НЕЧІТКІ КОГНІТИВНІ КАРТИ ЯК ІНСТРУМЕНТ ВІЗУАЛІЗАЦІЇ СЦЕНАРІЇВ РЕАГУВАННЯ НА ІНЦИДЕНТИ В СИСТЕМАХ БЕЗПЕКИ

Анотація

Кіберзагрози стають все більш складними та різноманітними. Існуючі методи аналізу та прийняття рішень не завжди дозволяють адекватно оцінити невизначеність та неоднозначність ситуації, реагуючи на кіберінциденти після їхнього настання. Ефективнішим є впровадження проактивних заходів кібербезпеки, що ґрунтуються на постійному аналізі та прогнозуванні потенційних загроз. Такий підхід дозволяє виявити слабкі місця в системі безпеки та вжити превентивних заходів, мінімізуючи ризик успішних кібератак. У даному дослідженні пропонується використовувати нечіткі когнітивні карти (НКК) як ефективний інструмент для візуалізації та аналізу сценаріїв реагування на інциденти. На основі аналізу наукових джерел висвітлені основні дефініції дослідження, зокрема, поняття когнітивного моделювання, нечіткої когнітивної карти, яка представлена у вигляді зваженого орієнтованого графа і когнітивної матриці, та етапи її створення. Сформульовані основні положення щодо сценарного підходу у кібербезпеці. Внаслідок проведеного SWOT-аналізу було ідентифіковано ключові концепти, включаючи ризики, атаки, засоби захисту, що формують основу системи. Оцінка зв’язків між концептами дозволила створити модель, яка відображає причинно-наслідкові взаємозв’язки між елементами системи безпеки мобільної мережі. Досліджено  показники моделі: консонанс та дисонанс, які показали, що найбільшу загрозу для системи становлять APT (Advanced persistent threat), фішинг та програми-вимагачі, які мають найвищий рівень взаємозв’язків з іншими елементами системи, а DDoS-атаки, навпаки, мають найменший вплив у контексті побудованої моделі. За допомогою  програмного засобу Mental Modeler були розроблені сценарії реагування на інциденти в системі безпеки мережі. Виділені недоліки когнітивного моделювання та сценарного підходу. Їх обмеженість пов’язана з якістю експертних знань та складністю побудови моделей для великих систем. Перспективними напрямками подальших досліджень є розробка адаптивних моделей, здатних самонавчатися на нових даних за допомогою штучного інтелекту. Результати дослідження можуть бути використані в якості навчального матеріалу для студентів спеціальності 125 Кібербезпека та захист інформації.