerance and proactive recovery. ACM Transactions on Computer Systems, 20(4), 398–461. https://doi.org/10.1145/571637.571640

Wang, W., Mosse, D., Sun, Y., & Zhang, L. (2021). Industrial control malicious traffic anomaly detection system based on improved deep autoencoder. Frontiers in Energy Research, 8, 555145. https://doi.org/10.3389/fenrg.2020.555145

Supeno, B. A., Mohamed Radzi, N. A. B., & Al-Haiqi, A. (2025). Machine learning-based anomaly detection for Modbus and DNP3 protocols in industrial control systems. In 2025 International Conference on Technology and Policy in Energy and Electric Power (ICT-PEP). IEEE. https://doi.org/10.1109/ICT-PEP67281.2025.11232367

Azhar, M., Perveen, S., Iqbal, A., & Lee, B. (2024). IDRandom-Forest: Advanced Random Forest for real-time intrusion detection. IEEE Access, 12, 113842-113854. https://doi.org/10.1109/ACCESS.2024.3443408

Wood, G. (2014). Ethereum: A secure decentralised generalised transaction ledger. Ethereum Yellow Paper. https://ethereum.github.io/yellowpaper/paper.pdf

Rathee, G., Ahmad, F., Jaglan, N., & Konstantinou, C. (2023). A secure and trusted mechanism for Industrial IoT network using blockchain. IEEE Transactions on Industrial Informatics, 19(2), 1894–1902. https://doi.org/10.1109/TII.2022.3182121

Ghadi, Y. Y., et al. (2025). A hybrid AI-blockchain security framework for smart grids. Scientific Reports, 15, 05257. https://doi.org/10.1038/s41598-025-05257-w

Georgiades, M., et al. (2025). An explainable AI approach for interpretable cross-layer intrusion detection. Electronics, 14(16), 3218. https://doi.org/10.3390/electronics14163218

Maosa, H., et al. (2024). A hierarchical security event correlation model for real-time intrusion detection. Cybersecurity, 4(1), 4. https://doi.org/10.3390/cyber4010004

Karlzén, H., & Sommestad, T. (2023). Automatic incident response solutions: A review of proposed solutions’ input and output. In Proceedings of the 18th International Conference on Availability, Reliability and Security (ARES 2023) (Article 37, pp. 1–9). ACM. https://doi.org/10.1145/3600160.3605066

Chu, H., Zhang, P., Dong, H., Xiao, Y., Ji, S., & Li, W. (2023). A survey on smart contract vulnerabilities: Data sources, detection and repair. Information and Software Technology, 159, 107221. https://doi.org/10.1016/j.infsof.2023.107221

MITRE Corporation. (2026). MITRE ATT&CK® knowledge base. https://attack.mitre.org/

Al-Sada, B., Sadighian, A., & Oligeri, G. (2024). MITRE ATT&CK: State of the art and way forward. ACM Computing Surveys, 57(2), Article 39. https://doi.org/10.1145/3687300

Guggenberger, T., Sedlmeir, J., Fridgen, G., & Luckow, A. (2022). An in-depth investigation of the performance characteristics of Hyperledger Fabric. Computers & Industrial Engineering, 173, 108716. https://doi.org/10.1016/j.cie.2022.108716

Liu, W., Zhang, X., Feng, W., Huang, M., & Xu, Y. (2022). Optimization of PBFT algorithm based on QoS-aware trust service evaluation. Sensors, 22(12), 4590. https://doi.org/10.3390/s22124590

Ahakonye, L. A. C., Nwakanma, C. I., & Kim, D.-S. (2024). Tides of blockchain in IoT cybersecurity. Sensors, 24(10), 3111. https://doi.org/10.3390/s24103111

Ortmann, M., et al. (2024). Zero trust architectures for interconnected industry. Fraunhofer Institute for Production Technology IPT. https://doi.org/10.24406/publica-3778

Barreto, N. E. M., et al. (2025). Cyber-physical power system digital twins – A study on resilience, flexibility and cybersecurity. Energies, 18(22), 5960. https://doi.org/10.3390/en18225960

Novikova, E., Doynikova, E., & Golubev, S. (2022). Federated learning for intrusion detection in the critical infrastructures: Vertically partitioned data use case. Algorithms, 15(4), 104. https://doi.org/10.3390/a15040104

Castiglione, A., Esposito, J. G., Loia, V., Nappi, M., Pero, C., & Polsinelli, M. (2025). Integrating post-quantum cryptography and blockchain to secure low-cost IoT devices. IEEE Transactions on Industrial Informatics, 21(2), 1674–1683. https://doi.org/10.1109/TII.2024.3485796

Downloads


Переглядів анотації: 4

Опубліковано

2026-09-24

Як цитувати

Прокопович-Ткаченко, Д., Хрушков, Б., Бабенко, К., Козаченко, І., & Черкаський, Д. (2026). ФРЕЙМВОРК БЕЗПЕКИ НА ОСНОВІ ТЕХНОЛОГІЇ БЛОКЧЕЙН ДЛЯ МЕРЕЖЕВОЇ ВЗАЄМОДІЇ ЗА МОДЕЛЛЮ OSI У СИСТЕМАХ КРИТИЧНОЇ ІНФРАСТРУКТУРИ. Електронне фахове наукове видання «Кібербезпека: освіта, наука, техніка», 2(34), 480–492. https://doi.org/10.28925/2663-4023.2026.34.1303

Статті цього автора (авторів), які найбільше читають