Меры риска и защищенности систем на основе вероятностях параметров и характеристик ущерба

Введение 6
1. Теоретическая часть 8
1.1 Меры риска и их классификация 8
1.2 Защищенность систем на основе модели комплекса механизмов защиты. 13
1.3 Случайный характер вероятностных параметров и их описание. 21
1.3.1 Пути совокупности описания вероятностных параметров. 23
1.4 Анализ риска и защищенности систем. 25
2. Практическая часть 35
2.1 Оценка базовых мер риска информационной безопасности на основе вероятностных параметров на предприятии 35
Заключение 44
Список литературы. 45

Весь текст будет доступен после покупки

Прежде всего необходимо понять для чего необходимы меры риска и защищенность систем. Проблема защищенности систем в современном мире остро встает, как перед пользователями Интернета, так и перед крупными/мелкими предприятиями. Руководство предприятия или организации должно разработать и внедрить концепцию по обеспечению защищенности систем и мер риска на основе ущерба. Разработку политики безопасности часто поручают приглашенным экспертам по защите информации, способным провести аудит как информационной системы, так и организационной структуры компании и ее бизнес-процессов и разработать актуальный комплекс мер по защите информации. В дальнейшем концепция безопасности может стать основой для внедрения DLP-системы и других программных продуктов, решающих задачу защиты информационных ресурсов и инфраструктуры компании. Концепция сама по себе не решает задачу ответственности сотрудников компании за неправомерное обращение с информацией, в том числе за ее разглашение. Для решения этой задачи необходимо внедрить дополнительную систему организационных мер защиты информации, которые включают информирование, ознакомление под роспись, внесение в трудовые договоры соответствующих положений о защите информации, составляющей коммерческую тайну. После разработки концепции необходимо приступать к ее внедрению. Система предлагаемых мер должна пройти согласование во всех причастных подразделениях компании, так как вопрос бюджетирования всегда ограничивает возможности по защите информации, сложности проводимых мероприятий и приобретению программных продуктов [1].

Весь текст будет доступен после покупки

1. Теоретическая часть
1.1 Меры риска и их классификация
Меры риска как критерии выбора наилучшего решения должны обладать рядом свойств, которые будут представлены в последующих параграфах. В качестве таких характеристик можно использовать простые числовые характеристики риска, такие, например, как математическое ожидание и дисперсия, а также более сложные, как, например, сумма под риском (VaR) или составные характеристики.
Рассмотрим вероятностное пространство (Q, 3, Р), где D. — множество элементарных исходов, 3 — а-алгебра случайных событий, определенных на этом множестве, Р — счетно-аддитивная мера, определенная на данной а-алгебре.
Риском х на (Q, 3) называется произвольное измеримое отображение из Q в R, т.е. произвольная случайная величина.
Обозначим совокупность всех рисков на множестве (Q, 3).
Мера риска р — это некоторая числовая функция, определенная на множестве случайных величин или их функций распределения: р: х ~> R-
Под мерами риска будем понимать вообще числовые характеристики, позволяющие оценить величину или значимость риска, т.е. как-либо измерять риск. Как уже говорилось ранее, меры риска в некоторых случаях могут быть представлены в денежном выражении или ассоциироваться с вариативностью случайных доходов/убытков, получаемых ЛИР в результате принятых решений. В этом случае мера риска понимается как сумма, которую нужно зарезервировать под определенный риск для покрытия возможного убытка. Поскольку мера риска определена на множестве функций распределения, то можно использовать запись рр где F — это функция распределения случайной величины [1].
Мера риска р может определяться так же, как критерий выбора полезности U.
Основными областями применения мер риска являются финансовая и страховая сферы; они используются инвесторами, страховщиками, биржевыми агентами, государственными регуляторами в этих областях деятельности.
Как правило, требуется минимизировать возможный риск, который может понести Л ПР в ходе своей финансовой деятельности, поэтому можно сказать, что мера риска в большей степени относится не к доходам У, а к возможным убыткам агентов - У.
В этом случае максимизация возможного дохода (полезности) эквивалентна минимизации меры риска. В общем случае, однако, это может не выполняться, и величина риска может быть только одним из факторов, который учитывается при принятии решений.
Если мера риска р имеет денежный эквивалент (например, мера риска — необходимый резерв для покрытия финансовых убытков), то необходимо выполнение свойства однородности.
Если это свойство не будет выполнено, то могут возникнуть проблемы при переходе от одних денежных единиц к другим, например, при оценке рисков в различных валютах.
Исторически первой числовой характеристикой, которая использовалась в качестве критерия для анализа решений, принимаемых ЛПР в условиях вероятностной неопределенности, являлось математическое ожидание. Эта характеристика является интерпретируемой, т.е. имеет ясный содержательный смысл, поскольку при достаточно большом числе реализаций случайной величины % среднее арифметическое ее наблюдаемых значений будет примерно равно Шс = Е(?). Математическое ожидание обладает многими хорошими свойствами, однако данная характеристика не показывает величину колебаний значений случайной величины вокруг среднего значения. Поэтому был разработан целый ряд специальных числовых характеристик — мер риска. Меры риска могут выступать как в качестве критериев, так и помогать в формировании критериев, при помощи которых осуществляется сравнение выбранных ЛИР альтернатив и выбор наилучшего варианта.

Весь текст будет доступен после покупки

1.Остапенко А.Г. Математические основы риск-анализа /А.Г. Остапенко, М.В. Бурса/Воронеж: ФГБОУ ВПО «Воронежский государственный технический университет», 2013. – 136 с.
2. Подшювский В. В. Среднее полуотклонсние как информация для принятия решенийв условиях риска. Информационный анализ. НТИ. Сер. 2. Информационные процессы и системы. 2006. № 5.
3. Libbi R., Fishbum Р. С. Behavioral models of risk taking in business decisions: a survey andevaluation //Journal of accounting research. 1977. Vol. 12. P. 272—292.
4. Варден ван дер Б. Л. Математическая статистика. М.: Иностранная литература, 1960.435 с.
5. Осовецкий Л., Шевченко В. Оценка защищенности сетей и систем // Экспресс электроника. 2002. № 2 - 3. С. 20 - 24.
6. Карпычев В. Ю., Минаев В. А. Цена информационной безопасности // Системы безопасности. 2003, № 5. С. 128 - 130.
7. Жижелев А. В., Панфилов А. П., Язов Ю. К., Батищев Р. В. К оценке эффективности защиты информации в телекоммуникационных системах посредством нечетких множеств // Изв. вузов. Приборостроение. 2003. т. 46, № 7. С. 22 - 29.
8. Нестерук Г. Ф., Молдовян А. А., Осовецкий Л. Г., Нестерук Ф. Г.; Фархутдинов Р. Ш. К разработке модели адаптивной защиты информации // Вопросы защиты информации. 2005, № 3. С. 11 – 16.м
9. Гмурман В.Е. Теория вероятностей и математическая статистика. - М.: Высш. Ш., 2009. - 479с.

Весь текст будет доступен после покупки