СОДЕРЖАНИЕ
ИНФОРМАТИЗАЦИЯ
И СВЯЗЬ
Издается с 1998 г.
ISSN 2078-8320
Журнал зарегистрирован
в Министерстве РФ по делам
печати, телерадиовещания
и средств массовых
коммуникаций
Регистрационный номер
ПИ № 77-16535
Издатель
Автономная некоммерческая
организация «Редакция журнала
«Информатизация и связь»
Адрес редакции
105005, г. Москва,
ул. Бакунинская, д. 15
Телефон: 8 (926) 831-70-81
e-mail: infsvz@gmail.com
www.inf-svz.ru
3’2023
1.2.2. Математическое моделирование,
численные методы и комплексы программ
Миков А.И., Миков А.А.
Анализ мобильных периферийных компьютерных сетей
на основе специализированного фреймворка..................................... 7
1.2.3.Теоретическая информатика,кибернетика
Медиевский А.В., Кириллова С.В., Кириллов К.А., Зотин А.Г., Симонов К.В.
ВЕЙВЛЕТ-АНАЛИЗ ЭЛЕКТРОЭНЦЕФАЛОГРАММ
ПАЦИЕНТОВ С ЭПИЛЕПСИЕЙ................................................................................ 13
2.2.13. Радиотехника, в том числе системы
и устройства телевидения
Мельников Н.М., Никишкин А.В., Стишак А.А., Волошин Г.Г.
ПРИМЕНЕНИЕ ПЕРСПЕКТИВНЫХ СРЕДСТВ РАДИОСВЯЗИ
В ПОДРАЗДЕЛЕНИЯХ ОРГАНОВ ВНУТРЕННИХ ДЕЛ.......................................... 22
2.2.15. Системы, сети и устройства
телекоммуникаций
Канаев А.К., Опарин Е.В., Опарина Е. В.
КОНЦЕПТУАЛЬНАЯ МОДЕЛЬ КОМПЛЕКСНОЙ СИСТЕМЫ
СИНХРОНИЗАЦИИ И ДОСТАВКИ ШКАЛЫ ВРЕМЕНИ ДЛЯ КРУПНОЙ
РАСПРЕДЕЛЕННОЙ СИСТЕМЫ ТЕХНОЛОГИЧЕСКОГО НАЗНАЧЕНИЯ............ 27
2.3.1. Системный анализ,управление
и обработка информации
Хомколов И.В., Медиевский А.В., Зотин А.Г., Симонов К.В.,
Кругляков А.С.
ИНФОРМАЦИИ АЛГОРИТМИЧЕСКОЕ ОБЕСПЕЧЕНИЕ ОБРАБОТКИ
И АНАЛИЗА ИЗОБРАЖЕНИЙ МЕДИЦИНСКОГО ЭКСПЕРИМЕНТА................... 35
Попов А.А., Овсянкин А.А., Хаперсков М.В., Мирбадиев Ш.З.,
Ковальчук Н.Н.
РАЗРАБОТКА ИМИТАЦИОННОЙ МОДЕЛИ ОЦЕНКИ РЕЖИМОВ РАБОТЫ
ТЕХНОЛОГИЧЕСКОГО ПРОЦЕССА КОНТРОЛЯ КАЧЕСТВА ИЗДЕЛИЙ............ 43
Кашкин В.Б. , Одинцов Р.В., Рублева Т.В., Симонов К.В.
АНАЛИЗ ВАРИАЦИЙ ОЗОНА В АТМОСФЕРЕ
НАД СЕЙСМОАКТИВНЫМИ РЕГИОНАМИ . .......................................................... 48
2.3.5.Математическое и программное
обеспечение вычислительных систем,
комплексов и компьютерных сетей
Огнегина П.С., Огнегин К.Е., Попов А.А.
АЛГОРИТМ АВТОМАТИЗАЦИИ ПРОЦЕССА РАБОТЫ СТУДЕНЧЕСКОГО
ДВОРЦА КУЛЬТУРЫ НА ПРИМЕРЕ СТУДИИ ВОКАЛА........................................ 56
 Внимание авторов! 2.3.6. Методы и системы защиты информации,
Журнал входит в «Перечень информационная безопасность
российских рецензируемых
Коломеец М.В., Жернова К.Н., Чечулин А.А.
научных журналов, в которых АНАЛИЗ УГРОЗ ИНТЕРФЕЙСАМ БЕСПИЛОТНОЙ
должны быть опубликованы ТРАНСПОРТНОЙ СРЕДЫ......................................................................................... 62
основные научные результаты Покусов В.В.
диссертации на соискание АНАЛИТИЧЕСКАЯ МОДЕЛЬ УГРОЗ МЕЖМОДУЛЬНОГО .................................. 76
ученых степеней доктора ВЗАИМОДЕЙСТВИЯ В СИСТЕМЕ ЗАЩИТЫ ИНФОРМАЦИИ.............................. 76

и кандидата наук» Левшун Д.А., Левшун Д.С.

ПОДХОД К ОБНАРУЖЕНИЮ КЛАВИАТУРНЫХ ШПИОНОВ
НА ОСНОВЕ МЕТОДОВ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА............................... 85

Горда М.Д., Чечулин А.А.

Перепечатка материалов МОДЕЛЬ РАССЛЕДОВАНИЯ КИБЕРПРЕСТУПЛЕНИЙ......................................... 92

допускается только Жукабаева Т.К., Десницкий В.А., Марденов Е.М.

с письменного разрешения АНАЛИТИЧЕСКОЕ МОДЕЛИРОВАНИЕ АТАКУЮЩИХ ВОЗДЕЙСТВИЙ
В БЕСПРОВОДНЫХ СЕНСОРНЫХ СЕТЯХ ДЛЯ РЕШЕНИЯ ЗАДАЧ
редакции ОБНАРУЖЕНИЯ АТАК.............................................................................................. 98

2.3.7. Компьютерное моделирование

Журнал отпечатан и автоматизация проектирования
в ООО “ПремиумПринт”
Мельников Н.М., Никишкин А.А., Стишак А.А., Волошин Г.Г.
МОДЕРНИЗАЦИЯ БЕСПИЛОТНЫХ ЛЕТАТЕЛЬНЫХ АППАРАТОВ
ТЯЖЕЛЕЕ ВОЗДУХА ПРИМЕНЯЕМЫХ СИЛОВЫМИ СТРУКТУРАМИ
РОССИЙСКОЙ ФЕДЕРАЦИИ................................................................................. 106
Подписано в печать 01.06.2023
Павленко И.Д., Егунов В.А.
Тираж 100 экз. Усл. печ. 5. ИССЛЕДОВАНИЕ ЭФФЕКТИВНОСТИ МЕТОДОВ
Заказ № 6091. ОТСЛЕЖИВАНИЯ ПОЛОЖЕНИЯ ШЛЕМА И КОНТРОЛЛЕРОВ
ВИРТУАЛЬНОЙ РЕАЛЬНОСТИ.............................................................................. 110

© Журнал
“Информатизация
и связь”, 2023

2
 ISSN 2078-8320
Registration number
of the journal: ПИ № 77-16535
Publisher:
Autonomous non-profit
organization “Informatization
and communication“
Journal Editorial Board “
Editorial address
105005, Moscow,
Bakuninskaya st., 15
Phone number:
8 (926) 831-70-81
e-mail: infsvz@gmail.com
www.inf-svz.ru
The journal is included in the “List of
peer-reviewed scientific publications
in which the main scientific results
of dissertations for obtaining the
scientific degree of a candidate of
science must be published, for the
academic degree of a doctor of
sciences”
Reprinting of materials is allowed
only with the written permission of
the editorial office
The magazine is printed
in Calypso Ltd.
Edition – 100 copies.
© Scientific Journal
“Informatization and
communication“, 2023
CONTENT
1.2.2. Mathematical modeling numerical methods
3’2023
and complexes of programs
Mikov A.I., Mikov A.A.
Analysis of mobile edge computer networks based
on a specialized framework............................................................................. 7
1.2.3. Theoretical computer science, cybernetics
Medievsky A.V., Kirillova S.V., Kirillov K.A. , Zotin A.G., Simonov K.V.
WAVELET ANALYSIS OF ELECTROENCEPHALOGRAMS
OF PATIENTS WITH EPILEPSY................................................................................. 13
2.2.13. Radio engineering, including television
systems and devices
Melnikov N.M., Nikishkin A.V., Stishak A.A., Voloshin G.G.
APPLICATION OF PROMISING RADIO COMMUNICATIONS
IN THE DEPARTMENTS OF THE INTERNAL AFFAIRS............................................. 22
2.2.15. Telecommunications systems,
networks and devices
Kanaev A.K., Oparin E.V., Oparina E.V.
THE CONCEPTUAL MODEL OF THE COMPLEX SYSTEM
OF SYNCHRONIZATION AND DELIVERY
OF THE TIME SCALE FOR A LARGE DISTRIBUTED
TECHNOLOGICAL PURPOSE SYSTEM.................................................................... 27
2.3.1. System analysis,
control and information processing
Khomkolov I.V., Medievsky A.V., Zotin A.G., Simonov K.V., Kruglyakov A.S.
ALGORITHMIC SUPPORT FOR PROCESSING
AND ANALYSIS OF MEDICAL EXPERIMENT IMAGES............................................. 35
Popov A.A., Ovsyankin A.A., Khaperskov M.V., Mirbadiev S.Z.,
Kovalchuk N.N.
DEVELOPMENT OF A SIMULATION MODEL
FOR EVALUATING THE OPERATING MODES
OF THE TECHNOLOGICAL PROCESS OF PRODUCT
QUALITY CONTROL . ................................................................................................ 43
Kashkin V.B., Odintsov R.V., Rubleva T.V., Simonov K.V.
ANALYSIS OF OZONE VARIATIONS IN THE ATMOSPHERE
ABOVE SEISMICALLY ACTIVE REGIONS................................................................. 48
3
 2.3.5. Mathematical and software of computer
systems, complexes and computer networks
Ognegina P.S., Ognegin K.E., Popov A.A.
THE ALGORITHM FOR AUTOMATING THE WORK PROCESS OF THE STUDENT
PALACE OF CULTURE
ON THE EXAMPLE OF THE VOCAL STUDIO........................................................... 56

2.3.6. Information security methods

and systems, information, security
Kolomeec M.V., Zhernova K.N., Chechulin A.A.
ANALYSIS OF THREATS TO INTERFACES
OF UNMANNED VEHICLES....................................................................................... 62

Pokussov V.V.
ANALYTICAL MODEL OF INTERMODULE INTERACTIONS THREATS
IN THE INFORMATION SECURITY SYSTEM............................................................ 76

Levshun D.A., Levshun D.S.

APPROACH FOR KEYLOGGER DETECTION
BASED ON ARTIFICIAL INTELLIGENCE METHODS................................................ 85

Gorda M.D., Chechulin A.A.

CYBERCRIME INVESTIGATION MODEL................................................................... 92

Zhukabayeva T.K., Desnitsky V.A., Mardenov Е.M.

ANALYTICAL MODELING OF ATTACKS IN WIRELESS
SENSOR NETWORKS FOR ATTACK DETECTION................................................... 98

2.3.7. Computer modeling and design automation

Melnikov N.M., Nikishkin A.V., Stishak A.A., Voloshin G.G.
MODERNIZATION OF UNMANNED AERIAL VEHICLES
HEAVIER THAN AIR USED BY THE POWER STRUCTURES
OF THE RUSSIAN FEDERATION............................................................................. 106

Pavlenko I.D. , Egunov V.A.

INVESTIGATION OF THE EFFECTIVENESS OF HELMET
POSITION TRACKING METHODS AND VIRTUAL REALITY CONTROLLER......... 110

4
 Редакционная коллегия
Главный редактор:
ГУЛЯЕВ Ю.В. – академик РАН, член Президиу-
ма РАН, научный руководитель ФГБУН «Института
радиотехники и электроники им. В.А. Котельнико-
ва» РАН.
Заместитель главного редактора:
ОЛЕЙНИКОВ А.Я. – доктор технических
наук, профессор, главный научный сотрудник
ФГБУН «Института радиотехники и электроники
им. В.А. Котельникова» РАН.
Члены редакционной коллегии:
АБРАМОВ С.М. – доктор физико-математи-
ческих наук, член-корреспондент РАН, дирек-
тор ФГБУН Института программных систем им.
А.К. Айламазяна РАН.
АКИНШИН Р.Н. – доктор технических наук,
профессор кафедры автономных информационных и
управляющих систем МГТУ им. Н.Э. Баумана
ВЕСЕЛОВ Г.Е. – доктор технических наук, про-
фессор, директор Института компьютерных техно-
логий и информационной безопасности.
ВУС М.А. – кандидат технических наук, старший
научный сотрудник ФГБУН Санкт-Петербургский
институт информатики и автоматизации РАН.
ЗАЙЦЕВСКИЙ И.В. – доктор экономических
наук, профессор, генеральный директор АНОО Цен-
тральный Российский Дом знаний Общества «Зна-
ние» России.
КОВАЛЁВ С.М. – доктор технических наук, про-
фессор кафедры «Автоматика и телемеханика на желез-
нодорожном транспорте» Ростовского государственного
университета путей сообщения.
КОЗЛОВ А.И. – доктор физико-математических
наук, профессор Московского государственного тех-
нического университета гражданской авиации.
КОСТОГРЫЗОВ А.И. – доктор технических
наук, профессор, директор-научный руководитель
«Научно-исследовательский института прикладной
математики и сертификации», профессор МГТУ
МИРЭА и РГУ нефти и газа им. И.М.Губкина.
№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ
КРЫЛОВ Г.О. – доктор физико-математических
наук, кандидат юридических и технических наук,
профессор кафедры «Информационная безопас-
ность» финансового университета при Правитель-
стве Российской Федерации.
РОГОЗОВ Ю.И. – доктор технических наук,
профессор, заведующий кафедрой системного ана-
лиза и телекоммуникаций Южного федерального
университета.
РОСС Г.В. – доктор технических наук, доктор
экономических наук, профессор Московского техно-
логического университета (МИРЭА).
Симонов В.М. – доктор физико-математических
наук, старший научный сотрудник, учёный секретарь-
главный научный сотрудник Федерального государ-
ственного автономного научного учреждения «Центр
информационных технологий и систем органов испол-
нительной влаcти имени А.В. Старовойтова».
Соколов Б.В. – профессор, доктор техниче-
ских наук Федеральное государственное бюджетное
учреждение науки Санкт-Петербургский институт
информатики и автоматизации Российской академии
наук (СПИИРАН), главный научный сотрудник-ру-
ководитель лаборатории информационных техноло-
гий в системном анализе и моделировании
СТРЕЛЬЦОВ А.А. – доктор технических наук,
доктор юридических наук, профессор, заведующий
отделом МГУ им. М.В. Ломоносова.
ТАРАСОВ Б.В. – доктор технических наук, про-
фессор, генеральный директор Научно-производ-
ственного центра «Модуль».
ЦАРЕВ А.П. – кандидат технических наук, Пре-
зидент Московского отделения «Качество информа-
ционных технологий в системах управления» Акаде-
мии проблем качества.
ЮСУПОВ Р.М. – доктор технических наук, про-
фессор, член-корреспондент РАН, научный руково-
дитель ФГБУН Санкт-Петербургский институт ин-
форматики и автоматизации РАН.
5
 EDITORIAL BOARD
Chief Editor:
GULYAEV Yu.V. – Academician of RAS, scientific di-
rector of the Kotelnikov’s Institute of Radio Engineering and
Electronics of RAS, member of the Presidium of RAS.
Deputy Chief Editor:
OLEINIKOV A.Y. – Doctor of Technical Sciences, Pro-
fessor, Chief Researcher of the Kotelnikov’s Institute of Radio
Engineering and Electronics of RAS.
Members of the Editorial Board:
ABRAMOV S.M. – Doctor of Physical and Mathematical
Sciences, Corresponding Member of RAS, Director of Pro-
gram Systems Institute of RAS.
AKINSHIN R.N. – Doctor of Technical Sciences, Pro-
fessor of the Autonomous Information and Control Systems
Department, MSTU. N.E. Bauman
VESELOV G.E. – Doctor of Technical Sciences, Profes-
sor, director of the «Institute of Computer Technology and In-
formation Security».
VYS M.A. – Candidate of Technical Sciences, senior re-
searcher of Applied Informatics Laboratory of the St. Petersburg
Institute for Informatics and Automation of RAS.
ZAYTSEVSKY I.V. – Doctor of Economic Sciences, Pro-
fessor, General Director of Russian Central House of Knowl-
edge of Russian Society “Knowledge”.
KOVALEV S.M. – Doctor of Engineering Sciences, Pro-
fessor. Chair “Theoretica
KOZLOV A.I. – Doctor of Physical and Mathematical
Sciences, professor of the Moscow state technical university
of civil aviation.
KOSTOGRYZOV A.I. – Doctor of Technical Sciences,
professor, director-supervisor of Scientific Research Institute of
Applied Mathematics and certification, professor of the Moscow
Technological University (MIREA).
6 № 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ
KRYLOV G.O. – Doctor of Physical and Mathemati-
cal Sciences, Candidate of Legal and Technical Sciences,
Professor of the Department of Information Security of the
Finance University under the Government of the Russian
Federation.
ROGOZOV YU.I. – Doctor of Technical Sciences, Profes-
sor, Head of the System Analysis and Telecommunications De-
partment of the Southern Federal University.
ROSS G.V. – Doctor of Technical Sciences, Doctor of
Economical Sciences, professor of the Moscow Technologi-
cal University (MIREA).
Simonov V.M. – Doctor of Physical and Mathemati-
cal Sciences, Senior Researcher, Scientific Secretary-Chief
Researcher оf the Federal State Autonomous Research Insti-
tution «Starovoytov Center of Information Technologies and
Systems for Executive Power Authorities».
SOKOLOV B.V. – Chief researcher, Head of laboratory
of information technology in system analysis and modelling
of St. Petersburg Institute for Informatics and Automation of
the Russian Academy of Sciences (SPIIRAS)
STRELTSOV A.A. – Doctor of Technical Sciences, Doc-
tor of Juridical Sciences, Professor, head of department of the
Lomonosov Moscow State University.
TARASOV B.V. – Doctor of Technical Sciences, Pro-
fessor, Director General of Research and Production Center
“Module”.
TSAREV A.P. – Doctor of Technical Sciences, President
of the Moscow branch “Quality of information technologies
in control systems” of the Quality Problems Academy.
Chernikov B.V. – Doctor of Technical Sciences, Se-
nior research fellow, Associate professor, LLC «Gazprom
VNIIGAZ», Deputy Head of the Information and Automation
CenterPlekhanov Russian University of Economics, Professor
of chair «Informatics»
YUSUPOV R.M. – Doctor of Technical Sciences, Cor-
responding Member of RAS, scientific director of St Peters-
burg Institute for Informatics and Automation of RAS.
 1.2.2. Математическое моделирование,
численные методы и комплексы программ

Анализ мобильных периферийных

компьютерных сетей на основе
специализированного фреймворка
стр. 7 – 12
А.И. Миков, А.А. Миков
ФГБОУ ВО «Кубанский государственный университет»
Россия, 350040, Краснодар, ул. Ставропольская, 149

Контактные данные: Миков А.А., e-mail: a.a.mikov@mail.ru

Аннотация: Представлен фреймворк – комплекс программ, разработанный для анализа различных компьютер-
ных сетей периферийных вычислений. Он включает специальные классы для описания периферийных мобильных
устройств, серверов, а также рабочей нагрузки – потоков решаемых задач. Фреймворк позволяет моделировать
характеристики местности, на которой располагаются узлы сети. Продемонстрирована работа с фреймворком
при анализе таких параметров, как величина устаревания информации при задержках в решении задач и время ак-
тивного функционирования периферийных узлов в моделях случайного блуждания. Результаты анализа представ-
лены графиками зависимостей.
Ключевые слова: периферийные вычисления, мобильная сеть, граф видимости, геометрический граф, случайные
блуждания, имитационное моделирование.

Analysis of mobile edge computer networks

based on a specialized framework
pages 7 – 12
A.I. Mikov, A.A. Mikov
FGBOU VO «Kuban State University»
149, Stavropolskaya str., Krasnodar, 350040, Russia,
Summary: A framework is presented as a set of programs designed to analyze various computer networks of edge computing.
It includes special classes for describing mobile units, servers, as well as workloads – streams of tasks to be solved. The
framework allows you to simulate the characteristics of the terrain on which the network nodes are located. The work with
the framework is demonstrated when analyzing such parameters as the amount of information obsolescence due to delays in
solving problems and the time of active functioning of peripheral nodes in random walk models. The results of the analysis
are presented as dependency plots.
Keywords:edge computing, mobile network, visibility graph, geometric graph, random walks, simulation

Введение местности. Выбор устройством конкретного сервера являет-

Периферийные вычисления приобретают все большее
распространение [1, 2] при решении задач на местности.
Большое количество устройств, собирающих и анализиру-
ющих информацию на небольшом расстоянии от своей по-
зиции на местности, периодически генерируют задачи, необ-
ходимые для анализа общей ситуации. Ввиду недостаточной
вычислительной мощности только часть задач может быть
решена на устройстве. Остальные задачи направляются на
более мощные периферийные серверы, распределенные на
DOI: 10.34219/2078-8320-2023-14-3-7-12
ся сложной проблемой [3], от решения которой зависит про-
цент решенных задач, величина устаревания информации и
другие параметры качества сети периферийных вычислений.
Ситуация осложняется наличием на местности пре-
пятствий как для размещения серверов и расположения
устройств, так и для распространения сигналов связи между
устройствами и серверами. Мы рассматриваем местность с
многочисленными нерегулярно расположенными препят-
ствиями, подобно природным ландшафтам. Устройства на-

№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ 7


ходятся в свободном поиске объектов, предположительно на-
ходящихся на неизученной местности, например, каких-либо
артефактов, растений, минералов, животных. Объекты могут
перемещаться непредсказуемым образом, попадая в поле
зрения то одного, то другого устройства. Соответственно,
направление поиска периодически меняется. Компьютерная
сеть должна адаптироваться к ситуации, извлекая и обраба-
тывая максимальное количество данных.
Целью работы является построение программного ком-
плекса – фреймворка для описания компьютерной сети пери-
ферийных вычислений и получения зависимостей характе-
ристик класса моделей от набора заданных параметров.
Дальнейшая часть работы построена следующим обра-
зом. В первом разделе описывается класс математических
моделей, на работу с которыми рассчитан специализирован-
ный фреймворк. Во втором разделе представлена архитекту-
ра программного комплекса и изложены основные принципы
его функционирования. Третий раздел содержит результаты
исследования, проведенного с использованием фреймворка
для определенного подмножества моделей.
1. Класс математических моделей сетей
периферийных вычислений
Математическая модель сети формируется из нескольких
разнородных взаимодействующих моделей – модели местно-
сти (области расположения узлов сети), моделей различных
узлов (устройств и серверов), моделей мобильности узлов
(перемещения устройств на местности), модели взаимодей-
ствия узлов (графа видимости).
Поскольку изучаются характеристики класса моделей, то
при описании моделей используются вероятностные методы,
а процесс исследования включает статистическую обработку
информации.
Модели местности. Модели местности. В области, огра-
ниченной квадратом со стороной h, располагаются k препят-
ствий, центры которых имеют координаты ( , ) по осям x и
y. Величины и являются случайными. Рассматривается
три варианта.
Первый – независимые и , равномерно распреде-
ленные на интервале [0, h]. Это соответствует двумерному
равномерному распределению препятствий на площади все-
го квадрата.
Второй вариант – зависимые и ; пары точек ( , ) с
большей вероятностью располагаются по периметру области
и с меньшей вероятностью находятся в центральной части
области, образуя своего рода «долину».
Третий вариант – также независимые и ; значения
с большей вероятностью находятся в сегменте [h/3, 2h/3]
и с меньшей вероятностью находятся в сегментах [0, h/3) и
(2h/3, h]. При этом значения равномерно распределены на
отрезке [0, h]. Сгенерированные на основе этого варианта
препятствия образуют своего рода «гряду холмов или гор»
вдоль оси y. Сети, расположенные в такой местности, имеют
тенденцию к разбиению на две мало связанные между собой
компоненты.
8 № 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ
Миков А.И., Миков А.А.
Множество серверов. Серверы считаются стационарны-
ми. Они характеризуются своими координатами в области
и величиной r радиуса круга, в котором мощность полезно-
го сигнала превышает мощность электромагнитного шума.
Серверы могут располагаться в виде регулярной прямоуголь-
ной решетки с шагом (расстоянием до ближайшего соседа),
равным , где m – количество серверов, либо в виде ше-
стиугольных сот, или в случайных позициях с равномерным
распределением (исключая позиции в области, занятые пре-
пятствиями).
Множество серверов делит всю область на ячейки в со-
ответствии с диаграммой Вороного. Для серверов, распо-
ложенных в узлах регулярной квадратной решетки, ячейки
Вороного также являются квадратами, в пересечениях диа-
гоналей которых находятся серверы. Если величина радиуса
, то сервер имеет связь с любым устройством,
находящимся в его ячейке Вороного (при отсутствии в этой
ячейке препятствий). В этом случае каждое устройство сети
имеет доступ хотя бы к одному серверу для решения задач.
Однако, при серверы между собой не связаны. Пе-
редача информации между серверами из соседних ячеек при
необходимости возможна через устройство, находящееся в
одной из этих ячеек и попадающее в радиусы действия обо-
их серверов. Вопрос связи между устройством и сервером
при наличии препятствий более сложен и требует анализа
конкретного расположения.
Модели устройств. Устройства предполагаются мобиль-
ными и характеризуются координатами в момент
времени t. Они также обладают приемопередатчиками с
радиусом r. Основной функцией устройства является сбор
информации об окружающем пространстве и ее анализ. С
точки зрения модели эта функция заключается в периоди-
ческом решении задач. В процессе работы и перемещения
устройства генерируется поток задач с интервалами времени
между последовательными генерациями. Поскольку мо-
менты получения данных для решения задачи, а также тип
задачи заранее не предсказуемы, то величины считаются
случайными и независимыми. Рассматриваются два распре-
деления вероятностей: равномерное на интервале и
экспоненциальное (пуассоновский поток). Математическое
ожидание для всех задач и всех устройств считается кон-
стантой, равной b единиц времени.
Устройства не имеют достаточных вычислительных ре-
сурсов для самостоятельного решения задач, поэтому они
передают задачи на серверы. Устройство передает данные
тому серверу, в ячейке Вороного которого оно находится
в данный момент, если расстояние до него не превышает
величины r и между ними отсутствуют препятствия. В про-
тивном случае выбирается другой ближайший доступный
сервер.
Если ни одного доступного сервера нет, то данные оста-
ются в буфере на устройстве, ожидая благоприятной воз-
можности. Перемещение устройства возможно приведет к
тому, что оно попадет в зону радиовидимости какого-либо
сервера. Тогда данные будут переданы и начнется решение
Анализ мобильных периферийных компьютерных сетей на основе
специализированного фреймворка
Рис. 1. Схема функционирования фреймворка
задачи. Длина интервала времени между моментом ге-
нерации задачи и началом ее решения определяет, насколь-
ко устарела информация. При известной динамике данных
значение позволяет оценить величину ошибки решения
задачи.
Модель мобильности устройства – случайное блуждание
на местности [4]. В начальный момент времени устройства
случайно распределены в области на основе двумерного рав-
номерного распределения. При попадании на препятствие
локацией устройства становится ближайшая свободная точ-
ка. Далее, в моменты времени t1 , t2 , t3 ,… движение устрой-
ства определяется векторами скорости u1 , u2 , u3 ,… Дви-
жение происходит либо до конца процесса моделирования
(время T), либо до столкновения с одним из препятствий.
Рассматриваются три варианта результата столкновения: вы-
ход из строя устройства, остановка и отскок в противополож-
ном направлении.
Модель взаимосвязи узлов. Моделью взаимосвязи уз-
лов является граф видимости [3, 5]. Это геометрический
граф, построенный с учетом не только расстояния между
узлами, при котором уровень сигнала остается выше уровня
электромагнитных помех, но и наличия объектов ландшаф-
та – препятствий прохождению сигнала между каждой парой
узлов. В рассматриваемой модели используются двудольные
подграфы графа видимости. В них отсутствуют ребра, соеди-
няющие однотипные вершины: «устройство – устройство» и
«сервер – сервер».
2. Архитектура и функционал фреймворка
Фреймворк основан на событийно-ориентированном мо-
делировании. Каждый объект в нем считается источником и
обработчиком некоторого подмножества заранее заданного
множества событий. В связи с этим в фреймворке работа-
ет две подпрограммы: планировщик и обработчик событий
(рис. 1).
Планировщик записывает новые события в хронологиче-
ском порядке и выдает первое из списка (наиболее раннее).
№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ
Обработчик хранит в себе список всех объектов фреймвор-
ка и активирует те, что указаны в текущем обрабатываемом
событии, после чего выключает их и обновляет модельное
время.
В работе программы определены следующие стандарт-
ные события:
1. Создание задачи;
2. Обновление состояния;
3. Завершение передачи данных задачи;
4. Начало решения задачи;
5. Окончание решения задачи.
Обновление состояния объектов предполагает измене-
ния, которые не связаны непосредственно с целью функци-
онирования мобильной сети: создания и решения задач. В
обновление состояния может входить перемещение узлов,
создание графа связности на основе новых положений, не-
которые дополнительные проверки функционирования объ-
ектов.
Одной из функций фреймворка является автоматическая
генерация ландшафтов. Для создания более реалистичных
местностей есть несколько заранее определенных примити-
вов, которые отличаются по форме (круг, выпуклая фигура)
и принципу взаимодействия с объектами мобильной сети (в
связи с этим возможно моделирование не только гор и лес-
ных массивов, но и, например, рек, озер или каньонов). До-
ступ к сгенерированному ландшафту обеспечивается через
простой интерфейс, описывающий два метода: можно ли
расположить объект в этой точке ландшафта и может ли сиг-
нал пройти из точки А в точку Б.
Работа программного комплекса, основанного на
фреймворке для моделирования мобильных сетей, начина-
ется с чтения конфигурационных файлов (рис. 2), в которых
записаны все изменяемые параметры. Далее по ним строит-
ся модель мобильной сети, инициализируются все объекты
и запускается исследование. После завершения результаты
исследования выводятся в файлы для последующего ана-
лиза.
9
 Миков А.И., Миков А.А.

дачи сигнала изменялся от 10 до 100. Среднее время между

двумя генерациями задач одним устройством равно 100
единиц времени, а вероятностное распределение этого вре-
мени – равномерно распределенное или экспоненциальное
(пуассоновский поток), обозначаемое в конфигурационном
файле параметрами Uniform и Exponential. Системное вре-
мя моделирования процесса в каждом статистическом экс-
перименте равно T = 5000.
В течение этого времени устройства генерируют задачи,
пересылают ближайшему доступному серверу (если такой
найдется) и перемещаются на местности в соответствии с
принципами случайного блуждания. Серверы обрабатывают
полученные данные. На рис. 3 и 4 приведены семейства гра-
фиков зависимостей среднего количества задач, решенных за
время T одним сервером, от величины радиуса r и количества
препятствий.

Рис. 2. Пример конфигурационного файла в формате xml

Так как событий в процессе моделирования создается

очень много, то очень важно следить за расходом памяти,
которая каждый раз выделяется заново для новых программ-
ных объектов. Для этого в фреймворке используется пул со-
бытий, который использует отработавшие старые события,
которые предварительно очищает, и только если таких нет
Рис. 3. Зависимости среднего количества задач, решенных за
– создает новые. За счет этого непосредственно фреймворк
время T одним сервером, от величины радиуса r и количества
использует минимум памяти и практически не запрашивает препятствий k (стационарные устройства)
новую.
Рис. 3 соответствует нулевой мобильности устройств. Ко-
3. Результаты анализа модели средствами ординаты препятствий, а также серверов и устройств опреде-
фреймворка ляются двумерным равномерным распределением (Uniform)
на [0, h]2 за вычетом той части квадрата, где находятся пре-
Фреймворк собирает и обрабатывает данные, выдавая
пятствия. Часть устройств соединена с доступными серве-
результаты в форме Excel файлов. Наличие интерфейса с
рами и задачи сразу обрабатываются. Другая часть удалена
электронными таблицами позволяет представлять результа-
от серверов на большое расстояние – их задачи не обраба-
ты исследования в удобной наглядной форме, а также дает
тываются. Графики показывают, что при малых радиусах r
возможности дальнейшей обработки и интеграции с другими
обрабатывается приблизительно 0,14r задач от общего ко-
ранее проведенными исследованиями.
личества задач, которые могли быть потенциально созданы
В этом разделе приведены результаты анализа описан-
(мы принимаем предположение о том, что если устройство
ной в разделе 1 математической модели периферийной ком-
не может передать задачу на обработку, то оно не создает но-
пьютерной сети, задание на анализ которой для фреймворка
вые задачи).
оформлялось в нескольких конфигурационных файлах со
При очень больших значениях радиуса в отсутствие
следующими наборами параметров.
препятствий обрабатываются все задачи (в данном случае
Параметры ландшафта: Uniform, Valley, HillsChain (опи-
в среднем 500 задач на каждый сервер). При наличии пре-
санные в разделе 1 три вида местности), размер стороны
пятствий это значение уменьшается до 60% для 50 препят-
квадрата h = 100 единиц, размер (радиус) отдельного препят-
ствий.
ствия 5 единиц, количество препятствий: от 0 до 50.
Мобильность устройств, с одной стороны, может приве-
Количество серверов 5 и 10, устройств 50. Случай-
сти к потере связи устройства с сервером и временному пре-
ное блуждание: максимальные скорости перемещения
кращению его обслуживания, с другой стороны, устройство,
устройств – 0 (стационарные устройства), 20 и 40 в тече-
не имевшее ранее доступа к серверам, может приблизиться к
ние времени 100 единиц (после чего векторы скорости из-
одному из них и передать данные для решения задачи, если
меняются случайным образом). Предельный радиус r пере-
они находятся в буфере обмена. Правда, эти данные будут

10 № 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ

Анализ мобильных периферийных компьютерных сетей на основе
специализированного фреймворка

устаревшими (обстановка на местности могла измениться),

но, все-таки, задача будет решена. Рис. 4 демонстрирует за-
висимости среднего количества задач, решенных за время T
одним сервером, от величины радиуса r и количества препят-
ствий k (случайное блуждание устройств с максимальным
вектором скорости, равным 20).

Рис. 6. Зависимости математического ожидания времени

Рис. 4. Зависимости среднего количества задач, решенных за
время T одним сервером, от величины радиуса r и количества
препятствий k (мобильные устройства)
устаревания данных от количества серверов и числа препятствий
(r = 40)
Рис. 7 детально показывает относительное влияние вели-
чины радиуса r и количества препятствий k на среднее зна-
чение устаревания информации (случай 50 устройств и 10
серверов). Верхний график (для r = 10) показывает большие
значения старения данных, мало зависящие от количества
препятствий. Основную роль играет время поиска сервера в
процессе случайного блуждания.

Хотя характеры зависимостей рис. 3 и 4 похожи, но при

малых радиусах r обрабатывается приблизительно 0,17r за-
дач, и это преимущество сохраняется при небольшом (до 20)
количестве препятствий и небольших (до 20) радиусах.
Если серверов в сети немного и радиус передачи сигнала
относительно небольшой, то многие задачи могут решаться
только за счет мобильности устройств. На рис. 5 показаны
зависимости среднего времени устаревания данных, полу-
чаемых серверами от устройств как функции от количества
серверов при различных количествах препятствий сигналу в Рис. 7. Зависимости среднего времени устаревания данных
области расположения сети. от количества препятствий при различных радиусах.
Напротив, нижняя кривая (для r = 50) с относительно не-
большими значениями (до 20,0) показывает увеличение вре-
мени почти в 5 раз при увеличении количества препятствий
от 10 до 50.

Рис. 5. Зависимости математического ожидания времени

устаревания данных от количества серверов и числа препятствий
(r = 20)

Графики построены для 50 устройств и r = 20. Препят-
ствия, серверы и устройства располагаются в области, ис-
ходя из двумерного равномерного распределения. На рис. 6
аналогичные зависимости приведены для случая r = 40. Оче-
видно, во втором случае влияние разницы в количестве пре-
пятствий более заметно.
Рис. 8. Зависимости среднего времени устаревания данных
от радиуса для различного количества препятствий.
Рис. 8 показывает, как падает среднее время устаревания
данных задачи с возрастанием радиуса уверенного приема/
передачи сигнала для варианта ландшафта HillsChain, ука-
занного в конфигурационном файле.

