МЕТОД ВИКЛЮЧЕННЯ ВІДОМИХ СИГНАЛІВ ПРИ СКАНУВАННЯ ЗАДАНОГО РАДІОДІАПАЗОНУ

Олександр Лаптєв; Сергій Зозуля

doi:10.28925/2663-4023.2023.22.3138

Автор(и)

Олександр Лаптєв Київський національний університет імені Тараса Шевченка https://orcid.org/0000-0002-4194-402X
Сергій Зозуля Державний університет інформаційно-комунікаційних технологій https://orcid.org/0000-0003-1733-1415

DOI:

https://doi.org/10.28925/2663-4023.2023.22.3138

Ключові слова:

радіосигнал; спектр; експоційні компоненти; алгоритм, відомі сигнали

Анотація

Отримання доступу до інформації за допомогою засобів негласного отримання інформації залишається актуальним у теперішний час. Це обумовлено вагомими перевагами до яких відносяться неможливість виявлення фахівця, якій робить прослухування або відео контроль приміщення. Фахівець знаходиться на відстані від цього приміщення. Цілісністю інформації, тому що інформація надходить з першоджерела. Тому проблема виявлення радіосигналів засобів негласного отримання інформації є актуальним науковим завданням. Ця робота присвячена проблематики скорочення часу виявлення сигналів засобів негласного отримання інформації.

Виявлення радіосигналів засобів негласного отримання інформації обтяжується тим, що засоби негласного отримання інформації нового покоління працюють у цілком дозволеному радіодіапазоні і їх виявлення у приміщенні, яке межує з іншими, заповненими радіопристроями є проблематичним. Зараз вже практично увесь доступний радіочастотний спектр залучений під роботу різноманітних радіопередавачів. Це викликає ускладнення виявлення радіосигналів засобів негласного отримання інформації, особливо у великих містах.

У роботі здійснення розробка методу видалення відомих сигналів, якій дозволяє, на відміну від існуючих методів, враховувати відомі сигнали ще на етапі перетворення. Процес перетворення є необхідним процесом у роботі автоматизованих комплексів виявлення радіосигналів. Він застосовується на першому етапі, ще до процесу виявлення сигналів. Це надає велику перевагу , у часі, приблизно у два рази скорочує час пошуку випадкових радіосигналів. Це дозволяє виявляти імпульсні радіосигнали короткої тривалості, тобто виявляти радіосигнали імпульсних засобів негласного отримання інформації, та частково вирішити наукове завдання виявлення імпульсних засобів негласного отримання інформації, які працюють в приміщеннях, де обробляється інформація з обмеженим доступом.

Напрямком подальших досліджень є розробка або удосконалення методів та алгоритмів визначення автоматизованими комплексами сигналів засобів негласного отримання інформації, які працюють під прикриттям радіочастот маючих дозвіл на роботу у цьому радіодіапазоні.

Завантаження

Дані завантаження ще не доступні.

Посилання

Laptіev, O., Barabash, O., & Zozulya, S. (2019). Vector signal analyzers for improving the method of finding means of obtaining information secretly. Telecommunications and information technologies: a scientific journal, (1), 55–61. https://doi.org/10.31673/2412-4338.2019.015561

Zamrii, I., et al. (2022). Fractal Functions and Their Application to Source Data Coding. ARPN Journal of Engineering and Applied Sciences, 17(4), 424–435.

Laptіev, O., Fedorenko, R., & Berestov, D. (2019). Improvement of the method of searching for digital radio bookmarks in the Wi-Fi range. Collection of scientific works of the Center for Military and Strategic Studies of the Ivan Chernyakhovsky National University, 2(66), 102–109

Laptev, A., et al. (2019). Analysis of Existing Signal Detection Methods, Development of a Technique for Calculating the Probability of Secret Information Capture. International Journal of Science and Engineering Investigations (IJSEI) Denmark, 8(92), 99–103.

Kikot, O., Laptіev, O., & Burdelo, E. (2020). Analysis of the problem of detecting means of covertly obtaining information in automated search complexes of radio-trading devices. Internet conference “Actual problems of cyber security”, 148–151.

Laptіeva, T., Lukova-Chuiko, & N., Sobchuk, A. (2022). Study of the main threats and assessment of the security of information systems. Math. Information Technology. Education, 101–103.

Ryabiy, M., Khatyan, O., & Bagatskyi, C. (2015). A model for detecting PR influence through publications on the Internet mass media. Informational security, 21(2), 131–139.

Theocharis, V., et al. (2015). Using Twitter to mobilize protest action: Online mobilization patterns and action repertoires in the Occupy Wall Street, Indignados, and Aganaktismenoi movements. Information, Communication & Society, 18, 202–220.

Savchenko, V., et al. (2020). Hidden Transmitter Localization Accuracy Model Based on Multi-Position Range Measurement. 2020 IEEE 2nd International Conference on Advanced Trends in Information Theory (IEEE ATIT 2020), 246–251.

Butko, T., Prokhorchenko, A., & Muzykin, M. (2016). An improved method of determining the schemes of locomotive circulation with regard to the technological peculiarities of railcar traffic. Eastern-European Journal of Enterprise Technologies. 5(3(83)), 47–55. https://doi.org/10.15587/1729-4061.2016.80471.

Molodetska, K. (2016). An approach to identifying organizational features of information operations in social Internet services. Priority areas of development of telecommunication systems and special purpose networks. Application of divisions, complexes, means of communication and automation in ATO: collection, 130–131.

Faraz, A. (2016). A comparison of text Categorization methods. International Journal on Natural Language Computing, 5(1), 31–44.

Laptіev, O., et al. (2020). An improved technique for choosing the sequence of priorities for servicing information flows. Scientific and practical magazine “Zvyazok”, 4(146), 27–31.

Svynchuk, O., et al. (2021). Image compression using fractal functions. Fractal and Fractional, 5(2), 1–14. https://doi.org/10.3390/fractalfract5020031

Zamrii, I., et al. (2022). Fractal Functions and Their Application to Source Data Coding. ARPN Journal of Engineering and Applied Sciences, 17(4), 424–435.

Yevseiev, S., et al. (2021). Synergy of building cybersecurity systems. Publisher PC TECHNOLOGY CENTER. https://doi.org/10.15587/978-617-7319-31-2

Svynchuk, O., et al. (2021). Image compression using fractal functions. Fractal and Fractional, 5(2), 1–14. https://doi.org/10.3390/fractalfract5020031

Kyrychok, R., et al. (2022). Development of a method for checking vulnerabilities of a corporate network using bernstein transformations. Eastern-European journal of enterprise technologies, 9(115), 93–101.

Laptіev, O., Kuzavkov, V, & Khoroshko, V. (2023). Systems for finding means of tacit acquisition of acoustic information. Millennium.