Создание новых математических и алгоритмических методов защиты информации в интеллектуальных сетях передачи гетерогенной информации с учетом возможности использования технологий машинного обучения и искусственного интеллекта
РУКОВОДИТЕЛЬ: Басараб Михаил Алексеевич, Зав. кафедрой, д.ф.-м.н., кафедра «Информационная безопасность» (ИУ8),
ПРОБЛЕМА: На сегодняшний день одними из основных математических методов защиты информации в сетях передачи данных являются криптографические методы. Поскольку для шифрования используются специальные алгоритмы, подчас имеющие значительную вычислительную сложность, этот процесс может существенно снижать пропускную способность таких сетей. Поэтому для обеспечения высокой пропускной способности интеллектуальных сетей, необходимо разрабатывать новые криптографические алгоритмы, обладающие высокой производительностью, способные конкурировать с технологиями квантовых компьютеров.
ЦЕЛЬ ПРОЕКТА: Создание новых математических и алгоритмических методов защиты информации в интеллектуальных сетях передачи гетерогенной информации с учетом возможности использования технологий машинного обучения и искусственного интеллекта, которые станут основой цифровой облачной платформы, универсальные сервисы которой обеспечивают поддержку работы информационных и экспертных систем.
АКТУАЛЬНОСТЬ: в условиях бурного развития информационных технологий пропускная способность сетей передачи данных растет невиданными ранее темпами. Вместе с тем, современное состояние компьютерной преступности, а также военно-политическая обстановка, приводит к необходимости обеспечения высокого уровня защиты информации. Без использования современных математических методов защиты информации немыслимо функционирование современных сетей передачи данных.
Одними из основных математических методов защиты информации в сетях являются криптографические методы. В современных сетях передачи и обработки данных используются различные методы шифрования данных. Поскольку для шифрования используются алгоритмы, подчас имеющие значительную вычислительную сложность, шифрование может существенно снижать пропускную способность таких сетей. Поэтому для обеспечения высокой пропускной способности, необходимо разрабатывать новые криптографические алгоритмы, обладающие высокой производительностью. Вместе с тем, становятся все более и более востребованы сети устройств, имеющих малые вычислительные ресурсы. Сюда можно отнести различные киберфизические системы, применяемые в различных областях, от гражданских (системы типа Internet of Things) до военных (используемых в парадигме сетецентрической войны). Такие сети требуют применения специальных легковесных криптографических алгоритмов, ресурсоемкость которых мала. В связи с изложенным, задачи разработки новых высокопроизводительных криптографических алгоритмов, а также создания теоретической базы их построения и анализа являются весьма актуальными.
Одна из угроз современным математическим методам защиты информации - квантовые вычисления. Квантовые компьютеры позволят взламывать большинство использующихся в настоящее время асимметричных криптосистем. Хотя все еще не существует образцов квантовых компьютеров, которые бы обладали достаточно большим для криптоаналитических применений объемом квантовой памяти, во всем мире проводится большой объем исследований в этой области. В частности, компании Google и IBM в 2019 году объявили о том, что ими разработаны квантовые компьютеры с 53-кубитной квантовой памятью. В связи с этим уже сейчас необходимо исследовать асимметричные криптосистемы, которые нельзя взломать на квантовом компьютере. Такие криптосистемы называют постквантовыми.
Применение технологий машинного обучения для разработки и анализа ПО набирают всё большую популярность, и у университета есть шанс стать одним из лидеров в этой сфере. Последние достижения в области вычислительной лингвистики, обработки естественных языков, машинного перевода имеют большой потенциал для усовершенствования технологий разработки и анализа компьютерных программ, в том числе, вредоносного ПО. В частности, повышение точности детектирования деструктивных программных модулей путём использования технологий искусственного интеллекта является одним из наиболее перспективных направлений в развитии технических средств защиты информации в интеллектуальных сетях.
В перспективе, исследования могут найти применение в важнейшем направлении защиты интеллектуальных сетей от фрода и использовании в антифрод системах, где необходимо производить идентификацию различных сетевых устройств. Для этого требуются новые алгоритмы, основанные на технологиях машинного обучения.
