ОПТИМИЗАЦИЯ СИСТЕМЫ ЗАЩИТЫ ИНФОРМАЦИИ НА ОСНОВЕ MOEA/D
DOI:
https://doi.org/10.52167/1609-1817-2025-139-4-391-402Ключевые слова:
кибербезопасность, объект информационной безопасности, система защиты информации, многокритериальная оптимизация, фронт Парето, конфигурация АСС, MOEA/DАннотация
Несомненно, возрастание угроз кибербезопасности (ТС) делает актуальной задачу формирования оптимальных стратегий защиты информации в условиях ресурсных и многокритериальных ограничений. В этом контексте в статье рассматривается процесс настройки системы защиты информации (АСУ) для объекта информационной безопасности (АСУ) как задача многокритериальной оптимизации. Эта исследовательская работа сосредоточена на анализе способности многофакторного эволюционного алгоритма (MOEA/D), основанного на декомпозиции, определять набор Парето-оптимальных решений в данной задаче. В ходе численного моделирования был получен набор компромиссных конфигураций системы защиты информации (АСС). Полученные наборы позволили проанализировать взаимные компромиссы между различными показателями АСС для объекта информационной безопасности (ИОП). Результаты исследования показали преимущества использования алгоритма МОЕА/D. Это преимущество наблюдалось за счет равномерной аппроксимации фронта Парето по сравнению с методами, основанными на ранжировании параметров системы защиты информации (АСО) для объекта информационной безопасности (АСО) по доминированию.
Библиографические ссылки
[1] Петровский, В. И., Тумбинская, М. В., & Петровcкий, М. В. (2016). Оптимизация комплексной системы защиты информации на предприятиях различных форм собственности. In Современные проблемы безопасности жизнедеятельности: интеллектуальные транспортные системы (pp. 428-436).
[2] Мальцев, Г. Н., & Теличко, В. В. (2008). Оптимизация состава средств защиты информации в информационно-управляющей системе с каналами беспроводного доступа на основе графа реализации угроз. Информационно-управляющие системы, (4), 29-33.
[3] Львович, Я. Е., & Яковлев, Д. С. (2014). Оптимизация проектирования систем защиты информации в автоматизированных информационных системах промышленных предприятий. Вестник Воронежского государственного университета инженерных технологий, (2 (60)), 90-94.
[4] Gorokhov, D. E. (2009). Optimization of the composition of a complex of information security tools using a genetic algorithm. Fundamental and Applied Problems of Engineering and Technology, (5), 107-111.
[5] Razikin, K., & Soewito, B. (2022). Cybersecurity decision support model to designing information technology security system based on risk analysis and cybersecurity framework. Egyptian Informatics Journal, 23(3), 383-404.
[6] Benz, M., & Chatterjee, D. (2020). Calculated risk? A cybersecurity evaluation tool for SMEs. Business horizons, 63(4), 531-540.
[7] Georgiadou, A., Mouzakitis, S., Bounas, K., & Askounis, D. (2022). A cyber-security culture framework for assessing organization readiness. Journal of Computer Information Systems, 62(3), 452-462.
[8] Ou, Q., Wang, Y., Li, Y., Lu, J., Tian, H., Ma, W., & Liu, H. (2021). A MOEA-D-Based Service Quality Matching Optimization Algorithm in Electric Power Communication Network. In Artificial Intelligence and Security: 7th International Conference, ICAIS 2021, Dublin, Ireland, July 19–23, 2021, Proceedings, Part II 7 (pp. 611-621). Springer International Publishing.
[9] Salas-Fernández, A., Crawford, B., Soto, R., & Misra, S. (2021). Metaheuristic techniques in attack and defense strategies for cybersecurity: a systematic review. Artificial Intelligence for Cyber Security: Methods, Issues and Possible Horizons or Opportunities, 449-467.
[10] Raissouli, H., Belhaouari, S. B., & Ariffin, A. A. B. (2024). RWP‐NSGA II: Reinforcement Weighted Probabilistic NSGA II for Workload Allocation in Fog and Internet of Things Environment. International Journal of Distributed Sensor Networks, 2024(1), 7645953.
[11] Moshref, M., Al-Sayyed, R., & Al-Sharaeh, S. (2022). Improving the quality of service in wireless sensor networks using an enhanced routing genetic protocol for four objectives. Indonesian Journal of Electrical Engineering and Computer Science, 26(2), 1182-1196.
[12] Halim, Z., Yousaf, M. N., Waqas, M., Sulaiman, M., Abbas, G., Hussain, M., Hanif, M. (2021). An effective genetic algorithm-based feature selection method for intrusion detection systems. Computers & Security, 110, 102448.
[13] Ou, Q., Wang, Y., Li, Y., Lu, J., Tian, H., Ma, W., & Liu, H. (2021). A MOEA-D-Based Service Quality Matching Optimization Algorithm in Electric Power Communication Network. In Artificial Intelligence and Security: 7th International Conference, ICAIS 2021, Dublin, Ireland, July 19–23, 2021, Proceedings, Part II 7 (pp. 611-621). Springer International Publishing.
[14] Li, H., Su, X., Xu, Z., & Zhang, Q. (2012). MOEA/D with iterative thresholding algorithm for sparse optimization problems. In Parallel Problem Solving from Nature-PPSN XII: 12th International Conference, Taormina, Italy, September 1-5, 2012, Proceedings, Part II 12 (pp. 93-101). Springer Berlin Heidelberg.
[15] Yu, J. (2025). Intelligent Construction Scheduling Based on MOEA/D-DE, SPEA2+ SDE, and NSGA-III by Integrating Safety Assessment with Resource Efficiency. Informatica, 49(11).
[16] Сагайдак, Д. А., & Денисова, Л. А. (2024). Защищенная двухканальная система видеосвязи с использованием схемы разделения секрета и оптимизацией параметров на основе генетического алгоритма. Системы управления, связи и безопасности, (3), 126-156.
[17] Тыныкулова, А. (2024). Анализ и оптимизация управления рисками в условиях неопределенности: современные методы и технологии. Известия НАН РК. Серия физико-математическая, (2), 325-335.
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Категории
Лицензия
Copyright (c) 2025 Valery Lakhno, Кульжан Тогжанова, Актоты Шайкулова, Айжан Адильбекова, Динара Уйпалакова
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.
