Как оперативно оценить ущерб от внезапного взлома защиты объекта критически значимой инфраструктуры: методы и инструменты

Бюллетень науки и практики / Bulletin of Science and Practice

УДК 330+004                                    

В процессе функционирования защищаемых объектов возникает множество нестандартных ситуаций, связанных с внезапным нарушением безопасности защищаемого объекта. Как отмечается в литературе, хотя и «существуют формальные методы оценки эффективности средств защиты информации, модели разграничения доступа, методы построения и анализа объектно-ориентированных моделей защиты информационных систем», эти методы «ограничены в формальном представлении всех специфических свойств, существенных для проверки выполнения требований к защите информации» [1].

Описывая модели информационной безопасности (ИБ), автор поясняет, что ещё «на уровне проектирования обычно фиксируется хотя бы три слоя: прикладной (бизнес-логика и роли), слой данных (схемы БД и транзакции) и инфраструктурный (сеть, домен, доступ администраторов). И здесь появляется «дыра по умолчанию», когда приложение настроено строго, но прямой доступ к БД остается слишком широким» [2].

При этом с появлением квантовых компьютеров вероятность взлома защиты и нарушения информационной безопасности существенно возрастает, поскольку их использование преступниками «может поставить под угрозу системы гражданской, военной связи, экономическую сферу страны, а также другие сферы деятельности… С каждым годом киберпреступники развиваются и демонстрируют новые виды многовекторных атак, одновременно с этим совершенствуется сфера квантовых технологий, представляющая еще более серьезные угрозы для классических информационных систем… Но что случится, если мощный квантовый компьютер попадет в руки злоумышленников? Они будут способны в короткие сроки взломать практически любую систему безопасности, что приведет к негативным последствиям, начиная с беспорядков в финансовой системе и заканчивая утечкой государственной тайны» [3].

Причем нарушение информационной безопасности объекта возникает неожиданно и поэтому получить исходные данные для выполнения ретроспективного анализа и оценки ущерба затруднительно и маловероятно. Получается, что вероятность взлома защиты информационных ресурсов достаточно высока. Но, спрашивается, как оперативно оценить величину возможного ущерба от нарушения информационной безопасности объектов критически значимой инфраструктуры? В статье, базируясь на ранее выполненных исследованиях, предложены оригинальные методы и инструментальные средства для оперативной количественной оценки величины ущерба от взлома защиты объекта критически значимой инфраструктуры [4-8].

При этом ущерб от нарушения ИБ представляется в виде затрат времени, материалов, трудовых, энергетических и финансовых ресурсов на восстановление работоспособности защищаемого объекта. И поскольку при оценке затрат любых ресурсов можно использовать одинаковые методы и инструментальные средства, решение поставленной задачи рассмотрим на примере оценки затрат финансовых ресурсов на восстановительные работы после взлома защиты рассматриваемого объекта.

Замечание 1. Напомним о том, что косвенный (общий, суммарный) ущерб от взлома защиты объектов критически значимой инфраструктуры (ущерб, представленный в виде величины затрат указанного ранее состава ресурсов) может многократно превышать ресурсоёмкость работ по восстановлению работоспособности защищаемого объекта. Ведь косвенный ущерб от взрыва на газо- или нефтепроводе, на химзаводе, атомной электростанции и даже авария на электроподстанции, питающей крупное фармпредприятие, могут оказать негативное влияние на всю мировую торговлю: на объем представленных на рынках удобрений, автомобилей, медикаментов и многих других товаров.

Оперативная оценка затрат финансовых ресурсов на восстановительные работы после нарушения информационной безопасности объекта критической значимой инфраструктуры. Для оценки величины ущерба в виде затрат финансовых ресурсов на восстановление работоспособности защищаемого объекта воспользуемся методом «Пошаговое уточнение в процессе экспертизы значений показателей с оценкой характеристик закона распределения». Напомним сначала особенности и перечислим основные преимущества этого метода [7, 8].