№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ 11


Рис. 9 показывает для случая 50 препятствий, 50 устройств
и 10 серверов различия в среднем времени устаревания дан-
ных для разного расположения препятствий, как это описано
в разделе 1: случайно и равномерно сгенерированные пре-
пятствия, случайно сгенерированные по периметру области
(«Долина»), случайно сгенерированные вдоль прямой, про-
ходящей через центр области параллельно оси ординат.
Рис. 9. Сравнение зависимостей для разных типов местности
Если результаты для первых двух типов местности мало
отличаются, то отличие третьего типа довольно значительно, в
полтора – два раза. Это можно объяснить тем, что «Гряда хол-
мов» разделяет область на две, меньшего размера, соответствен-
но, с меньшими (в среднем) расстояниями между устройствами
и серверами. Случайные блуждания также, с большой вероят-
ностью, ограничиваются этими меньшими подобластями, что
при одинаковых скоростях перемещения устройств приводит к
более быстрому установлению контакта с серверами.
Заключение
Все более широкое распространение периферийных вы-
числений и компьютерных сетей для их реализации требу-
ет создания программных средств для их анализа с целью
построения наиболее эффективных структур и алгорит-
мов. Периферийные вычисления основаны на достаточно
специальных архитектурах компьютерных сетей, поэтому
оправданным является создание облегченных специализиро-
ванных фреймворков для анализа вместо использования уни-
версальных систем моделирования, требующих значитель-
ных ресурсов. В работе представлена математическая модель
сети периферийных вычислений и архитектура разработан-
ного для нее специализированного фреймворка. Приведены
примеры использования фреймворка для автоматизирован-
12
Миков А.И., Миков А.А.
ного анализа различных конфигураций сетей. Результаты
анализа представлены в графической форме.
Конфликт интересов отсутствует.
There is no conflict of interest.
СПИСОК ЛИТЕРАТУРЫ / REFERENCES
1. Feng C. et al. Computation offloading in mobile edge com-
puting networks: A survey // J. of Network and Computer
Applications, vol. 202, 2022, Art no. 103366, doi: 10.1016/j.
jnca.2022.103366.
2. Shahzadi S., Iqbal M., Dagiuklas T., Qayyum Z. U. Multi-
access edge computing: open issues, challenges and future per-
spectives // J. of Cloud Computing: Advances, Systems and Ap-
plications, 2017. pp. 6-30, doi: 10.1186/s13677-017-0097-9.
3. Mikov A. I., Mikov A. A. The Model of Mobile Edge
Computing in the Wild West: Analysis and Evaluation //
2022 International Conference on Modern Network Tech-
nologies (MoNeTec), 2022, pp. 1-12, doi: 10.1109/MoN-
eTec55448.2022.9960745.
4. Corrente G. Random motion nodes empowering opportu-
nistic networks for smart cities // Internet of Things, Vol. 11,
September 2020, 100258. DOI: 10.1016/j.iot.2020.100258.
5. Won M., Zhang W., Chen C.-A., Stoleru R. GROLL: Geo-
graphic Routing for Low Power and Lossy IoT Networks, In-
ternet of Things, vol. 9, 2020, Art no. 100152.
Поступила 04.09.2023
УДК 519.173.1, 519.245
Received 04.09.2023
UDK 519.173.1, 519.245
ИНФОРМАЦИЯ ОБ АВТОРАХ
1. Миков Александр Иванович – доктор физико-математи-
ческих наук, профессор, ФГБОУ ВО «Кубанский государ-
ственный университет»,
e-mail: alexander_mikov@mail.ru
2. Миков Александр Александрович – инженер кафедры
информационных технологий, ФГБОУ ВО «Кубанский го-
сударственный университет», e-mail: a.a.mikov@mail.ru
AUTHORS’ INFORMATION
1. Mikov Alexander Ivanovich – doctor of physics and mathe-
matics, professor, FGBOU VO «Kuban State University»,
e-mail: alexander_mikov@mail.ru
2. Mikov Alexander Alexandrovich – engineer, FGBOU VO
«Kuban State University». e-mail: a.a.mikov@mail.ru
№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ
 1.2.3. ТЕОРЕТИЧЕСКАЯ ИНФОРМАТИКА, КИБЕРНЕТИКА

ВЕЙВЛЕТ-АНАЛИЗ ЭЛЕКТРОЭНЦЕФАЛОГРАММ
ПАЦИЕНТОВ С ЭПИЛЕПСИЕЙ

стр. 13 – 21
А.В. Медиевский1, С.В. Кириллова2, К.А. Кириллов2,3, А.Г. Зотин3, К.В. Симонов4
1 Красноярский государственный медицинский университет имени профессора В.Ф. Войно-Ясенецкого,
Россия, 660022, г. Красноярск, ул. Партизана Железняка, 1
2 Сибирский федеральный университет, Россия, 660041, г. Красноярск, проспект Свободный, 79

3 Сибирский государственный университет науки и технологий имени академика М.Ф. Решетнева,

Россия, 660037, г. Красноярск, пр-т им. газеты Красноярский рабочий, 31

4 Институт вычислительного моделирования СО РАН,

Россия, 660036, г. Красноярск, Академгородок, 50/44

Контактные данные: Симонов К.В. e-mail: simonovkv@icm.krasn.ru

Резюме: Изучение вейвлетных характеристик сигнала позволяет выявлять характерные закономерности в пат-
тернах физиологических ритмов здорового человека и определять изменения в динамической сложности паттернов
при возникновении различных патологических состояний. В работе показана возможность применения вейвлетных
характеристик паттернов ЭЭГ (электроэнцефалограмма) для автоматического выявления эпилептиформных
разрядов. Предложен метод определения частот ЭЭГ, относящихся к шумовым. Показаны возможности сжатия
и фильтрации сигналов ЭЭГ. Разработана вычислительная методика анализа сигналов ЭЭГ применительно к эпи-
лепсии.
Ключевые слова: эпилепсия, сигнал ЭЭГ, вейвлет-анализ сигналов, вейвлет Добеши, сжатие сигнала, удаление
шума.

WAVELET ANALYSIS OF ELECTROENCEPHALOGRAMS

OF PATIENTS WITH EPILEPSY

pages 13 – 21
A.V. Medievsky1, S.V. Kirillova2, K.A. Kirillov2,3, A.G. Zotin3, K.V. Simonov4
1 Krasnoyarsk State Medical University, named after professor V.F. Voino-Yasenetsky,

1, Partisan Zheleznyak st., 660022, Krasnoyarsk, Russia

2 Siberian Federal University, 79, Svobodny pr., 660041, Krasnoyarsk, Russia
3 Reshetnev Siberian State University of Science and Technology,

31, Krasnoyarsky rabochу av., 660037, Krasnoyarsk, Russia

4 Institute
of Computational Modelling SB RAS,
50/44, Akademgorodok st., 660036, Krasnoyarsk, Russia
Summary: The study of the wavelet characteristics of the signal makes it possible to identify characteristic patterns in the
patterns of physiological rhythms of a healthy person and determine changes in the dynamic complexity of the patterns in
the event of various pathological conditions. The paper shows the possibility of using the wavelet characteristics of EEG
patterns (electroencephalogram) for automatic detection of epileptiform discharges. A method is proposed for determining
EEG frequencies related to noise. The possibilities of compression and filtering of EEG signals are shown. A computational
technique for analyzing EEG signals in relation to epilepsy has been developed.
Keywords: epilepsy, EEG signal, wavelet signal analysis, Daubechies wavelet, signal compression, noise removal.

DOI: 10.34219/2078-8320-2023-14-3-13-21

№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ 13

13
 Медиевский А.В., Кириллова С.В., Кириллов К.А., Зотин А.Г., Симонов К.В.
Введение
С помощью математических моделей и аналитических
методов можно изучать связь между различными фактора-
ми и здоровьем, определять вероятность возникновения за-
болевания и прогнозировать результаты лечения [1]. Путем
анализа множества факторов можно содействовать улучше-
нию точности диагностики, выборе наиболее эффективного
метода лечения и контролировании эффективности лечения
в реальном времени.
Для диагностики многих заболеваний в неврологии, в част-
ности, используется электроэнцефалография (ЭЭГ) – метод
исследования головного мозга, основанный на регистрации
его электрических потенциалов. Для выявления активностей
на электроэнцефалограмме применяются различные методы,
включая вейвлет-преобразование одномерных сигналов [2-5].
Цель исследования: усовершенствование методики для об-
работки и анализа ЭЭГ на основе алгоритмов вейвлет-преоб-
разования. Исследование направлено на разработку вычисли-
тельного инструментария для решения диагностических задач.
Изучение механизмов изменения сложности паттернов
физиологических сигналов представляет актуальную задачу
современной нейрофизиологии и имеет фундаментальное
значение, так как способствует развитию представлений об
общих принципах вариабельности физиологических ритмов,
связанных с состоянием здоровья и сложностью процессов
управления функциональными нервными связями [3-5].
Например, для оценки эффективности лекарственного
купирования эпилептических приступов необходима разра-
ботка алгоритмов, позволяющих по данным ЭЭГ предсказы-
вать эпилептиформные разряды и отличать их от активности,
вызванной двигательными артефактами.
Вейвлет-преобразования имеют следующие преимуще-
ства: возможность оценить динамику изменения ЭЭГ в каж-
дый момент времени, т.е. имеем распределение мощности
спектральных составляющих по диапазону частот; возмож-
ность получить локальный спектр для отдельных «вспышек»
сигнала ЭЭГ.
Практическое применение: вейвлет-преобразование по-
зволяет анализировать динамику ЭЭГ в каждый момент вре-
мени и подробно исследовать отдельные вспышки сигнала в
форме отдельного графика. На сегодняшний день особенно-
сти вейвлет-преобразования сигналов ЭЭГ используют для
решения различных задач в неврологии [9-11]. Дальнейший
анализ разложенного сигнала позволит в автоматическом
режиме детектировать элементы ЭЭГ, свойственные для от-
дельных неврологических состояний, преимущественно для
эпилепсии. Предлагаемые в работе алгоритмические реше-
ния значительно упростят анализ записей, продолжитель-
ность которых может превышать 10 часов, а также снизят
вероятность формирования ошибочного заключения.
1. Многоуровневый анализ сигналов ЭЭГ
Вейвлеты являются математическим инструментом
для иерархического представления сигнала. Вейвлет-пре-
14
образование позволяет представить сигнал в виде разло-
жения по базису функций, называемых вейвлетами. При
этом каждый вейвлет – это масштабированная и сдвинутая
копия единственной функции, называемой порождающим
вейвлетом. Свертка сигнала с вейвлетами дает возмож-
ность выделить характерные особенности сигнала в обла-
сти локализации этих вейвлетов, при этом, чем больший
масштаб имеет вейвлет, тем более широкая область сигна-
ла оказывает влияние на результат свертки.
В терминах обработки сигнала вейвлет-преобразование
представляет последовательное разложение сигнала на две
составляющие: низкочастотную и высокочастотную. Любой
ортогональный вейвлет определяет пару фильтров разложе-
ния и – низкочастотный и высокочастотный соот-
ветственно. Например, для вейвлета Добеши-4:
На первом этапе к сигналу применяется низкочастотный
фильтр , а затем высокочастотный фильтр . В ре-
зультате действия получается сглаженная составляющая
сигнала , а в результате – детализирующая
, т.е. – это «детали», которые были потеряны
при сглаживании.
Значения называют коэффициентами аппроксимации,
а – коэффициентами детализации первого уровня разло-
жения. Затем процедура декомпозиции сигнала повторяется,
но уже применительно к коэффициентам . Формируют-
ся наборы коэффициентов и представляющие со-
бой коэффициенты аппроксимации и детализации второго
уровня разложения.
Разложение применяется итеративно к низкочастотным
(аппроксимирующим) коэффициентам. На каждом последу-
ющем уровне аппроксимирующие и детализирующие коэф-
фициенты находят с помощью формул:
Повторяя процедуру декомпозиции m раз, получа-
ем вместо исходного сигнала наборы коэффициентов
. Результатом вейвлет-преобразо-
вания является многоуровневое иерархическое представле-
ние сигнала. Каждый уровень разложения можно исследо-
вать и обрабатывать отдельно. Схема декомпозиции сигнала
изображена на рисунке 1.
Восстановление сигнала происходит в обратном порядке
по формуле:
Для вейвлет-анализа использована сигналы ЭЭГ из
базы, размещенной на сайте https://physionet.org/content/
chbmit/1.0.0/. В частности использована запись chb01_01.
edf (Channel 1: FP1-F7). Исходный файл конвертирован в
№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ
ВЕЙВЛЕТ-АНАЛИЗ ЭЛЕКТРОЭНЦЕФАЛОГРАММ ПАЦИЕНТОВ С ЭПИЛЕПСИЕЙ
chb01_01.dat. Частота дискретизации сигнала – 256 отсчетов
в секунду. Продолжительность записи составляет 1 час, но
для обработки выбраны первые 10 секунд. Для вейвлет-раз-
ложения применялся вейвлет Добеши db4.
Рис. 1. Схематическое представление вейвлет-разложения сигнала
Из имеющегося временного ряда ЭЭГ выбран фрагмент
длиной 2560 отчетов (рис. 2). Далее выполнялось разложе-
ние сигнала до уровня N = 3 и строились графики вейвлет-
коэффициентов (рис. 3).
Рис. 2. График ЭЭГ
Вейвлет Добеши db4 имеет носитель на промежут-
ке [0,7] и центральную частоту Fr = 0.7143 Гц. Поскольку
= 1/256, то носитель вейвлета находится
на промежутке [0, 7 ] и центральная частота вейвлета
, используемого для первого уровня разложения, равна Fr1 =
0.7143×256 = 182.86 Гц.
Рис. 3. График детализирующих коэффициентов (cD3, cD2, cD1)
№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ
Для второго уровня разложения частота вейвлета будет в
два раза меньше, Fr2 = 91.43 Гц; а для третьего уровня – в два
раза меньше, чем для второго уровня, Fr3 = 45.72 Гц. Вейв-
лет-коэффициенты cD1, cD2, cD3 отражают характеристики
ЭЭГ на указанных частотах.
Рассмотрим компоненты сигнала, которые соответству-
ют найденным вейвлет-коэффициентам cD1, cD2, cD3. Это
будут компоненты сигнала на частотах 182.86 Гц, 91.43 Гц
и 45.72 Гц. Отнесение данных компонент к указанным ча-
стотам достаточно условно и не соответствует аналогичному
понятию для разложения Фурье.
Для нахождения компонент сигнала сделаем прямое вос-
становление отдельно по каждому набору детализирующих
коэффициентов. Получаем компоненты сигнала ScDl, ScD2,
ScD3. Для количественного анализа результатов можно ис-
пользовать статистические характеристики и энергетиче-
ский спектр.
Рассмотрим статистические характеристики как вейвлет-
коэффициентов, так и элементов сигнала, соответствующих
этим коэффициентам. Оценка среднего квадратического от-
клонения полученных вейвлет-коэффициентов cD1, cD2,
cD3 и компонент сигнала ScD1, ScD2, ScD3 выполнялась
при помощи команды std( ) MATLAB. Результаты вычисле-
ния следующие: cD1 = 10.13, cD2 = 24.43, cD3 = 47.73, ScDl
= 7.15, ScD2 = 12.17, ScD3 = 16.84.
Второй естественный способ получения количественных
характеристик сигналов cDl, cD2, cD3 и ScDl, ScD2, ScD3
состоит в том, чтобы исследовать энергетический спектр их
преобразований Фурье. Правильнее использовать не вейв-
лет-коэффициенты, а компоненты сигналов ScDl, ScD2,
ScD3. Расчеты показывают, что энергетические спектры
компонент сигналов на разных частотах достаточно хорошо
локализованы.
Многоуровневый анализ сигнала ЭЭГ позволяет произ-
водить исследование отдельных составляющих сигнала с
целью выявления диагностических особенностей. При этом
от выбора вейвлета зависит, какие частотные составляю-
щие будут выделены в результате разложения. Так вейвлет
с бόльшей центральной частотой способен выделить компо-
ненту более высокой частоты, чем вейвлет с меньшей цен-
тральной частотой.
Показано, что помимо визуального анализа составля-
ющих сигнала, диагностический важными являются ста-
тистические характеристики и энергетические спектры
вейвлет-коэффициентов и компонентов сигнала. Наличие
диагностически значимых количественных параметров при
анализе электроэнцефалограмм пациентов с симптоматиче-
ской эпилепсией показывает возможность использование их
для автоматической классификации периодов до, во время и
после эпилептического приступа.
2. Непрерывный вейвлет-анализ сигналов ЭЭГ
Непрерывным вейвлет-преобразованием, или вейвлет-
ным образом функции , называют функцию
двух
15
 Медиевский А.В., Кириллова С.В., Кириллов К.А., Зотин А.Г., Симонов К.В.

где вейвлеты – масштабированные и сдвинутые ко-

пии порождающего вейвлета :

Следовательно,
.

Для непрерывного вейвлет-анализ использована та же за-

пись ЭЭГ и тот же ее фрагмент, что и в предыдущем пункте.
Выполнено непрерывное вейвлет-разложение указанного
фрагмента ЭЭГ. Если нас интересует не только высокоча-
стотные составляющие, но и нижние частоты, то масштаб-
ный коэффициент нужно взять достаточно большим. Преде-
лы изменения масштабного коэффициента зависят от выбора
вейвлета и от того, какие частоты хотим отразить в результа-
те разложения.
Например, центральная частота вейвлета Добеши db4
равна 0.7143 Гц. Поскольку в нашем случае = 1/256, то
центральная частота вейвлета Добеши db4, используемого
для первого уровня разложения (когда масштабный коэффи-
циент a = 1), равна Fr = 0.7143×256 = 182.86 Гц. Для значе-
ния a = 100 имеем частоту 182.86/100 = 18.286 Гц. Значение
a = 200 обеспечивает частоту просмотра 9.143 Гц. Если a в
пределах от 1 до 200, то в вейвлет-коэффициентах будут ото-
бражены свойства ЭЭГ в пределах частот от 182.86 Гц до
9.143 Гц.
Для того чтобы отразить более высокие частоты, не-
обходимо выбрать значения масштабного коэффициента a,
меньшие единицы, либо выбрать другой вейвлет с боль-
шей центральной частотой. Укажем центральные часто-
ты некоторых часто используемых вейвлетов: Fr(db2) =
0.667 Гц, Fr(db4) = 0.7143 Гц, Fr(morl) =0.8125 Гц, Fr(haar)
=0.9961 Гц.
В среде MATLAB связь масштабирующего параметра а с
частотой выражается формулой:
где fc – центральная частота вейвлета, вызываемая функцией
centfrq( ); delta – время дискретизации исследуемого сигна-
ла; f – анализируемая частота.
Для выбранного фрагмента ЭЭГ выполнено непрерывное
вейвлет-преобразование с использованием вейвлета Добеши
db4, при этом выбрано значение масштаба a в пределах от
1 до 600 с шагом 4. В итоге, были отображены частоты от
182.86 Гц до 0,31 Гц (рис. 4).
Визуализация вейвлет-преобразования позволяет иссле-
довать структуру изучаемого сигнала по динамике частот ис-
ходного ряда во времени и, следовательно, разграничивать
периоды, соответствующие различным неврологическим со-
стояниям.
Рис. 4. График ЭЭГ и спектрограмма
Для большей наглядности выполнена визуализация полу-
ченной матрицы коэффициентов в виде трехмерного графи-
ка. С этой целью выбран фрагмент матрицы, соответствую-
щий одному полному циклу исходного сигнала. Рассмотрены
отсчеты ЭЭГ от 1 до 100 и масштаб от 1 до 120, что соответ-
ствует частотам от 182.86 Гц до 1.53 Гц. Полученный график
можно увеличивать и «вращать», для того чтобы лучше уви-
деть разные элементы (рис. 5).
Рис. 5. График вейвлет-коэффициентов (фрагмент)
При выполнении непрерывного вейвлет-преобразова-
ния сигнала ЭЭГ с использованием вейвлета db4 масштаб-
ный коэффициент a менялся равномерно в диапазоне от 1
до 600 с шагом 4. Это соответствует изменению частоты от
F0 = 0.7143×256 = 182.86 Гц до F0/600 = 0.31 Гц. При этом
изменение частоты при переходе с одной строки вейвлет-ко-
эффициентов на другую происходит неравномерно.
Первая, самая нижняя строка вейвлет-коэффициентов на
рисунке 4 соответствует масштабному коэффициенту а = 1
и частоте F0 = 182.86 Гц, вторая строка вейвлет-коэффици-
ентов соответствует а = 2 и F1 = 182.86/2 = 91.43 Гц, третья
строка коэффициентов соответствует а = 3 и F2 = 182.86/3 =
60.95 Гц и т. д.
Высокие частоты на спектрограмме отображены лишь
несколькими линиями и, следовательно, для исследователя
остаются незаметными. При этом в области больших зна-
чений масштабного коэффициента а изменение частот при

16 № 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ

ВЕЙВЛЕТ-АНАЛИЗ ЭЛЕКТРОЭНЦЕФАЛОГРАММ ПАЦИЕНТОВ С ЭПИЛЕПСИЕЙ
переходе от одной строки вейвлет-коэффициентов к другой
меняются незначительно.
При равномерном изменении масштабного коэффициен-
та, увидеть на спектрограмме высокочастотную компоненту
сигнала ЭЭГ весьма затруднительно, в то же время низкие ча-
стоты будут на ней отображены хорошо. Эту неравномерность
можно исправить применением логарифмической шкалы.
Вместо значений a = k (k = 1,..., N) по оси ординат берутся a =
rk (k = 0,..., N). Теперь отношение частот двух соседних строк
коэффициентов будет оставаться постоянным равным r.
Предположим, что частота соответствующая масштабно-
му коэффициенту а = 1, то есть частота первой строки вейв-
лет-коэффициентов равна F0. Выберем величину ΔF на ко-
торую должна изменится частота при переходе от первой ко
второй строке вейвлет-коэффициентов, т.е. ΔF = F0 – F1, где
F1 – частота соответствующая второй строке вейвлет-коэффи-
циентов. Значение r равно отношению частот соседних строк.
Найдем его, используя частоты соответствующие двум
первым строкам вейвлет-коэффициентов в спектрограмме: r
= F0 / F1 = F0 /(F0 – ΔF). Теперь в качестве набора масштаб-
ных коэффициентов берем a = rk (k = 0,..., N).
Рис. 6. Спектрограмма в логарифмическом масштабе при
использовании вейвлета ‹db4›
Вейвлет-преобразование сигнала ЭЭГ с применением
логарифмического масштаба реализовано в MATLAB. Для
вейвлета Добеши db4 F0 = 0.7143×256 = 182.86 Гц, тогда,
если взять начальное приращение частоты ΔF= 20, то r =
1.123 (рис. 6).
При использовании гауссова вейвлет gaus3, который
имеет меньшую по сравнению с db4 центральную частоту
равную 0.4, частота соответствующая первой строке
спектрограммы F0 = 0.4×256 = 102.4 Гц. Если взять ΔF= 15,
то r = 1.17 (рис. 7).
Оценим, до каких значений a высокочастотные компо-
ненты ЭЭГ на спектрограмме фактически не будут видны.
Отсутствие на визуализации высокочастотной составляю-
щей говорит о ее шумовой природе. Таким образом, можно
оценить верхнюю границу частот сигнала, относящихся к
шумовым.
№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ
Рис. 7. Спектрограмма в логарифмическом масштабе при
использовании вейвлета ‹gaus3›
На рисунке 6 только со значения a = 2 (соответственно,
Fd = 182.86/2 = 91.43 Гц), можно наблюдать проявление вы-
сокочастотной составляющей. На рисунке 7 можно заметить
высокочастотную составляющую со значения a = 1.17 (Fg
= 102.4 / 1.17 = 87.52 Гц). В качестве оценки верхней гра-
ницы частот сигнала, относящихся к шумовым выберем
F = max{ Fd, Fg} = 91.43 Гц. Это не позволит при дальнейшем
разложении убрать значимые компоненты сигнала.
Таким образом, алгоритм оценки верхней границы частот
сигнала, относящихся к шумовым, состоит в следующем:
– выбор вейвлета (или набора вейвлетов);
– реализация непрерывного вейвлет-преобразования и
его визуализация в логарифмическом масштабе (для каждого
вейлета из набора);
– выявление масштабного коэффициента a до которого
на спектрограмме высокочастотные составляющие сигнала
фактически не видны и вычисление соответствующей часто-
ты (для каждого вейлета из набора);
– выбор максимальной частоты из предыдущего шага в
качестве оценки верхней границы частот ЭЭГ, относящихся
к шумовым (при использовании набора вейвлетов).
Для дальнейшего развития в этом алгоритме будет сде-
лано автоматическое определение верхней границы частот
сигнала, например, модифицировав шаг «выявление мас-
штабного коэффициента a», но не используя видимость на
спектрограмме, а применяя оценку значения интенсивности
сигнала в спектрограмме.
На рисунке 6 в пределах значения a от 2 до 10 (91.43 –
18.286 Гц) можно заметить высокочастотную составляю-
щую.
В итоге, показаны возможности применения непрерыв-
ного вейвлет преобразования для анализа сигналов ЭЭГ.
Приведены различные способы визуализации спектрограм-
мы, способствующие выявлению диагностические особен-
ностей сигнала. Предложен метод определения верхней гра-
ницы частот ЭЭГ, относящихся к шумовым, основанный на
интерпретации спектрограммы, представленной логарифми-
ческом масштабе.
17
 Медиевский А.В., Кириллова С.В., Кириллов К.А., Зотин А.Г., Симонов К.В.

3. Удаление шума, сжатие и сглаживание превышает F = 91.43 Гц (рис. 6 и 7). Поэтому составляющие
сигналов ЭЭГ сигнала с частотами выше 91.43 Гц можно удалить без поте-
ри диагностической информации. В итоге, получаем один из
Одна из областей применения вейвлет-преобразования
вариантов сжатия и сглаживания.
это задача сжатия сигналов и изображений. Вейвлетное сжа-
Для этой задачи используем вейвлет Добеши db4. Он
тие обеспечивает высокую эффективность, т.к. позволяет
имеет центральную частоту Fr = 0.7143 Гц. Поскольку
устранять высокочастотную составляющую сигнала, которая
= 1/256, то центральная частота вейвлета db4, используемо-
представляет собой либо шум, либо информацию о мелких
го для первого уровня разложения равна Fr1 = 0.7143×256 =
деталях, как правило, не являющихся важными для исследо-
182.86 Гц, для второго уровня Fr2 = 91.43 Гц. Поэтому для
вателя. Побочным эффектом такого сжатия является сглажи-
удаления шума можно сделать разложение до второго уровня
вание сигнала.
включительно и для восстановления взять нулевыми все по-
Идея вейвлетного сжатия заключается в том, что хранит-
лученные детализирующие коэффициенты cD1, cD2. В этом
ся не сам сигнал, а полученный в результате вейвлет-пре-
случае получаем сжатие сигнала в 22 = 4 раза.
образования набор аппроксимирующих и детализирующих
На рисунке 8 представлен график исходного сигнала ЭЭГ
коэффициентов, при этом близкие по абсолютной величине
и восстановленный сигнал с обнуленными детализирующи-
к нулю детализирующие коэффициенты обнуляют с приме-
ми коэффициентами первого и второго уровней. Заметим,
нением пороговое значение. Другой вариант – полностью об-
что в данном расчете Fr2 равно F – оценке верхней границы
нулять коэффициенты детализации нескольких первых уров-
частот сигнала, относящихся к шумовым, найденной в пре-
ней разложения, таким образом, устраняя высокочастотные
дыдущем пункте. В случае неравенства можно попробовать
компоненты.
подобрать вейвлет с такой центральной частотой, чтобы ча-
Благодаря тому, что результат вейвлет-преобразование
стота для N-го уровня разложения приблизительно была рав-
имеет иерархическую структуру, сигнал можно передавать по
на F.
каналу с малой пропускной способностью. Сначала переда-
ется грубая версия сигнала (коэффициенты аппроксимации),
а, затем, постепенно догружая коэффициенты детализации
от N-го уровня до 1-го, сигнал последовательно уточняется,
и в результате получаем исходный временной ряд.
Известна обширная литература по вейвлет-анализу сигна-
лов и изображений, приведем некоторые из них [7-8, 12-18].
Задача сжатия сигнала ЭЭГ является актуальной, по-
скольку при использовании электроэнцефалографа с высо-
ким разрешением полученные сигналы могут иметь доста-
точно большие объемы. При этом сжатие сигнала можно
провести только за счет удаления шума, полученный сигнал
не потеряет диагностически значимые признаки.

Рис. 9. График сигнала ЭЭГ и его сжатия в 16 раз

На рисунке 9 представлен график исходного сигнала ЭЭГ

Рис. 8. График сигнала ЭЭГ и его сжатия в 4 раза
В предыдущем пункте показано, что верхняя граничная
частота сигнала ЭЭГ, заметно влияющая на его форму, не
и восстановленный сигнал с обнуленными детализирующи-
ми коэффициентами первого, второго, третьего и четвертого
уровней. Это соответствует удалению частот превышающих
22.85 Гц и сжатию сигнала в 24 = 16 раз.
Таким образом, модифицированный алгоритм сжатия и
сглаживания сигналов ЭЭГ состоит в следующем:
– оценка верхней границы частот ЭЭГ, относящихся к
шумовым – F;
– подбор вейвлета, для которого справедливо следующее:
частота для N-го уровня разложения приблизительно равна F;
– разложение сигнала до уровня N и обнуление всех по-
лученных детализирующих коэффициентов;
– хранение только аппроксимирующих коэффициентов (в
результате происходит сжатие сигнала в 2N раза);