ЯДРО ПРОЕКТА: современные методы криптографии и криптоанализа, а также современные методы машинного обучения.
ИЗОБРАЖЕНИЯ:
ПРОБЛЕМА: На сегодняшний день одними из основных математических методов защиты информации в сетях передачи данных являются криптографические методы. Поскольку для шифрования используются специальные алгоритмы, подчас имеющие значительную вычислительную сложность, этот процесс может существенно снижать пропускную способность таких сетей. Поэтому для обеспечения высокой пропускной способности интеллектуальных сетей, необходимо разрабатывать новые криптографические алгоритмы, обладающие высокой производительностью, способные конкурировать с технологиями квантовых компьютеров.
ЦЕЛЬ ПРОЕКТА: Создание новых математических и алгоритмических методов защиты информации в интеллектуальных сетях передачи гетерогенной информации с учетом возможности использования технологий машинного обучения и искусственного интеллекта, которые станут основой цифровой облачной платформы, универсальные сервисы которой обеспечивают поддержку работы информационных и экспертных систем.
АКТУАЛЬНОСТЬ: в условиях бурного развития информационных технологий пропускная способность сетей передачи данных растет невиданными ранее темпами. Вместе с тем, современное состояние компьютерной преступности, а также военно-политическая обстановка, приводит к необходимости обеспечения высокого уровня защиты информации. Без использования современных математических методов защиты информации немыслимо функционирование современных сетей передачи данных.
Одними из основных математических методов защиты информации в сетях являются криптографические методы. В современных сетях передачи и обработки данных используются различные методы шифрования данных. Поскольку для шифрования используются алгоритмы, подчас имеющие значительную вычислительную сложность, шифрование может существенно снижать пропускную способность таких сетей. Поэтому для обеспечения высокой пропускной способности, необходимо разрабатывать новые криптографические алгоритмы, обладающие высокой производительностью. Вместе с тем, становятся все более и более востребованы сети устройств, имеющих малые вычислительные ресурсы. Сюда можно отнести различные киберфизические системы, применяемые в различных областях, от гражданских (системы типа Internet of Things) до военных (используемых в парадигме сетецентрической войны). Такие сети требуют применения специальных легковесных криптографических алгоритмов, ресурсоемкость которых мала. В связи с изложенным, задачи разработки новых высокопроизводительных криптографических алгоритмов, а также создания теоретической базы их построения и анализа являются весьма актуальными.
Одна из угроз современным математическим методам защиты информации - квантовые вычисления. Квантовые компьютеры позволят взламывать большинство использующихся в настоящее время асимметричных криптосистем. Хотя все еще не существует образцов квантовых компьютеров, которые бы обладали достаточно большим для криптоаналитических применений объемом квантовой памяти, во всем мире проводится большой объем исследований в этой области. В частности, компании Google и IBM в 2019 году объявили о том, что ими разработаны квантовые компьютеры с 53-кубитной квантовой памятью. В связи с этим уже сейчас необходимо исследовать асимметричные криптосистемы, которые нельзя взломать на квантовом компьютере. Такие криптосистемы называют постквантовыми.
Применение технологий машинного обучения для разработки и анализа ПО набирают всё большую популярность, и у университета есть шанс стать одним из лидеров в этой сфере. Последние достижения в области вычислительной лингвистики, обработки естественных языков, машинного перевода имеют большой потенциал для усовершенствования технологий разработки и анализа компьютерных программ, в том числе, вредоносного ПО. В частности, повышение точности детектирования деструктивных программных модулей путём использования технологий искусственного интеллекта является одним из наиболее перспективных направлений в развитии технических средств защиты информации в интеллектуальных сетях.
В перспективе, исследования могут найти применение в важнейшем направлении защиты интеллектуальных сетей от фрода и использовании в антифрод системах, где необходимо производить идентификацию различных сетевых устройств. Для этого требуются новые алгоритмы, основанные на технологиях машинного обучения.
ЯДРО ПРОЕКТА: современные методы криптографии и криптоанализа, а также современные методы машинного обучения.
ИЗОБРАЖЕНИЯ:
ПРИОРИТЕТ 2030^
Автор сайта: Dmitry Vidmanov, vidmanov@bmstu.ru