Описание метода. Особенности реализации:

• 1.    Специалистам, участвующим в экспертизе, предоставляется возможность рассматривать возражения и предложения других членов экспертной группы в атмосфере, свободной от влияния личных качеств участников, что способствует активизации интеллектуальной деятельности экспертов;

• 2.    Обеспечена возможность использовать так называемое «информированное интуитивное суждение» специалиста-эксперта путем создания условий для активного взаимодействия с другими специалистами в областях, касающихся различных аспектов изучаемой проблемы;

• 3.    Непосредственное общение специалистов друг с другом заменяется последовательностью шагов, на каждом из которых реализуется полный цикл экспертизы, включая информирование специалистов-экспертов о результатах предыдущего шага. Поэтому здесь нет негативного влияния на результат реализации алгоритмов присутствия в составе экспертной группы начальников и подчиненных, друзей и врагов, лиц с разной скоростью реакции, с разными культурными и религиозными традициями и т.д.;

• 4.    Предусмотрено количественное определение момента (номера шага) завершения экспертного опроса (по величине изменения коэффициента вариации);

• 5.    Метод корректен, многократно апробирован, подтвердил свою прикладную полезность в процессе использования в различных предметных областях.

Оценки каждого i-го эксперта на j-м шаге Э(j)i аппроксимируются треугольным (если указано три значения) или равномерным (если эксперт указал два значения показателя) распределениями. Обобщенное коллективное мнение n экспертов об искомом значении показателя определяется как среднее n случайных величин, имеющих треугольное или равномерное распределения путем реализации на каждом k-ом шаге имитационного моделирования функции Э(k)об=(ΣЭ(k)i)/n, (iЄn). В качестве инструментальных средств реализации имитационного моделирования используется разработанный авторами программный продукт, позволяющий с минимальными трудозатратами (в автоматизированном режиме) строить имитационную модель. В результате имитационного моделирования на каждом k-ом шаге получают статистические характеристики (математическое ожидание, дисперсию, коэффициент вариации, эксцесс, асимметрию) и распределение (таблицу и гистограмму) значений показателя — функции Э(k)об=f(Э(k)i). После каждого шага (цикла экспертизы) участников экспертной группы знакомят с объяснениями, представленными в защиту сильно отличающихся оценок значений показателя, и предлагают при желании изменить свои предыдущие ответы. На каждом очередном j-ом шаге оценивают изменение значений коэффициента вариации К(j)var функции Э(j)об. При отклонении коэффициента вариации от предыдущего значения, например, на 5% и менее можно считать, что оценки экспертов стабилизировались и целесообразно завершать экспертизу. На основании результатов имитационного моделирования на последнем шаге оценивают доверительные границы значений показателя и вероятность того, что его значения окажутся больше или меньше определенного числа. Преимущества метода:

• 1.    Повышение точности результатов экспертизы за счет *наличия обратной связи при реализации каждого последующего тура; *обеспечения эксперту возможности указывать три или два значения искомого показателя; * определения по результатам имитационного моделирования вероятности попадания величины показателя в заданный диапазон значений;

• 2.    Уменьшение психологической нагрузки на эксперта и негативного влияния на результаты экспертизы присутствия начальников и/или амбициозных личностей, поскольку сохраняется анонимность: эксперты не общаются друг с другом и не знают, кто дал конкретное обоснование в защиту сильно отличающихся значений показателя;

• 3.    Представление суммарного распределения как среднего (математического ожидания) суммы треугольных или равномерных распределений оценок отдельных экспертов, позволяет получить результирующее распределение значений показателя даже при условии, что эксперты указывают три или два значения искомого показателя и большой дисперсии оценок;

• 4.    Расчет статистических характеристик распределений (математическое ожидание, дисперсия, коэффициент вариации, медиана, асимметрия, эксцесс) гистограмм и таблиц распределений обеспечивает возможность оценки вероятности попадания значений искомого показателя в заданный диапазон;

• 5.    Выявление самопроизвольных группировок экспертов, оценки которых относительно искомых значений показателя близки, дает возможность исследовать причины образования таких групп. Формирование групп экспертов осуществляется, исходя из заданной пороговой величины вероятности конкретного диапазона значений прогнозируемого показателя.

При использовании метода можно определить, как взаимосвязаны ответы участников экспертной группы, какова степень этой взаимосвязи, и влиянием каких факторов объясняется наличие такой взаимосвязи (влияет ли уровень образования, место работы, специальность, стаж работы, особенности объекта анализа и т.д.).