18 № 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ

ВЕЙВЛЕТ-АНАЛИЗ ЭЛЕКТРОЭНЦЕФАЛОГРАММ ПАЦИЕНТОВ С ЭПИЛЕПСИЕЙ
– восстановление сигнала по полученным вейвлет-коэф-
фициентам (в результате происходит сглаживание сигнала).
Далее рассмотрим дополнительные возможности
Wavelets Toolbox для пороговой фильтрации и сжатия слож-
ных медицинских сигналов.
Функция THRESHOLD = thselect(X, THRESHOLD_
RULE) находит пороговое значение для сигнала, используя
правило, определенное строкой THRESHOLD_RULE. Па-
раметр THRESHOLD_RULE может принимать следующие
значения: ‹rigrsure› – адаптивный выбор порога, используя
принцип Штейна несмещенной оценки риска, ‹heursure› –
эвристический вариант первого выбора, ‹sqtwolog› – порог
sqrt(2×log(length(X))) и ‹minimaxi› – мини-максный порог.
Определим пороги для сигнала ЭЭГ, используя различ-
ные правила выбора:
1) THRESHOLD_RULE = ‹rigrsure›: thr1 = 0.19536;
2) THRESHOLD_RULE = ‹sqtwolog›: thr2 =3.96176;
3) THRESHOLD_RULE = ‹minimaxi›: thr3 = 2.46438.
Функция STDC = wnoisest(C,L,S) находит оценки стан-
дартного отклонения вейвлет-коэффициентов, полученных
при дискретном разложении. При оценке используется ме-
диана абсолютного отклонения, деленная на 0.6745, что
хорошо подходит для гауссова белого шума в одномерной
модели. Для исследуемого нами сигнала ЭЭГ оценки стан-
дартного отклонения вейвлет-коэффициентов с первого по
четвертый уровень соответственно следующие: 5.22945,
13.40028, 1.19951, 32.81324.
Функция
[XC, CXC, LXC, PRO, PRL2] = wdencmp(‘gbl’, X, 1,
‹wname›, N, THRESHOLD, SORH, KEEPAPP) производит в
случае глобального порога gbl: очищенную от шума версию
входного сигнала; структуру вейвлет-разложения очищенно-
го сигнала; оценку числа обнуленных коэффициентов сигна-
ла в процентах; отношение L2-норм сжатого и первоначаль-
ного сигналов в процентах.
Рис. 10. График сигнала ЭЭГ и его сжатия c использованием
порогового значения THRESHOLD = 4
№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ
Функция использует уровень вейвлет-разложения N, по-
рог THRESHOLD, метод пороговой обработки SORH, кото-
рый может быть равен ‘s’ или ‘h’ и параметр КЕЕРАРР = 1
– тогда коэффициенты аппроксимации не подвергаются по-
роговой обработке.
Используем wdencmp( ) для сжатия сигнала ЭЭГ при
фиксированном пороге THRESHOLD = 4, что приблизитель-
но равно thr2, найденному с помощью функции thselect( )
при THRESHOLD_RULE = ‹sqtwolog›. На рисунке 10 пред-
ставлены результаты расчетов. При таком пороговом значе-
нии обнуляется 35.77% коэффициентов, сигнал практически
остается неизменным.
В итоге, предложен модифицированный алгоритм сжа-
тия сигнала ЭЭГ посредством удаления шумовой компо-
нент. Основной этого алгоритма является метод определе-
ния верхней границы частот ЭЭГ, которые можно отнести
к шумовым.
Представлены результаты восстановления сжатого в 4 и
16 раз сигнала ЭЭГ. Результатом являются сглаженные вре-
менные данные ЭЭГ. Показано, что для различных диагно-
стических целей возможно различные степени сжатия.
Приведены стандартные функции MATLAB позволяю-
щие находить пороговое значение с целью сжатия и шумо-
подавления сигнала. Выполнены соответствующие расчеты
для сигнала ЭЭГ.
4. Методика вейвлет-анализа сигнала ЭЭГ,
применительно к эпилепсии
Вычислительная методика анализа сигналов ЭЭГ, приме-
нительно к эпилепсии, с помощью вейвлет-преобразования
включает следующие этапы:
1. Подготовка данных. К этому этапу можно отнести
все операции предшествующие анализу сигнала ЭЭГ. Это и
экспертный выбор диапазонов сигнала, которые будут анали-
зироваться, и преобразование данных в формат допустимый
для дальнейшего вейвлет-анализа сигнала ЭЭГ.
2. Выбор вейвлета. От выбора вейвлета зависит от того,
насколько хорошо будут проявляться диагностические осо-
бенности сигнала ЭЭГ при вейвлет-анализе. Например,
вейвлет с бόльшей центральной частотой способен выделить
компоненту сигнала ЭЭГ более высокой частоты, чем вейв-
лет с меньшей центральной частотой.
3. Многоуровневый вейвлет-анализ сигнала. На этом
этапе выполняется иерархическое вейвлет-разложение сиг-
нала ЭЭГ по уровням декомпозиции и дальнейший анализ
составляющих сигнала. Здесь необходимо выделить: визу-
альный, статистический и энергетический анализы вейв-
лет-коэффициентов и компонентов сигнала ЭЭГ. При этом
статистические и энергетические характеристики являются
диагностически значимыми признаками, которые можно вы-
разить количественно. Наличие таких параметров при ана-
лизе электроэнцефалограмм пациентов с симптоматической
эпилепсией показывает возможность использование их для
автоматической классификации периодов до, во время и по-
сле эпилептического приступа.
19
 Медиевский А.В., Кириллова С.В., Кириллов К.А., Зотин А.Г., Симонов К.В.
4. Визуализация непрерывного вейвлет преобразования
сигнала ЭЭГ. На этом этапе выполняется непрерывное вейв-
лет-преобразование сигнала ЭЭГ и его дальнейшая визуа-
лизация. Различные способы визуализации спектрограммы
способствуют выявлению диагностических особенностей
сигнала ЭЭГ.
5. Выявление верхней границы частот сигнала ЭЭГ, от-
носящихся к шумовым. Настоящий этап основан на интер-
претации спектрограммы, представленной в логарифмическом
масштабе. Частотные составляющие можно считать шумовы-
ми, если на спектрограмме они фактически не присутствуют.
6. Сжатие и фильтрация сигнала ЭЭГ при помощи уда-
ления шумовой компоненты. На этом этапе выполняется уда-
ление шумовой компоненты оценка, которой была произведена
на предыдущем этапе. В результате чего происходит сжатие и
фильтрация сигнала ЭЭГ. Анализ отфильтрованного сигнала
ЭЭГ может дать исследователю новую диагностически важную
информацию, а сжатие сигнала является важным этапом в слу-
чае необходимости хранения больших объемов данных.
7. Сжатие и фильтрация сигнала ЭЭГ при помощи на-
хождения пороговых значений. Этот этап выполняется как
альтернатива или дополнение предыдущего этапа и включа-
ет в себя фильтрацию и сжатие сигнала ЭЭГ встроенными
функциями MATLAB.
Заметим, что анализ сигнала ЭЭГ не обязан происходить
линейно. Возможен возврат к предыдущим этапам, если не
достигнута цель исследования. Например, в настоящей рабо-
те для анализа сигнала ЭЭГ выбран вейвлет Добеши-4, а этап
выявления шумовой компоненты сигнала ЭЭГ дополнен ис-
пользованием гауссова вейвлета.
Заключение
Предложена усовершенствованная вычислительная мето-
дика вейвлет-анализа и визуализации сигналов ЭЭГ, приме-
нительно к решению диагностических задач при эпилепсии.
Предложен модифицированный алгоритм эффективного
сжатия сигналов ЭЭГ посредством удаления шумового ком-
понента. Основой этого алгоритма является метод определе-
ния верхней границы частот ЭЭГ, которые можно отнести к
шумовым.
Исследована структура изучаемого сигнала по динамике
частот исходного ряда по времени: шумовая составляющая,
колебательная составляющая и непосредственно выделенный
сигнал (высокоэнергетический), обусловленный проявлением
эпилепсии. Показано, что в период, предшествующий эпилеп-
тическому разряду, энергия сигнала значительно возрастает.
Конфликт интересов отсутствует.
There is no conflict of interest.
Список литературы
1. Алиев Р.Р. Современные математические методы анали-
за мозговой активности // В сб: Новые информационные
технологии в медицине, биологии, фармакологии и эко-
логии: материалы Международной конференции / под
ред. Е.Л. Глориозова, 2015. С. 367-371.
20
2. Туровский Я.А. Вейвлет-анализ электроэнцефалограм-
мы: электрофизиологические феномены и их интерпре-
тация // Вестник Волгоградского государственного меди-
цинского университета. 2011. № 3 (39). С. 97-99.
3. Габова А.В., Кузнецова Г.Д., Гнездицкий В.В., Базян
А.С., Обухов Ю.В. Метод вейвлет-преобразования в не-
врологии: анализ частотно-временных характеристик
типичных и атипичных разрядов неконвульсивной эпи-
лепсии // Анналы клинической и экспериментальной не-
врологии. 2009. Т. 3, № 4. С. 39-44.
4. Ситникова Е.Ю., Смирнов К.С., Грубов В. В., Храмов А.
Е. Принципы диагностики незрелой эпилептической (про-
эпилептической) активности на ЭЭГ у крыс с генетической
предрасположенностью к абсанс-эпилепсии // Информаци-
онно-управляющие системы. 2019. № 1 (98). С. 89-97.
5. Мусалимов В.М., Дик О.Е., Тюрин А.Е. Параметры дей-
ствия энергетического спектра вейвлет–преобразований //
Известия вузов. Приборостроение. 2009. Т. 52. C. 10-15.
6. Дик О.Е. Механизмы изменения динамической сложности
паттернов физиологических сигналов. Автореферат дисс.
на соискание ученой степени доктора биологических наук
(03.03.01 – физиология). – Санкт-Петербург, 2018. – 42 с.
7. Дремин И.М., Иванов О.В., Нечитайло В.А. Вейвлеты
и их использование // Успехи физических наук. 2001. Т.
171. С. 465-501.
8. Добеши И. Десять лекций по вейвлетам. – Ижевск: НИЦ
Регулярная и стохастическая динамика, 2001. – 115 c.
9. Грубов В.В., Овчинников А.А., Ситникова Е. Ю., Коро-
новский А.А., Храмов А.Е. Вейвлетный анализ сонных
веретен на ЭЭГ и разработка метода их автоматической
диагностики // Известия высших учебных заведений. При-
кладная нелинейная динамика. 2011. Т. 19, № 4. С. 91-108.
10. Кузнецова Г.Д., Габова А.В., Лазарев И.Е., Обухов
Ю.В., Обухов К.Ю., Морозов А.А., Куликов М.А.,
Щацкова А.Б., Васильева О.Н., Томиловская Е.С.
Частотно-временная структура электроэнцефалограммы
человека в условиях искусственной гипогравитации: мо-
дель «сухой» иммерсии // Авиакосмическая и экологиче-
ская медицина. 2015. Т. 49, № 3. С. 25-32.
11. Габова А.В., Гнездицкий В.В., Карабанов А.В., Илла-
риошкин С.Н., Обухов Ю.В., Морозов А.А., Королев
М.С., Шевцова Т.П., Кузнецова Г.Д., Базян А.С. Ис-
пользование вейвлет-преобразований для анализа элек-
трической активности мозга при болезни Паркинсона //
Журнал: Нервные болезни. 2012. № 3. С. 2-7.
12. Малла С. Вейвлеты в обработке сигналов. – М.: Мир,
2005. – 671 с.
13. Астафьева Н.М. Вейвлет – анализ: основы теории и при-
меры применения // Успехи физических наук. 1996. Т.
166. С. 1145-1170.
14. Чуи Ч.К. Введение в вейвлеты: Пер. с англ. – М.: Мир,
2001. – 412 с.
15. Блаттер К. Вейвлет–анализ. Основы теории. – Москва:
Техносфера, 2006. – 280 с.
16. Воробьев В.И., Грибунин В.Г. Теория и практика вейв-
лет-преобразования. – СПб.: Изд-во ВУС, 1999. – 208 с
№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ
ВЕЙВЛЕТ-АНАЛИЗ ЭЛЕКТРОЭНЦЕФАЛОГРАММ ПАЦИЕНТОВ С ЭПИЛЕПСИЕЙ
17. Яковлев А.Н. Введение в вейвлет-преобразования. – Ми-
нобр. РФ, НГТУ, Новосибирск, 2003.
18. Смоленцев Н.К. Основы теории вейвлетов. Вейвлеты в
MATLAB. – М.: Пресс, 2005. – 304 с.
Поступила 09.08.2023
УДК 004.9
References
1. Aliev R.R. Modern mathematical methods for analyzing brain
activity // In: New information technologies in medicine, biol-
ogy, pharmacology and ecology: materials of the International
Conference / ed. E.L. Gloriozova, 2015. P. 367-371.
2. Turovsky Y.A. Wavelet analysis of the electroencephalo-
gram: electrophysiological phenomena and their interpreta-
tion // Bulletin of the Volgograd State Medical University.
2011. №. 3 (39). P. 97-99.
3. Gabova A.V., Kuznetsova G.D., Gnezditsky V.V., Bazyan
A.S., Obukhov Yu.V. Wavelet transform method in neurology:
analysis of time-frequency characteristics of typical and atypi-
cal discharges in non-convulsive epilepsy // Annals of Clinical
and Experimental Neurology. 2009. V. 3, № 4. P. 39-44.
4. Sitnikova E.Yu., Smirnov K.S., Grubov V.V., Khramov
A.E. Principles of diagnosing immature epileptic (proepi-
leptic) activity on the EEG in rats with a genetic predisposi-
tion to absence epilepsy // Information and Control Systems.
2019. № 1 (98). P. 89-97.
5. Musalimov V.M., Dick O.E., Tyurin A.E. Action parame-
ters of the energy spectrum of wavelet transforms // Izvestiya
vuzov. Instrumentation. 2009. V. 52. P. 10-15.
6. Dick O.E. Mechanisms for changing the dynamic complex-
ity of physiological signal patterns. Abstract of diss. for the
degree of Doctor of Biological Sciences (03.03.01 – physiol-
ogy). – St. Petersburg, 2018. – 42 p.
7. Dremin I.M., Ivanov O.V., Nechitailo V.A. Wavelets and their
use // Uspekhi fizicheskikh nauk. 2001. V. 171. P. 465-501.
8. Dobeshi I. Ten lectures on wavelets. – Izhevsk: SIC Regular
and Stochastic Dynamics, 2001. – 115 p.
9. Grubov V.V., Ovchinnikov A.A., Sitnikova E. Yu., Ko-
ronovskii A.A., Khramov A.E. Wavelet analysis of sleep
spindles on the EEG and the development of a method for
their automatic diagnosis // Izvestiya higher educational in-
stitutions. Applied nonlinear dynamics. 2011. V. 19, № 4.
P. 91-108.
10. Kuznetsova G.D., Gabova A.V., Lazarev I.E., Obukhov
Yu.V., Obukhov K.Yu., Morozov A.A., Kulikov M.A.,
Shatskova A.B. Vasilyeva O.N., Tomilovskaya E.S. Fre-
quency-temporal structure of the human electroencepha-
logram under conditions of artificial hypogravity: a model
of "dry" immersion // Aerospace and Ecological Medicine.
2015. V. 49, № 3. P. 25-32.
11. Gabova A.V., Gnezditskii V.V., Karabanov A.V., Illariosh-
kin S.N., Obukhov Yu.V., Morozov A.A., Korolev M.S.,
Shevtsova T.P., Kuznetsova G.D., Bazyan A.S. The use of
wavelet transforms to analyze the electrical activity of the
brain in Parkinson's disease // Journal: Nervous Diseases.
2012. № 3. P. 2-7.
№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ
12. Mallat S. Wavelets in signal processing. – M.: Mir, 2005. –
671 p.
13. Astafieva N.M. Wavelet analysis: fundamentals of theory
and examples of application // Uspekhi fizicheskikh nauk.
1996. V. 166. P. 1145-1170.
14. Chui Ch.K. Introduction to wavelets: Per. from English. –
M.: Mir, 2001. - 412 p.
15. Blatter K. Wavelet analysis. Fundamentals of the theory. –
Moscow: Technosphere, 2006. – 280 p.
16. Vorobyov V.I., Gribunin V.G. Theory and practice of
wavelet transform. – St. Petersburg: VUS Publishing House,
1999. – 208 p.
17. Yakovlev A.N. Introduction to wavelet transforms. – Minis-
try of Education. RF, NGTU, Novosibirsk, 2003.
18. Smolentsev N.K. Fundamentals of wavelet theory. Wavelets
in MATLAB. – M.: Press, 2005. – 304 p.
Received 09.08.2023
UDK 004.9
ИНФОРМАЦИЯ ОБ АВТОРАХ
1. Медиевский Алексей Владимирович – врач-лечебник,
Красноярский государственный медицинский уни-
верситет имени профессора В.Ф. Войно-Ясенецкого:
e-mail: amedievsky@yandex.ru
2. Кириллова Светлана Владимировна – кандидат техни-
ческих наук, доцент, Сибирский федеральный универси-
тет: e-mail: svkirillova2009@yandex.ru
3. Кириллов Кирилл Анатольевич – доктор физико-ма-
тематических наук, профессор, Сибирский федеральный
университет: e-mail: kkirillow@yandex.ru
4. Зотин Александр Геннадьевич – кандидат технических
наук, доцент, Сибирский государственный универси-
тет науки и технологий им. академика М.Ф. Решетнева:
e-mail: zotin@sibsau.ru
5. Симонов Константин Васильевич – доктор техниче-
ских наук, ведущий научный сотрудник, Институт вы-
числительного моделирования СО РАН:
e-mail: simonovkv@icm.krasn.ru
AUTHORS’ INFORMATION
1. Medievsky Alexey Vladimirovich – General practitioner,
Krasnoyarsk State Medical University named after Prof. V.F.
Voino-Yasenetsky: e-mail: amedievsky@yandex.ru
2. Kirillova Svetlana Vladimirovna – Candidate of Technical
Sciences, Associate Professor, Siberian Federal University:
e-mail: svkirillova2009@yandex.ru
3. Kirillov Kirill Anatolyevich – Doctor of Physical and Math-
ematical Sciences, Professor, Siberian Federal University:
e-mail: kkirillow@yandex.ru
4. Zotin Aleksandr Gennadievich – Candidate of technical sci-
ence, Associate professor, Reshetnev Siberian State University
of Science and Technology: e-mail: zotin@sibsau.ru
5. Simonov Konstantin Vasilyevich – Doctor of technical sci-
ences, Leading researcher, Institute of Computational Model-
ling SB RAS: e-mail: simonovkv@icm.krasn.ru
21
2.2.13. РАДИОТЕХНИКА, В ТОМ ЧИСЛЕ СИСТЕМЫ И УСТРОЙСТВА ТЕЛЕВИДЕНИЯ

ПРИМЕНЕНИЕ ПЕРСПЕКТИВНЫХ СРЕДСТВ РАДИОСВЯЗИ

В ПОДРАЗДЕЛЕНИЯХ ОРГАНОВ ВНУТРЕННИХ ДЕЛ

стр. 22 – 26
Н.М. Мельников, А.В. Никишкин, А.А. Стишак, Г.Г. Волошин
Санкт-Петербургский университет Министерства внутренних дел Российской Федерации,
Россия, 198206, Санкт-Петербург, ул. Летчика Пилютова, д. 1.

Контактная информация: Мельников Н.М., e-mail: Spnsh1@mai.ru

Резюме: в статье рассмотрены актуальные вопросы связанные с проблемой устаревшего парка портативных
радиосредств, имеющихся на вооружении подразделений органов внутренних дел, а также многообразием тех-
нологий, на базе которых портативные радиосредства построены. В настоящее время в органах внутренних дел
одновременно используются как аналоговые, так и цифровые портативные радиостанции стандартов FM, DMR,
TETRA и APCO P25. Используемые портативные средства радиосвязи не всегда способны выполнить предъяв-
ляемые к ним требования по своевременности и безопасности передаваемой и получаемой оперативно-значимой
информации в ходе проведения оперативно-розыскных мероприятий. Невыполнение вышеуказанных требований не-
избежно приведет к невозможности управления подразделениями, и как следствие к срыву оперативно-розыскных
мероприятий.
Ключевые слова: Радиостанция, радиосвязь, органы внутренних дел, аналоговые, цифровые, требования.

APPLICATION OF PROMISING RADIO COMMUNICATIONS

IN THE DEPARTMENTS OF THE INTERNAL AFFAIRS

pages 22 – 26
N.M. Melnikov, A.V. Nikishkin, A.A. Stishak, G.G. Voloshin
St. Petersburg University of the Ministry of Internal Affairs of the Russian Federation,
d. 1, st. Pilyutov, St. Petersburg, 198206, Russia
Summary: The article deals with topical issues related to the problem of the outdated fleet of portable radio equipment,
which are in service with the units of the internal affairs bodies, as well as the variety of technologies on the basis of which
portable radio equipment is built. At present, both analog and digital portable radio stations of FM, DMR, TETRA and
APCO P25 standards are simultaneously used in the internal affairs bodies. The portable radio communications used are
not always able to meet the requirements for the timeliness and security of transmitted and received operationally significant
information in the course of operational search activities. Failure to comply with the above requirements will inevitably lead
to the impossibility of managing units, and as a result, to the disruption of operational-search activities.
Keywords: Radio station, radio communications, law enforcement agencies, analogue, digital, requirements.

DOI: 10.34219/2078-8320-2023-14-3-22-26

В настоящее время в органах внутренних дел одновре-
менно используются как аналоговые, так и цифровые пор-
тативные радиостанции стандартов FM, DMR, TETRA и
APCO P25. Используемые портативные средства радиосвязи
не всегда способны выполнить предъявляемые к ним требо-
вания по своевременности и безопасности передаваемой и
получаемой оперативно-значимой информации в ходе прове-
дения оперативно-розыскных мероприятий. Невыполнение
вышеуказанных требований неизбежно приведет к невоз-
можности управления подразделениями, и как следствие к
срыву оперативно-розыскных мероприятий.
Отправной точкой исследования, предложенного в ста-
тье «Применение перспективных многофункциональных
средств радиосвязи в подразделениях органов внутренних
дел», является многоступенчатый анализ существующих
и перспективных технологий радиосвязи, проведенный с
опорой на конкретные образцы средств радиосвязи. Оче-
видное решение проблемы безопасности и качества связи

22 № 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ

ПРИМЕНЕНИЕ ПЕРСПЕКТИВНЫХ СРЕДСТВ РАДИОСВЯЗИ В ПОДРАЗДЕЛЕНИЯХ ОРГАНОВ ВНУТРЕННИХ ДЕЛ
аналоговых радиостанций путем внедрения радиостанций
цифрового стандарта DMR имеет ряд недостатков, среди
которых необходимость создания соответствующей инфра-
структуры и ограниченная дальность связи без ретрансля-
торов. Другое существующее решение – применение PoC
(PTT over Cellular) терминала или приложения РоС, которое
может быть установлено в том числе на телефон, на основе
технологии пакетной передачи голоса по каналам передачи
данных сотового оператора 3G, LTE и WLAN также, с точ-
ки зрения авторов, не удовлетворяет требованиям органов
внутренних дел. В данном случае, несмотря на отсутствие
ограничений по дальности связи и удобство использования,
РоС терминал не сможет функционировать при отсутствии
покрытия сотовой сети. Схожие проблемы характерны для
третьего существующего решения, имеющего в своей основе
технологию RoIP (Radio over Internet Protocol), которая под-
разумевает организацию связи через беспроводную сеть до-
ступа к сетям TCP/IP.
Проведенный анализ позволил авторам предложить но-
вое решение, внедрение которого позволит не только решить
проблему качества портативных радиосредств и обеспечить
унификацию парка радиостанций органов внутренних дел
при минимальных затратах, но и следовать тренду на мно-
гофункциональность современных технических средств.
Технической основой предложенного решения является су-
ществующий персональный видеорегистратор «Дозор-78»
(фото 1) с возможностью двусторонней аудиосвязи по каналу
передачи данных сотовой сети, либо его аналог видеореги-
стратор Hytera VM780, который объединяет в себе функции
видеорегистратора с PoC-терминалом для голосовой связи.
Фото 1. Видеорегистратор «Дозор-78»
Суть предложенного авторами решения заключается в
дооснащении персонального видеорегистратора «Дозор-78»
модулем радиосвязи стандарта DMR и модулем шифрования.
Подобный подход позволит интегрировать в одном устрой-
стве цифровую радиостанцию с функцией засекречивания,
РоС-терминал и видеорегистратор [2].
Персональный видеорегистратор VM780 предназначен
для съемки, хранения и обмена видео, аудио и изображения-
ми с места происшествия (фото 2).
№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ
Фото 2. Персональный видеорегистратор VM780
Встроенный модуль MGS имеет гибкое пространство
для перемещения в модуле камеры, что обеспечивает луч-
шую защиту от тряски. Когда вы используете видеореги-
стратор для записи видео, стабилизированное изображение
заставит вас чувствовать себя как при использовании каме-
ры на штативе [1].
Удивительная чувствительность VM780 (версия MGS)
к слабому освещению стала возможной благодаря датчику
Starlight. Даже в условиях экстремально низкой освещенно-
сти VM780 (версия MGS) по-прежнему может снимать чет-
кие и красочные изображения с большим количеством дета-
лей, таких как человеческое лицо или номерной знак.
Аккумулятор емкостью 3500 мАч с технологией низкого
энергопотребления позволяет VM780 обеспечивать до 11 ча-
сов непрерывной записи без подзарядки на протяжении всей
смены.
Объектив VM780 можно поворачивать по вертикали на
216°, открывая больше возможностей для ношения и широ-
кий угол обзора для съемки критически важных событий.
В VM780 применена улучшенная технология шифрова-
ния AES256 для защиты всех собранных данных, включая
изображения, аудио и видео, как в локальном хранилище, так
и во время передачи.
Тактико-технические характеристики VM780 представ-
лены в таблице 1.
Благодаря интеграции персонального видеорегистрато-
ра с выносным микрофоном-динамиком VM780 позволяет
транслировать потоковое видео с места событий по сетям 3G/
LTE/WLAN и совершать звонки с функцией «нажми и гово-
ри» (РоС). Улучшенная технология сжатия видео позволяет
VM780 транслировать HD-видео по каналам с низкой про-
пускной способностью, тем самым экономя сетевые ресурсы.
Персональный видеорегистратор Hytera VM750D предна-
значен для съемки, хранения и загрузки фото, видео и аудио
на месте работы экстренных служб. Наличие этого устройства
крайне важно для обеспечения доверительных и прозрачных
23
 Мельников Н.М., Никишкин А.В., Стишак А.А. Волошин Г.Г.

Таблица 1
Тактико-технические характеристики VM780
Характеристика Единицы измерения
Размеры (В×Ш×Г) 115 x 61 x 26 mm
Вес 205 g (with battery)
Операционная система 2.8-inch
Storage Capacity 32 GB / 64 GB/ 128 GB
Battery Capacity 3500 mAh
Процессор Infrared night vision Starlight night vision (MGS version)
Camera 216° rotatable lens
Field of View 116° diagonal, 101° horizontal, 57° vertical 132° diagonal, 110° horizontal, 58° vertical (MGS version)
Image Stabilization Micro Gimbal Image Stabilization (MGS version)
Объем памяти 0.5 m to infinity
Датчики 1080p@30fps, 720p@30fps ,480p@30fps
Периферийный интерфейс MP4
Отображать Up to 16MP
Слоты для карт JPG
Камера AAC
Рабочее напряжение Support AES-256bit
Батарея 802.11 b/g/n
Время зарядки BT 4.2 Support BLE
Positioning GPS/BDS/GLONASS/AGPS
Interface MicroUSB 2.0, support OTG and headphone output
NFC Support
IP Rating IP68
Drop Test 2 meters
Operating Temperature -20°C to +60°C
Operating Humidity Range 10% to 95%
(non-condensing)

отношений между органами правопорядка и обществом, так
как оно стимулирует сотрудников органов правопорядка нести
ответственность за свои действия (фото 3).
Фото 3. Персональный видеорегистратор Hytera VM750D
Персональный видеорегистратор обеспечивает переда-
чу речи по сетям сотовой связи по нажатию тангенты. По
нажатию тангенты данная камера позволяет осуществлять
голосовой вызов по сети 3G/4G или беспроводной сети.
Благодаря улучшенной технологии шумоподавления каме-
ра передает голос, но отфильтровывает при этом окружаю-
щие шумы [3].
Камера со сверхшироким углом обзора позволяет фикси-
ровать больше объектов. Даже в том случае, когда персональ-
ный видеорегистратор находится на расстоянии одного ме-
тра от человека, он позволяет записывать действия его рук.
Персональный видеорегистратор оснащен встроенным
многофункциональным датчиком, который автоматически
направляет сигнал тревоги в диспетчерский центр при
падении человека, длительном нахождении в одном по-
ложении, а также при блокировке или вскрытии корпуса
камеры.
Благодаря использованию технологии NFC для пере-
ключения ИД устройства достаточно просто поднести NFC-
карту к персональному видеорегистратору. Таким образом,
упрощается процесс переключения ИД, повышается работо-
способность персонального видеорегистратора и сокраща-
ются лишние расходы.
Устройство VM750D использует улучшенную техноло-
гию шифрования AES-256 для защиты всех полученных до-
казательств (включая изображения, аудио- и видеозаписи) в
локальном хранилище.
Персональный видеорегистратор реализует сервисы бы-
строго определения местоположения благодаря использова-
нию систем навигации GPS, ГЛОНАСС, BDS и AGPS через
общедоступные сети. Благодаря улучшенному алгоритму по-
зиционирования персональный видеорегистратор определя-
ет местоположение быстро и точно.

24 № 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ

ПРИМЕНЕНИЕ ПЕРСПЕКТИВНЫХ СРЕДСТВ РАДИОСВЯЗИ В ПОДРАЗДЕЛЕНИЯХ ОРГАНОВ ВНУТРЕННИХ ДЕЛ

Таблица 2
Тактико-технические характеристики VM780D
Характеристика Единицы измерения
Размеры (В×Ш×Г) 116 x 61 x 26 mm
Вес 210 g (with battery)
Операционная система 2.8-inch
Storage Capacity 32 GB / 64 GB/ 128 GB
Battery Capacity 3500 mAh
Night Vision Support Infrared night vision
Field of View 160° diagonal, 127° horizontal, 67° vertical
Image Stabilization Electronic Image Stabilization (Optional)
Focus range 0.5 m to infinity
Video Resolution 1080p@30fps, 720p@30fps ,480p@30fps
WLAN 802.11 b/g/n/ac
BT BT 4.2 Support BLE
Позиционирование GPS, BeiDou, GLONASS, AGPS
Interface MicroUSB (USB 2.0)
RSM Mode Connect to the radio through the 13-Pin Connector
Water and Dust Proof IP68
Drop Test Height 2 meters

Тактико-технические характеристики VM780D представ-
лены в таблице 2.
Благодаря диагональному углу обзора 160° этот персо-
нальный видеорегистратор значительно расширяет возмож-
ности видео- фиксации, а область его обзора практически
лишена слепых зон. С помощью этого высокотехнологичного
устройства возможно фиксировать мельчайшие детали, в том
числе незаметные невооруженным глазом. Умный всенаправ-
ленный датчик, встроенный в видеорегистратор, позволяет от-
слеживать изменения окружающей обстановки и автоматиче-
ски отправлять сигнал тревоги в случае блокирования камеры,
вскрытия корпуса устройства, отсутствия движения в течение
заданного периода времени, а также падения человека. Персо-
нальный видеорегистратор также может транслировать видео
в реальном времени с места событий в диспетчерский центр
через сеть 3G/4G или Wi-Fi для лучшей осведомленности о те-
кущей ситуации. Решение для управления данными позволяет
осуществлять безопасный сбор, управление и общий доступ к
данным персонального видеорегистратора [4].
Таким образом, в статье «Применение перспективных
многофункциональных средств радиосвязи в подразделени-
ях органов внутренних дел» авторы предлагают не только
решение проблемы оснащения подразделений органов вну-
тренних дел современными цифровыми портативными ра-
диостанциями, но и решение проблемы унификации средств
радиосвязи, принимая при этом во внимание критерий мини-
мума затрат.
Конфликт интересов отсутствует.
There is no conflict of interest.
СПИСОК ЛИТЕРАТУРЫ
1. Hytera сайт компании [Электронный ресурс]. URL:
https://www.hytera.com/ru/product-new/body-worn-camera/
body-worn-camera/vm780.html.
2. Байтерг сайт компании [Электронный ресурс]. URL:
https://byterg.ru/services/personal-video-surveillance/.
3. Hytera Respond & Achieveсайт компании [Электронный
ресурс]. URL: https://hytera-pro.ru/katalog/broadband/
videoregistratory/vm750d/.
4. СВЯЗЬПРОМ сайт интернет магазина [Электронный ре-
сурс]. URL: https://svprom.kz/product/hytera-bwc-vm750d/.
Поступило 19.06.2023
УДК 351.74/76
REFERANCES
1. Hytera company website [Electronic resource]. URL: https://
www.hytera.com/ru/product-new/body-worn-camera/body-
worn-camera/vm780.html.
2. Bayterg company website [Electronic resource]. URL: https://
byterg.ru/services/personal-video-surveillance/.
3. Hytera Respond & Achieve company website [Electronic
resource]. URL: https://hytera-pro.ru/katalog/broadband/
videoregistratory/vm750d/.
4. SVYAZPROM online store site [Electronic resource]. URL:
https://svprom.kz/product/hytera-bwc-vm750d/.
Received 19.06.2023
UDK 351.74/76
ИНФОРМАЦИЯ ОБ АВТОРАХ
1. Мельников Николай Михайлович – кандидат техниче-
ских наук, доцент кафедры специальной и автомобиль-
ной техники, Санкт-Петербургский университет Мини-
стерства внутренних дел Российской Федерации,
e-mail: Spnsh1@mai.ru
2. Никишкин Александр Владимирович – кандидат юри-
дических наук, доцент кафедры физической подготовки и
прикладных единоборств, Санкт-Петербургский универ-
ситет Министерства внутренних дел Российской Федера-
ции,, e-mail: Spnsh1@mai.ru
3. Стишак Анатолий Александрович – доцент кафедры
физической подготовки и прикладных единоборств,

№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ 25


полковник полиции, Санкт-Петербургский университет
Министерства внутренних дел Российской Федерации,
e-mail: Spnsh1@mai.ru
4. Волошин Григорий Григорьевич – старший преподава-
тель кафедры физической подготовки и прикладных еди-
ноборств, подполковник полиции, Санкт-Петербургский
университет Министерства внутренних дел Российской
Федерации, e-mail: Spnsh1@mai.ru
AUTHORS’ INFORMATION
1. Melnikov Nikolai Mikhailovich – Candidate of Technical
Sciences, Associate Professor of the Department of Special
and Automotive Equipment, St. Petersburg University of the
Ministry of Internal Affairs of the Russian Federation,
e-mail: Spnsh1@mai.ru
26
Мельников Н.М., Никишкин А.В., Стишак А.А. Волошин Г.Г.
2. Nikishkin Alexander Vladimirovich – PhD in Law, Associate
Professor of the Department of Physical Training and Applied
Martial Arts, St. Petersburg University of the Ministry of In-
ternal Affairs of the Russian Federation,
e-mail: Spnsh1@mai.ru
3. Stishak Anatoly Alexandrovich – Associate Professor of the
Department of Physical Training and Applied Martial Arts,
Police Colonel, St. Petersburg University of the Ministry of In-
ternal Affairs of the Russian Federation,
e-mail: Spnsh1@mai.ru
4. Voloshin Grigory Grigoryevich – Senior Lecturer of the
Department of Physical Training and Applied Martial Arts,
Police Lieutenant Colonel, St. Petersburg University of the
Ministry of Internal Affairs of the Russian Federation,
e-mail: Spnsh1@mai.ru
№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ
 2.2.15. Системы, сети и устройства телекоммуникаций

КОНЦЕПТУАЛЬНАЯ МОДЕЛЬ КОМПЛЕКСНОЙ СИСТЕМЫ

СИНХРОНИЗАЦИИ И ДОСТАВКИ ШКАЛЫ ВРЕМЕНИ
ДЛЯ КРУПНОЙ РАСПРЕДЕЛЕННОЙ СИСТЕМЫ
ТЕХНОЛОГИЧЕСКОГО НАЗНАЧЕНИЯ

стр. 27 – 34
А. К. Канаев1, Е. В. Опарин2, Е. В. Опарина1
1Федеральное государственное бюджетное образовательное учреждение высшего образования «Петербургский
государственный университет путей сообщения Императора Александра I»,
Россия, 190031, Санкт-Петербург, Московский пр., д. 9
2ЗАО «Институт телекоммуникаций», Россия 194100,, Санкт-Петербург, ул. Кантемировская, д. 5

Контактные данные: Опарин Е.В., e-mail: OnapuH@mail.ru

Резюме: Потребность в точных сигналах времени и частоты возникает в различных производственных и эконо-
мических отраслях деятельности. В зависимости от конкретных целей уровень требуемой точности может на-
ходиться в пределах от 10-9 до 1 с. Деятельность любого крупного промышленного комплекса напрямую зависит от
слаженной работы всех его структур и подразделений, поэтому для обеспечения устойчивого и надёжного функ-
ционирования различных технологических и информационных процессов требуется решить задачу частотно-вре-
менной синхронизации. Особенно актуальна указанная задача в системах передачи информации, обработки данных
и измерительных систем, а также в системах хронометрирования событий, электронного документооборота и
часофикации объектов. В силу указанных особенностей в данной статье предлагается концептуальная модель ком-
плексной системы синхронизации и доставки шкалы времени для крупной распределенной системы технологическо-
го назначения. Сформированная модель учитывает существующие технологии средств формирования, хранения и
доставки сигналов синхронизации и единого времени, современные и перспективные требования потребителей, а
также воздействие дестабилизирующих факторов различной природы.
Ключевые слова: телекоммуникационная система, тактовая сетевая синхронизация, система единого времени,
частотно-временное обеспечение.

THE CONCEPTUAL MODEL OF THE COMPLEX SYSTEM

OF SYNCHRONIZATION AND DELIVERY
OF THE TIME SCALE FOR A LARGE DISTRIBUTED
TECHNOLOGICAL PURPOSE SYSTEM

pages 27 – 34
A. K. Kanaev1, E. V. Oparin2, E. V. Oparina1
1Federal State Budget Educational Institution for Higher Education «Emperor Alexander I St. Petersburg State Transport
University», 190031, Russian Federation, St. Petersburg, Moskovsky pr., 9
2CJSC «Institute of Telecommunications»,

5, st. Kantemirovskaya, St. Petersburg, 194100, Russia

Summary: The need for accurate time and frequency signals arises in various production and economic sectors of activity.
Depending on specific goals, the level of accuracy may be in the range from 10-9 to 1 s. The activity of any large industrial
complex directly depends on the coordinated work of all its structures and units, therefore, to ensure the sustainable and
reliable functioning of various technological and information processes, it is necessary to solve the problem of frequency and
temporal synchronization. The specified task is especially relevant in the information transmission systems, data processing

№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ 27

 Канаев А.К., Опарин Е.В., Опарина Е.В.

and measuring systems, as well as in the chronometing systems of events, electronic document management and chassis of
objects. Due to the indicated features, this article proposes a conceptual model of the complex synchronization system and
delivery of the time scale for a large distributed technological purpose system. The formed model takes into account the existing
technologies for the formation, storage and delivery of synchronization signals and the One time, modern and promising
consumer requirements, as well as the impact of destabilizing factors of various nature.
Keywords: telecommunication system, clock network synchronization, a single time system, frequency-time support.

