Особенности оперативной оценки защищенности критически важных ресурсов на основе адаптивной нейросетевой фильтрации

Объектом исследования является новый методологический подход к адаптивной нейросетевой фильтрации как к математическому инструменту повышения точности и оперативности оценки некоторых свойств сложных технических систем. Данный подход представляет собой один из вариантов практического приложения методов адаптивной (гибридной) фильтрации. Проведен анализ особенностей этого подхода, определяющих рациональность его применения для оперативной оценки защищенности критически важных ресурсов. Рассмотрены теоретические аспекты применения гибридного адаптивного подхода к оперативной оценке защищенности критически важных ресурсов, сочетающего традиционные методы фильтрации Калмана с возможностями искусственных нейронных сетей с обучением. Проведен анализ особенностей такого подхода, позволяющего обучаться и подстраивать весовые коэффициенты фильтрации под статистические характеристики показателей защищенности критически важных ресурсов, измеряемых и наблюдаемых как линейно, так и нелинейно. Предложена последовательность вычислений и аналитические выражения для расчетов оценочных значений вспомогательных индикаторов состояния показателей защищенности на основе адаптивного гибридного фильтра, содержащего в своем составе обучаемую искусственную нейронную сеть. Подход предполагает практическую возможность оперативной оценки защищенности критически важных ресурсов с использованием адаптивной гибридной фильтрации случайных процессов, характеризующих динамику изменения переменных состояния (показателей) защищенности таких ресурсов на определенном временном интервале. Он учитывает неопределенность исходных данных, неполноту и нечеткость априорных сведений о статистике показателей защищенности и шумов наблюдения. При этом предложенный подход позволяет получать оценки, адекватные задачам оперативного контроля защищенности и, в конечном итоге, обеспечивает повышение достоверности контроля информационной безопасности современных критически важных ресурсов.