Сравнительная оценка прикладной полезности метода

Во многих случаях обойтись без использования экспертной процедуры, предложенной в рассматриваемом методе, просто невозможно. Действительно, для вновь разрабатываемого товара опрос экспертов придется использовать при прогнозировании величины спроса на этот товар, затрат на его эксплуатацию, при оценке совокупной стоимости владения товаром и во множестве разных ситуаций. Поэтому желательно знать, насколько достоверными будут результаты применения метода. Для оценки потребительского качества метода (степени его прикладной полезности) нами выполнены экспериментальные исследования в процессе выполнения хоздоговорных работах по заказам ряда крупных предприятий. Так, при разработке информационных систем «АСУ-ремонт» для электровозостроительного завода НЭВЗ (г. Новочеркасск) и завода «Атоммаш» (г. Волгодонск) выполнялась оценка затрат времени на процессы и операции по ремонту оборудования и путем хронометража (явно и неявно), и путем опроса исполнителей-ремонтников со стажем работы больше одного года.

Аналогичный подход использовался и при оценке затрат времени на выполнение других процессов и операций по заказам заводов «Восход» и «Гидроагрегат» (Нижегородская область), завода № 412 (г. Ростов-на-Дону) и др., а также в нескольких налоговых инспекциях [9‒12].

Оказалось (и для многих из нас совершенно неожиданно), что статистически значимо (с вероятностью 0.9‒0.95) по интердецильным размахам обе выборки (и полученная в результате явных и неявных хронометражных измерений, и экспертным путем по методу ПУЗ-ОХР) принадлежат к одной генеральной совокупности (!).

Численный пример реализации предложенного метода. В Таблице 1 представлены экспертные оценки величины затрат финансовых ресурсов на восстановительные работы после внезапного нарушения информационной безопасности защищаемого объекта. Для пояснения работы предложенного метода и созданной авторами Python-программы этого количества экспертов вполне достаточно.

Таблица 1

ЭКСПЕРТНАЯ ОЦЕНКА ЗАТРАТ ФИНАНСОВЫХ РЕСУРСОВ НА ВОССТАНОВЛЕНИЕ ИНФОРМАЦИОННОЙ БЕЗОПАСНОСТИ ЗАЩИЩАЕМОГО ОБЪЕКТА (ШАГ 1)

Значения финансовых Оценки экспертов о возможной величине затрат

Номер         затрат на           финансовых ресурсов на восстановительные работы

Шага восстановительные работы              после нарушения ИБ объекта

(у.е.) Э11 Э12 Э13 Э14 Э15 Минимальное 45 30 50 60 30 1     Наиболее вероятное 85 50 60 70 40 Максимальное 110 70 90 95 60 Результаты имитационного моделирования данных таблицы 1 для эксперта Е1 представлены на Рисунке 1 и в Таблице 2.

Рисунок 1. Гистограмма распределения значений затрат финансовых ресурсов на восстановление ИБ защищаемого объекта — оценка эксперта Е11

Правда, у разных экспертов результаты моделирования (ответы опрашиваемых экспертов) заметно отличаются; это отличие оперативно легко обнаружить, взглянув лишь на гистограммы (Рисунок 1, 2).

Бюллетень науки и практики / Bulletin of Science and Practice Т. 12. №8 2026

Таблица 2

СТРУКТУРА НАКОПЛЕННОЙ ВЕРОЯТНОСТИ. ШАГ 1. ОЦЕНКА ЭКСПЕРТА Е11

Значения X min	Значения X max	Частота	Вероятность	Накопленная вероятность
46.7	52.3	22	0.022	0.022
52.3	57.9	44	0.044	0.066
57.9	63.5	73	0.073	0.139
63.5	69.1	84	0.084	0.223
69.1	74.7	111	0.111	0.334
74.7	80.3	129	0.129	0.463
80.3	85.9	170	0.170	0.633
85.9	91.5	141	0.141	0.774
91.5	97.1	123	0.123	0.897
97.1	102.8	77	0.077	0.974
102.8	108.4	26	0.026	1.000

Рисунок 2. Гистограмма распределения значений затрат финансовых ресурсов на восстановление ИБ защищаемого объекта — оценка эксперта Е13

В Таблице 3 представлены результаты моделирования ответов всех участвующих в опросе специалистов в отдельности и в обобщенном варианте после реализации Шага 1. В Таблице 4 представлены экспертные оценки величины затрат финансовых ресурсов на восстановительные работы после внезапного нарушения информационной безопасности защищаемого объекта с учетом изменений в ответах на Шаге 2, а в Таблице 5 — с учетом изменений на Шаге 3. Гистограмма распределения значений затрат финансовых ресурсов по результатам моделирования на Шаге 3 представлена на Рисунке 3, а таблица со значениями накопленных вероятностей — Таблица 6.