DOI: 10.34219/2078-8320-2023-14-3-27-34

Введение синхронизации и доставки шкалы времени для крупной рас-

На всех этапах развития телекоммуникационных си-
стем (ТКС) важным условием обеспечения стабильности ее
функционирования является поддержание синхронизации
оборудования связи. Использование современных телеком-
муникационных технологий требует применения помимо
систем тактовой сетевой синхронизации также устройств,
позволяющих обеспечить передачу сигналов единого вре-
мени. Изменения инфраструктуры телекоммуникационных
систем, которые вызваны переходом на новые сетевые тех-
нологии, поэтапным смещением от технологии коммута-
ции каналов (PDH, SDH) к технологии коммутации пакетов
(Ethernet/MPLS/IP), развитием сотовых систем связи следу-
ющих поколений (например, LTE-TDD пятого и шестого по-
колений), а также постоянно возрастающими требованиями
к точности и стабильности сигналов синхронизации и еди-
ного времени влекут за собой изменения к решению задач
частотно-временного обеспечения (ЧВО). Особые требова-
ния к качеству передачи сигналов синхронизации и едино-
го времени возникают в системах технологического назна-
чения, к которым предъявляются повышенные требования
обеспечения надежности, живучести и устойчивости функ-
ционирования. Следует отметить, что зачастую системы тех-
нологического назначения значительно территориально рас-
пределены, что затрудняет качественную передачу сигналов
синхронизации и единого времени. Отдельные же решения
по доставке сигналов синхронизации и единого времени за-
частую построены с использованием различных технологий
и разнородного оборудования, что значительно затрудняет
решение задач по их стыковке и обеспечению требований
потребителей [1, 2]. Таким образом, в настоящее время ак-
туальной является задача создания комплексной системы
пределенной системы технологического назначения, кото-
рая будет включать подсистемы тактовой сетевой синхрони-
зации (ТСС) и системы единого времени (СЕВ). Основной
задачей комплексной системы синхронизации и доставки
шкалы времени будет являться формирование, хранение, пе-
редача и доставка до потребителей сигналов синхронизации
и единого времени требуемой точности и стабильности, что
будет способствовать обеспечению устойчивости процесса
функционирования всей ТКС.
1. Элементы комплексной системы
синхронизации и доставки шкалы времени
Ключевой подсистемой комплексной системы синхрони-
зации и доставки шкалы времени является подсистема такто-
вой сетевой синхронизации. Подсистема ТСС на цифровых
сетях связи обеспечивает равенство частот (с допустимой
точностью тактовых генераторов) всех нуждающихся в син-
хронизации устройств, чтобы избежать или свести к мини-
муму «проскальзывания» цифрового сигнала. Подсистема
ТСС является наложенной на систему ТКС, но должна иметь
иерархическую структуру и исключать возможность появле-
ния «петель» синхронизации.
Синхронизация оборудования ТКС осуществляется по
принципу принудительной синхронизации, в соответствии с
которым один генератор является ведущим, другой – ведо-
мым. Ведомый генератор должен отслеживать частоту веду-
щего генератора и, в соответствии с этим, подстраивать свою
частоту. Ведомый генератор может являться ведущим для
генераторов более низкого уровня.
В качестве средств доставки сигналов синхронизации в
подсистеме ТСС от источников ко всем элементам могут ис-

Рис. 1. Иерархическая структура подсистемы ТСС Рис. 2. Иерархическая структура подсистемы ТСС
при применении на сетях связи с коммутацией каналов при применении на сетях связи с коммутацией пакетов

28 № 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ

КОНЦЕПТУАЛЬНАЯ МОДЕЛЬ КОМПЛЕКСНОЙ СИСТЕМЫ СИНХРОНИЗАЦИИ И ДОСТАВКИ ШКАЛЫ ВРЕМЕНИ
ДЛЯ КРУПНОЙ РАСПРЕДЕЛЕННОЙ СИСТЕМЫ ТЕХНОЛОГИЧЕСКОГО НАЗНАЧЕНИЯ
пользоваться системы передачи ПЦИ, СЦИ, DWDM/CWDM,
сети передачи данных Ethernet/IP [3, 4].
Иерархическая структура подсистемы ТСС представлена
при применении на сетях связи с коммутацией каналов при-
ведена на рисунке 1, а на сетях с коммутацией пакетов – на
рисунке 2.
Таким образом в соответствии с рисунком 1, в ТКС в
случае применения технологии коммутации каналов присут-
ствует следующая иерархическая структура:
• на первом уровне располагается первичный эталонный
генератор (ПЭГ), удовлетворяющий Рекомендации
МСЭ-Т G.811 (PRC – Primary Reference Clock) [5];
• на втором уровне могут использоваться вторич-
ные задающие генераторы (ВЗГ), удовлетворяю-
щие Рекомендации МСЭ-Т G.812 типа 1 (SSU-T –
Synchronization Supply Unit-Transit) [6];
• на последующих уровнях могут использоваться вто-
ричные задающие генераторы (ВЗГ), удовлетворя-
ющие Рекомендации МСЭ-Т G.812 других типов,
либо генераторы коммутационного оборудования,
параметры которых соответствуют требованиям Ре-
комендации МСЭ-Т G.823 (например, МЗГ (SSU-L –
Synchronization Supply Unit-Local)) [6, 8];
• на самом низком уровне располагаются генераторы
сетевых элементов, параметры которых соответству-
ют Рекомендациям МСЭ-Т G.823 и МСЭ-Т G.813.
В общем случае, согласно рекомендации МСЭ-Т G.803
для систем передачи СЦИ в цепи синхронизации общее ко-
личество сетевых элементов (СЭ) не должно превышать 60,
количество ВЗГ не должно превышать 10, а количество СЭ
между последовательно синхронизируемыми ВЗГ (МЗГ) не
должно превышать 20 [7-9].
При необходимости передачи сигналов ТСС через сег-
менты сетей передачи данных (СПД) (рис. 2) следует обе-
спечить выполнение следующих условий в соответствии с
рекомендациями МСЭ-Т G.8261, G.8265.1, G.823 [8, 10-12].
• оборудование СПД должно поддерживать работу на
физическом уровне в режиме «синхронный Ethernet»
(SyncE);
• оборудование СПД должно содержать аппаратно-
встроенный генератор (EEC – synchronous Ethernet
Equipment Clock);
• суммарное количество СЭ в цепи синхронизации
SyncE не должно превышать 60;
• количество, последовательно включенных ВЗГ в цепи
синхронизации SyncE не должно превышать 10;
• количество СЭ в цепи синхронизации SyncE между
ВЗГ (МЗГ) не должно превышать 20.
Функции передачи сигналов единого времени обеспе-
чивает подсистема СЕВ. Распространение сигналов едино-
го времени в настоящее время осуществляется преимуще-
ственно с использованием протоколов NTP (Network Time
Protocol) и PTP (Precision Time Protocol) на основе СПД [1, 2].
№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ
Протокол NTP представляет собой сетевой протокол
синхронизации времени, предполагающий иерархическую
структуру с выделением до 16 слоев (Stratum от 0 до 15) и
позволяющий достичь микросекундной точности. Как пра-
вило, протокол NTP использует клиент-серверную модель
работы, в которой клиент отправляет периодически запрос,
ожидает ответ сервера с «образцом» времени и, учитывая
сетевую задержку, определяет текущее время. Возможна так-
же настройка симметричного режима «точка-точка» работы
протокола NTP между серверами времени.
Процесс обработки сигналов единого времени по про-
токолу NTP состоит из нескольких этапов. Сначала анали-
зируются сигналы, поступающие от нескольких серверов
(производится анализ и фильтрация каждого из сигналов с
помощью местного генератора), затем производится выбор
одного из этих сигналов по наименьшему расстоянию до
первичного сервера. Из данных, полученных от выбранно-
го сервера, исключаются данные с большими отклонениями.
Полученный таким образом сигнал управляет местным гене-
ратором сервера [3, 13, 14].
Протокол PTP – пакетно-ориентированный протокол,
спроектированный для точной синхронизации распределён-
ных часов с разрешением менее микросекунды и работаю-
щий, в основном, по Ethernet или IP. Согласно [2] протокол
PTP обеспечивает точность синхронизации в сети выше 1
мкс (до 10 нс). В соответствии с терминологией протокола
PTP определены следующие типы часов [15, 16]:
• гроссмейстерские часы (Grandmaster Clock), которые
представляют собой основной источник единого вре-
мени;
• обычные часы (Ordinary Clock) – устройство, которое
может выступать ведущими часами (Master) или ведо-
мыми часами (Slave). Ведущие часы служат источни-
ком единого времени, по которому синхронизируются
остальные устройства. Ведомые часы получают сиг-
налы единого времени от ведущих часов, выполняя
роль оконечного устройства.
• граничные часы (Boundary Clock) –устройства, кото-
рые получают сигналы единого времени от вышесто-
ящих, для которых выступают ведомыми и передают
сигналы единого времени на подчинённые устрой-
ства, которые для них выступают ведомыми.
• прозрачные часы (Transparent Clock) – устройства, ко-
торые не относятся к ведущему или ведомому устрой-
ству. Данные устройства предназначены для передачи
сообщений PTP между двумя часами.
Процесс функционирования протокола PTP основан на
обмене сообщениями, передающими необходимую инфор-
мацию в виде меток времени.
Отметим, что в условиях значительного масштаба протя-
жённых телекоммуникационных систем точность доставки
сигналов единого времени на основе протокола PTP может
снижаться, так как значительно возрастает вариация задерж-
ки IPDV.
29

Сигналы СЕВ при построении комплексной системы
синхронизации и доставки шкалы времени должны соот-
ветствовать с заданной точностью национальной шкале ко-
ординированного времени UTC (Coordinated Universal Time)
Российской Федерации.
2. Сетевая модель комплексной системы
синхронизации и доставки шкалы времени
для крупной распределенной системы
технологического назначения
С учетом проведенного системного анализа существу-
ющих в настоящее время средств формирования, хранения,
передачи и доставки сигналов синхронизации и единого
времени сетевая модель комплексной системы синхрони-
зации и доставки шкалы времени будет иметь следующий
вид (рис. 3)
Согласно рисунку 3 в качестве эталонного источника
сигналов синхронизации используется эталонная база вре-
Рис. 3. Сетевая модель комплексной системы синхронизации и доставки шкалы времени для крупной распределенной системы
технологического назначения
30
Канаев А.К., Опарин Е.В., Опарина Е.В.
мени и частоты Государственной службы времени и часто-
ты и определения параметров вращения Земли Российской
Федерации (ГСВЧ). Использование эталонной базы ГСВЧ
вызвано требованиями использования московского времени
в качестве единого учетно-отчетным временем в сетях связи
[1], а также требованиями прослеживаемости формируемых
шкал времени относительно Национальной шкалы времени
РФ UTC(SU) [1].
Таким образом, при построении комплексной системы
синхронизации и доставки шкалы времени для крупной рас-
пределенной системы технологического назначения предпо-
лагается её подключение к техническим средствам эталонной
базы ГСВЧ. При этом, среди основных способов доставки
эталонных сигналов синхронизации и единого времени сле-
дует выделить использование приемников ГНСС ГЛОНАСС,
а также применение волоконно-оптических средств передачи
(ВОСП). При применении ВОСП возможно использование
СП СЦИ, выделенных линий связи с подключением конвер-
№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ
КОНЦЕПТУАЛЬНАЯ МОДЕЛЬ КОМПЛЕКСНОЙ СИСТЕМЫ СИНХРОНИЗАЦИИ И ДОСТАВКИ ШКАЛЫ ВРЕМЕНИ
ДЛЯ КРУПНОЙ РАСПРЕДЕЛЕННОЙ СИСТЕМЫ ТЕХНОЛОГИЧЕСКОГО НАЗНАЧЕНИЯ
теров интерфейсов для передачи сигналов частоты и време-
ни (1PPS + ToD, 1PPS + NMEA и др.), протокола PTP.
В последующем происходит подключение источников
комплексной системы синхронизации и доставки шкалы
времени в соответствии с уровнями в иерархии, которые в
общем случае могут быть объединенными, т.е. включать в
себя источники подсистем ТСС и СЕВ, или же однотипными,
включающими исключительно оборудование ТСС или СЕВ.
3. Существующие и перспективные
потребители услуг комплексной системы
синхронизации и доставки шкалы времени
Комплексная система синхронизации и доставки шкалы
времени является частью распределенной системы техно-
логического назначения и представляет собой совокупность
двух взаимодействующих систем, предназначенных для обе-
спечение сигналами синхронизации и единого времени раз-
личных абонентов и потребителей. Отметим, что система
СЕВ выступает в качестве потребителя по отношению к си-
стеме ТСС, которая обеспечивает СЕВ высокостабильными
сигналами синхронизации частоты с целью повышения точ-
ности и стабильности параметров сигналов синхронизации
времени (фазы) при пропадании эталонных сигналов.
Системы технологического назначения зачастую пред-
ставляют собой сложные, территориально-распределенные
комплексы, включающие множество производственных и
автоматизированных систем, работоспособность которых
напрямую зависит от качественного функционирования ком-
плексной системы синхронизации и доставки шкалы време-
ни и которые выступают в роли потребителей соответствую-
щих услуг. При этом каждый из потребителей предъявляет
к комплексной системе синхронизации и доставки шкалы
времени свои определенные требования по точности и ста-
бильности сигналов синхронизации и единого времени [1].
К основным действующим и перспективным потребите-
лям услуг комплексной системы синхронизации и доставки
шкалы времени следует отнести [1, 3, 12]:
• оборудование технологической сети связи;
• автоматизированные системы управления и обеспече-
ния безопасности;
• автоматизированные рабочие места (АРМ) информа-
ционных и информационно-управляющих систем;
• системы электронного документооборота;
• системы часофикации;
• сети сотовой связи стандарта LTE-TDD уровней 5G и
6G;
• оборудование, устанавливаемое в рамках внедрения
технологии IoT / IIoT (сенсорные устройства, испол-
нительные устройства. датчики);
• средства измерений и испытательное оборудование,
предназначенное для измерения сетевых параметров
(задержки, потери пакетов и пр.);
• системы дистанционной эксплуатации объектов.
№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ
Внедрение современных информационных и телекомму-
никационных технологий, в том числе пакетных асинхрон-
ных технологий требует повышения внимания к организа-
ции процесса передачи частотно-временных сигналов.
При построении комплексной системы синхронизации и
доставки шкалы времени анализ требований потребителей
особенно важен. Ошибки, допущенные на этапе проектиро-
вания, приведут к снижению качества процесса функциони-
рования всей системы технологического назначения, неэф-
фективности инвестиций и необходимости дополнительных
капиталовложений.
4. Внутренние и внешние дестабилизирующие
факторы, воздействующие на комплексную
систему синхронизации и доставки шкалы
времени
Комплексная система синхронизации и доставки шкалы
времени в процессе своего функционирования подвергается
дестабилизирующим воздействиям, направленным на сни-
жение ее устойчивости.
В общем виде дестабилизирующие воздействия можно
классифицировать на воздействия естественного происхож-
дения и воздействия искусственного происхождения. Среди
воздействий искусственного происхождения стоит отдельно
выделить информационные воздействия организованного
злоумышленника.
Основные дестабилизирующие факторы естественного
происхождения, воздействующие на элементы комплексной
системы синхронизации и доставки шкалы времени включа-
ют в себя:
• изменение напряжения источников электропитания,
вызывающее изменение динамических параметров эле-
ментов микросхем, а впоследствии изменение характе-
ристик сигналов синхронизации и единого времени;
• старение элементов микросхем;
• изменение температуры, влажности и давления окру-
жающей среды, вызывающее изменение параметров
генераторного оборудования;
• механические вибрации и деформация деталей, веду-
щие к изменению параметров генераторного оборудо-
вания;
• воздействие электромагнитных и электростатических
полей.
Деятельность организованного злоумышленника может
реализоваться в следующие угрозы информационной без-
опасности для подсистем ТСС и СЕВ [17]:
• манипуляция синхросигналами и сообщениями, со-
держащими сигналы единого времени;
• спуфинг в ТСС и СЕВ;
• атака повторного воспроизведения или добавления
задержки;
• атака подмены роли устройств в сети;
• атака подмены маршрутов передачи сигналов синхро-
низации и сообщений СЕВ;
31

•перехват и удаление сообщений, содержащих инфор-
мацию о качестве синхронизации и времени;
• L2/L3 DoS-атаки в пакетно-ориентированных сетях
на отдельные узлы ТСС и СЕВ;
• DoS-атаки с использованием криптографических про-
цедур;
• DoS-атаки непосредственно против протоколов пере-
дачи сигналов единого времени;
• атака на использование уязвимостей в протоколе пе-
редачи сигналов единого времени;
• сетевая разведка.
Помимо данных угроз злоумышленник, завладев СУ ТСС
и СЕВ, способен управлять параметрами электропитания,
климатики, охранно-пожарного оборудования отдельных
устройств.
Рис. 4. Концептуальная модель комплексной системы синхронизации и доставки шкалы времени для крупной распределенной системы
технологического назначения
32
Канаев А.К., Опарин Е.В., Опарина Е.В.
5. Формирование концептуальной модели
комплексной системы синхронизации
и доставки шкалы времени
Учитывая результаты проведённого системного анали-
за существующих и перспективных средств формирования,
хранения и доставки сигналов синхронизации и единого вре-
мени, требований существующих и перспективных потреби-
телей сигналов ТСС и СЕВ, а также основных воздействую-
щих дестабилизирующих факторов, концептуальная модель
комплексной системы синхронизации и доставки шкалы вре-
мени для крупной распределенной системы технологическо-
го назначения примет следующий вид (рис. 4).
Согласно представленному рисунку (рис. 4), в качестве
эталонных источников сигналов синхронизации и единого
времени для комплексной системы синхронизации и достав-
№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ
КОНЦЕПТУАЛЬНАЯ МОДЕЛЬ КОМПЛЕКСНОЙ СИСТЕМЫ СИНХРОНИЗАЦИИ И ДОСТАВКИ ШКАЛЫ ВРЕМЕНИ
ДЛЯ КРУПНОЙ РАСПРЕДЕЛЕННОЙ СИСТЕМЫ ТЕХНОЛОГИЧЕСКОГО НАЗНАЧЕНИЯ
ки шкалы времени используется инфраструктура ГСВЧ Да-
лее в соответствии с уровнями иерархии комплексной систе-
мы синхронизации и доставки шкалы времени производится
подключение объединенных источников ТСС и СЕВ. В каче-
стве оборудования ТСС выступает оборудование ПЭГ, ВЗГ,
МЗГ и ГСЭ, а в качестве оборудования СЕВ в зависимости от
типа используемого протокола передачи меток времени вы-
ступают сервера времени соответствующего уровня и узлы,
поддерживающие функционирование протоколов.
Средствами доставки сигналов комплексной системы
синхронизации и доставки шкалы времени являются:
• на уровне первичных и вторичных источников – воло-
конно-оптические магистральные системы передачи
на базе оборудования SDH, DWDM и IP/MPLS;
• дополнительным средством передачи сигналов точного
времени является глобальная навигационная спутни-
ковая система (ГНСС) ГЛОНАСС, использование сиг-
налов которой повышает надежность и точность ком-
плексной системы ТСС и СЕВ, а также предоставляет
дополнительные сервисы потребителям.
Заключение
В результате проведённого системного анализа суще-
ствующих в настоящее время средств формирования, хране-
ния, передачи и доставки сигналов синхронизации и единого
времени сформирована концептуальная модель комплекс-
ной системы синхронизации и доставки шкалы времени для
крупной распределенной системы технологического назна-
чения, включающая подсистемы ТСС и СЕВ. Предложена
структура данной комплексной системы синхронизации и
доставки шкалы времени с указанием основных типов обо-
рудования и предъявляемых к ним требований, технологий
и протоколов доставки сигналов синхронизации и единого
времени, требований потребителей и перечнем воздействия
дестабилизирующих факторов.
На верхних уровнях комплексной системы синхрониза-
ции и доставки шкалы времени располагается генераторное
оборудование, поддерживающее гибридный режим работы,
предусматривающего передачу сигналов синхронизации как
в сетях с коммутацией каналов (СЦИ, ПЦИ), так и в сетях с
коммутацией пакетов (Ethernet, IP) с поддержкой следующих
протоколов и технологий:
• технология синхронной цифровой иерархии (МСЭ-Т
G.803, G.823);
• технология «синхронного Ethernet» SyncE (МСЭ-Т
G.8261, G.8265.1);
• протокол сетевого времени NTPv3, v4 (IETF RFC
1305, RFC 5905);
• протокол точного времени PTPv2 (IEEE 1588v2);
• возможность получения внешних опорных сигналов
синхронизации через глобальные навигационные
спутниковые системы ГЛОНАСС/GPS.
На нижнем уровне возможны самостоятельные сегменты
подсистем ТСС и СЕВ с использованием конкретного обо-
рудования под нужды потребителя.
№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ
Формирование комплексной системы синхронизации и
доставки шкалы времени позволит:
• обеспечить независимую от сторонних операторов
связи инфраструктуру для обеспечения единства так-
товой сетевой синхронизации и единого времени, не-
обходимых для корректной работы телекоммуникаци-
онного оборудования технологической сети связи;
• удовлетворить потребности по предоставлению пол-
ного спектра услуг в сигналах синхронизации и еди-
ного времени для действующих и перспективных по-
требителей;
• предоставить возможность поэтапного перехода ор-
ганизации сетей связи от технологий коммутации
каналов к пакетно-ориентированным технологиям за
счет гибкого подхода к используемым маршрутам и
системам передач для распространения сигналов син-
хронизации и единого времени.
На основе представленной концептуальной модели возмож-
но планирование модернизации или развертывание перспек-
тивных сетей связи, в которых подсистемы ТСС и СЕВ пред-
ставляют собой единый комплекс со взаимной поддержкой.
Конфликт интересов отсутствует.
There is no conflict of interest.
Список литературы
1. Частотно-временное обеспечение в сетях электросвязи.
Учебное пособие для вузов / А.В. Рыжков – М.: Горячая
линия – Телеком, 2021. – 270с.
2. Обзор направлений исследований МСЭ в области частот-
но-временного обеспечения современных сетей связи / Н.Л.
Бирюков, Н.Р. Триска, Н.Н. Худынцев // T-Comm – Телеком-
муникации и Транспорт. – 2014. – Том 8. – №2. – С. 12-17.
3. Тактовая сетевая синхронизация / П.Н. Давыдкин, М.Н.
Колтунов, А.В. Рыжков – М.: Эко-Трендз, 2004. – 205с.
4. Аспекты построения системы частотно-временной сетевой
синхронизации сигналов / Д.К. Мазуренко // T-Comm – Теле-
коммуникации и Транспорт. – 2017. – Том 11. – №8. – С. 4-8.
5. Рекомендация МСЭ-Т G.811: «Временные характеристи-
ки на выходах первичных эталонных задающих генерато-
ров» (19.09.1997).
6. Рекомендация МСЭ-Т G.812: «Временные характеристи-
ки на выходах задающих генераторов, пригодных для ис-
пользования в качестве узловых генераторов сетей син-
хронизации» (13.06.2004).
7. Рекомендация МСЭ-Т G.813: «Характеристики хрониро-
вания ведомых тактовых генераторов аппаратуры СЦИ
(SEC)» (16.03.2003).
8. Рекомендация МСЭ-Т G.823: «Контроль дрожания и
блуждания в цифровых сетях, основанных на иерархии
2048 Кбит/с» (10.03.2000).
9. Рекомендация МСЭ-Т G.803: «Архитектура транспорт-
ных сетей, основанная на синхронной цифровой иерар-
хии (СЦИ)» (10.03.2000).
10. Рекомендация МСЭ-Т G.8261/Y.1361: «Синхронизация и
аспекты синхронизации в пакетных сетях» (29.08.2019).
11. Рекомендация МСЭ-Т G.8265.1/Y.1365.1: «Профиль про-
33

токола точного времени для синхронизации по частоте»
(29.06.2021).
12. Рекомендации МСЭ-Т в области синхронизации инфоте-
лекоммуникационных систем / А.К. Канаев, А.К Тощев //
Автоматика, связь, информатика. – 2018. – №10. – С. 8-14.
13. IETF RFC 1305 Network Time Protocol (Version 3)
Specification, Implementation and Analysis.
14. IETF RFC 5905 Network Time Protocol Version 4: Protocol
and Algorithms Specification.
15. IEEE 1588-2019 (07.11.2019). Standard for A Precision
Clock Synchronization Protocol for Networked Measurement
and Control Systems.
16. Протокол PTP для синхронизации сетей NGN. Вопро-
сы применения / C. Телегин // Первая миля. – 2009. –
№5-6. – С. 21-23.
17. Полумарковская модель действий злоумышленника при
атаке на систему управления сетью тактовой сетевой син-
хронизации / А.К. Канаев, Е.В. Опарин, М.А. Сахарова //
Информация и космос. – 2020. – №4. – С. 46-56.
Поступила 31.05.2023
УДК 621.39
References
1. Frequency and time security in power networks. Textbook for
universities / A.V. Ryzhkov – M.: Hot Line – Telecom, 2021. –
270 p.
2. Review of the areas of ITU research in the field of frequency-
time support of modern communication networks / N.L. Biryu-
kov, N.R. Traska, N.N. Khudintsev // T-COMM-telecommuni-
cations and transport. – 2014. – Volume 8. – No. 2. -pp. 12-17.
3. Сlock network synchronization / P.N. Davykin, M.N. Kol-
tunov, A.V. Ryzhkov-M.: Eco-Trendz, 2004.-205 p.
4. Aspects of building a system of frequency-temporal network syn-
chronization of signals / D.K. Mazurenko // T-Comm-telecommu-
nications and transport. – 2017. – Volume 11. – No. 8. – pp. 4-8.
5. The recommendation of ITU-T G.811: «Timing characteris-
tics of primary reference clocks» (09/19/1997).
6. The recommendation of ITU-T G.812: «Timing requirements
of slave clocks suitable for use as node clocks in synchroniza-
tion networks» (06/13/2004).
7. The recommendation of ITU-T G.813: «Timing characteris-
tics of SDH equipment slave clocks (SEC)» (03/16/2003).
8. The recommendation of ITU-T G.823: «The control of jitter
and wander within digital networks which are based on the
2048 kbit/s hierarchy» (10.03.2000).
9. The recommendation of ITU-T G.803: «Architecture of
transport networks based on the synchronous digital hierar-
chy (SDH)» (10.03.2000).
10. The recommendation of ITU-T G.8261/Y.1361: «Timing and
synchronization aspects in packet networks» (08/29/2019).
11. The recommendation of ITU-T G.8265.1/Y.1365.1: «Preci-
sion time protocol telecom profile for frequency synchroniza-
tion» (06.29.2021).
12. Recommendations of ITU-T in the field of synchronization
of info-telecommunication systems / A.K. Kanaev, A.K Tosh-
34
Канаев А.К., Опарин Е.В., Опарина Е.В.
chev // Automation, communication, computer science. –
2018. – No. 10. – pp. 8-14.
13. IETF RFC 1305 Network Time Protocol (Version 3) Specifi-
cation, Implementation and Analysis.
14. IETF RFC 5905 Network Time Protocol Version 4: Protocol
and Algorithms Specification.
15. IEEE 1588-2019 (07.11.2019). Standard for A Precision
Clock Synchronization Protocol for Networked Measurement
and Control Systems.
16. PTP protocol for NGN networks synchronize. Application is-
sues / C. Telegin // First Mile. -2009.-No. 5-6. -pp. 21-23.
17. The half -brown model of the attacker’s actions when attacking
the system of control of the network of clock network synchro-
nization / A.K. Kanaev, E.V. Oparin, M.A. Sakharova // Infor-
mation and space. – 2020. – No. 4. – pp. 46-56.
Received 31.05.2023
UDK 621.39
ИНФОРМАЦИЯ ОБ АВТОРАХ
1. Канаев Андрей Константинович – доктор технических
наук, профессор, профессор кафедры «Электрическая
связь», Федеральное государственное бюджетное обра-
зовательное учреждение высшего образования «Петер-
бургский государственный университет путей сообщения
Императора Александра I»;
e-mail: kanaevak@mail.ru
2. Опарин Евгений Валерьевич – кандидат технических
наук, ведущий специалист отдела разработки систем свя-
зи, ЗАО «Институт телекоммуникаций»,
e-mail: OnapuH@mail.ru
3. Опарина Екатерина Владимировна – кандидат техни-
ческих наук, доцент кафедры «Механика и прочность ма-
териалов и конструкций», Федеральное государственное
бюджетное образовательное учреждение высшего обра-
зования «Петербургский государственный университет
путей сообщения Императора Александра I»,
e-mail: sirayaekaterina@mail.ru
AUTHORS’ INFORMATION
1. Kanaev Andrei Konstantinovich – doctor of technical
sciences, professor, professor of the department of electric
communications, Federal State Budget Educational Institution
for Higher Education «Emperor Alexander I St. Petersburg
State Transport University»,
e-mail: kanaevak@mail.ru
2. Oparin Evgenii Valerevich – candidate of Technical Sci-
ences, a leading specialist in the communication systems
development department, Institute of Telecommunications
CJSC, e-mail: OnapuH@mail.ru
3. Oparina Ekaterina Vladimirovna – candidate of technical
sciences, associate professor of the Department of Mechanics
and Strength of Materials and Designs, Federal State Budget
Educational Institution for Higher Education «Emperor
Alexander I St. Petersburg State Transport University»»,
e-mail: sirayaekaterina@mail.ru
№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ
 2.3.1. Системный анализ, управление и обработка информации

ИНФОРМАЦИИ АЛГОРИТМИЧЕСКОЕ ОБЕСПЕЧЕНИЕ

ОБРАБОТКИ И АНАЛИЗА ИЗОБРАЖЕНИЙ
МЕДИЦИНСКОГО ЭКСПЕРИМЕНТА

стр. 35 – 42
И.В. Хомколов1, А.В. Медиевский2, А.Г. Зотин3, К.В. Симонов4, А.С. Кругляков4
1 Сибирскийфедеральный университет, Россия, 660041, г. Красноярск, проспект Свободный, 79
2 Красноярский государственный медицинский университет имени профессора В.Ф. Войно-Ясенецкого,

Россия, 660022, г. Красноярск, ул. Партизана Железняка, 1

3 Сибирский государственный университет науки и технологий имени академика М.Ф. Решетнева,

Россия, 660037, г. Красноярск, пр-т им. газеты Красноярский рабочий, 31

4 Институт вычислительного моделирования СО РАН,

Россия, 660036, г. Красноярск, Академгородок, 50/44

Контактные данные: Симонов К.В. e-mail: simonovkv@icm.krasn.ru

Резюме: Исследование посвящено обработке и анализу данных медицинского эксперимента в рамках задачи сегмен-
тации биологических структур на изображениях, получаемых с камеры эндоскопа. Представлен обзор методов и
алгоритмов по улучшению яркостных характеристик изображений, сегментации и выделению контуров. В резуль-
тате проведения исследований адаптирована вычислительная методика для сегментации и выделения контуров на
медицинских изображениях на основе алгоритмов шиарлет-преобразования и цветового кодирования. Выполнены
экспериментальные исследования для решения задач сегментации и выделения контуров на изображениях, получа-
емых в результате медицинских экспериментов. Тестирование показало высокую точность при выделении границ
объектов интереса, с учетом глубины залегания изучаемых тканей.
Ключевые слова: медицинские изображения, компьютерное зрение, предварительная обработка, контрастирова-
ние, шиарлет-преобразование, сегментация, построение контуров, цветовое кодирование.

ALGORITHMIC SUPPORT FOR PROCESSING

AND ANALYSIS OF MEDICAL EXPERIMENT IMAGES

pages 35 – 42
I.V. Khomkolov1, A.V. Medievsky2, A.G. Zotin3, K.V. Simonov4, A.S. Kruglyakov2
1 Siberian Federal University, 79, Svobodny pr., 660041, Krasnoyarsk, Russia
2 Krasnoyarsk State Medical University, named after professor V.F. Voino-Yasenetsky,

1, Partisan Zheleznyak st., 660022, Krasnoyarsk, Russia

3 Reshetnev Siberian State University of Science and Technology,
31, Krasnoyarsky rabochу av., 660037, Krasnoyarsk, Russia
4 Institute of Computational Modeling SB RAS,

50/44, Akademgorodok st., 660036, Krasnoyarsk, Russia

Summary: The study is devoted to the processing and analysis of medical experiment data as part of the task of segmenting
biological structures in images obtained from the endoscope camera. A review of methods for improving the brightness
characteristics of images, segmentation and edge detection is presented. As a result of the research, a computational technique
has been developed for segmentation and edge detection in medical images based on shearlet transform and color coding.
Experimental studies have been carried out to solve the problems of segmentation and contour detection in images obtained
as a result of medical experiments. Testing of the technique showed high accuracy in identifying the boundaries of objects of
interest taking into account the depth of the studied tissues.

№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ 35

 Хомколов И.В., Медиевский А.В., Зотин А.Г., Симонов К.В., Кругляков А.С.

Keywords: medical imaging, computer vision, preprocessing, contrasting, shearlet transform, segmentation, contouring, color
coding.

DOI: 10.34219/2078-8320-2023-14-3-35-42

Введение мика – раздел медицины, который используя алгоритмы ком-

пьютерного зрения [1], машинного обучения [2], исследует
В настоящее время существуют различные подходы к
структуру снимков, получаемых с помощью оборудования,
анализу медицинских снимков разного рода. Они решаются
анализирует и классифицирует их в зависимости от постав-
с помощью современных алгоритмов компьютерного зрения.
ленной задачи [3].
Одной из задач является анализ визуальных данных, полу-
В рамках данной концепции задача по обработке и анали-
чаемых с камеры эндоскопа во время хирургических вмеша-
зу медицинского снимка делится на несколько этапов: полу-
тельств по определению источника кровотечения во время
чение изображения с помощью специального медицинского
операций на головном мозге. В настоящий момент нет спе-
оборудования; предварительная обработка; сегментация; из-
циального оборудования и соответствующего программного
влечение признаков; классификация выделенной интереса
обеспечения, которое могло бы в режиме реального времени
области, как с патологией, так и без патологии.
анализировать операционное поле сквозь некоторый объем
Отметим, что в рамках данной постановки задачи при-
крови, закрывающий визуальный обзор для хирурга.
менение традиционных способов обработки снимка вызыва-
Постановка задач для данной работы возникла в рамках
ют определенные трудности. Поскольку входным сигналом
проекта по созданию медицинского комплекса, состояще-
являются кадры, получаемые с камеры эндоскопа, вместо
го из медицинского оборудования и дополнительного про-
снимков, например, компьютерной или магнитно-резонанс-
граммного обеспечения, способного визуализировать биоло-
ной томографии. При этом яркость и угол, под которым па-
гические ткани во время проведения операции, которые при
дает свет, будут отличаться от кадра к кадру. В медицине со-
массивном кровотечении могут быть не видны хирургу, со-
ответствующие методики опираются на классические схемы
ответственно, повышаются риски неблагоприятного исхода.
компьютерной обработки видеосигнала и сегментации соот-
Цель исследования: совершенствование вычислительной
ветствующих участков на кадрах [4].
методики обработки и анализа визуальных данных медицин-
Исходя из изученной научной литературы, этапы пред-
ского эксперимента в рамках задачи сегментации биологи-
лагаемой вычислительной методики будут выглядеть сле-
ческих структур на изображениях, получаемых с камеры
дующим образом. Первый этап – получение медицинских
эндоскопа.
снимков с помощью камеры эндоскопа. Второй этап – пред-
Основные задачи исследования: обзор современных под-
варительная обработка изображений для подавления шумов
ходов обработки и анализа медицинских снимков в рамках
и улучшения контрастных и яркостных характеристик изуча-
поставленной задачи; разработка общей схемы вычислитель-
емых зон. Третий этап – обработка расчетного изображения
ной методики для обработки изображений медицинского
с помощью алгоритмов определения контуров. Четвертый
эксперимента; обработка и анализ полученных результатов
этап – визуализация результатов предыдущих этапов. Пятый
экспериментов.
этап – анализ и интерпретация медицинским специалистом
Рисунки к статье: АЛГОРИТМИЧЕСКОЕ ОБЕСПЕЧЕНИЕ ОБРАБОТКИ И
1. Методика обработки и анализа визуальных
АНАЛИЗА ИЗОБРАЖЕНИЙ МЕДИЦИНСКОГО полученных результатов моделирования расчетных изобра-
ЭКСПЕРИМЕНТА
данных жений.
Авторы: И.В. Хомколов, А.В. Медиевский, А.Г.данная
Отметим, что Зотин,схема методики не является новой
В работе для анализа медицинских снимков используют-
К.В. Симонов, А.С. Круглякова представляет собой адаптированный вариант
разработкой,
ся различные методы в рамках концепции радиомики. Радио-

а б
а б
Рис. 1. Примеры исходных снимков: (а) модель кровотечения на
Рис. 1. Примеры исходныхоперационном
снимков: (а) модель
поле; (б) модель кровотечения на модель
кровотечения на операционном поле; (б) кровотечения
операционном на операционном
поле с поле с
построением
построением «линейки»
«линейки» дляопределения
для определения положения
положениятканей по по
тканей глубине
глубине

36 № 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ

ИНФОРМАЦИИ АЛГОРИТМИЧЕСКОЕ ОБЕСПЕЧЕНИЕ ОБРАБОТКИ
И АНАЛИЗА ИЗОБРАЖЕНИЙ МЕДИЦИНСКОГО ЭКСПЕРИМЕНТА

аналогичных схем для решения сходных задач сегментации обработки пиксела с координатами (x, y) исходного изобра-
на медицинских изображениях или кадрах видео, продемон- жения будет выглядеть следующим образом:
стрированных в исследованиях других авторов [3-6]. С це-
лью экспериментального тестирования методики подготов-
лен необходимый экспериментальный материал (рис. 1).

2. Предварительная обработка изображения где I(x, y) Inew(x, y) – значения интенсивности пиксела по ко-
ординатам x и y оригинального и обработанного изображе-
Для повышения эффективности работы алгоритмов сег- ния; γ – величина коэффициента коррекции.
ментации необходимо предварительно подготовить изо- Эквализация гистограммы. Кроме гамма коррекции,
бражения, скорректировав яркостные параметры и снизив в рамках предварительной обработки, может применяться
шумовые характеристики. Проведение непосредственной эквализация гистограммы. Эквализация гистограммы – это
обработки изображения возможно в различных цветовых мо- метод регулировки яркости изображения для повышения
делях. контрастности.
Наибольшее влияние на дальнейшие этапы обработки Пусть I будет заданным изображением, представленным
и анализа оказывает яркостная компонента. В связи с этим в виде матрицы, задающей интенсивность каждого пиксела в
принято решение использовать цветовые модели с явно вы- диапазоне от 0 до , где Lv – значение характеризующее
деленной яркостной составляющей. Примерами таких моде- максимальное значение интенсивности, как правило, берется
лей являются YUV, YCbCr, HSV (HLS). При программной значение 256. Пусть p – нормализованная гистограмма изо-
реализации решено использовать модель HSV. бражения I с делением для каждой возможной интенсивности:
Предварительная обработка помимо коррекции яркост-
ных характеристик включает использование методов шумо-
подавление на основе адаптивного медианного фильтра.
Для выполнения коррекции яркостных характеристик вы-
браны следующие алгоритмы: Balance Contrast Enhancement Выровненное по гистограмме изображение Inew будет
Technique (BCET) [7], Гамма коррекция [8], Эквализация ги- определяться выражением
стограммы [9], а также алгоритмы на основе вариации мето-
да Retinex [10].
Гамма коррекция. Наиболее простым алгоритмом из-
менения яркостных характеристик изображения в рамках
предварительной обработки является гамма коррекция. Она
позволяет улучшать видимость тёмных участков снимка, по- Это эквивалентно преобразованию интенсивности пиксе-
лученного с помощью камеры. Гамма коррекция представля- лей, k от I функцией
ет собой нелинейную операцию и применяется для заданно-
го канала цветовой модели (в нашем случае каналу яркости).
Мотивация для этого преобразования обусловлена из раз-
Изначально гамма коррекция использовалась на ЭЛТ-
мышлений об интенсивностях I и Inew как о непрерывных
мониторах для того чтобы гарантировать, что изображение,
случайных величинах X, Y на с Y, и определя-
отображаемое монитором, совпадало с исходным изображе-
ется формулой
нием. Этот тип мониторов имел физическую особенность:
повышение входного напряжение в два раза не означало дву-
кратного увеличения яркости. Зависимость между входным
напряжением и яркостью выражалась степенной функцией, где PX – функция плотности вероятности I, T – кумулятивная
с показателем примерно 2.2, также известным как гамма мо- распределительная функция X, умноженная на (Lv − 1).
нитора. Далее описывается процесс определения
Гамма-коэффициент определяет то, насколько велика
разница между численным значением пиксела и его действи-
тельной светимостью. Для степенной зависимости имеем

где кривая на логарифмическом графике представляет собой

прямую линию с наклоном, везде равным g (наклон равен
производным оператором): Предположим, что

При программной реализации с учетом отображаемых

градаций в диапазоне [0..255] формула гамма коррекции для

№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ 37

 Хомколов И.В., Медиевский А.В., Зотин А.Г., Симонов К.В., Кругляков А.С.

