Методика и алгоритмы оценки деструктивного воздействия нарушителей на элементы распределенных информационных систем — Журнал «Доклады Томского государственного университета систем управления и радиоэлектроники»

1. CAPEC (Common Attack Pattern Enumeration and Classification) – стандарт описания классов атак и их иерархических отношений, каталог известных кибератак [Электронный ресурс]. – Режим доступа: https://capec.mitre.org, свободный (дата обращения: 12.08.2024).
2. MITRE ATT&CK Matrix – формальное описание техник и тактик реализации кибератак [Электронный ресурс]. – Режим доступа: https://atac.mitre.org, свободный (дата обращения: 12.08.2024).
3. Перечисление общих недостатков. Разработанный сообществом список слабых мест программного и аппаратного обеспечения, которые могут стать уязвимостями [Электронный ресурс]. – Режим доступа: https://cwe.mitre.org/data/definitions/1194.html, свободный (дата обращения: 12.08.2024).
4. База данных общеизвестных уязвимостей информационной безопасности [Электронный ресурс]. – Режим доступа: https://cve.mitre.org//, свободный (дата обращения: 10.09.2024).
5. Общая система оценки уязвимостей (CVSS) [Электронный ресурс]. – Режим доступа: https://www.first.org/cvss/v3.0/specification-document for CVSS version 3.0, свободный (дата обращения: 24.08.2024).
6. Baranov V.V. Cognitive model for assessing the security of information systems for various purposes / V.V. Baranov, A.A. Shelupanov. – Symmetry. – 2022. – Vol. 14, No. 12. – P. 2631.
7. Баранов В.В. Методика и алгоритмы расчета защищенности элементов распределенных информационных систем в условиях деструктивного воздействия / В.В. Баранов, А.А. Шелупанов // Доклады ТУСУР. – 2022. – Т. 25, № 4. – С. 88–100.
8. Ху З. Аналитическая оценка уровня безопасности распределенных и масштабируемых компьютерных систем / З. Ху, В. Мухин, Я. Корнага и др. // International Journal of Intelligent Systems and Applications. – 2016. – № 12. – Режим доступа: https://doi.org/10.5815/ijisa.2016.12.07, свободный (дата обращения: 08.09.2024).
9. Figueira P. Improving information security risk analysis by including threat-occurrence predictive models / P. Figueira, K. Bravo-Lopez, D.L. Lopez-Rivas // Computers and Security. – 2020. – № 88 (101609). DOI: 10.1016/j.cose.2019.101609.
10. Васильев В.И. Методика оценки актуальных угроз и уязвимостей на основе технологий когнитивного моделирования и Text Mining / В.И. Васильев, А.М. Вульфин, А.Д. Кириллова, Н.В. Кучкарова // Системы управления, связи и безопасности. – 2021. – № 3. – С. 110–133.
11. Массель Л. Интеллектуальные инструменты поддержки для принятия стратегических решений по развитию интеллектуальных сетей / Л. Массель, А. Массель. – Веб-сайт конференций E3S. – 2018 [Электронный ресурс]. – Режим доступа: https://doi.org/10.1051/e3sconf/20186902009, свободный (дата обращения: 08.09.2024).
12. Зикратов И.А. Оценка информационной безопасности в облачных вычислениях на основе байесовского подхода / И.А. Зикратов, С.В. Одегов // Научно-технический вестник информационных технологий, механики и оптики. – 2012. – № 4 (80). – С. 121–126.
13. Баранов В.В. Комплексная модель функционирования распределенных информационных систем в условиях деструктивного воздействия // Электронный сетевой политематический журнал «Научные труды КубГТУ». – 2022. – № 5. – С. 51–67.
14. Скворцов Н.А. Вопросы согласования разнородных онтологических моделей и онтологических контекстов. Онтологическое моделирование / Матер. семинара / под ред. Л.А. Калиниченко. – М.: ИПИ РАН. – 2008. – С. 149–166.
15. Абрамов Е.С. Применение графов атак для моделирования вредоносных сетевых воздействий / Е.С. Абрамов, А.В. Андреев, Д. Мордвин // Известия Южного федерального университета. Технические науки. – 2012. – Т. 126, № 1. – С. 165–174.
16. Singhal A. Security risk analysis of corporate networks using probabilistic attack graphs. Network security indicators. – Cham, 2017. – Р. 53–73.
17. Radanliev P. Improving the cybersecurity of the healthcare system with the help of self-optimizing and self-adapting artificial intelligence. – Part 2 / P. Radanliev, D. De Ruhr // Healthcare technology. – 2022. – Vol. 12. – Р. 923–929 [Электронный ресурс]. – Режим доступа: https://doi.org/10.1007/s12553-022-00691-6, свободный (дата обращения: 12.09.2024).
18. Jaxen F. Bayesian networks and decision-making graphs. – M.: Sprinnger, 2001. – Р. 54–120.
19. PROMETHE-SAPEVO-M1 hybrid modeling proposal: Multi-criteria evaluation of unmanned aerial vehicles for use in naval warfare / M.L. Moreira, K.F.S. Gomez, M. dos Santos, M.S. dos Carmo J.V.G.A. Araujo // Proc. Int. Joint Conference on Industrial Engineering and Operations Management. – 2020. – Vol. 337. – Р. 381–393. DOI: 10.1007/978-3-030-56920-4_31.
20. Herzog A. Ontology of Information Security. International Journal of Information Security and Confidentiality. – 2007. – Vol. 1 (4). – Р. 1–23.
21. Баранов В.В. Совершенствование моделей и методов оценки защищенности элементов распределенных информационных систем / В.В. Баранов, И.Н. Цыгулев // Состояние и перспективы развития современной науки по направлению «Информационные технологии в Вооруженных Силах Российской Федерации»: сборник III Всерос. науч.-техн. конф. – Анапа, 2024. – С. 194–197.
22. Баранов В.В. Разработка цифровых карт безопасности элементов распределенных информационных систем / В.В. Баранов, А.П. Корчагина, А.А. Шелупанов // Информационная безопасность цифровой экономики: матер. XIX науч.-практ. конф. (в рамках X Пленума регион. отд. Федерального учеб.-метод. объединения в системе высшего образования по укрупненной группе специальностей и направлений подготовки 10.00.00 «Информационная безопасность» по Сибирскому и Дальневосточному федеральным округам (СибРОУМО)). – Новосибирск, 2023. – С. 11–23.
23. Лабутин Н.Г. Моделирование действий специалиста при оценке угроз безопасности информации в информационных системах и сетях в соответствии с новой методикой ФСТЭК России / Н.Г. Лабутин, П.В. Костин // Труды НГТУ им. Р. Алексеева. – 2022. – № 3 (138). – С. 22–31.