Как следует из данных Таблицы 6 и Рисунка 3, и внешний вид гистограммы, и структура накопленной вероятности после Шага 3 существенно изменились: гистограмма стала практически симметричной (этот вывод численно подтверждают и данные таблицы 7), а по таблице накопленной вероятности легко определить вероятность попадания затрат финансовых ресурсов в любой выбранный исследователем интервал.

В Таблице 7 представлены окончательные результаты расчета статистических характеристик распределения затрат финансовых ресурсов на восстановление информационной безопасности объекта критически значимой инфраструктуры

Таблица 3

СТАТИСТИЧЕСКИЕ ХАРАКТЕРИСТИКИ РАСПРЕДЕЛЕНИЯ ЗАТРАТ ФИНАНСОВЫХ РЕСУРСОВ НА ВОССТАНОВЛЕНИЕ ИНФОРМАЦИОННОЙ БЕЗОПАСНОСТИ ОБЪЕКТА

КРИТИЧЕСКИ ЗНАЧИМОЙ ИНФРАСТРУКТУРЫ (ШАГ 1)

Параметры	Значения статистических характеристик распределения затрат финансовых ресурсов на восстановление ИБ объекта
	Е11	Е12	Е13	Е14	Е15	∑Е i
Кол-во итераций	1000	1000	1000	1000	1000	1000
Среднее	80.2	50.2	66.37	75.4	43.4	62.9
Дисперсия	183.8	67.2	68.4	54.1	35.7	16.6
Среднее квадратическое отклонение	13.5	8.2	8.3	7.4	5.9	4.1
Коэффициент вариации K01 var	0.17	0.16	0.13	0.09	0.14	0.07
Асимметрия	-0.26	-0.06	0.431	0.38	0.32	-0.03
Эксцесс	-0.66	-0.56	-0.6	-0.69	-0.4	-0.11
Минимум	46.6	30.7	50.1	60.9	30.8	50.3
Максимум	108.4	69.6	88.0	94.3	58.5	75.1
Модальный интервал	80.3: 85.9	48.4:51.9	57:60.4	70.0:73.0	40.9:43.4	59.3: 61.5
Таблица 4 ЭКСПЕРТНАЯ ОЦЕНКА ЗАТРАТ ФИНАНСОВЫХ РЕСУРСОВ НА ВОССТАНОВЛЕНИЕ ИНФОРМАЦИОННОЙ БЕЗОПАСНОСТИ ЗАЩИЩАЕМОГО ОБЪЕКТА (ШАГ 2)
Значения финансовых Номер          затрат шага     на восстановительные	Оценки экспертов о возможной величине затрат финансовых ресурсов на восстановительные работы после нарушения ИБ объекта
работы (у.е.)		Э21	Э22	Э23	Э24	Э25
Минимальное		55	60	50	60	50
2    Наиболее вероятное		95	90	60	70	65
Максимальное		110	100	90	95	90

*Жирным шрифтом отмечены значения затрат финансовых ресурсов, измененные после очередного шага

Таблица 5

ЭКСПЕРТНАЯ ОЦЕНКА ЗАТРАТ ФИНАНСОВЫХ РЕСУРСОВ НА ВОССТАНОВЛЕНИЕ

ИНФОРМАЦИОННОЙ БЕЗОПАСНОСТИ ЗАЩИЩАЕМОГО ОБЪЕКТА (ШАГ 3)

Номер шага	Значения финансовых затрат на восстановительные работы (у.е.)	Оценки экспертов о возможной величине затрат финансовых ресурсов на восстановительные работы после нарушения ИБ объекта
		Э31	Э32	Э33	Э34	Э35
	Минимальное	55	60	55	50	50
3	Наиболее вероятное	95	90	65	60	65
	Максимальное	110	100	90	95	90

*Жирным шрифтом отмечены значения затрат финансовых ресурсов, измененные после очередного шага

Рисунок 3. Гистограмма распределения значений затрат финансовых ресурсов на восстановление ИБ защищаемого объекта - суммарная оценка всех эксперта ∑Е ij /5.