стик получили методы семейства Multi-Scale Retinex (MSR).

Классическая MSR-функция представляет собой взвешен-
ную сумму одномерных SSR-функций (Single-Scale Retinex),
следовательно, найденных при разных масштабах.
В обобщенном виде расчет отклика MSR-функции для n
уровней можно представить следующим образом:
Balance Contrast Enhacement Technique. Алгоритм
улучшения баланса контраста выглядит следующим образом,
позволяющий выполнить коррекцию без изменения паттерна
гистограммы входного изображения. Данный метод основан
на использовании параболической функции, полученной из
входного изображения. Коррекция выполняется согласно вы- где – значения интенсивности пиксела по координа-
ражению: там x и y оригинального изображения;
– вектор коэффициентов размытия; – га-
уссиан; – весовой коэффициент k-го уровня, причем
Параболическая функция управляется тремя ; знак * обозначает свертку [10].
Рисунки к статье: АЛГОРИТМИЧЕСКОЕСформированный
коэффициентами A, B и C:
ОБЕСПЕЧЕНИЕ ОБРАБОТКИ И
отклик MSR-функции трансформиру-
АНАЛИЗА ИЗОБРАЖЕНИЙ МЕДИЦИНСКОГО ЭКСПЕРИМЕНТА
ется в выходной диапазон значений [0…255] одним из спосо-
бов: линейное растяжение на основе минимального и макси-
Авторы: И.В. Хомколов, А.В. Медиевский,
мального значений, А.Г. Зотин,
растяжение с учетом порогов на основе
К.В. Симонов, А.С. Кругляков отклонения, использование алгоритма
среднеквадратичного
BCET.
Данные алгоритмы широко используются для обработ-
ки изображений [11], поэтому принято решение в рамках
методики использовать их при реализации программного
обеспечения. На рисунке 2 приведены примеры выполнения
коррекции яркостных характеристик исходного изображения
где I(x, y) Inew(x, y) – значения интенсивности пиксела по (рис. 1 а) с использованием описанных выше методов.
координатам x и y оригинального и обработанного изобра-
жения; N – общее количество пикселей изображения; l, h, e 3. Сегментация областей интереса
– минимальное, максимальное и среднее значения интенсив- на изображениях
ности пикселей входного изображения; L, H, E – минималь-
Построение границ объектов интереса на медицин-
ное, максимальное и среднее значения интенсивности пик-
ских изображениях. Для реализации программного обеспе-
селей формируемого изображения; s – среднеквадратичное
чения изучены различные алгоритмы и методы обработки
значение интенсивности входного изображения.
изображений [12]. Для решения задачи по проведению экс-
Обычно в качестве максимального значения интенсивно-
периментов с малой выборкой изображений в нашем случае
сти пикселей выходного изображения принимают
а верхнюю б
предлагается использовать классические алгоритмы сегмен-
границу диапазона (255), а для минимального значения за-
Рис. 1. Примеры исходных снимков: (а) модель
тации, не основанные кровотечения
на нейронных сетях. на
дают нижнюю границу (0).
операционном поле; (б) модель
Multi-scale Retinex. Широкое распространение в об-
кровотечения на
Высокую эффективностьоперационном
и точность приполе
решениис за-
построением «линейки» дляхарактери- дач по обнаружению границ
определения положения тканей по глубине на медицинских изображениях
работке изображений по улучшению яркостных

а б в г
Рис. 2. Пример результатов обработки методами (а) Эквализация
Рис. 2. Пример результатов обработки методами (а) Эквализация гистограммы; (б) Multi-scale Retinex; (в) Гамма коррекция; (г) алгоритм
гистограммы; (б) Multi-scale Retinex; (в) Гамма коррекция; (г) алгоритм BCET
BCET

38 № 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ

ИНФОРМАЦИИ АЛГОРИТМИЧЕСКОЕ
а ОБЕСПЕЧЕНИЕ
б ОБРАБОТКИ в г
И АНАЛИЗА ИЗОБРАЖЕНИЙ МЕДИЦИНСКОГО ЭКСПЕРИМЕНТА
Рис. 2. Пример результатов обработки методами (а) Эквализация
гистограммы; (б) Multi-scale Retinex; (в) Гамма коррекция; (г) алгоритм BCET

Рис. 3. Вид общей схемы вычислительной методики

Рис. 3. Вид общей схемы вычислительной методики
среди таких подходов показывает вычислительная техноло-
гия шиарлет-преобразования визуальных [5-6, 11]. Одни из
первых теоретических исследований по шиарлет-анализу
представлены в работах [13-15]. В настоящее время исследо-
ватели развивают гибридные подходы – на основе шиарлет-
преобразования и алгоритмов глубокого обучения [16].
Шиарлет-преобразование имеет ряд преимуществ отно-
сительно нейронных сетей, в том числе, в отсутствии необ-
ходимости в обучении, а также относительно классических
подходов – в точности обнаружения границ объектов интере-
са [11]. Среди недостатков выделяется высокая алгоритмиче-
ская сложность равная для изображения с
пикселей [17], а также меньшая точность по сравнению с
алгоритмами глубокого обучения, которые развиваются в по-
следние годы [18].
Шиарлет-системы – это системы, содержащие в себе сле-
дующие преобразования: сдвиг, параболическое масштаби-
рование и параллельный перенос. Они по своей структуре
напоминают вейвлет-системы, которые имеют двоичное мас-
штабирование и параллельный перенос, но также включаю-
щие характеристику азимутальной направленности на осно-
ве дополнительной сдвиговой операции. Операция сдвига
дает более точный подход для анализа геометрии направле-
ний, тем самым обеспечивая единую обработку непрерыв-
ных и цифровых (дискретных) областей визуальных данных.
Для расчетов использовался алгоритм, называемый «Бы-
строе дискретное шиарлет-преобразование» (Fast Finite
Shearlet Transform) [19-20]. Отметим, что теория шиарлет-
преобразования подробно описывается в работах [13-15, 17,
19-23].
Алгоритм FFST работает следующим образом: сегмента-
ция областей интереса происходит за счет полученной в ходе
действия алгоритма суммы коэффициентов шиарлет-преоб-
разования для фиксированного масштаба и всех возможных
значений параметров сдвига и параллельного переноса, ко-
торые формируют все контуры на изображении. Полученные
суммы коэффициентов шиарлет-преобразования складыва-
ются и затем строятся все полученные контуры изображения,
которые в зависимости от глубины окрашиваются по соот-
ветствующей цветовой карте.
Формирование цветового представления. В рамках по-
ставленной задачи полученные контуры изображения фор-
мируют слои, по которым строятся цветовые карты, харак-
теризующие глубину залегания тканей. Этот этап необходим
для визуализации и интерпретации результатов обработки и
анализа данных экспериментов медицинскими специалиста-

а а б б
Рис.
Рис. 4. (а) 4. (а) контрастированное
контрастированное изображение
изображение тканей на модели тканей
операционной раны; на модели
(б) обработанный операционной
снимок традиционными
раны; (б) обработанный снимок традиционными алгоритмами детекции границ и
алгоритмами детекции границ и сегментации
сегментации
№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ 39
 Хомколов И.В., Медиевский А.В., Зотин А.Г., Симонов К.В., Кругляков А.С.

Рис. 5. Обработанное шиарлет преобразованием изображение ткане

ми. На рисунке 3 представлена общая схема вычислительной шен в 10 раз операционном поле
для более точной визуализации перехода между
методики. разными слоями глубины. Пример результата расчета приве-
ден на рисунке 6.
4. Экспериментальная оценка алгоритмов
Для тестирования алгоритмов, описанных выше, проведе-
ны несколько экспериментов. На рисунке 4 выполнено контра-
стирование изображения тканей головного мозга на модели
операционной раны. В рамках начальной стадии эксперимен-
та методика протестирована для исходного изображения (рис.
1 а) с использованием классических алгоритмов пороговой
сегментации на основе метода Оцу [24] бинаризации по по-
рогу и детекции контуров с помощью оператора Кэнни [25].
Данный эксперимент выявил преимущества этого подхо-
да [11], такие как выделение тканей, расположенных в види-
мой для человеческого глаза области, а также относительно
высокую точность выделения глубоко расположенных Рис. тка-
6. Результат расчетов
Рис. 6. Результат попооценке
расчетов глубины
оценке глубины залегания
залегания тканей тканей
ней (рис. 4).
Далее, выполнена обработка исходного снимка (рис. 4 а) Приведем оценки показателей точности в рамках приме-
а б
с использованием алгоритма шиарлет-преобразования FFST. нения предлагаемой методики. Оценка показателей точности
а) контрастированное изображение
Алгоритм модифицирован тканей на
с учетом добавления выполнялась
модели операционной
обработки по картам, формируемым экспертом при за-
ботанный снимок цветовым
изображения традиционными
кодированиемалгоритмами детекции границ головного
для того, чтобы визу- ливке препарата
и мозга (имитация операционного
ально можно было определять видимые ткани, а также ткани, поля) кровью.
которые расположены на определенной глубине. Результаты Оценку определения области интереса (ROI) по результа-
расчетов приведены на рисунке 5. там расчетов для разных глубин проводили на основе пред-
лагаемой методики с использованием метрики коэффициента
подобия Дайса. В таблицах 1-2 приведены оценки сравнения
с классическим подходом в виде алгоритмов Оцу и операто-
ра Кэнни, а также с использованием предобученной нейро-
сети MedSAM для сегментации медицинских изображений.

Таблица 1
Сравнение точности методов сегментации объектов на
поверхности (рис. 1 а)
Методы Среднее значение
коэффициента подобия
Дайса (mDSC (0; 1))
5. Обработанное шиарлетшиарлет
Рис. 5. Обработанное преобразованием изображениеMedSAM
преобразованием изображение тканей[26]
на 0.9294±0.082
операционном поле поле
тканей на операционном С использованием метода Оцу 0.9373±0.012
и оператора Кэнни [11]
В рамках следующего этапа экспериментальных исследо- Используемая методика на 0.9611±0.021
ваний выполнены расчеты для исходного снимка с «линей- основе алгоритма FFST [5-6, 11]
кой» глубины (рис. 1 б) для того, чтобы не только детектиро-
вать глубокие ткани, но и определять глубину их залегания. Заключение
В ходе данного эксперимента в программную реализацию В ходе исследований рассмотрены современные подходы
внесены некоторые изменения: исполнение алгоритма FFST в рамках концепции «Радиомика» для обработки и геометри-
увеличено на несколько итераций, также под это условие ческого (текстурного) анализа медицинских изображений,
адаптировано цветовое представление, шаг которого умень- получаемых с помощью камеры эндоскопа. Кратко приведе-

Таблица 2
Сравнение точности сегментации объектов интереса на основе применения алгоритмом FFST и алгоритмов
контрастирования для оценки глубины залегания тканей (рис. 1 б)
Метод контрастирования DSC (0 mm) DSC(-1mm) DSC(-2mm) DSC(-3mm)
Гамма-коррекция (значение = 1.75) 0.965 0.952 0.934 0.876
Рис. 6. Результат расчетов по оценке
Эквализация гистограммы
глубины
0.984
залегания тканей
0.979 0.971 0.954
BCET 0.971 0.961 0.948 0.889
MS Retinex 0.958 0.938 0.919 0.856

40 № 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ

ИНФОРМАЦИИ АЛГОРИТМИЧЕСКОЕ ОБЕСПЕЧЕНИЕ ОБРАБОТКИ
И АНАЛИЗА ИЗОБРАЖЕНИЙ МЕДИЦИНСКОГО ЭКСПЕРИМЕНТА
ны алгоритмы по предобработке изображений и обнаруже-
нию границ на основе алгоритмов шиарлет-преобразования
и цветового кодирования.
В рамках адаптированной методики для решения по-
ставленной задачи выполнены выделение и сегментации
изучаемых областей интереса, таких как ткани мозга при
нахождении их на некоторой глубине в экспериментальных
медицинских условиях.
В результате расчетов получены изображения с граница-
ми, как неглубоких, так и для глубоких тканей. Визуализа-
ция, выполненная на основе разработанного алгоритмиче-
ского обеспечения, показала высокую точность выделения
искомых областей интереса.
Для дальнейшего развития алгоритмической основы
предлагаемой методики необходимо ее тестирование на со-
ответствующем медицинском оборудовании в режиме реаль-
ного времени с использованием технологии CUDA [27] для
ускорения вычислительных процедур. Предполагается также
для повышения точности применить гибридный подход – ис-
пользование алгоритма шиарлет-преобразования FFST и ал-
горитмов глубокого обучения.
Конфликт интересов отсутствует.
There is no conflict of interest.
Список литературы / References
1. Long L., Sun J., Jiang L., Hu Y., Li L., Tan Y., Cao M., Lan
X., Zhang J. MRI-based traditional radiomics and computer-
vision nomogram for predicting lymphovascular space inva-
sion in endometrial carcinoma // Diagn. Interv. Imaging. 2021.
V. 102(7-8). P. 455-462. doi: 10.1016/j.diii.2021.02.008.
2. Avanzo M., Wei L., Stancanello J., Vallières M., Rao A.,
Morin O., Mattonen S.A., El Naqa I. Machine and deep
learning methods for radiomics // Med. Phys. 2020. V. 47(5).
P. 185-202. doi: 10.1002/mp.13678.
3. Kumar V., Gu Y., Basu S., Berglund A., Eschrich S.A.,
Schabath M.B., Forster K., Aerts H.J., Dekker A., Fen-
stermacher D., Goldgof D.B., Hall L.O., Lambin P.,
Balagurunathan Y., Gatenby R.A., Gillies R.J. Radiomics:
the process and the challenges // Magn. Reson. Imaging.
2012. V. 30(9). P. 1234-48. doi: 10.1016/j.mri.2012.06.010.
4. Mendi E., Cecen S., Ermisoglu E., Bayrak C. Automated
neurosurgical video segmentation and retrieval system // J.
Biomedical Science and Engineering. 2010. V. 3. P 618-624.
5. Zotin A., Simonov K., Kapsargin F., Cherepanova T.,
Kruglyakov A. Tissue Germination Evaluation on Implants
Based on Shearlet Transform and Color Coding / In: Favor-
skaya M., Jain L. (eds). Computer Vision in Advanced Con-
trol Systems-5. Intelligent Systems Reference Library. 2020.
V. 175. P. 265-294.
6. Zotin A., Simonov K., Kapsargin F., Cherepanova T.,
Kruglyakov A., Cadena L. Techniques for Medical Images
Processing Using Shearlet Transform and Color Coding. / In:
Favorskaya M., Jain L. (eds). Computer Vision in Control
Systems-4. Intelligent Systems Reference Library. 2018. V.
136. P. 223-259. Springer, Cham.
№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ
7. Wang Y., Luo Y. Balanced color contrast enhancement for
digital images // Optical Engineering. 2012. V. 51. 7001.
10.1117/1.OE.51.10.107001.
8. Rahman S., Rahman M.M., Abdullah-Al-Wadud M.,
and et al. An adaptive gamma correction for image en-
hancement // J. Image Video Proc. 2016. V. 35. https://doi.
org/10.1186/s13640-016-0138-1
9. Dorothy R., R M J., Rathish J., Prabha S., Rajendran S.,
Joseph St. Image enhancement by Histogram equalization //
International Journal of Nano Corrosion Science and Engi-
neering. 2015. V.2. P. 21-30.
10. Zotin A.G. Fast algorithm of image enhancement based on
multi-scale retinex // Int. J. Reasoning-based Intelligent Sys-
tems. 2020. V. 12, № 2. P. 106-116.
11. Medievsky A.V., Zotin A.G., Simonov K.V., Kruglyakov
A.S., Khomkolov I.V., Chizhova I.G. Computational meth-
od of processing and analysis of images of a medical experi-
ment based on shiarlet-transformation of images // Medicine
and High Technologies. 2023. № 1. P. 5-14 (in Russian).
12. Szeliski R. Computer vision: algorithms and applications. –
Springer Nature, 2022.
13. Kutyniok G., Labate D. Introduction to Shearlets / In: Ku-
tyniok G., Labate D. (eds) Shearlets. Applied and Numeri-
cal Harmonic Analysis, 2012. Birkhäuser Boston. https://doi.
org/10.1007/978-0-8176-8316-0_1
14. Lim W.-Q. The discrete shearlet transform: a new directional
transform and compactly supported shearlet frames // IEEE
Trans. Imag. Proc., 2010. V. 19. P. 1166-1180.
15. Guo K., Labate D., Lim W.-Q. Edge analysis and identifica-
tion using the Continuous Shearlet Transform // Appl. Com-
put. Harmon. Anal. 2009. V. 27. P. 24-46.
16. Bolcskei H., Grohs P., Kutyniok G., Petersen P. Optimal
Approximation with Sparsely Connected Deep Neural Net-
works // SIAM J. Math. Data Sci. 2019. V. 1. P. 8-45.
17. Weihong G., Jing Q., Wotao Y. A New Detail-Preserving
Regularization Scheme. SIAM Journal on Imaging Sciences
[electronic only]. 2014. V. 7. 10.1137/120904263.
18. Grohs P., Kutyniok G., Petersen P. The Modern Mathemat-
ics of Deep Learning / In: Mathematical Aspects of Deep
Learning, 2021. Cambridge University Press.
19. Hauser S. Fast finite shearlet transform: a tutorial. Preprint
University of Kaiserslautern, 2014.
20. Hauser S. Fast Finite Shearlet Transform. – Режим доступа:
http://www.mathematik.uni-kl.de/fileadmin/image/haeuser/
software/FFST.zip
21. Kutyniok G., Labate D. Resolution of the wavefront set us-
ing continuous shearlets, 2008.
22. Dahlke S., Steidl G., Teschke G. Dahlke S., Steidl G.,
Teschke G. Multivariate Shearlet Transform, Shearlet Co-
orbit Spaces and Their Structural Properties / In: Kutyniok,
G., Labate, D. (eds). Shearlets. Applied and Numerical
Harmonic Analysis, 2012. Birkhäuser Boston. https://doi.
org/10.1007/978-0-8176-8316-0_4
23. Yi S., Labate D., Easley G.R., Krim H. A shearlet approach
to edge analysis and detection // IEEE Trans. Image Process.
2019. V. 18. P. 929-941.
41
 Хомколов И.В., Медиевский А.В., Зотин А.Г., Симонов К.В., Кругляков А.С.
24. Otsu N. A threshold selection method from gray-level his-
tograms // IEEE: J. Trans. Sys., Man., Cyber. 1979. V. 9. P.
62-66.
25. Canny J. A Computational Approach to Edge Detection //
IEEE Transactions on Pattern Analysis and Machine Intelli-
gence. 1986. V. 8(6). P. 679-698.
26. Chen Y., Che L., Wei H., Sibo Ch., Arcucci R., Zhiwei X.
Generative Text-Guided 3D Vision-Language Pretraining
for Unified Medical Image Segmentation, 2023. https://doi.
org/10.48550/arXiv.2306.04811
27. Gibert X,, Patel V.M., Labate D., Chellappa R. Discrete
shearlet transform on GPU with applications in anomaly de-
tection and denoising // EURASIP Journal on Advances in
Signal Processing. 2014. V. 64.
Поступила 09.08.2023
УДК 004.932
Received 09.08.2023
UDK 004.932
ИНФОРМАЦИЯ ОБ АВТОРАХ
1. Хомколов Игорь Владимирович – магистрант, Инсти-
тут космических и информационных технологий СФУ:
e-mail: khomkolov99@gmail.com
2. Медиевский Алексей Владимирович – врач-лечебник,
Красноярский государственный медицинский универси-
тет имени профессора В.Ф. Войно-Ясенецкого:
e-mail: amedievsky@yandex.ru
3. Зотин Александр Геннадьевич – кандидат технических
наук, доцент, Сибирский государственный универси-
42
тет науки и технологий им. академика М.Ф. Решетнева:
e-mail: zotin@sibsau.ru
4. Симонов Константин Васильевич – доктор техниче-
ских наук, ведущий научный сотрудник, Институт вы-
числительного моделирования СО РАН:
e-mail: simonovkv@icm.krasn.ru
5. Кругляков Алексей Сергеевич – аспирант, Институт
вычислительного моделирования СО РАН:
e-mail: piggsyy@gmail.com
AUTHORS’ INFORMATION
1. Khomkolov Igor Vladimirovich – Undergraduate, Institute
of Space and Information Technologies SibFU:
e-mail: khomkolov99@gmail.com
2. Medievsky Alexey Vladimirovich – General practitioner,
Krasnoyarsk State Medical University named after Prof. V.F.
Voino-Yasenetsky:
e-mail: amedievsky@yandex.ru
3. Zotin Aleksandr Gennadievich – Candidate of technical
science, Associate professor, Reshetnev Siberian State University
of Science and Technology:
e-mail: zotin@sibsau.ru
4. Simonov Konstantin Vasilyevich – Doctor of technical
sciences, Leading researcher, Institute of Computational
Modelling SB RAS: e-mail: simonovkv@icm.krasn.ru
5. Kruglyakov Aleksey Sergeevich – Post-graduate student,
Institute of Computational Modeling SB RAS:
e-mail: piggsyy@gmail.com
№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ
 2.3.1. Системный анализ, управление и обработка информации

РАЗРАБОТКА ИМИТАЦИОННОЙ МОДЕЛИ ОЦЕНКИ

РЕЖИМОВ РАБОТЫ ТЕХНОЛОГИЧЕСКОГО ПРОЦЕССА
КОНТРОЛЯ КАЧЕСТВА ИЗДЕЛИЙ

стр. 43 – 47
А.А. Попов, А.А. Овсянкин, М.В. Хаперсков, Ш.З. Мирбадиев, Н.Н. Ковальчук
Сибирский государственный университет науки и технологий имени академика М. Ф. Решетнева»,
Россия, 660037, Красноярск, просп. им. газ. «Красноярский рабочий», 31.

Контактные данные: Попов А. А.; e-mail: tolynbms@yandex.ru

Резюме: В настоящее время одним из приоритетов промышленных предприятий является снижение брака изго-
тавливаемой продукции, следовательно, увеличение качества поставляемых изделий и поэтому направлениям кон-
троля уделяется повышенное внимание. Отсюда одним из важнейших этапов процесса изготовления изделий яв-
ляется контроль качества. Целью данной работы является выполнение оценки режимов работы и характеристик
технологического процесса контроля изделий за счет разработки имитационной модели. В данной работе пред-
ложена имитационная модель на основе агентного подхода для проверки контроля качества изделий и управления
ресурсами предприятия. Предложена модель и инструменты управления процессом контроля качества изделий,
позволяющие определить оптимальное количество используемых ресурсов, оборудования предприятия с учетом
достигнутого эффекта от бережливого производства.
Ключевые слова: имитационное моделирование, дискретно-событийная модель, оценка качества, оптимизация
производства, anylogic.

DEVELOPMENT OF A SIMULATION MODEL

FOR EVALUATING THE OPERATING MODES
OF THE TECHNOLOGICAL PROCESS OF PRODUCT
QUALITY CONTROL

pages 43 – 47
A.A. Popov, A.A. Ovsyankin, M.V. Khaperskov, S.Z. Mirbadiev, N.N. Kovalchuk
Reshetnev Siberian State University of Science and Technology,
31, prospect «Krasnoyarsky rabochy», Krasnoyarsk, 660037, Russia
Summary: Currently, one of the priorities of industrial enterprises is to reduce the defects of manufactured products, there-
fore, to increase the quality of the products supplied, and therefore increased attention is paid to the areas of control. Hence,
one of the most important stages of the product manufacturing process is quality control. The purpose of this work is to
evaluate the operating modes and characteristics of the technological process of product control by developing a simulation
model. In this paper, a simulation model based on an agent-based approach is proposed for checking product quality control
and enterprise resource management. A model and tools for managing the quality control process of products are proposed,
which allow determining the optimal amount of resources used, equipment of the enterprise, taking into account the achieved
effect of lean manufacturing.
Keywords: simulation modeling, discrete event model, quality assessment, production optimization, anylogic.

DOI: 10.34219/2078-8320-2023-14-3-43-47

№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ 43

 Попов А.А., Овсянкин А.А., Симахин Д.О., Мирбадиев Ш.З., Ковальчук Н.Н.

ВВЕДЕНИЕ Таким образом использование данной системы модели-

рования производственного процесса в данной работе по-
Имитационное моделирование в настоящее время нахо-
зволит максимально эффективно построить имитационную
дит широкое применение при моделировании и управлении
модель, так как имеет богатый набор функций, сильную экс-
сложными дискретными системами. Проведение имитаци-
периментальную базу и лучшее визуальное оформление по
онного эксперимента позволяет сделать выводы о поведении
сравнению с аналогами.
сложной дискретной системы и её особенностях без её по-
строения, если это проектируемая система; синтезировать и МЕТОДЫ РАЗРАБОТКИ
исследовать стратегию управления; прогнозировать и плани-
ровать функционирование системы в будущем. Преимуществом разработки имитационной модели явля-
Основное преимущество использование имитационного ется способность прогнозировать разные сценарии работы
моделирование – анализ деятельности организации. Модели- технологической линии и оценивать возможные результаты
рование работы организации позволяет видеть ее структуру управленческих решений. Поэтому применение имитацион-
и деятельность, для того чтобы увидеть ведущие качества и ных моделей играть важную роль в работе предприятия.
слабые места в технологическом процессе. Имитационная модель – компьютерная программа, кото-
На данный момент существует некоторое множество по- рая описывает структуру и воспроизводит поведение реаль-
добных систем имитационного моделирования, которые ре- ной системы во времени [5][6].
шают поставленную задачу. Перед началом разработки имитационной модели необ-
Например, программное обеспечение Hysys предназначе- ходимо выбрать один из основных подходов к созданию мо-
но для моделирования химико-технологического процесса для дели – дискретно-событийный, агентный, динамический. В
оптимизации проектирования схемотехнических решений. По- качестве основного подхода выбран дискретно-событийный,
мимо статического моделирования технологических схем про- так как технологические процессы в системе следуют друг за
грамма позволяет в той же среде производить динамическое другом последовательно.
моделирование отдельных процессов и всей технологической Моделируемая система представлена в виде модели си-
цепочки, а также разрабатывать и отлаживать схемы регулиро- стемы линии контроля качества производимых изделий,
вания процессов. Есть возможность выполнять расчеты основ- структурная схема которой показана на рисунке 1.
ных конструктивных характеристик оборудования [3].
Другая подобная система Aspen Plus предназначена для
моделирования в стационарном режиме, проектирования
химико-технологических производств, контроля производи-
тельности оборудования, оптимизации и бизнес-планирова-
ния в области добычи и переработки углеводородов и нефте-
химии [4].
Однако стали очевидны ограничения возможностей по-
добных систем: небольшой функционал отладчиков, неболь-
шое количество типовых моделей, отсутствие структурного
моделирования, большая погрешность при расчетах.
Таким образом, для решения поставленной задачи было
решено использовать Anylogic [1]. Данная система имеет ряд
преимуществ среди аналогов, а именно:
1. Позволяет создавать модели: непрерывные, дискрет-
ные, гибридные, детерминированные, стохастические;
2. Поддерживает все этапы имитационного моделирова-
Рис. 1. Структурная схема линии контроля качества
ния: создание и верификация модели, ее исследование, пара-
метрический анализ и оптимизация; Следующим шагом является проектирование логической
3. Обладает мощной системой 2D и 3D анимации; схемы технологического процесса. Раздел «Логическая схе-
4. Позволяет пользоваться всеми преимуществами объ- ма» предназначена для отображения соединения объектов
ектно-ориентированного подхода: наследование, полимор- (операций) технологического процесса в связанную между
физм, вложенность. собой согласно техническому заданию цепочку [2].

Рис. 2. Фрагмент логической схемы технологического процесса

44 № 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ

РАЗРАБОТКА ИМИТАЦИОННОЙ МОДЕЛИ ОЦЕНКИ РЕЖИМОВ РАБОТЫ ТЕХНОЛОГИЧЕСКОГО ПРОЦЕССА
КОНТРОЛЯ КАЧЕСТВА ИЗДЕЛИЙ

Рис. 3. Настраиваемая панель свойств для каждой операции

Каждый из объектов данной цепочки представляет собой
отдельный процесс, участвующий в работе линии (Рис. 2).
Логическая схема работы технологической линии состо-
ит из объектов service, hold, source, select output, sink move
to, используемые в стандартной библиотеке моделирования
производственных систем.
Для каждого блока были заданы различные условия, чтобы
в результате работа имитационной модели соответствовала тех-
ническому заданию. Одним из основных таких условий являет-
ся хронометраж операций. В данной строке, при необходимо-
сти, возможно скорректировать время каждого блока (Рис. 3).
В качестве основного объекта, который задействован на
разных этапах контроля качества изделий используется агент
«изделие».
Агент «изделие» содержит в себе следующие перемен-
ные (Рис. 4):
• variable (порядковый номер);
• brak (брак);
• nebrak (не брак).
Таким образом было спроектирована и разработана ими-
тационная модель контроля качества изделия.
РЕЗУЛЬТАТЫ
В ходе выполненной работы было спроектирована и раз-
работана имитационная модель оценки режимов работы и
характеристик технологического процесса контроля качества
изделий [7][8].
Имитационная модель контроля качества изделий обе-
спечивает выполнение следующих основных функций:
• Расчет затрат электроэнергии и сжатого воздуха за
время проведения эксперимента;
• Учет количества бракованных и успешно прошедших
проверку партии изделий за время выполнения экспе-
римента;
• Возможность изменения режимов управления изоля-
тором брака: ручной, автоматический;
• Изменение значений времени технологических опе-
раций;

Рис. 4. Агент «изделие»

№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ 45

 Попов А.А., Овсянкин А.А., Симахин Д.О., Мирбадиев Ш.З., Ковальчук Н.Н.

Рис. 5. Главное меню имитационной модели

• Изменение значений вспомогательных ресурсов, та-
ких как электроэнергия, сжатый воздух, перед запу-
ском эксперимента.
При запуске имитационной модели появляется окно си-
муляции, которое в данном случае представляет собой меню
для ввода входных данных для эксперимента (Рис. 5).
Информация по расходам и другим данным выводится в
раздел Дашборд. В реальном режиме времени изменяются
данные полученные от работы модели (Рис. 6).
Для того чтобы разработанная имитационная модель
была удобной в использовании и обладала наиболее полной
функциональностью, необходимо придерживаться следую-
щих требований:
• простой и интуитивно понятный интерфейс;
• уменьшение количества человеческих ошибок за счет
снижения требований к бдительности, повышения
разборчивости и наглядности индикаторов, блокиро-
вания потенциально опасных действий пользователя
до получения подтверждения правильности действия;
• пользовательский интерфейс должен содержать под-
сказки, информационные сообщения, справочную до-
кументацию.
На основе вышеперечисленных критериев был разработан
интерфейс будущей имитационной модели. Пользователь не дол-
жен испытывать напряжения при работе в этой системе [9] [10].
ЗАКЛЮЧЕНИЕ
В ходе выполнения данной работы было спроектирована
и разработана имитационная модель для выполнения оценки
режимов работы и характеристик технологического процес-
са контроля качества изделий.
Реализация имитационной модели работы технологиче-
ской линии проверки контроля качества изделий позволит
осуществлять анализ собранных данных, для дальнейшей
поддержки принятия решений. Существует возможность
модификации имитационной модели, по которой вновь
производятся расчеты, а затем проводится сравнительный
анализ новых результатов с полученными ранее. Методы
имитационного моделирования, хотя и не приводят к полу-
чению оптимальных решений, как, например, методы ли-
нейного программирования, однако, позволяют выработать
направления политики, приводящей к лучшим результатам.
Конфликт интересов отсутствует.
There is no conflict of interest.

Рис. 6. Окно с интерактивной панелью (Дашборд)

46 № 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ

РАЗРАБОТКА ИМИТАЦИОННОЙ МОДЕЛИ ОЦЕНКИ РЕЖИМОВ РАБОТЫ ТЕХНОЛОГИЧЕСКОГО ПРОЦЕССА
КОНТРОЛЯ КАЧЕСТВА ИЗДЕЛИЙ
СПИСОК ЛИТЕРАТУРЫ
1. Официальный сайт компании Anylogic [Электронный ре-
сурс]. - Режим доступа: www.anylogic.ru.
2. Григорьев, И. Anylogic за три дня: учеб. -метод. посо-
бие / И. Григорьев. - СПб.: СИПУ, 2016. - 202 с.
3. Официальный сайт компании Hysys [Электронный ре-
сурс]. – Режим доступа: https://www.aspentech.com/en/
products/engineering/aspen-hysys.
4. Официальный сайт компании Aspentech [Электронный
ресурс]. – Режим доступа: https://www.aspentech.com/en/
products/engineering/aspen-plus
5. Девятков, В. В. Мир имитационного моделирования:
взгляд из России / В. В. Девятков // Прикладная информа-
тика. - 2011. -№4(34). -С. 9-29.
6. Qing Zhu 2023 Passenger flow simulation of Xiamafang met-
ro station based on AnyLogic // Highlights in Science vol 37
pp. 142 – 156.
7. Маликов, Р. Ф. Практикум по имитационному модели-
рованию сложных систем в среде Anylogic 6: учеб, посо-
бие / Р. Ф. Маликов. - Уфа: Изд-во БГПУ, 2013. - 296 с.
8. Карпов, Ю. Г. Имитационное моделирование систем.
Введение в моделирование с AnyLogic 5 / Ю.Г. Карпов. -
М.: БХВ-Петербург, 2019. - 400 c.
9. Averill M. Law, W. David Kelton 2007 Simulation Modeling
and Analysis (McGraw-Hill), p. 759.
10. Mourtzis, D. Simulation in the design and operation of
manufacturing systems: state of the art and new trends. Int. J.
Prod. Res. 58 №7, pp. 1–23 (2021)
Поступила 06.09.2023
УДК 004
REFERENCES
1. The official website of Anylogic URL: www.anylogic.ru (ac-
cessed: 01.02.2023).
2. Grigoriev, I. Anylogic in three days: studies. - method. man-
ual / I. Grigoriev. - St. Petersburg: SIPU, 2016. - 202 p.
3. Official website of Hysys URL: https://clck.ru/33tNqJ (ac-
cessed: 01.02.2023).
4. Official website of Aspentech URL: https://clck.ru/33tNrZ
(accessed: 05.02.2023).
5. Devyatkov, V. V. The world of simulation modeling: a view
from Russia / V. V. Devyatkov // Applied Informatics. -
2011. - №4 (34). - pp. 9-29.
6. Qing, Z. Passenger flow simulation of Xiamafang metro sta-
tion based on AnyLogic // Highlights in Science, 2023, vol.
37 pp. 142 – 156.
7. Malikov, R. F. Workshop on simulation modeling of complex
systems in Anylogic environment 6: textbook, manual / R. F.
Malikov. - Ufa: Publishing House of BSPU, 2013. - 296 p.
№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ
8. Karpov, Yu. G. Simulation modeling of systems. Introduc-
tion to modeling with AnyLogic 5 / Yu.G. Karpov. - M.:
BHV-Petersburg, 2019. - 400 p.
9. Averill M. Law, W. David Kelton 2007 Simulation Modeling
and Analysis (McGraw-Hill), p. 759.
10. Mourtzis, D. Simulation in the design and operation of
manufacturing systems: state of the art and new trends. Int. J.
Prod. Res., 2021, 58 №7, pp. 1–23.
Received 06.09.2023
UDC 004
ИНФОРМАЦИЯ ОБ АВТОРАХ
1. Попов Анатолий Анатольевич – кандидат технических
наук, доцент, Сибирский государственный университет
науки и технологий имени академика М.Ф. Решетнева,
e-mail: tolynbms@yandex.ru
2. Овсянкин Алексей Константинович – аспирант, Си-
бирский государственный университет науки и техноло-
гий имени академика М.Ф. Решетнева,
e-mail: dikoti1994@yandex.ru
3. Хаперсков Максим Вячеславович – бакалавр, Сибир-
ский государственный университет науки и технологий
имени академика М. Ф. Решетнева,
e-mail: shadowblack24@mail.ru
4. Мирбадиев Шамшод Зиедуллоевич – магистр, Сибир-
ский государственный университет науки и технологий
имени академика М.Ф. Решетнева,
e-mail: z.sh.mirbadiev@gmail.com
5. Ковальчук Наталья Николаевна – магистр, Сибирский
государственный университет науки и технологий имени
академика М.Ф. Решетнева,
e-mail: kovalchuk_natalya2000@mail.ru
AUTHORS’ INFORMATION
1. Popov Anatoly Anatolyevich – Candidate of Technical Sci-
ences, Associate Professor, Reshetnev Siberian State Univer-
sity of Science and Technology, e-mail: tolynbms@yandex.ru
2. Ovsyankin Alexey Konstantinovich – Graduate student,
Reshetnev Siberian State University of Science and Technol-
ogy, e-mail: dikoti1994@yandex.ru
3. Khaperskov Maxim Vyacheslavovich – Bachelor,
Reshetnev Siberian State University of Science and Technol-
ogy, e-mail: shadowblack24@mail.ru
4. Mirbadiev Shamshod Ziedulloevich – Master›s student,
Reshetnev Siberian State University of Science and Technol-
ogy, e-mail z.sh.mirbadiev@gmail.com
5. Kovalchuk Natalia Nikolaevna – Master›s student,
Reshetnev Siberian State University of Science and Technol-
ogy, e-mail kovalchuk_natalya2000@mail.ru
47
 2.3.1. Системный анализ, управление и обработка информации

АНАЛИЗ ВАРИАЦИЙ ОЗОНА В АТМОСФЕРЕ

НАД СЕЙСМОАКТИВНЫМИ РЕГИОНАМИ

стр. 48 – 55
В.Б. Кашкин1, Р.В. Одинцов1, Т.В. Рублева1, К.В. Симонов2
1Сибирский федеральный университет, Россия, 660041, Красноярск, проспект Свободный, 79
2 Институт вычислительного моделирования СО РАН: Россия, 660036, Красноярск, Академгородок, 50, стр. 44

Контактные данные: Симонов К.В. e-mail: simonovkv@icm.krasn.ru

Резюме: Предлагается использовать вариации слоя стратосферного озона для регистрации крайне медленных ко-
лебаний атмосферы. Вариации озона отслеживается наземными и спутниковыми средствами измерений. Источ-
ником колебаний является акустическое излучение в атмосферу при деформационных событиях в тектонических
плитах. Обсуждается методика обработки, анализа и интерпретации вариации слоя озона в период сейсмической
активности. Исследованы вариации слоя озона в возмущенной атмосфере при сильных землетрясениях в различных
климатических зонах (экваториальные, умеренные и полярные широты).
Ключевые слова: землетрясения, деформационные события, ударно-акустические волны, стратосферный озон,
спектральный анализ колебаний, частота 10–7 Гц.

ANALYSIS OF OZONE VARIATIONS IN THE ATMOSPHERE

ABOVE SEISMICALLY ACTIVE REGIONS

pages 48 – 55
V.B. Kashkin1, R.V.Odintsov1,T.V. Rubleva1, K.V. Simonov2
1 Siberian Federal University, 79, Svobodny pr., Krasnoyarsk, 660041, Russia

2Institute of Computational Modeling SB RAS:

50, bl. 44 Akademgorodok, Krasnoyarsk, 660036, Russia

Summary: It is proposed to use variations in the stratospheric ozone layer to record extremely slow atmospheric fluctuations.
Ozone variations are monitored by ground-based and satellite measurements. The source of vibrations is acoustic radiation
into the atmosphere during deformation events in tectonic plates. The methodology for processing, analyzing and interpreting
variations in the ozone layer during seismic activity is discussed. Variations in the ozone layer in a disturbed atmosphere
during strong earthquakes in different climatic zones (equatorial, temperate and polar latitudes) have been studied.
Keywords: earthquakes, deformation events, shock waves, stratospheric ozone, spectral analysis of vibrations, frequency
10–7 Hz.

DOI: 10.34219/2078-8320-2023-14-3-48-55

Введение фического землетрясения в Японии в 2011 г. (широты с уме-

ренным климатом), в период Суматро-Адаманского сильней-
Для обнаружения медленных колебаний в атмосфере
шего землетрясения 2004 г. (экваториальная зона), а также в
с частотой 10–7 Гц предлагается использовать в качестве
период сильного землетрясения в Баффиновом заливе в 2009
трассера слой стратосферного озона, состояние которого
г. (полярная зона).
отслеживается современными наземными и спутниковыми
В рамках разработанной методики на основе алгоритма
средствами измерений. Приведена методика обработки и
локального спектрального анализа («Гусеница SSA») вы-
интерпретации данных о вариациях озона в возмущенной
делены частоты, характеризующие колебания в атмосфере,
атмосфере над сейсмоактивными регионами в различных
возможно, обусловленные геодинамическими процессами в
климатических зонах.
период изучаемых сейсмических событий. Выполнена ин-
В качестве примера рассматриваются результаты анализа
терпретация данных о вариациях озона в возмущенной ат-
данных о вариациях озона в атмосфере в период катастро-

48 № 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ

АНАЛИЗ ВАРИАЦИЙ ОЗОНА В АТМОСФЕРЕ НАД СЕЙСМОАКТИВНЫМИ РЕГИОНАМИ
мосфере над сейсмоактивными регионами в различных кли-
матических зонах. Показано, стратосферный озон позволяет
обнаруживать колебания в атмосфере с частотой 10–7 Гц.
Исследование посвящено обоснованию применимости
методики для анализа вариации слоя озона в атмосфере во
время сильных землетрясений по спутниковым данным.
Идея исследования заключается в том, чтобы оценить при-
менимость гипотезы об использовании вариации слоя озона
в возмущенной атмосфере в период сильных землетрясений
в различных регионах (экваториальные, умеренные и поляр-
ные широты).
1. Спутниковый мониторинг ОСО
Постановка задачи. Землетрясения являются грозными
природными явлениями, вызывающими разрушения и чело-
веческие жертвы. Наиболее опасными сейсмическими собы-
тиями являются тектонические землетрясения. Они возни-
кают, как правило, в местах стыков тектонических плит [1].
Геодинамические процессы в период сильных землетрясений
вызывают ударно-акустические волны в атмосфере, амплиту-
да которых при распространении вверх существенно растет с
высотой из-за уменьшения плотности атмосферного газа.
В тоже время авторы статьи в Акустическом журнале от-
мечают, что сейсмическое излучение при деформационных
событиях со очень малой скоростью подвижки (10 дней – не-
дели) не регистрируется современными приборами [2].
Если акустические колебания имеют период P =10 суток,
т.е. 864000 с, то характерная частота колебаний имеет поря-
док 10–6 Гц. При Р = 30 суток частота имеет порядок 10–7
Гц. Длина волны колебаний λ = P v, где v = 0.34 км/с – ско-
рость звука в воздухе на уровне моря. При Р = 10 суток, λ
= 29376 км. Для сравнения: окружность Земли по экватору
около 40000 км.
Для приема колебаний с такой длиной волны нужна ан-
тенна огромных размеров. Считается, что слои атмосферы
могут быть чувствительной антенной, принимающей акусти-
ческие колебания, возникающие при сейсмической активно-
сти [3].
В данной работе в качестве антенны предлагается ис-
пользовать слой стратосферного озона, максимальное содер-
жание которого до 80-85% приходится на высоту 20-22 км в
умеренных широтах, около 25-27 км в тропических широтах
и 15-17 км в полярных широтах. Озон эффективно поглоща-
ет ультрафиолетовое (УФ) излучение Солнца, это поглоще-
ние регистрируется современными приборами.
Под общим содержанием озона (ОСО) понимают тол-
щину слоя озона в вертикальном столбе атмосферы при
условии, что весь озон сконцентрирован при нормальном
атмосферном давлении и температуре 0°C. Обычно ОСО со-
ставляет около 3 мм, или 300 единиц Добсона (е. Д.).
При движении ударно-акустической волны в атмосфере
молекулы озона колеблются вместе с окружающими их мо-
лекулами других газов. В работе предлагается использовать
стратосферный озон как трассер, позволяющий наблюдать
медленные колебания атмосферы.
№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ
Системы измерения ОСО. Для наземных измерений
ОСО применяется оптическая аппаратура УФ диапазона: озо-
нометры Добсона и Брюера на основе монохроматора с диф-
ракционной решеткой, а также прибор М-124, в котором для
регистрации УФ-излучения использованы светофильтры [4-5].
Современные спутниковые измерения ОСО выполняют-
ся бортовым озонометром TOMS, имеющим погрешность не
более 2%, работающим в составе комплекса OMPS и уста-
новленном на американских космических аппаратах (КА)
NOAA-20 и SNPP (The Ozone Mapping and Profiler Suit /
SUOMI National Polar-Orbiting Partnership) [6].
Ежедневные цифровые карты ОСО доступны на сайтах
Глобальных служб атмосферы (Global Atmosphere Watch,
GAW) и NASA. В настоящей работе используются глобаль-
ные цифровые карты ОСО NASA с периодичностью в одни
сутки, с разрешением по широте и долготе в 1° [7].
Атмосферные отклики на сейсмическую активность.
Подход, основанный на поиске атмосферных откликов на
сейсмическую активность, не нов. Начиная с середины 90-х
годов ХХ в., выполнено значительное число работ, где об-
суждается использование сигналов навигационных КА
GPS и ГЛОНАСС для диагностики ионосферы, например,
исследования в [3, 8-9]. При благоприятных условиях аку-
стические колебания, возникающие во время сейсмической
активности, могут вызывать возмущения ионосферной плаз-
мы, вследствие взаимодействия нейтральной и заряженной
компонент.
На слое ионосферы толщиной 100-400 км обнаружива-
ются аномалии, вызванные ударно-акустическими волнами
от сильных землетрясений через 10-15 мин после основного
толчка с магнитудой Мw > 6.5. В тоже время, нет достовер-
ных сведений об обнаружении предвестников землетрясений
по сигналам КА ГЛОНАСС/GPS [9].
2. Методика обработки, анализа
и интерпретации вариации слоя озона
в атмосфере в период сильных землетрясений
Для решения поставленной задачи предлагается следу-
ющая структура (этапы) методики для изучения вариаций
озона в атмосфере над очаговыми районами сильных земле-
трясений:
- Формирование архива спутниковых данных для ис-
следуемого района;
- Выборка данных для исследуемого сейсмоактивного
района (дата, время, координаты, магнитуда, озон);
- Обработка полученных временных рядов пакетом «Гу-
сеница SSA»;
- Получение новых (расчетных) временных рядов
(озона);
- Анализ расчетных временных рядов (периодограммы,
цифровые карты, графики, гистограммы);
- Интерпретация результатов исследования в рамках
обоснования применимости гипотезы об использования ва-
риации слоя озона для выявления колебаний в атмосфере в
период сильных землетрясений.
49
 Кашкин В.Б., Одинцов Р.В., Рублева Т.В., Симонов К.В.

Рассмотрим характер экспериментальных исследований

жертвам, разрушению окружающей среды и вызвало ущерб
на основе предложенной методики. Построенные ряды озона
инфраструктуре о. Хонсю, повреждена атомная электростан-
по исходным данным (этап 1) и с учетом данных об иссле-
ция (Фукусима), возник риск радиоактивного заражения тер-
дуемом землетрясении (этап 2) обрабатывались с помощью
ритории.
пакета прикладных программ «Гусеница SSА» (этап 3) [10].
Землетрясение Тохоку-оки произошло в так называемых
Производилось разложение рядов на главные компоненты,
средних (умеренных) широтах. Особенностью этого региона
которые представляют собой новые ряды, образованные из
Земли является возможность оценивать общее содержание
исходных рядов. «Гусеница» ранжирует новые ряды по убы-
озона, как с помощью наземных озонометров, так с помо-
ванию энергии (этап 4). щью космической техники.
Количество новых (расчетных) рядов зависит от разме-
Первый способ на основе использования озонового слоя
ров «окна» при разложении ряда. Применялись окна раз-
позволяет исследовать период подготовки землетрясения и
мером менее половины длины исходного ряда озона. Далее
реакцию в момент основного удара днем и ночью, но при от-
производилось прореживание компонентов (новых рядов)
сутствии облачности.
– удалялся ряд, отвечающий тренду и ряды компонентов с
Спутниковый метод работает в дневное время при осве-
малой энергией (этап 5). щении озонового слоя Солнцем, но момент основного толч-
Экспериментальные данные о количестве озона претер-
ка, как правило, может быть пропущен из-за несовпадения
певают сезонные изменения, на количество озона также вли-
момента сейсмического события и времени пролета косми-
яют вариаций солнечной активности. Удаление тренда по-
ческого аппарата. В целом, второй способ предпочтительнее.
Анализ данных наблюдений об озоне во временной об-
зволяет, в основном, избавиться от влияния сезонного хода
ласти. Для проверки гипотезы об использования вариации
озона и вариаций солнечной активности на оценку основно-
го информационного параметра – периода колебаний слоя
слоя озона в умеренных широтах, рассмотрены соответству-
стратосферного озона. ющие данные наблюдений при подготовке события Тохо-
После прореживания суммировались оставшиеся компо-
ку-оки и после него. На основании глобальных цифровых
ненты и строились преобразованные ряды озона, как для вре-
ежедневных карт ОСО, согласно [7], для района с коорди-
мени интенсивной сейсмической активности, так и для фона.
натами 38° с.ш., 142° в.д. строился временной ряд ОСО (да-
Производились дискретные преобразования Фурье этих ря-
лее – озон, имеется в виду стратосферный озон) для периода
дов. При этом, для выделения характерных особенностей
интенсивной сейсмической активности.
Фурье-образов, добавлялось 40000 нулей, в соответствии с
Этот ряд полезно сравнивать с «фоновым» рядом озона,
процедурой, описанной в [11]. при построении которого использованы данные об озоне в
Далее строились периодограммы, которые описывают за-
том же районе, наблюдаемом при спокойной сейсмической
висимость квадрата модуля амплитуды спектрального ком-
обстановке, в данном случае, в течение 2010 г., начиная за
понента от периода (квадрат модуля амплитуды пропорцио-
10 месяцев до катастрофического землетрясения. Ряд озона
нален мощности колебаний слоя озона). для периода интенсивной сейсмической активности можно
Затем выполнялась интерпретация результатов расчетов
видеть на рисунке 1 (момент землетрясения отмечен стрел-
в рамках обоснования применимости гипотезы об использо-
кой), фоновый ряд озона приведен на рисунке 2.
вания вариации слоя озона для выявления колебаний в ат-
При сравнении графиков видно, что вариации озона на
мосфере в период изучаемого сильного землетрясения для
рисунке 1 существенно отличаюся от вариаций на рисунке 2.
данной климатической зоны (этап 6). Более того, из рисунка 1 видно, что колебания озона доста-
Рисунки к статье
точно велики и достигают до 40 е. Д. и более, как в сторону
3. Экспериментальные исследования В.Б. Кашкин, Р.В. Одинцов, Т.В. Рублева, К.В. Симонов
увеличения от некоторого среднего, так и в сторону умень-
АНАЛИЗ ВАРИАЦИЙ ОЗОНА В АТМОСФЕРЕ НАД СЕЙСМОАКТИВНЫ
шения, что сравнимо с амплитудой сезонных вариаций озо-
3.1. Анализ вариаций озона в средних РЕГИОНАМИ
на, составляющих 20-40 е. Д. в обе стороны [5].
широтах на примере сильнейшего
сейсмического события в регионе
(землетрясение 11 марта 2011 года в Японии)
Изучаемое сейсмическое событие и постановка зада-
чи. 11 марта 2011 года произошло Великое восточно-япон-
ское землетрясение (Тохоку-оки) магнитудой Mw от 9.0 до
9.1. Причиной явилось движение Тихоокеанской тектониче-
ской плиты, которая погружается под Охотскую плиту (зона
субдукции). Эпицентр подводного землетрясения находился
в районе с координатами 38,322° с.ш., 142,369° в.д. на рас-
стоянии около 70 км от японского побережья [12].
Рис. 1. ГрафикРис.
вариаций озона возона
возмущенной
1. График вариаций в возмущенной атмосфере
атмосфере над над эпицен
Катастрофическое землетрясение сопровождалось мощ- зоной землетрясения Тохоку-оки
эпицентральной зоной землетрясения Тохоку-оки
ным цунами. Все это привело к массовым человеческим

50 № 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ

 АНАЛИЗ ВАРИАЦИЙ ОЗОНА В АТМОСФЕРЕ НАД СЕЙСМОАКТИВНЫМИ РЕГИОНАМИ
ис. 1. График вариаций озона в возмущенной атмосфере над эпицентральной
зоной землетрясения Тохоку-оки
дням. Можно предполагать, что движение плиты в данном
случае происходило толчками со средним периодом в 35 дней,
период толчков наиболее вероятно лежал в интервале от 29 до
50 дней. Периоду в 35 дней соответствует частота 3.3.10–7 Гц.
Учет сопутствующих природных процессов в атмос-
фере. Не только сейсмическая активность может вызывать
колебания стратосферного озона. Географические неодно-
родности (орография) земной поверхности влияют на движе-
ние и, в конечном итоге, на пространственное распределение
масс озона [5]. Кроме того, следует принимать во внимание
влияние погодных условий.
Рис. 2.
Рис.
Рисунки
График к статьеряда
2. Графикфонового
фонового ряда озонаозона
В.Б. Кашкин, Р.В. Одинцов, Т.В. Рублева, К.В. Симонов В 2011 г. на Японию обрушилось не только сильное зем-
АНАЛИЗ ВАРИАЦИЙАнализ ОЗОНА В АТМОСФЕРЕ
спектрального состава НАД СЕЙСМОАКТИВНЫМИ
колебаний. Колеба- летрясение, но и несколько мощных тайфунов, среди них
РЕГИОНАМИ
ния на рисунке 1 до момента землетрясения имеют скачко- тайфун Ма-он, второй и наиболее мощный в сезоне 2011 г.
образную, нерегулярную структуру. Подобные колебания в Тихом океане. Этот тайфун 16 июля 2011 г. пришел на о.
отсутствуют на фоновом графике. Представляет интерес Сикоку (Япония), скорость ветра доходила до 175 км/ч, в ре-
спектральный состав колебаний. Построенные ряды озона зультате возникли массовые разрушения, которые привели к
обрабатывались с помощью пакета прикладных программ человеческим жертвам. Далее тайфун достиг региона, где в
«Гусеница SSА» [10]. марте произошло катастрофическое землетрясение Тохоку-
На рисунке 3 приведены периодограммы рядов Фурье, оки [13].
показывающих зависимость квадрата модуля амплитудного На рисунке 4 приведены два графика рядов озона в июле
значения спектрального компонента от периода. Левый гра- 2011 г. – для района о. Сикоку (34° с.ш., 133° в.д.) и для рай-
фик на рисунке 3 относится к фону (а), правый – ко времени она, пострадавшего от землетрясения (38° с.ш., 142° в.д.). По
интенсивной сейсмической активности (б). Стрелкойнадпока- своему размаху (амплитуде) колебаний графики скорее по-
Рис. 1. График вариаций озона в возмущенной атмосфере эпицентральной
зан маркер –зоной
отметка вспомогательного
землетрясения (реперного) сигнала
Тохоку-оки ходят на график для фонового ряда (рис. 2), чем на график
с периодом 4 суток (далее дней),озона
который необходим для для ряда озона над эпицентральной областью землетрясения
Рис. 3. Периодограммы в фоновых (а) при-
и
ведения графиков к общему
в возмущенных (б)формату.
условияхШирокая спектральная Тохоку-оки (рис. 1).
атмосферы
линия на рисунке справа принадлежит вновь обнаруженным По-видимому, на рисунке 4 видны следы огибания релье-
колебаниям с характерным периодом около 35 дней. фа в районе о. Сикоку. Обращает внимание на себя «резкий
Интерпретация выделенных спектральных объектов. провал» с 280 до 255 е. Добсона на рисунке 4 за 19 июня 2011
Назовем выделенные спектральные объекты с большим пе- г. Именно в этот день тайфун ударил по о. Сикоку, а далее он
риодом колебаниями медленного скольжения (КМС). Види- перемещался, в основном, над океаном, частично захваты-
мо, именно эти колебания имели виду авторы из Института вая побережье о. Хонсю, уже пострадавшего от сильнейшего
динамики геосфер РАН [1]. Полагаем, что колебания в 7 и 11 землетрясения 11 марта 2011 года.
дней – это гармоники КМС, ассоциированные с геодинами-
ческими процессами в период
Рис. 2. График данного
фонового сильнейшего
ряда озона земле-
трясения.

Рис. 4.Рис.
Вариации озона в период воздействия тайфуна Ма-он
4. Вариации озона в период воздействия тайфуна Ма-он

Сравнение графиков на рисунках 1 и 2 с графиком на ри-

сунке 4 показывает, что метеорологические и орографические
процессы мало влияют на вариации озона, по крайней мере,
по сравнению с изучаемым сильнейшим землетрясением.
Рис. 3.Рис.
Периодограммы
3. Периодограммыозона
озона вв фоновых
фоновых (а) (а) и
в возмущенных
и в возмущенных(б)(б)условиях атмосферы
условиях атмосферы
3.2. Анализ вариаций озона в экваториальной
области: Суматро-Андаманское
Из рисунка 3 видно, что основной график КМС уширен землетрясение 26 декабря 2004 г.
из-за хаотической структуры этих колебаний. Ширина спек-
Изучаемое сейсмическое событие и постановка зада-
тральной линии КМС на уровне 0.5 от максимума равна 21
чи. Существует географический район, где рассмотренная
Рис. 5. График временного ряда озона над эпицентральной зоной
№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ в период Суматро-Андаманского землетрясения 51
 Кашкин В.Б., Одинцов Р.В., Рублева Т.В., Симонов К.В.

выше гипотеза об использовании вариации слоя озона оказа- с.ш., или близких широтах; графики временных рядов озона
лась не применима. Максимальное содержание стратосфер- неизменно имели вид, похожий на рисунок 5.
ного озона до 80-85% приходится на высоту около 25-27 км Таким образом, для тропических широт (точнее, эквато-
в тропических широтах, на 20-22 км в умеренных широтах и риальных широт) не удалось зарегистрировать колебания,
15-17 км в полярных широтах. Рассмотрено поведение озона ассоциированные с геодинамическими процессами, обуслов-
в тропиках в период катастрофического Суматро-Андаман- ленные сильнейшим землетрясением. Поэтому открытым
ского землетрясения 2004 г. остается вопрос – «может ли для таких широт озоновый слой
26 декабря 2004 года в 0714:58:53 UTC у северо-западно- играть роль трассера?»
го побережья о. Суматра (Индонезия) произошло подводное Интерпретация полученных результатов. Тропическая
Суматро-Андаманское землетрясение с магнитудой Mw=9.3. зона является главной областью образования озона. При по-
Координаты эпицентра: 3.316° с.ш., 95.854° в.д. Это самое хождении сквозь атмосферу солнечное УФ-излучение ос-
мощное землетрясение, когда-либо зарегистрированное в лабляется, поэтому на высоте 25-27 км его интенсивность
Азии, самое мощное землетрясение в 21 веке, и второе по существенно превышает интенсивность излучения, дошед-
мощности землетрясение, когда-либо зарегистрированное в шего до 15-17 км и 20-22 км. Это приводит к качественным
мире с момента начала современной инструментальной сейс- различиям озонового слоя в тропической зоне по сравнению
мологии (с 1900 г.). Это было также самое продолжительное с озоновым слоем высоких и средних широт [16].
из когда-либо наблюдавшихся землетрясений, с длительно- На высоте 25-30 км и выше, при фотолизе молекулы кис-
стью основного толчка от восьми до десяти минут [14-15]. лорода О2 на атомы, образуется озон О3 с участием атома и
В районе очаговой области Суматро-Андаманского земле- молекулы кислорода, в соответствии с циклом Чапмена. Здесь
трясения Индийская плита погружается под Бирманскую пли- же происходит разрушение молекулы озона при фотолизе её
ту. Это приводит к тому, что плиты испытывают деформации и солнечным светом с длиной волны менее 1 мкм, в том чис-
нагрузки, в итоге, вызывая мощное землетрясение [15]. ле, под влиянием озоноразрушающих веществ. Оба процес-
При этом возникло цунами с высотой волн до 30 м, ко- са проходят в динамическом равновесии, в результате время
торое опустошило населенные пункты вдоль близлежащих жизни молекулы озона в тропической стратосфере составляет
побережий Индийского океана. В результате одного из самых всего несколько часов [16]. Таким образом, тропический озон
смертоносных стихийных бедствий в истории человечества является системой с малой (по длительности) памятью.
погибло большое число жителей Бангладеш, Индии, Сомали, Ежегодно в конце зимы и весной отмечается мериди-
Мьянмы, Таиланда и Шри-Ланки. К сожалению, население ональный перенос озона из тропиков в средние и высокие
не было своевременно извещено об опасности. После этого широты, где накапливается озон. В северном полушарии это
события в Индийском океане создана система предупрежде- происходит в марте-апреле, в южном – в сентябре-октябре.
ния о цунами [15]. По указанным причинам количество озона на уровне 25-27
Анализ данных наблюдений. На рисунке 5 приведен км практически постоянное и всегда меньше, чем в средних
график ряда озона, построенный над эпицентральной зоны и полярных широтах, где время жизни молекулы О3 состав-
Суматро-Андаманского землетрясения, стрелкой отмечен ляет около 100 суток.
Рис. 4. Вариации
момент озона
основного в период воздействия тайфуна Ма-он В тропиках, и особенно в экваториальной зоне, количество
удара.
озона мало зависит от широты и сезона, суточные колебания
озона в среднем варьируются в пределах 2-7 % [5, 16-17]. Сле-
довательно, рассмотренные свойства тропического озона объ-
ясняют отсутствие возможности использования его в качестве
трассера в рамках изучения особенностей геодинамики земле-
трясений, возникающих в тропических широтах.

3.3. Анализ вариаций озона в атмосфере над

очаговой областью сильного землетрясения,
произошедшего в полярных широтах
Рис. 5.Рис.
График временного Постановка задачи. Отметим, что использование стра-
5. График временногоряда озонанад
ряда озона над эпицентральной
эпицентральной зоной зоной
тосферного озона в качестве трассера в полярных широтах
в период Суматро-Андаманского землетрясения
в период Суматро-Андаманского землетрясения
осложняется по многим причинам. Оценивать общее содер-
Сравнение графиков на рисунках 1 и 5 показывает, что ва- жание озона возможно с помощью космической техники и с
риации озона во время самого мощного землетрясения, когда- помощью наземных озонометров.
либо зарегистрированного в Азии, существенно меньшие, чем Первый способ работает, если в момент пролета кос-
вариации несколько более слабого землетрясения Тахоку-оки, мического аппарата, интересующий нас участок озонового
и скорее напоминают «фоновый» ряд для последнего. слоя, освещается Солнцем. Этот способ позволяет получать
Отметим, что не удалось построить характерный фоно- непрерывные ряды озона внутри полярного круга во время
вый ряд для Суматро-Андаманского землетрясения на 3° полярного дня, который, например, на широте 70° продол-

52 № 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ

 АНАЛИЗ ВАРИАЦИЙ ОЗОНА В АТМОСФЕРЕ НАД СЕЙСМОАКТИВНЫМИ РЕГИОНАМИ

жается 65 суток. Данный способ не работает в течение по- график ряда озона, снятый в 2010 г. в районе с координатами
лярной ночи. 75.5° с.ш., 72. 5° в.д. к востоку от архипелага Новая Земля.
Существуют трудности с регистрацией фонового ряда Точка выбрана на расстоянии 5760 км от эпицентральной
озона. В средних широтах в качестве фонового ряда можно зоны сильного землетрясения 2009 г.
использовать спутниковые данные об озоне продолжитель- На рисунке 7 приведены периодограммы для фонового
ностью в 2,5 – 3 месяца относительно эпицентральной об- ряда озона в районе около Новой Земли за 2010 год (а) и для
ласти сильного землетрясения, взятые, начиная через 3-4 временного ряда озона над эпицентральной зоной в период
месяца после основного удара. землетрясения 2009 г. (б).
Отметим, что в полярных широтах получить в этом же
году и ряд озона в период подготовке землетрясения, и пол-
ноценный фоновый ряд, не представляется возможным. При-
ходится стоить фоновый ряд озона, пусть и в этой же зоне,
но в другом году, а также в другой области, что не вполне
корректно.
Второй способ теоретически применим в полярных ши-
ротах, так как наземный озонометр позволяет оценивать со-
держание озона во время полярного дня по свету Солнца, а
во время полярной ночи по свету Луны и звезд. Однако этот
способ не дает возможности получать непрерывные ряды
озона, если присутствуют облака, снегопад и метель.
Изучаемое сейсмическое событие. 7 июля 2009 г. за по-
лярным кругом, во время полярного дня, в Баффиновом зали-
ве произошло подводное землетрясение магнитудой Mw Рис.
=6.17. Периодограммы озона
Рис. 7. Периодограммы в врайоне
озона районе кквостоку
востоку от Новой
от Новой Земли Земли (а) и
[18-19]. Координаты эпицентра 75.35° с.ш., 72.45° з.д. эпицентром По- (а) иземлетрясения в Баффиновом
над эпицентром землетрясения заливе заливе
в Баффиновом 07.07.2009 г. (б)
видимому, это тектоническое землетрясение. 07.07.2009 г. (б)
Рис.Залив ограничен
4. Вариации озонаканадским островом Баффинна
в период воздействия на за-
тайфуна Ма-он
Из анализа периодограммы следует, что во время силь-
паде, Гренландией на востоке и островом Элсмир (Канада)
ного землетрясения в Баффиновом заливе в 2009 г. в ат-
на севере. За полярным кругом землетрясения наблюдаются
мосфере присутствовали колебания озона с периодом 22
значительно реже, чем в средних широтах. Самое крупное
и 38 дней.
землетрясение за полярным кругом произошло в этом же
районе в 1933 году и имело магнитуду 7.3. Заключение
Анализ данных наблюдений. Использовать в качестве
фонового временной ряд озона, построенного над эпицен- До настоящего времени не существовало возможности
тральной зоной землетрясения за 2010 г., не удалось. На регистрировать медленные колебания в атмосфере с перио-
периодограмме этого ряда присутствовали спектральные ли- дом от 10 дней до нескольких недель. Для этих целей пред-
нии, типичные для землетрясения, но нового землетрясения ложено использовать слой стратосферного озона в качестве
Рис. 5. График
вблизи временного ряда
не зафиксировано. озона над эпицентральной
По-видимому, зоной своеобразной антенны, позволяющей регистрировать коле-
это отзвук какого-то
в период Суматро-Андаманского
отдаленного сейсмического события. землетрясения бания с указанными периодами, связанными с геодинами-
ческими процессами, ассоциированными с сильными зем-
летрясениями. Показано, что стратосферный озон позволяет
обнаруживать колебания в атмосфере с частотой 10–7 Гц.
Рассмотрены границы применимости гипотезы об ис-
пользования вариации слоя озона для выявления медленных
колебаний в атмосфере в период сильных сейсмических со-
бытий. Результаты экспериментальных исследований свиде-
тельствуют о том, что предлагаемая методика работает для
определенных условий наблюдений в средних и высоких ши-
ротах, но не позволяет обнаруживать указанные колебания в
тропических широтах.
Рис. 6.Рис.
График временного
6. График временного ряда
рядаозона
озонанад
над эпицентральной Конфликт интересов отсутствует.
зоной в период
эпицентральной зоной
землетрясения
в период2009 г. и фонового
землетрясения 2009 ряда, полученного
г. и фонового в районе кввостоку There is no conflict of interest.
ряда, полученного
от Новой
районе к востоку ЗемлиЗемли
от Новой в 2010 г. г.
в 2010
Список литературы
На рисунке 6 показан график ряда озона, построенного
1. Кочарян Г.Г. Возникновение и развитие процессов сколь-
над эпицентральной зоной землетрясения 7 июля 2009 г. с ко-
жения в зонах континентальных разломов под действием
ординатами 75.5° с.ш., 72.5° з.д. Здесь же приведен фоновый