Таблица 6

СТРУКТУРА НАКОПЛЕННОЙ ВЕРОЯТНОСТИ. ШАГ 3. СУММАРНЫЕ ЗНАЧЕНИЯ НАКОПЛЕННЫХ ВЕРОЯТНОСТЕЙ (ШАГ 3)

Значения X min	Значения X max	Частота	Вероятность	Накопленная вероятность
62.37	64.75	2	0.002	0.002
64.75	67.12	19	0.019	0.021
67.12	69.49	55	0.055	0.076
69.49	71.87	124	0.124	0.200
71.87	74.24	181	0.181	0.381
74.24	76.62	246	0.246	0.627
76.62	78.99	174	0.174	0.801
78.99	81.36	131	0.131	0.932
81.36	83.74	47	0.047	0.979
83.74	86.11	17	0.017	0.996
86.11	88.48	4	0.004	1.000

Таблица 7

СТАТИСТИЧЕСКИЕ ХАРАКТЕРИСТИКИ РАСПРЕДЕЛЕНИЯ ЗАТРАТ ФИНАНСОВЫХ РЕСУРСОВ НА ВОССТАНОВЛЕНИЕ ИНФОРМАЦИОННОЙ БЕЗОПАСНОСТИ ОБЪЕКТА

КРИТИЧЕСКИ ЗНАЧИМОЙ ИНФРАСТРУКТУРЫ

(РЕЗУЛЬТАТЫ ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ. ∑Е IJ /5. ). ШАГИ 1‒3

Параметры	Значения статистических характеристик распределения затрат финансовых ресурсов на восстановление ИБ объекта
Переменная	f1	f2	f3
Комментарий
Число итераций	1000	1000	1000
Среднее	62.9	75.9	75.4
Дисперсия	16.6	15.3	16.5
Среднеквадратическое отклонение	4.1	3.9	4.07
Коэффициент вариации	0.07	0.052	0.054

Бюллетень науки и практики / Bulletin of Science and Practice Т. 12. №8 2026

01-03 K    var
Асимметрия	-0.03	-0.04	0.036
Эксцесс	-0.11	-0.045	-0.13
Минимум	50.3	63.8	62.4
Максимум	75.1	89.4	88.5
Модальный интервал	59.3 : 61.5	75.5 : 77.8	74.2 : 76.6

(|K⁰² var - K⁰³ var |)/ K⁰³ var <5%, т.е. экспертизу можно завершить

Замечание 2 . В стране с населением, например, 100 млн. человек совсем несложно сформировать и поддерживать в актуальном состоянии базу (БД) в составе 1000 высококвалифицированных специалистов-экспертов в финансовой сфере, сфере ИБ, машиностроения, информатики, строительства, в других отраслях и предметных областях. Ведь при наличии созданной базы экспертов легко отобрать (с использованием датчика случайных чисел) нужное количество участников опроса, например, 100 специалистов для оценки затрат ресурсов на восстановление работоспособности защищаемого объекта. Причем увеличение количества участников экспертизы и использование интердецильного размаха позволит с большей точностью оценивать и косвенный ущерб от взлома защиты н нарушения ИБ объектов критически значимой инфраструктуры страны [13‒15].

Выводы

В статье впервые:

• 1.    Предложено ущерб от внезапного нарушения информационной безопасности объекта критически значимой инфраструктуры представить в виде затрат времени, материалов, трудовых, энергетических и финансовых ресурсов на восстановление работоспособности защищаемого объекта;

• 2.    Разработана Python-программа, позволяющая реализовать экспресс-оценку характеристик распределения затрат времени, материалов, трудовых, энергетических и финансовых ресурсов на работы по восстановлению информационной безопасности объекта критически значимой инфраструктуры;

• 3.    Показана (на примере затрат финансовых ресурсов) возможность использовать авторскую Python-программу для оперативной оценки совокупности основных статистических характеристик распределения затрат ресурсов на восстановление работоспособности защищаемого объекта, включая среднее значение, дисперсию, среднее квадратическое отклонение, коэффициент вариации, асимметрию, эксцесс, минимальное и максимальное значения, оценку структуры накопленных вероятностей.