№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ 53


природных и техногенных факторов. Обзор современного
состояния вопроса // Физика Земли. – 2021. – № 4. – С. 3-41.
2. Остапчук А.А., Павлов Д.В., Марков В.К., Крашенин-
ников А.В. Исследование сигналов акустической эмис-
сии при сдвиговом деформировании трещины // Акусти-
ческий журнал. – 2016. – Т. 62, выпуск 4. – С. 503-512.
3. Афраймович Э.Л., Перевалова Н.П. GPS-мониторинг
верхней атмосферы Земли. – Иркутск: ГУНЦ РВХ СВНЦ
СО РАН, 2006. – 480 с.
4. Гущин Г.П., Виноградова Н.Н. Суммарный озон в ат-
мосфере. – Л.: Гидрометеоиздат, 1983. – 239 с.
5. Кашкин В.Б., Рублева Т.В. Хлебопрос Р.Г. Стратос-
ферный озон: вид с космической орбиты: монография. –
Красноярск: Сиб. федер. ун-т, 2015. – 184 с.
6. Flynn L., Long C., Wu X., Evans R., Beck C., Petropav-
lovskikh I., Seftor C. Performance of the ozone mapping and
profiler suite (OMPS) products // Journal of Geophysical Re-
search: Atmospheres. – 2014. – V. 119, № 10. – P. 6181-6195.
7. Электронный ресурс: https://ozonewatch.gsfc.nasa.gov/
8. Tsugawa T., Kotake N., Otsuka Y., Saito A. Medium-scale
traveling ionospheric disturbances observed by GPS receiver
network in Japan: a short review // GPS Solutions. – 2007. –
№ 11. – P. 139-144.
9. Перевалова Н.П. Исследование ионосферных возмущений
методом трансионосферного GPS-зондирования – дисс. …
докт. физ.-мат. наук: 25.00.29. – Иркутск, 2014. – 287 с.
10. Голяндина Н.Э. Метод «Гусеница»-SSA: прогноз вре-
менных рядов: учебное пособие. – Санкт-Петербург:
Изд-во СПбГУ, 2004. – 49 с.
11. Марпл-мл. С.Л. Цифровой спектральный анализ и его
приложения. – М.: Мир, –1990. – 265 с.
12. Tikhonov I.N., Lomtev V.L. Tectonic and seismological as-
pects of the Great Japan earthquake of March 11, 2011 // Geo-
dynamics & Tectonophysics. – 2011. – V. 2, № 2. – P. 145-160.
13. Электронный ресурс: https://en.wikipedia.org/wiki/
Typhoon_Ma-on_(2011)
14. Ammon C.J., Ji C., and et al. Rupture Process of the 2004
Sumatra-Andaman Earthquake // Science. – 2005. – V. 308. –
P. 1133-1139.
15. Titov V.V., Rabinovich A.B., Mofjeld H.O., and et al. The
Global Reach of the 26 December 2004 Sumatra Tsunami //
Science. – 2005. – V. 309. – P. 2045-2048.
16. Перов С.П., Хргиан А.X. Современные проблемы атмос-
ферного озона. – Ленинград: Гидрометеоиздат, 1980. – 288 с.
17. Перов С.П. Динамика и фотохимия озоносферы и средней
атмосферы экваториальной и тропической области Зем-
ли: – автореф… дисс. … докт. физ.-мат. наук: 25.00.29. –
Москва, 2015. – 42 с.
18. Электронный ресурс: https://earthquake.usgs.gov/
earthquakes/eventpage/usp000gz0t/executive
19. Электронный ресурс:
20. https://feww.wordpress.com/2009/07/08/strong-quake-
strikes-baffin-bay/
Поступила 09.08.2023
УДК 528.8
54
Кашкин В.Б., Одинцов Р.В., Рублева Т.В., Симонов К.В.
References
1. Kocharyan G.G. The emergence and development of sliding
processes in zones of continental faults under the influence of
natural and man-made factors. Review of the current state of
the issue // Physics of the Earth. – 2021. – №. 4. – P. 3-41.
2. Ostapchuk A.A., Pavlov D.V., Markov V.K., Krashenin-
nikov A.V. Study of acoustic emission signals during shear
deformation of a crack // Acoustic Journal. – 2016 – V. 62,
issue 4. – P. 503-512.
3. Afraimovich E.L., Perevalova N.P. GPS monitoring of the
Earth's upper atmosphere. – Irkutsk: GUNTs RVKh SVNTs
SB RAS, 2006. – 480 p.
4. Gushchin G.P., Vinogradova N.N. Total ozone in the atmo-
sphere. – L.: Gidrometeoizdat, 1983. – 239 p.
5. Kashkin V.B., Rubleva T.V. Khlebopros R.G. Stratospheric
ozone: view from space orbit: monograph. – Krasnoyarsk:
Sib. Federal Univ., 2015. – 184 p.
6. Flynn L., Long C., Wu X., Evans R., Beck C., Petropav-
lovskikh I., Seftor C. Performance of the ozone mapping and
profiler suite (OMPS) products // Journal of Geophysical Re-
search: Atmospheres. – 2014. – V. 119, № 10. – P. 6181-6195.
7. Electronic resource: https://ozonewatch.gsfc.nasa.gov/
8. Tsugawa T., Kotake N., Otsuka Y., Saito A. Medium-scale
traveling ionospheric disturbances observed by GPS receiver
network in Japan: a short review // GPS Solutions. – 2007 –
№ 11. – P. 139-144.
9. Perevalova N.P. Study of ionospheric disturbances using the
method of transionospheric GPS sounding – thesis. ... Doc.
physics and mathematics Sciences: 25.00.29. – Irkutsk, 2014. –
287 p.
10. Golyandina N.E. Caterpillar-SSA Method: Time Series
Forecast: Tutorial. – St. Petersburg: St. Petersburg State Uni-
versity Publishing House, 2004. – 49 p.
11. Marple Jr. S.L. Digital spectral analysis and its applications.
– M.: Mir, –1990. – 265 p.
12. Tikhonov I.N., Lomtev V.L. Tectonic and seismological as-
pects of the Great Japan earthquake of March 11, 2011 // Geo-
dynamics & Tectonophysics. – 2011. – V. 2, № 2. – P. 145-160.
13. Electronic resource: https://en.wikipedia.org/wiki/Typhoon_
Ma-on_(2011)
14. Ammon C.J., Ji C., and et al. Rupture Process of the 2004
Sumatra-Andaman Earthquake // Science. 2005. – V. 308. –
P. 1133-1139.
15. Titov V.V., Rabinovich A.B., Mofjeld H.O., and et al. The
Global Reach of the 26 December 2004 Sumatra Tsunami //
Science. – 2005. – V. 309. – P. 2045-2048.
16. Perov S.P., Khrgian A.X. Modern problems of atmospheric
ozone. – Leningrad: Gidrometeoizdat, 1980. – 288 p.
17. Perov S.P. Dynamics and photochemistry of the ozonosphere
and the middle atmosphere of the equatorial and tropical
regions of the Earth: abstract of thesis. ... Doc. physics and
mathematics Sciences: 25.00.29. – Moscow, 2015. – 42 p.
18. Electronic resource: https://earthquake.usgs.gov/earthquakes/
eventpage/usp000gz0t/executive
№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ
АНАЛИЗ ВАРИАЦИЙ ОЗОНА В АТМОСФЕРЕ НАД СЕЙСМОАКТИВНЫМИ РЕГИОНАМИ

19. Electronic resource: https://feww.wordpress.com/2009/07/08/ числительного моделирования СО РАН:

strong-quake-strikes-baffin-bay/ e-mail: simonovkv@icm.krasn.ru
Received 09.08.2023
UDK 528.8 AUTHORS’ INFORMATION
ИНФОРМАЦИЯ ОБ АВТОРАХ 1. Kashkin Valentin Borisovich – Doctor of Technical Sci-
ences, Professor, Siberian Federal University:
1. Кашкин Валентин Борисович – доктор технических
e-mail: rtcvbk@rambler.ru
наук, профессор, Сибирский федеральный университет:
2. Odintsov Roman Valerievich – Postgraduate student, Sibe-
e-mail: rtcvbk@rambler.ru
rian Federal University: e-mail: rtcvbk@rambler.ru
2. Одинцов Роман Валерьевич – аспирант, Сибирский фе-
3. Rublyova Tatyana Vasilievna – Candidate of Technical
деральный университет: e-mail: rtcvbk@rambler.ru
Sciences, Associate Professor, Siberian Federal University:
3. Рублева Татьяна Васильевна – кандидат технических
e-mail: Tvrubleva@mail.ru
наук, доцент, Сибирский федеральный университет:
4. Simonov Konstantin Vasilyevich – Doctor of Technical Sci-
e-mail: Tvrubleva@mail.ru
ences, Leading Researcher, Institute of Computational Mod-
4. Симонов Константин Васильевич – доктор техниче-
eling SB RAS:
ских наук, ведущий научный сотрудник, Институт вы-
e-mail: simonovkv@icm.krasn.ru

№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ 55

 2.3.5. МАТЕМАТИЧЕСКОЕ И ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕ
ВЫЧИСЛИТЕЛЬНЫХ СИСТЕМ, КОМПЛЕКСОВ И КОМПЬЮТЕРНЫХ СЕТЕЙ

АЛГОРИТМ АВТОМАТИЗАЦИИ ПРОЦЕССА РАБОТЫ

СТУДЕНЧЕСКОГО ДВОРЦА КУЛЬТУРЫ
НА ПРИМЕРЕ СТУДИИ ВОКАЛА

стр. 56 – 61
П.С. Огнегина, К.Е. Огнегин, А.А. Попов
Сибирский государственный университет науки и технологий имени академика М. Ф. Решетнева»,
Россия, 660037, Красноярск, просп. им. газ. «Красноярский рабочий», 31.

Контактные данные: Попов А. А.; e-mail: tolynbms@yandex.ru

Резюме: Целью исследования является анализ работы студенческого дворца культуры (СДК). В статье рассма-
тривается процесс проведения внутри вузовского мероприятия, а также формирование отчетной документа-
ции директором СДК. Показана сложность и объем работы сотрудников. Затронута тема рейтинга студен-
та за достижения в культурно-творческой деятельности. Научная новизна работы заключается в отсутствии
существующих информационных систем (ИС), способствующих автоматизации рассматриваемого процесса. В
результате исследования были разработаны алгоритмы, позволяющие автоматизировать процесс планирования
мероприятия, а также подготовки по ним отчетной документации. Помимо этого, представлена формула рас-
чета рейтинга студента и описана таблица начисляемых баллов за уровни достижений, что позволяет также
автоматизировать данный процесс.
Ключевые слова: студент, творчество, культура, образование, стипендия, рейтинг.

THE ALGORITHM FOR AUTOMATING THE WORK PROCESS

OF THE STUDENT PALACE OF CULTURE
ON THE EXAMPLE OF THE VOCAL STUDIO

pages 56 – 61
P.S. Ognegina, K.E. Ognegin, A.A. Popov
Reshetnev Siberian State University of Science and Technology,
31, prospect «Krasnoyarsky rabochy», Krasnoyarsk, 660037, Russia
Summary: The purpose of the study is to analyze the work of the Student Palace of Culture (SDK). The article discusses
the process of conducting an intra-university event, as well as the formation of accounting documentation by the director
of the KFOR. The complexity and volume of work of employees is shown. The topic of student rating for achievements in
cultural and creative activities is touched upon. The scientific novelty of the work lies in the absence of existing information
systems (IS) that contribute to the automation of the process under consideration. As a result of the research, algorithms were
developed that allow automating the process of event planning, as well as the preparation of reporting documentation on
them. In addition, the formula for calculating the student›s rating is presented and a table of accrued points for achievement
levels is described, which also allows automating this process.
Keywords: student, creativity, culture, education, scholarship, rating.

DOI: 10.34219/2078-8320-2023-14-3-56-61

ВВЕДЕНИЕ А также, студент должен не просто состоять в вокальной

студии, но и принимать участие в репетициях, концертах,
Культурно-творческая деятельность студента подразуме-
конкурсах, фестивалях. Результатом культурно-творческой
вает под собой состояние студентов в культурно-творческом
деятельности чаще всего становятся призовые места на кон-
коллективе. В нашем случае, в вокальной студии института.
курсах при защите чести университета.

56 № 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ

АЛГОРИТМ АВТОМАТИЗАЦИИ ПРОЦЕССА РАБОТЫ СТУДЕНЧЕСКОГО ДВОРЦА КУЛЬТУРЫ
НА ПРИМЕРЕ СТУДИИ ВОКАЛА
В студенческом дворце культуры работаю квалифициро-
ванные специалисты, которые помогают студентам реализо-
вать свой творческий потенциал. Такая работа не обойдется
без отчетов и планирования работы (репетиций, мероприя-
тий).
Для поощрения студентов, занимающийся данным видом
деятельность существует повышенная государственная ака-
демическая стипендия (ПГАС) за особые достижения в куль-
турно-творческой деятельности [1]. Это позволяет студентам
заниматься любимым делом, не отвлекаясь на работу. А у
кого-то и вовсе после окончания университета творческая
деятельность становится работой.
На рис. 1 представлена функциональная модель в нота-
ции IDEF0 процесса проведения внутри вузовского меропри-
ятия [2].
Рис. 1. Функциональная модель IDEF0 процесса проведения
внутри вузовского мероприятия
Процесс организации внутри вузовского мероприятия
занимает достаточно много времени и действий. Сначала
студенту необходимо сформировать заявку на участие, ко-
торая будет проверяться руководителем вокальной студии и
директором СДК. Отсеиваются заявки студентов, которые не
состоят в вокальной студии или тематика выступления не со-
ответствует тематике мероприятия. Если студент не состоит
в вокальной студии, его пригласят пройти прослушивание,
если студент готов посвятить свое свободное время творче-
ству и руководителя удовлетворят музыкальные способности
студента, тогда он будет зачислен в музыкальную студию и в
следующий раз сможет иметь возможность принимать уча-
стие в культурно-творческих мероприятиях.
Рис. 2. Декомпозиция функциональной модели IDEF0 процесса
проведения внутри вузовского мероприятия
№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ
После предварительного отбора участников мероприятия
должно пройти прослушивание указанного репертуара в за-
явках. На основании прослушивания утверждается итоговый
перечень участников мероприятия и планируется сценарий
выступлений. Когда все готово к мероприятию, его можно
проводить. По окончании мероприятия директору СДК не-
обходимо составить отчет и направить его ректору по обра-
зовательной деятельности (рис. 2).
Целью работы является автоматизировать процесс рабо-
ты студенческого дворца и ускорить процесс формирования
и обработки заявок на участие в мероприятиях путем разра-
ботки информационной системы (ИС).
МЕТОДЫ РАЗРАБОТКИ
В качестве объекта исследования выступает задача автома-
тизации процесса работы студенческого дворца культуры уни-
верситета. Предметом исследования является алгоритм фор-
мирования и обработки заявок на участие в мероприятиях.
Для того чтобы разработать алгоритмы формирования и
обработки заявок было выделено три основные роли, кото-
рые будут участвовать в данных процессах:
• Студент – является активным пользователем системы,
имеет возможность просматривать списки мероприя-
тий, подавать заявки на участие в них, просматривать
свой рейтинг, сформированный на основании дости-
жений, а также подать заявку на ПГАС в культурно-
творческой деятельности;
• Директор СДК – пользователь системы, отвечающий
за создание мероприятий в системе, открытие и за-
крытие приема заявок на участие в мероприятии, а
также их утверждении;
• Руководитель творческого коллектива – пользователь,
отвечающий за состав коллектива, согласование за-
явок на участие в мероприятии.
На основании сформулированных критериев представле-
ны диаграммы вариантов использования (рис. 3 – 5) в про-
грамме Rational Rose [3].
Рис. 3. Диаграмма вариантов использования системы
пользователем «Студент»
57
 Огнегина П.С., Огнегин К.Е., Попов А.А.

Уровень мероприятия Балл. Очное Балл. Заочное

участие участие
Международный (3 место) 12 6
Международный (спец. приз) 10 5
Международный (участник) 3 0
Всероссийский (Гран-при) 14 7
Всероссийский (1 место) 12 6
Всероссийский (2 место) 10 5
Всероссийский (3 место) 8 4
Всероссийский (спец. приз) 6 3
Всероссийский (участник) 2 0
Региональный (Гран-при) 10 5
Региональный (1 место) 8 4
Рис. 4. Диаграмма вариантов использования системы Региональный (2 место) 6 3
пользователем «Директор СДК» Региональный (3 место) 4 2
Региональный (спец. приз) 2 1
Региональный (участник) 1 0
Вузовский (Гран-при) 8 3
Вузовский (1 место) 6 2
Вузовский (2 место) 4 1
Вузовский (3 место) 2 0
Вузовский (спец. приз) 1 0
Вузовский (участник) 0 0
Институтский (Гран-при) 4 0
Институтский (1 место) 3 0
Институтский (2 место) 2 0
Институтский (3 место) 1 0
Институтский (участник) 0 0
Рис. 5. Диаграмма вариантов использования системы
пользователем «Руководитель творческого коллектива» Таблица 2
Количество начисляемых баллов в зависимости уровня
Так как все распределение ПГАС основано на рейтинге
достижения концертных мероприятий
студента, была выведена формула расчета рейтинга студента:
Уровень мероприятия Балл. Очное Балл. Заочное
участие участие
Международный 9 3
Всероссийский 6 2
где P1,…,Pn – баллы за мероприятия;
Региональный 3 1
K – повышающий коэффициент (средний баз зачетной
книжки за все время обучения); Вузовский 2 0
Ниже представлены таблицы назначения баллов за каж- Для ускорения процесса планирования мероприятий
дый вид и уровень мероприятия. предлагается сразу в системе хранить все данные о коллек-
тивах, занимающихся в СДК.
Таблица 1
После создания коллектива, система должна уведомить
Количество начисляемых баллов в зависимости уровня
руководителя и участников коллектива о том, что они те-
достижения конкурсных мероприятий
перь состоят в данном коллективе, а также могут ознако-
Уровень мероприятия Балл. Очное Балл. Заочное миться о деятельности этого коллектива. Полный процесс
участие участие добавления директором СДК коллектива в систему пред-
Международный (Гран-при) 18 9 ставлен на рис. 6.
Международный (1 место) 16 8
За создание мероприятий в системе ответственный дирек-
Международный (2 место) 14 7
тор СДК. После создания мероприятия директор может либо

58 № 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ

АЛГОРИТМ АВТОМАТИЗАЦИИ ПРОЦЕССА РАБОТЫ СТУДЕНЧЕСКОГО ДВОРЦА КУЛЬТУРЫ
НА ПРИМЕРЕ СТУДИИ ВОКАЛА

Рис. 6. Алгоритм создания коллектива

сразу уведомить пользователей системы об открытии приема
заявок на мероприятие, либо сделать это позже. Алгоритм соз-
дания мероприятия в системе представлен на рис. 7.

Рис. 8. Алгоритм формирования отчета

Рис. 7. Алгоритм создания мероприятия о проведении мероприятия

№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ 59


Рис. 9. Схема базы данных
После завершения мероприятия директору СДК необхо-
димо сделать отчет о прошедшем мероприятии. Для упро-
щения данного процесса разработан алгоритм, при помощи
которого система будет формировать отчет автоматически.
Директору СДК нужно будет лишь выполнить малое количе-
ство действий. Алгоритм представлен на рис. 8.
Благодаря тому, что в системе будут храниться данные
обо всех мероприятиях, подтвержденные фотографиями,
студенту для подачи заявки на ПГАС необходимо будет про-
сто нажать на кнопку «Сформировать заявку на ПГАС» и
система все сделает за него. Ему нужно будет всего лишь
проверить данные и отправить сформированную заявку.
Так как система будет внедрена в работу студенческого
дворца культуры университета, она должна хранить и обра-
батывать большой объем данных. Для выполнения этих дей-
ствий необходимо использование базы данных [4]. На рис.
9 представлена схема базы данных, которая будет использо-
ваться в разрабатываемой ИС.
РЕЗУЛЬТАТЫ
Благодаря разработанным алгоритмам, удалось упро-
стить процесс работы студенческого дворца культуры и авто-
матизировать формирование отчета о проведении мероприя-
тия, а также формирования заявки на ПГАС.
Студент на протяжении всего приема заявок может получать
уведомления о предстоящих репетициях и прослушиваниях.
ЗАКЛЮЧЕНИЕ
В ходе выполнения работы были разработаны алгоритмы
работы и база данных для будущей ИС. Данная система под-
разумевает большой слой бизнес-логики и работу с большим
объемом данных.
Разработка системы планируется в виде web-приложения
при помощи свободно-распространяемый кроссплатформен-
60
Огнегина П.С., Огнегин К.Е., Попов А.А.
ный фреймворк для создания веб-приложения на платформе
.NET с открытым исходным кодов – ASP.NET Core послед-
ней стабильной версии [5]. Для разработки пользовательско-
го интерфейса приложения была выбрана Java-Script библи-
отека React [6].
Конфликт интересов отсутствует.
There is no conflict of interest.
СПИСОК ЛИТЕРАТУРЫ
1. Научно-исследовательская деятельность. СибГУ им.
М.Ф. Решетнева. [Электронный ресурс]: URL: https://
www.sibsau.ru/page/research-activities
2. Цуканова О.А. Методология и инструментарий моде-
лирования бизнес-процессов: учебное пособие. – Санкт-
Петербург // Университет ИТМО. 2015. – 101 с.
3. Леоненков А.В. Объектно-ориентированный анализ и
проектирование с использованием UML и IBM Rational
Rose: учебное пособие. – Москва // Интернет-Универси-
тет Информационных Технологий. 2020. – 317 с.
4. Марков А.С., Лисовский К.Ю. Базы данных. Введение
в теорию и методологию: учебник для ВУЗов. – Москва //
Финансы и статистика. – 2006. – 512 с.
5. Документация по ASP.NET Microsoft [Электронный
ресурс]: URL: https://docs.microsoft.com/ru-ru/aspnet/
core/?view=aspnetcore-6.0 (дата обращения: 24.07.2023)
6. Документация по React [Электронный ресурс]: URL:
https://ru.legacy.reactjs.org/docs/getting-started.html (дата
обращения: 01.08.2023)
Поступила 08.09.2023
УДК 004
REFERENCES
1. Research activity. Sibgu named after M.F. Reshetnev. [Elec-
tronic resource]: URL: https://www.sibsau.ru/page/research-
activities
№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ
АЛГОРИТМ АВТОМАТИЗАЦИИ ПРОЦЕССА РАБОТЫ СТУДЕНЧЕСКОГО ДВОРЦА КУЛЬТУРЫ
НА ПРИМЕРЕ СТУДИИ ВОКАЛА
2. Tsukanova O.A. Methodology and tools for modeling busi-
ness processes: a textbook. – Saint Petersburg // ITMO Uni-
versity. 2015. – 101 p.
3. Leonenkov A.V. Object-oriented analysis and design using
UML and IBM Rational Rose: textbook. – Moscow // Internet
University of Information Technologies. 2020. – 317 p.
4. Markov A.S., Lisovsky K.Yu. Databases. Introduction to the-
ory and methodology: textbook for universities. – Moscow //
Finance and Statistics. - 2006. – 512 p.
5. Documentation on ASP.NET Microsoft [Electronic re-
source]: URL: https://docs.microsoft.com/ru-ru/aspnet/
core /?view=aspnetcore-6.0 (accessed: 07/24/2023)
6. Documentation on React [Electronic resource]: URL: https://
ru.legacy.reactjs.org/docs/getting-started.html (accessed:
08/01/2023)
Received 08.09.2023
UDC 004
ИНФОРМАЦИЯ ОБ АВТОРАХ
1. Попов Анатолий Анатольевич – кандидат технических
наук, доцент, Сибирский государственный университет
№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ
науки и технологий имени академика М.Ф. Решетнева,
e-mail: tolynbms@yandex.ru
2. Огнегин Кирилл Евгеньевич – магистрант, Сибирский
государственный университет науки и технологий имени
академика М.Ф. Решетнева, e-mail: ogneginkirill@gmail.com
3. Огнегина Полина Сергеевна – магистрант, Сибирского
государственного университета науки и технологий имени
академика М.Ф. Решетнева, e-mail: polski7595@gmail.com
AUTHORS’ INFORMATION
1. Popov Anatoly Anatolievich – Candidate of Technical
Sciences, Associate Professor, Reshetnev Siberian State
University of Science and Technology,
e-mail: tolynbms@yandex.ru
2. Ognegin Kirill Evgenievich – master's student, Reshetnev
Siberian State University of Science and Technology,
e-mail: ogneginkirill@gmail.com
3. Ognegina Polina Sergeevna – master's student, Reshetnev
Siberian State University of Science and Technology,
e-mail: polski7595@gmail.com
61
 2.3.6. Методы и системы защиты информации,
информационная безопасность

АНАЛИЗ УГРОЗ ИНТЕРФЕЙСАМ БЕСПИЛОТНОЙ

ТРАНСПОРТНОЙ СРЕДЫ

стр. 62 – 75
М.В. Коломеец, К.Н. Жернова, А.А. Чечулин
Федеральное государственное бюджетное учреждение науки «Санкт-Петербургский Федеральный
Исследовательский Центр Российской Академии Наук»,
Россия 199178, Санкт-Петербург, 14-я линия В.О., 39,

Контактные данные: Жернова К.Н., e-mail: zhernova@comsec.spb.ru

Резюме: Постановка задачи: интеллектуальная среда умного города включает в себя множество интерфейсов
различного вида, многие из которых подвержены ряду киберфизичских атак и угроз информационной безопасно-
сти. При этом технологии беспилотного транспорта активно развиваются, а различная интеллектуальная ин-
фраструктура умного города получает все большее распространение. По этой причине атаки на интеллектуаль-
ную среду умного города и вопросы их защиты становятся все более актуальными. Целью данной работы является
обзор наиболее актуальных угроз для различных компонентов беспилотной транспортной среды и их классифика-
ция в зависимости от типа интерфейса и типа атаки, зависящего от технологии, использующейся каждым кон-
кретным компонентом беспилотной транспортной среды. Используемые методы: изучение предыдущих научных
работ и отчётов о применении различных интерфейсов интеллектуальной транспортной среды умного города,
а также отчётов о ранее реализованных атаках на эти интерфейсы, систематизация атак, их классификация
в зависимости от типа атаки и типа интерфейса. Новизна: Новизна работы состоит в представленной описа-
тельной модели взаимодействия и классификации компонентов беспилотной транспортной среды. Основной вклад
заключается в определении основных угроз и их связей с компонентами беспилотной транспортной среды. Резуль-
тат: полученная классификация угроз позволяет обобщить угрозы для каждого компонента беспилотной транс-
портной среды, что позволяет разработчикам и специалистам по компьютерной безопасности апеллировать к
атакам на конкретный интересующий компонент интерфейса для дальнейшей работы с ними, чтобы предпри-
нять необходимые меры по предотвращению возможных угроз. Предложена описательная модель взаимодействия
между компонентами беспилотной транспортной среды. Практическая значимость: представленный обзор обоб-
щается в виде таблицы, в которой приводится соответствие каждого компонента беспилотной транспортной
среды с интерфейсом, возможными угрозами и ссылками на проводившиеся ранее работы и отчёты об инцидентах
безопасности для каждого конкретного компонента.
Ключевые слова: Беспилотный транспорт; Умный город; Киберфизическая безопасность; Сетевая безопасность;
Угрозы безопасности.

ANALYSIS OF THREATS TO INTERFACES

OF UNMANNED VEHICLES

pages 62 – 75
M.V. Kolomeec, K.N. Zhernova, A.A. Chechulin
St. Petersburg Federal Research Center of the Russian Academy of Sciences,
39, 14 Liniya, St. Petersburg, 199178, Russia

Summary: Statement of the problem: the intelligent environment of a smart city includes many interfaces of various types,
many of which are subject to a number of cyber-physical attacks and information security threats. At the same time, unmanned
transport technologies are actively developing, and various intellectual infrastructure of a smart city is becoming more
widespread. For this reason, attacks on the intelligent environment of a smart city and the issues of their protection are
becoming increasingly relevant. The purpose of this work is to review the most relevant threats for various components of an
unmanned transport environment and their classification depending on the type of interface and the type of attack, depending
on the technology used by each specific component of an unmanned transport environment. Methods used: studying previous

62 № 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ

АНАЛИЗ УГРОЗ ИНТЕРФЕЙСАМ БЕСПИЛОТНОЙ ТРАНСПОРТНОЙ СРЕДЫ

scientific papers and reports on the use of various interfaces of the intelligent transport environment of a smart city, as well
as reports on previously implemented attacks on these interfaces, systematizing attacks, classifying them depending on the
type of attack and type of interface. Novelty: The novelty of the work lies in the presented descriptive model of interaction and
classification of the components of an unmanned transport environment. The main contribution lies in the identification of the
main threats and their relationship with the components of the unmanned transport environment. Result: the resulting threat
classification allows generalizing threats for each component of an unmanned transport environment, which allows developers
and computer security specialists to appeal to attacks on a specific interface component of interest for further work with them in
order to take the necessary measures to prevent possible threats. A descriptive model of interaction between the components of
an unmanned transport environment is proposed. Practical Relevance: The overview presented is summarized in the form of a
table, which provides the correspondence of each component of the unmanned vehicle environment with the interface, possible
threats and links to previous work and security incident reports for each specific component.
Keywords: Unmanned vehicles; Smart city; Cyber-physical security; Network security; Security Threats.
DOI: 10.34219/2078-8320-2023-14-3-62-75

1. Введение элементов городской инфраструктуры: дорожных знаков, ме-

теостанций, платежных систем и т.д.
В настоящее время многочисленные компоненты инфра-
До тех пор, пока беспилотные транспортные средства и
структуры города постепенно объединяются в системы. Ког-
системы «умного города» не получат широкого распростра-
да вся инфраструктура города объединится в одну большую
нения, сложно судить о существующих решениях интегра-
систему с единым центром управления, такой город сможет
ции. Однако такая интеграция инфраструктуры города и
называться «умным городом». Такой город объединяет в себе
беспилотного транспорта весьма вероятна уже в ближайшем
как традиционное городское производство, так и новейшие
будущем, и она несет определенные риски безопасности.
инфокоммуникационные технологии [1], подразумевает мо-
При атаках на отдельную не подключённую единицу транс-
дернизацию централизованного управления и инфраструк-
порта другие участники движения и инфраструктура не ис-
туры за счёт применения инновационных информационных
пытывают последствий. Однако в транспортной среде, где
технологий [2], а также связывает различные области разви-
все подключены к сети, атака на одно устройство может ока-
тия города в единую систему [3]. Общение компонентов ум-
зать влияние на среду всего города.
ного города между собой подразумевает наличие интерфей-
В то же время, в соответствии с существующими стан-
сов между ними, то есть, набора программно-аппаратных
дартами [8, 9], для «умных» технологий и устройств про-
средств, с помощью которых один компонент взаимодейству-
водится анализ рисков с целью обеспечения безопасности
ет с другим компонентом [4]. Однако, любая вычислительная
компонентов умного города. Такой анализ подразумевает
система подвержена разного рода угрозам безопасности [5],
оценку возможных инцидентов безопасности, связанных с
в частности угрозам целостности [6], осуществляемым при
этими компонентами, а также оценку уязвимости этих ком-
помощи программно-математических воздействий или фи-
понентов [8]. Также проводится оценка рисков и обоснова-
зических воздействий [7], и в данном контексте можно гово-
ние контрмер [9]. Подобные мероприятия позволяют снизить
рить об угрозах интерфейсам между компонентами инфра-
возможные риски безопасности.
структуры умного города.
Целью статьи является описание модели взаимодействия
Уже в ближайшем будущем беспилотный транспорт ста-
компонентов беспилотной транспортной среды, представле-
нет неотъемлемой частью умных городов, так как многие
ние основных угроз, которым подвержен каждый описанный
крупные компании занимаются разработкой, а некоторые
компонент, а также обобщение, какие угрозы наиболее часто
уже предлагают коммерческие продуты с технологией бес-
встречаются в каждом из интерфейсов беспилотной транс-
пилотного управления. Необходимо отметить, что активно
портной среды.
развивается как частный беспилотный транспорт (легковые
Статья состоит из следующих разделов.
автомобили), так и общественный (автобусы, трамваи и т.д.).
Раздел 1 «Классификация интерфейсов беспилотной
Для крупных городов особенно важна возможность инте-
транспортной среды» содержит обзор среды беспилотного
грации беспилотного транспорта с системами умного горо-
транспортного средства. В этом разделе представлена модель
да, так как это позволит значительно улучшить состояние и
взаимодействия и классы компонентов, выделены компонен-
мониторинг транспортных процессов города. В таком случае
ты беспилотного транспорта и умного города, которые ис-
транспорт сможет обмениваться информацией с инфраструк-
пользуются в настоящее время и на которые уже известны
турой умного города, передавая данные о пробках, пассажи-
сценарии атаки.
ропотоке, состоянии дорог и т.д., а также динамически меняя
Раздел 2 «Угрозы беспилотной транспортной среды» по-
дорожные правила, фазы светофоров и т.д. для оптимизации
священ угрозам среды беспилотного транспортного сред-
транспортной среды. Получается реализация концепции
ства. В этом разделе изучены существующие случаи атак на
«подключенных автомобилей» («connected cars»), с участием

№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ 63


отдельные элементы на основе отчетов и соответствующих
исследований.
Раздел 3 «Обзор угроз» обобщает существующие угрозы.
В этом разделе обобщаются угрозы отдельных компонентов,
обсуждаются обнаруженные риски и их актуальность.
В последнем разделе статьи – подводятся итоги и приво-
дятся планы на дальнейшие исследования.
2. Классификация интерфейсов беспилотной
транспортной среды
Чтобы понять основные угрозы для среды беспилотных
транспортных средств, следует рассмотреть, из каких компо-
нентов она состоит, и привести их классификацию.
Основными составляющими среды беспилотного транс-
порта являются транспортные средства, инфраструктура ум-
ного города и окружение. Транспортные средства включают
в себя – автомобили, автобусы и троллейбусы. Инфраструк-
тура города состоит из умных информационных знаков, пун-
ктов оплаты, систем мониторинга и парковок. Под окружени-
ем можно понимать объекты, не объединённые в сеть умного
города: погода, пассажиры, здания, дорожное полотно и дру-
гие, а также неподключенная к сети городская инфраструкту-
ра (дорожные знаки, обычные автомобили и т.д.).
В данной статье не рассматривается железнодорож-
ный, водный, воздушный и подземный транспорт, по-
скольку такой транспорт перемещается по выделенным
зонам, и его влияние на остальную часть инфраструктуры
не столь существенно. Рассматриваются только легковые
автомобили и аналогичные им транспортные средства,
разделяющие общее дорожное полотно, а также инфра-
структура для них.
Таким образом, можно описать модель взаимодействия
компонентов беспилотной транспортной среды. Данная мо-
дель включает в себя взаимодействие между транспортными
средствами, инфраструктурой и окружением. На их основе
можно выделить 5 типов интерфейсов:
1) Окружение ⟷ Транспортное средство. Например,
измерение автомобилем расстояния до пешеходного
перехода.
2) Окружение ⟷ Инфраструктура. Например, измере-
ние объема осадков метеостанцией.
3) Транспортное средство ⟷ Инфраструктура. Напри-
мер, передача информации о местоположении автобу-
са на автобусную остановку.
4) Транспортное средство ⟷ Транспортное средство.
Концепция автомобилей, подключенных к сети
(«connected cars»).
5) Инфраструктура ⟷ Инфраструктура. Концепция ум-
ного города.
В современных беспилотных транспортных средствах
используются следующие компоненты взаимодействия с
пассажирами и с окружающей средой (используются в ин-
терфейсах Окружение ⟷ Транспортное средство и Транс-
портное средство ⟷ Инфраструктура).
64
Коломеец М.В., Жернова К.Н., Чечулин А.А.
Лидар. Лидар чаще всего используется для взаимодей-
ствия с другими беспилотными транспортными средствами
и с окружающей средой. Лидар [10, 11] – лазерная техно-
логия, позволяющая получать трехмерную информацию об
окружающей среде. На основании этой информации искус-
ственный интеллект беспилотного транспорта делает вывод
о местонахождении окружающих объектов.
Радары. Радары используются для беспилотных транс-
портных средств реже, чем лидары. Этот компонент излучает
радиоволны и обнаруживает отражения этих волн от окружа-
ющих предметов [12, 13].
Ультразвуковые датчики. Данный тип устройств ис-
пользует ультразвуковые сигналы для определения местопо-
ложения окружающих объектов и расстояния между объек-
тами и беспилотными транспортными средствами [13, 14].
Определение расстояния основано на расчете времени отра-
жения от препятствия.
Автомобильные камеры. Для мониторинга окружаю-
щей среды также используются камеры с разными углами
обзора: фронтальные камеры, задние камеры, боковые спе-
реди, боковые сзади. [13, 15, 16].
Также беспилотные транспортные средства имеют интер-
фейс для взаимодействия с пассажирами снаружи и внутри
салона. Эти интерфейсы включают визуальный, речевой,
тактильный интерфейс, а также устройства для взаимодей-
ствия пассажиров с транспортными средствами.
Человеко-машинные интерфейсы. Визуальный интер-
фейс часто включает информационные дисплеи, на которых
могут отображаться маршрут, карта города, погодные усло-
вия и т.д. [12, 17, 18]. Также можно использовать 3D-панели,
которые дают пользователю ситуацию на дороге [19, 20, 21,
22, 23].
В дополнение к внутренним дисплеям, визуальный ин-
терфейс может также включать в себя внешние дисплеи на
автомобилях [24]. Информация, отображаемая на них, может
использоваться участниками дорожного движения, пешехо-
дами или автономными системами.
Речевой интерфейс [25, 26] используется в качестве голо-
сового помощника на транспорте, который дает пользовате-
лю необходимую информацию, а также отвечает на голосо-
вые команды.
Взаимодействие с пользователями [17, 27, 28, 29, 30]
может включать счетчики пассажиров, терминал для опла-
ты проезда и информационные системы пассажиров. Под-
счет пассажиров осуществляется с помощью инфракрасного
датчика [29]. Оплата проезда может быть произведена с ис-
пользованием платежных терминалов, которые принимают
билеты и оснащены технологией NFC [17, 28, 29], а данные
счетчика пассажиров сравниваются с количеством пассажи-
ров, оплативших проезд [29].
Транспортная инфраструктура умного города также
включает в себя различные интеллектуальные компоненты
для управления движением и определения приоритетов, на-
логообложения и штрафов, оповещения граждан и монито-
ринга инцидентов. К таким компонентам относятся следу-
№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ
АНАЛИЗ УГРОЗ ИНТЕРФЕЙСАМ БЕСПИЛОТНОЙ ТРАНСПОРТНОЙ СРЕДЫ
ющие устройства (используемые в интерфейсах Окружение
⟷ Инфраструктура и Транспортное средство ⟷ Инфра-
структура).
Информационные знаки. Является одним из самых рас-
пространенных устройств для уведомления. Он может ис-
пользоваться на автобусных остановках для уведомления о
времени прибытия автобуса [31], на автомобильных дорогах
для динамического изменения ограничения скорости в за-
висимости от погодных условий [29, 32], на тех же дорогах
для уведомлений о происшествиях и пробках [33, 34], на пар-
ковках показывать количество свободных парковочных мест
в районе [33]. Информационные знаки обычно включают в
себя светодиодную матрицу с радиоволновым передатчиком
для получения информации о сообщении, которое должно
отображаться.
Пункты оплаты – это системы оплаты для платных до-
рог. Например, в Санкт-Петербурге для идентификации ав-
томобиля для оплаты проезда по Западному Скоростному
Диаметру используются радиоволны DSRC [35]: водитель
должен установить на лобовом стекле автомобиля транспон-
дер DSRC, чтобы иметь возможность проходить пункт опла-
ты без снижения скорости автомобиля [29]. Автомобили без
транспондеров платят больше и должны остановиться в пун-
кте расчёта наличными. Другие технологии оплаты проезда,
основанные на бесконтактной идентификации автомобилей,
включают RFID и NFC [36, 37, 38].
Счетчики трафика – это системы для подсчета авто-
мобилей на дороге. Они могут основываться на лазерных,
ультразвуковых или радиолокационных технологиях [29]
для подсчета количества автомобилей, которые проезжают
какую-то точку на дороге (например, Московская транспорт-
ная система [33]). Другое решение состоит в использовании
камеры и распознавании изображений [39, 40].
Светофоры. Светофор является «умным», когда инфор-
мация о загруженности дороги и происшествиях использу-
ется для настройки фаз светофора и динамического управ-
ления транспортными потоками [33]. Основная концепция
заключается в использовании светофоров со счетчиками для
управления потоком, на основе пробок на дорогах [40].
Дорожные камеры. Камеры используются для иден-
тификации автомобильных происшествий на дороге [33],
распознавания автомобильных знаков для автоматического
штрафа и счетчика автомобиля при помощи машинного об-
учения. Обычно используются обычные IP-камеры.
Метеостанции. Метеостанции используются для сбора
данных о погодных условиях, которые могут повлиять на
сложность вождения и, как следствие, повлиять на ограниче-
ние скорости [32] и другие системы контроля движения [33,
41, 42]. Например, ограничение скорости может происходить
в следствии скользкой дороги из-за дождя, гололеда, тумана
или снегопада.
Барьеры и другие ограничители. Используются для
ограничения доступа в некоторые районы, например, во
двор, платную парковку или платную дорогу. В случае плат-
ных дорог или парковок они используются вместе с систе-
№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ
мами оплаты [37, 38]. Во дворе могут использоваться те
же бесконтактные технологии, либо SMS-сообщения [43]
– для получения доступа резидент может отправить SMS-
сообщение на телефон, который подключен к шлагбауму
(гости для получения доступа должны попросить резидента
отправить сообщение).
Системы позиционирования. Такие системы обычно не
являются частью умного города и основаны на спутниковых
системах (GPS, ГЛОНАСС и т.д.) [44]. Но в городах обычно
есть системы, которые собирают данные о местонахождении
общественного транспорта в одном месте, чтобы делиться
информацией о скорости общественного транспорта и вре-
мени прибытия [33].
Парковки. При парковке обычно используется соедине-
ние разных систем [33, 45]. Для оплаты и идентификации ав-
томобиля могут использоваться транспондеры, бесконтакт-
ные карты или камеры с распознаванием знака автомобиля.
Для подсчета автомобилей и обнаружения свободных участ-
ков используются радары или камеры. Для уведомления во-
дителя о количестве доступных парковочных мест использу-
ются информационные знаки.
На уровне радиосвязи, объединённые в сеть автомобили
(«connected cars») обмениваются данными друг с другом как
через выделенную ближнюю связь (DSRC), так и через Wi-Fi,
LTE, WiMAX (взаимодействие типа «транспортное средство
⟷ транспортное средство») [46, 47]. Взаимодействие подклю-
ченных автомобилей с «умным городом» (инфраструктура ⟷
транспортное средство) также обеспечивается технологиями
Wi-Fi, WiMAX, DSRC и LTE [48]. Кроме того, взаимодействие
транспортного средства с инфраструктурой может происхо-
дить через микроклеточные сети миллиметрового диапазона
(мм) [49]. В качестве шлюза между физическим уровнем и
облачной инфраструктурой для взаимодействия подключен-
ных автомобилей друг с другом (транспортное средство ↔
транспортное средство) используются следующие протоколы:
MAC, LLC, WME, WSMP, TCP/IP. Эти же протоколы исполь-
зуются для взаимодействия машины с инфраструктурой (ин-
фраструктура автомобиля) [50].
В инфраструктуре умного города используются тради-
ционные компьютерные сети. Для объединения элементов
инфраструктуры используются Ethernet, WI-FI и мобильные
сети (3G, 4G и 5G).
Вышеперечисленные компоненты представлены в табли-
це 1, где первый столбец является типом интерфейса, во вто-
ром столбце указаны компоненты, а в третьем столбце раз-
мещены ссылки на реализацию. В следующем разделе будут
рассмотрены атаки на эти компоненты.
3. Угрозы беспилотной транспортной среды
С выделением компонентов среды, появляется возмож-
ность определить атаки на эти компоненты.
На текущий момент компоненты и инфраструктура
транспортных средств как правило основаны на SCADA си-
стемах или Интернете вещей. Очевидно, что они имеют те
же уязвимости, что и другие SCADA системы и устройства
65

Интернета вещей. Кроме того, поскольку компоненты объе-
динены в сеть, на них распространяется угроза типичных се-
тевых атак. Так, атаки на SCADA, Интернет вещей и сетевые
атаки являются общими для всех компонентов, но есть и не-
которые специфические атаки. В этом разделе данные атаки
рассматриваются на основе отчетов о прошлых инцидентах
безопасности, после чего обобщаются в таблице 1.
Лидар. Угроза нарушения целостности данных, кото-
рая реализуется с помощью ослепления и различных видов
подмены [51]. Используя посторонние лазерные источники,
можно ослепить лидар, тем самым мешая правильно при-
нимать данные. Кроме того, возможно искажение данных,
полученных лидаром, при ретрансляции его же излучения.
Также можно создавать шум и помехи, используя отражен-
ное излучение лидара от окружающих беспилотных транс-
портных средств. Отдельно можно выделить атаку спуфинга,
которая позволяет не отключить датчик, а обмануть искус-
ственный интеллект машины [52].
Радары. Радары в беспилотных транспортных средствах
также подвержены атакам, таким как глушение, подмена и
помехи [53]. Такие атаки несут угрозу целостности данных
и угрозу фальсификации данных. Глушение осуществляется
путем насыщения приемника большим количеством радио-
сигналов. Кроме того, данные, принимаемые радаром, могут
быть искажены при ретрансляции передаваемых сигналов.
Используя различные автомобильные радары, можно созда-
вать помехи нужного уровня и прерывать сигнал радара.
Ультразвуковые датчики. Атаки на сонары направле-
ны на заглушение сигнала сонара или создание перекрыва-
ющихся эхо-сигналов [52]. Такие атаки также представляют
угрозу целостности данных.
Автомобильные камеры. Камеры подвергаются фи-
зическим атакам, таким как ослепление. Они не защищены
должным образом; следовательно, они могут быть поврежде-
ны или легко выведены из строя достаточно сильным источ-
ником света [52]. С помощью этих атак реализуется угроза
целостности данных.
Человеко-машинные интерфейсы. Подвержены угро-
зам подмены информации и нарушения целостности. Ата-
ки на визуальный интерфейс беспилотных транспортных
средств могут преследовать различные цели, например, что-
бы показать ложную информацию или отключить отображе-
ние. Для этого могут использоваться обычные сетевые атаки,
такие как DDoS или MitM.
Речевой интерфейс может быть атакован с помощью
речевых записей (таким образом, реализуется угроза подме-
ны), частоты которых перемещаются в ультразвуковой диа-
пазон [54].
Взаимодействие с пользователями включает в себя
множество различных устройств, которые также подверга-
ются различным угрозам. Например, устройство для подсче-
та пассажиров [29] основано на инфракрасном излучении,
и его можно заглушить, используя специальные материалы,
например, металлическую фольгу [55] (угроза нарушения
целостности данных). Пластиковые карты или платежные
66
Коломеец М.В., Жернова К.Н., Чечулин А.А.
терминалы NFC подвергаются обычным сетевым атакам [56]
(угроза нарушения целостности данных, угроза подмены).
Информационные знаки – очень распространённая цель
среди злоумышленников. Большая коллекция случаев напа-
дения представлена в [57, 58]. Нападения на информацион-
ные знаки часто несут угрозу подмены информации. Хакеры
изменяют сообщения на знаках забавными или оскорбитель-
ными сообщениями. Это отвлекает водителей и сбивает их
с толку, а в одном случае атака дестабилизировала трафик.
Пункты оплаты. Подвержены угрозам подмены инфор-
мации. Плата за проезд основана на бесконтактных техно-
логиях. Таким образом, для пунктов оплаты, основанных на
DSRC, можно реализовать базовые атаки, которые являются
надежными для автомобильных DSRC-систем [53].
Необходимо также отметить актуальность атак на NFC-
карты для оплаты проезда. Например, ранее существова-
ла возможность создать копию транспортной NFC карты
Санкт-Петербурга “Подорожник”. Копия одной оплаченной
карты, позволяла получить несколько валидных для проезда
карт [59]. Программное обеспечение для клонирования карт
с помощью телефона Android было опубликовано на GitHub,
так что любой мог это сделать [60]. Возможность клони-
рования карт была закрыта после вмешательства Санкт-
Петербургского транспортного комитета. Также возможны
общие атаки, не связанные с датчиками платных систем [61].
Счетчики трафика. Поскольку подсчет трафика осно-
ван на технологиях видеонаблюдения и лазерных, ультразву-
ковых или радиолокационных системах, атаки аналогичны
атакам на камеры и датчики интеллектуальных автомобилей,
т.е., подвергают устройства угрозам нарушения целостности.
Светофоры. Умные светофоры могут быть атакованы
косвенно из-за повреждения подключенных измерительных
систем (счетчиков трафика, сети подключенных автомоби-
лей, систем определения местоположения) или непосред-
ственно из-за сетевой атаки. Таким образом, они подверже-
ны тем же угрозам, которым подвержены подключенные к
ним системы, т.е., угрозам подмены и нарушения целостно-
сти данных. В [62] светофоры были повреждены с помощью
простого беспроводного соединения, так как поставщик не
обеспечил защиту аутентификации и шифрование пароля на
беспроводной связи светофора.
Дорожные камеры. Безопасность систем видеонаблюде-
ния CCTV хорошо изучена, и есть много сообщений о сете-
вых атаках на IP-камеры. Обзор угроз безопасности CCTV
представлен в [63]. Таким образом, реализуются угрозы под-
мены и нарушения целостности.
Метеостанции. Поскольку метеостанции обычно пред-
ставляют собой устройства с несколькими метеорологи-
ческими датчиками, появляется возможность выполнять
множество физических атак, связанных с угрозой подмены
данных. Например, можно изменить скорость ветра, с ис-
пользованием зависшего рядом с датчиком дрона. Дроны
также могут использоваться для воздействия на датчики до-
ждя (смачивание датчиков), датчики тумана (блокирование
лазера в случае лазерных измерений) и т.д.
№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ
 АНАЛИЗ УГРОЗ ИНТЕРФЕЙСАМ БЕСПИЛОТНОЙ ТРАНСПОРТНОЙ СРЕДЫ

Барьеры и другие ограничители. Барьеры и ограничи-
тели работают совместно с системами пунктов оплаты и сто-
янками, поэтому они также могут быть атакованы косвенно
через подключенные системы идентификации автомобилей.
Так, с помощью подключенных устройств реализуются угро-
зы подмены. Для барьеров, которые используют SMS или
телефонные звонки для аутентификации, могут быть исполь-
зованы атаки SS7 [64].
Системы позиционирования. Подвержены угрозам на-
рушения целостности данных. Системы геолокации могут
быть заблокированы [65, 66, 67], что может привести к на-
рушениям в расписании общественного транспорта. В то же
время современные системы дорожного движения использу-
ют несколько датчиков местоположения на основе GPS, три-
ангуляции вышек сотовой связи и сигналов между останов-
ками и транспортными средствами, поэтому такой сценарий
трудноосуществим.
Парковки. Парковки также представляют собой набор
различных технологий, таких как дорожные знаки, пункты
оплаты, счетчики автомобилей, системы видеонаблюдения
и шлагбаумы. Таким образом, атака на стоянку может быть
выполнена как атака на один из ее датчиков, реализуя угрозу
подмены.
Атаки на интерфейс «транспортное средство ⟷ транс-
портное средство» – это, в основном, сетевые атаки, и они
хорошо изучены. Для автомобилей, подключенных к сети
(«connected cars») и использующих DSRC, Wi-Fi, LTE,
WiMAX, возможны угрозы подмены, а также нарушения
конфиденциальности (через отслеживание местоположения
и подмену данных, а также заражение вредоносным ПО) [50,
68, 69, 70, 71, 72]. Кроме того, возможны сетевые атаки, та-
кие как атака Sybil (автомобиль отображается в нескольких
местах одновременно) и атака по времени (при получении
сообщения по сети автомобиль не пересылает его сразу, но
создает задержку) [73]. Таким образом реализуется угроза
подмены информации.
В [74, 75, 76] рассматриваются сетевые атаки на инфра-
структуру Умного города, направленные на истощение энер-
горесурсов: прослушивание и перенаправление пакетов,
программный отказ элемента, активное сканирование сети,

Таблица 1
Угрозы беспилотной транспортной среды

Интерфейс Компонент Применение Возможные атаки Обобщённая угроза

Подсчёт трафика [29][33][39][40] Киберфизические
Окружение
Метеостанции [32][33][41][42] Киберфизические Киберфизические &
⟷
Киберфизические & Сетевые
Инфраструктура CCTV [33][42]
Сетевые [63]
LiDAR [10][11] Киберфизические [51][52]
Радары [12][13] Киберфизические [53]
Ультра-звуковые
[13][14] Киберфизические [52]
датчики
Окружение Камеры автомобиля [13][15][16] Киберфизические [52]
⟷
[12][17][18][19][20] Киберфизические
Транспортное Дисплеи Сетевые
средство [21][22][23][24]
Речевой интерфейс [25][26] Киберфизические [54]
Подсчёт пассажиров [29] Киберфизические [55]
Киберфизические & Сетевые
Терминалы оплаты [17][27][28][29][30]
[56]
Киберфизические & Сетевые
Пункты оплаты [29][35][36][37][38]
[53][59][60][61]
Транспортное Барьеры и Киберфизические & Сетевые
средство [37][38][43] Киберфизические &
ограничители [64]
⟷ Сетевые
Инфраструктура Киберфизические [65][66]
Системы локации [33][44]
[67]
Парковки [33][45] Киберфизические & Сетевые
Транспортное
средство Сетевые
Автомобили, [23][36][46][47][48]
⟷ [50][68][69] Сетевые
подключенные к сети [49][50][56]
Транспортное [70][71][72][73]
средство
Компьютерные сети [74][75][76][77][78] Сетевые [79]
Инфраструктура
Информационные
⟷ [29][31][32][33][34] Сетевые [57][58] Сетевые
знаки
Инфраструктура
Светофоры [33][40] Сетевые [62]

№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ 67


спуфинг, зашумление канала связи, злонамеренное исполь-
зование открытого интерфейса устройства. Также, так как
умные городские сети работают с использованием традици-
онных сетей, для городской инфраструктуры остаются акту-
альными сетевые атаки (DDoS, MitM и т.д.) [77, 78, 79]. Дан-
ный тип атак представляет угрозу нарушения целостности
данных и угрозу подмены данных.
В таблице 1 в столбце «Возможные атаки» обобщены
найденные атаки для каждого компонента интерфейса. Ата-
ки были разделены на киберфизические и сетевые как основ-
ные типы атак на инфраструктуру транспортной среды ум-
ного города. Также в таблице приведены ссылки на работы, в
которых описаны данные компоненты интерфейса или при-
ведены примеры атак.
В следующем разделе приводится обобщение угроз, ко-
торые определяется для каждого класса интерфейса.
4. Обзор угроз
Большинство видов атак, обнаруженных в ходе изучения
инцидентов и ранее проведенных исследований, – это сете-
вые и киберфизические атаки. Под удалённой сетевой атакой
следует понимать программную атаку на вычислительные
системы по каналам связи [80], которые удалены относитель-
но системы, подверженной этой атаке [4]. Под киберфизиче-
скими атаками имеются в виду атаки на датчики и сенсоры,
подключенные к централизованной системе управления [81].
Сложность состоит в том, что киберфизические атаки сложно
обнаружить, поскольку они не оставляют следов в системах в
виде кибератак, таких как записи в журналах сети и устройств.
В то же время, некоторые из них достаточно просты в осущест-
влении и не требуют какой-либо профессиональной подготов-
ки, если целью злоумышленника является глушение датчика.
Например, для глушения метеостанции могут использоваться
дроны, для датчиков речи может использоваться мобильный
телефон, для LiDAR могут использоваться лазеры. В то же
время присутствуют более сложные атаки, которые не бло-
кируют датчики, а изменяют их показатели.
С другой стороны, актуальны атаки, связанные с отсут-
ствием механизмов аутентификации – как это было сделано
для платежных карт в [59] и для светофоров в [62]. Такие
случаи распространены в IoT и являются общими для всей
зоны безопасности, но в случае беспилотного транспортного
средства и инфраструктуры умного города они могут нане-
сти больший ущерб.
Столбцы «Возможные атаки» и «Компонент» в таблице
1 характеризуют каждый интерфейс. Столбец «Компонент»
содержит название компонента беспилотной транспортной
среды. В столбце «Возможные атаки» указан возможный тип
атак на компонент. В столбце «Применение» представлены
ссылки на статьи, в которых описано применение атак на
данный компонент. «Обобщённая угроза» определяется на
основе того, какие угрозы в основном обнаружены для от-
дельных компонентов.
1) Окружение ⟷ Инфраструктура. Во взаимодействии
данного типа используются компоненты с измерительными
68
Коломеец М.В., Жернова К.Н., Чечулин А.А.
приборами. Так, атаки направлены на искажение измерений,
и угроза определяется как киберфизическая. Поскольку та-
кие измерительные приборы подсоединены к сети (обычно
мобильной, такой как в IP-камерах), угроза также может
определяться как сетевая.
2) Окружение ⟷ Транспортное средство. Во взаимодей-
ствии данного типа также используются компоненты с из-
мерительными приборами для автомобильной навигации и
взаимодействия с пассажиром. Таким образом, атаки направ-
лены на искажение измерений, и угроза определяется как ки-
берфизическая. Такие измерительные приборы обычно под-
ключаются по CAN шине автомобиля [82, 83], поэтому также
возможны риски, связанные с сетевыми угрозами [84, 85].
3) Транспортное средство ⟷ Инфраструктура. Во вза-
имодействии данного типа используются технологии пере-
дачи информации на близком расстоянии. В большинстве
случаев технология используется для идентификации транс-
портного средства (пункты оплаты, барьеры, парковка) или
инфраструктуры (сигнал местоположения). Такие системы
имеет обе угрозы: киберфизическая угроза на уровне переда-
чи сигнала радио/лазер/звук/другой сигнал и сетевая угроза
на уровне управления данными контроля доступа.
4) Транспортное средство ⟷ Транспортное средство.
Для автомобилей, подключенных к сети, основным типом
угроз остаются сетевые атаки при передаче данных.
5) Инфраструктура ⟷ Инфраструктура. Как и для ав-
томобилей, для инфраструктуры умного города основным
типом угроз остаются сетевые атаки при передаче данных
между устройствами.
Таким образом, в настоящее время наиболее актуальной
угрозой для умного города и беспилотных транспортных
средств являются киберфизические и сетевые атаки. Не ис-
ключено, что с развитием технологий и появлением новой
“умной” инфраструктуры, основные угрозы могут сместить-
ся к безопасности IoT, но на сегодняшний день таких случа-
ев атак немного. В то же время киберфизические атаки не
станут менее актуальными из-за возможности зависимости
компонентов (когда атака на одном устройстве приводит
к изменению измерений во всей системе) и относительной
простоте реализации атак.
5. Заключение
Проектирование интерфейсов «умного города» является
нетривиальной задачей, так как требуется оценивать как без-
опасность такого интерфейса, так и удобство его использо-
вания в случае необходимости человеко-машинного взаимо-
действия [86]. По этой причине в статье были рассмотрены
основные проблемы безопасности беспилотной транспорт-
ной среды «умного города».
В данной статье представлена часть текущих исследо-
ваний безопасности интерфейсов, которые используются
в беспилотной транспортной среде. В статье представлена
классификация транспортных средств и компонентов ин-
фраструктуры, которые используются в беспилотной транс-
портной среде, рассмотрены угрозы, основанные на отчетах,
№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ
АНАЛИЗ УГРОЗ ИНТЕРФЕЙСАМ БЕСПИЛОТНОЙ ТРАНСПОРТНОЙ СРЕДЫ
и обобщены угрозы для каждого компонента. Данная клас-
сификация полезна для специалистов, которые хотят опре-
делить, какие действия по обеспечению безопасности они
должны предпринять при разработке и развертывании бес-
пилотной транспортной инфраструктуры.
В этой статье рассмотрены интерфейсы, которые по-
тенциально могут использоваться в беспилотной транс-
портной среде умного города, а также риски безопасности,
которые они имеют в настоящее время. Новизна статьи со-
стоит в представленной модели взаимодействия и класси-
фикации компонентов беспилотной транспортной среды.
Вклад статьи заключается в определении основных угроз
и их связи с компонентами беспилотной транспортной
среды.
В будущей работе планируется расширить область ис-
следования. Следующим шагом станет определение модели
нарушителя, графика зависимостей компонентов и представ-
ление метода анализа рисков на их основе.
Конфликт интересов отсутствует.
There is no conflict of interest.
СПИСОК ЛИТЕРАТУРЫ
1. Ганин О. Б., Ганин И. О. " Умный город": перспективы и
тенденции развития //Ars administrandi. – 2014. – №. 1.
2. Куприяновский В. П. и др. Умные города как «столи-
цы» цифровой экономики //International Journal of Open
Information Technologies. – 2016. – Т. 4. – №. 2.
3. Намиот Д. Е., Шнепс-Шнеппе М. А. Об отечественных
стандартах для Умного Города //International Journal of
Open Information Technologies. – 2016. – Т. 4. – №. 7.
4. Мандел Т. Разработка пользовательского интерфейса. –
Litres, 2019.
5. Банк данных угроз безопасности информации [Электрон-
ный ресурс]. – URL: https://bdu.fstec.ru/threat/, (дата обра-
щения 10.06.2020).
6. Макаренко С. И. Информационное оружие в технической
сфере: терминология, классификация, примеры //Системы
управления, связи и безопасности. – 2016. – №. 3.
7. Макаренко С. И., Чукляев И. И. Терминологический
базис в области информационного противоборства //Во-
просы кибербезопасности. – 2014. – №. 1 (2).
8. ГОСТ Р ИСО/МЭК 13335-1-2006. Методы и средства
обеспечения безопасности. Часть 1. Концепция и модели
менеджмента безопасности информационных и телеком-
муникационных технологий, 2006 [Электронный ресурс].
– URL: http://www.gosthelp.ru/gost/gost271.html, (дата об-
ращения 12.06.2023).
9. ГОСТ Р ИСО/МЭК 27005-2010 Информационная тех-
нология. Методы и средства обеспечения безопасности.
Менеджмент риска информационной безопасности, 2010
[Электронный ресурс]. – URL: https://ohranatruda.ru/ot_
biblio/standart/192396/, (дата обращения 12.06.2023).
10. Velodyne Lidar Company: How Autonomous Vehicles Per-
ceive and Navigate Their Surroundings [Электронный
ресурс]. – URL: https://velodynelidar.com/blog/how-auton-
№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ
omous-vehicles-perceive-and-navigate-their-surroundings/,
(дата обращения 10.07.2023).
11. Velodyne Lidar company: How LiDAR Technology En-
ables Autonomous Cars to Operate Safely [Электронный
ресурс]. – URL: https://velodynelidar.com/blog/how-lidar-
technology-enables-autonomous-cars-to-operate-safely/,
(дата обращения 10.07.2023).
12. Meinl F., Stolz M., Kunert M., Blume H. An experimental
high performance radar system for highly automated driv-
ing. // 2017 IEEE MTT-S International Conference on Mi-
crowaves for Intelligent Mobility (ICMIM). 2017. С. 71–74
13. Tesla company: Autopilot [Электронный ресурс]. –
URL: https://www.tesla.com/autopilot, (дата обращения
13.06.2023).
14. Shahian B. Ultrasonic Sensors in Self-Driving Cars
[Электронный ресурс]. – URL: https://medium.com/@
BabakShah/ultrasonic-sensors-in-self-driving-cars-d28b-
63be676f, (дата обращения 13.06.2023).
15. Cruise company: Cruise company website [Электронный
ресурс]. – URL: https://www.getcruise.com/technology/,
(дата обращения 13.06.2023).
16. Waymo: Waymo company website [Электронный ресурс]. –
URL: https://waymo.com/tech/ (дата обращения 13.06.2023).
17. MATRESHKA.ai: Presentation of the unmanned commer-
cial vehicle modular system MATRESHKA [Электронный
ресурс]. – URL: https://www.volgabus.ru/upload/Matresh-
ka_Performance.pdf, (дата обращения 13.06.2023).
18. Steinberger F., Proppe P., Schroeter R., Alt F. CoastMas-
ter: An ambient speedometer to gamify safe driving. // Auto-
motiveUI 2016 – 8th International Conference on Automo-
tive User Interfaces and Interactive Vehicular Applications,
Proceedings. 2016. С. 83–90.
19. Broy N., Alt F., Schneegass S., Pfleging B. 3D displays in
cars: Exploring the user performance for a stereoscopic in-
strument cluster. // AutomotiveUI 2014 – 6th International
Conference on Automotive User Interfaces and Interactive
Vehicular Applications, in Cooperation with ACM SIGCHI –
Proceedings. 2014. С. 1–9.
20. Broy N., Guo M., Schneegass S., Pfleging B., Alt F. Intro-
ducing novel technologies in the car. // Proceedings of the 6th
International Conference on Automotive User Interfaces and
Interactive Vehicular Applications. 2015. С. 179–186.
21. Broy N., Schneegass S., Guo M., Alt F., Schmidt A. Evalu-
ating stereoscopic 3D for automotive user interfaces in a
real-world driving study. // Conference on Human Factors in
Computing Systems – Proceedings. 2015. С. 1717–1722.
22. Broy N., Zierer B., Schneegass S., Alt F. Exploring virtual
depth for automotive instrument cluster concepts. // Confer-
ence on Human Factors in Computing Systems – Proceed-
ings. 2014. С. 1783–1788.
23. Tönnis M., Broy V., Klinker G. A survey of challenges re-
lated to the design of 3D user interfaces for car Drivers. //
Proceedings – IEEE Virtual Reality. 2006. С. 134.
24. Colley A., Häkkilä J., Pfleging B., Alt F. A design space
for external displays on cars. // AutomotiveUI 2017 –
9th International ACM Conference on Automotive User
69

Interfaces and Interactive Vehicular Applications, Adjunct
Proceedings. 2017. С. 146–151.
25. Braun M., Broy N., Pfleging B., Alt F. Visualizing
natural language interaction for conversational in-vehicle
information systems to minimize driver distraction. // Journal
on Multimodal User Interfaces. 2019. Т. 13. №2. С. 71–88.
26. Braun M., Mainz A., Chadowitz R., Pfleging B., Alt F. At
your service: Designing voice assistant personalities to im-
prove automotive user interfaces a real world driving study. //
Conference on Human Factors in Computing Systems – Pro-
ceedings. 2019. С. 1–11.
27. Breitschaft S.J., Clarke S., Carbon C.C. A Theoretical
Framework of Haptic Processing in Automotive User In-
terfaces and Its Implications on Design and Engineering. //
Frontiers in Psychology. 2019. Т. 10. С. 1470.
28. ITMO University: Smart Vehicle test in Saint-Petersburg
[Электронный ресурс]. – URL: https://news.itmo.ru/ru/sci-
ence/it/news/5955/, (дата обращения 13.06.2023).
29. SHTRIH-M Company: Technology “SHTRIH-M: Transport”
[Электронный ресурс]. – URL: https://shtrih-m.com/en/
transport-and-logistics/, (дата обращения 13.06.2023).
30. Summerskill S. J., Porter J. M., Burnett G. E. Feeling your
way home: The use of haptic interfaces within cars to make
safety pleasurable //Design and Emotion. – CRC Press. 2003.
С. 329.
31. Sungur C., Babaoglu I., Sungur A. Smart bus station-pas-
senger information system. // Proceedings – 2nd International
Conference on Information Science and Control Engineering,
ICISCE 2015. Institute of Electrical and Electronics Engi-
neers Inc. 2015. С. 921–925.
32. Fontanka.ru: ЗСД отвечает читателям «Фонтанки»
[Электронный ресурс]. – URL: https://www.fontanka.
ru/2019/05/24/175/, (дата обращения 13.06.2023).
33. Kommersant.ru: Транспортная инфраструктура города
Москвы [Электронный ресурс]. – URL: https://www.kom-
mersant.ru/doc/2613481, (дата обращения 13.06.2023).
34. Li Q., Qiao F., Wang X., Yu L. Drivers’ smart advisory sys-
tem improves driving performance at STOP sign intersec-
tions. Journal of traffic and transportation engineering (Eng-
lish edition). 2017. Т. 4. №. 3. С. 262-271.
35. Болдецов Д., Системы оплаты проезда на основе DSRC
снаружи и внутри [Электронный ресурс]. – URL: https://
habr.com/ru/post/240047/, (дата обращения 13.06.2023).
36. Abari O., Vasisht D., Katabi D., Chandrakasan A. Cara-
oke: An E-Toll transponder network for smart cities. // SIG-
COMM 2015 – Proceedings of the 2015 ACM Conference on
Special Interest Group on Data Communication. Association
for Computing Machinery, Inc. 2015. С. 297–310.
37. Grewal S., Segar R. Toll roads and contactless multiappli-
cation smart cards. // South African Transport Conference.
2000.
38. Lee W.H., Tseng S.S., Wang C.H. Design and implementa-
tion of electronic toll collection system based on vehicle po-
sitioning system techniques. // Computer Communications.
2008. Т. 31. №. 12. С. 2925-2933..
70
Коломеец М.В., Жернова К.Н., Чечулин А.А.
39. Purnama I.K.E., Zaini A., Putra B.N., Hariadi M. Real
time vehicle counter system for intelligent transportation sys-
tem. // International Conference on Instrumentation, Commu-
nication, Information Technology, and Biomedical Engineer-
ing 2009, ICICI-BME 2009. 2009. С. 1–4.
40. Zaid A.A., Suhweil Y., Yaman M. Al: Smart controlling for
traffic light time. // 2017 IEEE Jordan Conference on Applied
Electrical Engineering and Computing Technologies, AEECT
2017. Institute of Electrical and Electronics Engineers Inc.
2017. С. 1–5.
41. T-Traffic company: T-Traffic company website [Электронный
ресурс]. – URL: http://t-traffic.spb.ru/?page_id=865, (дата
обращения 14.06.2023).
42. Pisano P., Goodwin L.C. Surface Transportation Weather
Applications // Federal Highway Administration in concert
with Mitretek Systems, presented at the 2002 Institute of
Transportation Engineers Annual Meeting. 2002.
43. Hanif N., Hazrin H.M., Badiozaman M.H., Daud H. Smart
parking reservation system using short message services
(SMS). // 2010 International Conference on Intelligent and
Advanced Systems, ICIAS 2010. 2010. С. 1–5.
44. Nkoro A.B., Vershinin Y.A. Current and future trends in
applications of Intelligent Transport Systems on cars and in-
frastructure. // 2014 17th IEEE International Conference on
Intelligent Transportation Systems, ITSC 2014. Institute of
Electrical and Electronics Engineers Inc. 2014. С. 514–519.
45. Kianpisheh A., Mustaffa N., Limtrairut P., Keikhosroki-
ani P. Smart Parking System (SPS) architecture using ultra-
sonic detector. // International Journal of Software Engineer-
ing and Its Applications. 2012. Т. 6. №. 3. С. 55-58.
46. Flemisch F., Kelsch J., Löper C., Sehieben A., Schindler
J., Heesen M.: Cooperative control and active interfaces for
vehicle assistance and automation. // FISITA World Automo-
tive Congress 2008, Congress Proceedings – Mobility Con-
cepts, Man Machine Interface, Process Challenges, Virtual
Reality. 2008. С. 301–310.
47. Forescout company: Connected Cars: The New Automo-
tive Cybersecurity Threat [Электронный ресурс]. – URL:
https://www.forescout.com/company/blog/connected-cars-
the-new-automotive-cybersecurity-threat/, (дата обращения
14.06.2023).
48. Dey K.C., Rayamajhi A., Chowdhury M., Bhavsar P., Mar-
tin J. Vehicle-to-vehicle (V2V) and vehicle-to-infrastructure
(V2I) communication in a heterogeneous wireless network –
Performance evaluation. // Transportation Research Part C:
Emerging Technologies. 2016. Т. 68. С. 168-184.
49. Wang Y., Venugopal K., Molisch A. F., Heath R. W.
MmWave vehicle-to-infrastructure communication: Analysis
of urban microcellular networks //IEEE Transactions on Ve-
hicular Technology. 2018. Т. 67. №. 8. С. 7086-7100.
50. Butt T.A., Iqbal R., Shah S.C., Umar T. Social Internet of
Vehicles: Architecture and enabling technologies. // Comput-
ers & Electrical Engineering. 2018. Т. 69. С. 68-84.
51. Petit J., Stottelaar B., Feiri M., Kargl F. Remote Attacks
on Automated Vehicles Sensors: Experiments on Camera and
LiDAR. // Blackhat.com. 2015. С. 1–13.
№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ
АНАЛИЗ УГРОЗ ИНТЕРФЕЙСАМ БЕСПИЛОТНОЙ ТРАНСПОРТНОЙ СРЕДЫ
52. Yan C., Wenyuan X., Jianhao L. Can You Trust Autonomous
Vehicles: Contactless Attacks against Sensors of Self-driving
Vehicle. // DEF CON 24. 2016.
53. Yeh E. R., Bhat C. R., Heath R. W., Choi J., Prelcic N.
G. Security in automotive radar and vehicular networks. //
Microwave Journal. 2016. Т. 60, № 5.
54. Song L., Mittal P. Poster: Inaudible voice commands. //
Proceedings of the ACM Conference on Computer and
Communications Security. Association for Computing
Machinery. 2017. С. 2583–2585.
55. Harris D.J. Use of metallic foils as radiation barriers to
reduce heat losses from buildings. // Applied Energy. 1995. Т.
52. №. 4. С. 331-339.
56. Deogirikar J., Vidhate A. Security attacks in IoT: A survey.
In: Proceedings of the International Conference on IoT in
Social, Mobile, Analytics and Cloud, I-SMAC 2017. Institute
of Electrical and Electronics Engineers Inc. 2017. С. 32–37.
57. Kelarestaghi K.B., Heaslip K., Khalilikhah M., Fuentes
A., Fessmann V. Intelligent Transportation System Security:
Hacked Message Signs. // SAE International Journal of
Transportation Cybersecurity and Privacy. 2018. Т. 1. №. 11-
01-02-0004. С. 75-90.
58. Sitawarin C., Bhagoji A.N., Mosenia A., Chiang M., Mittal
P. DARTS: Deceiving Autonomous Cars with Toxic Signs.
arXiv Prepr. arXiv1802.06430. 2018.
59. Fontanka.ru: Взлом транспортных карт [Электронный
ресурс]. – URL: https://www.fontanka.ru/2017/03/23/133/,
(дата обращения 14.06.2023).
60. Krikun T. Plantainreader app on GitHub [Электронный
ресурс]. – URL: https://github.com/krikunts/plantainreader,
(дата обращения 14.06.2023).
61. The hacker news: Israeli Road Control System hacked, caused
Traffic jam on Haifa Highway [Электронный ресурс].
– URL: https://thehackernews.com/2013/10/israeli-road-
control-system-hacked.html, (дата обращения 14.06.2023).
62. NBC Chicago news: New Hacking Threat Could Impact
Traffic Systems [Электронный ресурс]. – URL: https://
www.nbcchicago.com/news/local/new-hacking-threat-
could-impact-traffic-systems/61892/, (дата обращения
14.06.2023).
63. Costin A. Security of CCTV and video surveillance systems:
Threats, vulnerabilities, attacks, and mitigations. // TrustED
2016 – Proceedings of the International Workshop on
Trustworthy Embedded Devices, co-located with CCS 2016.
Association for Computing Machinery, Inc. 2016. С. 45–54.
64. Positive Technologies: SS7 Vulnerabilities and Attack
Exposure report [Электронный ресурс]. – URL: https://
www.gsma.com/membership/wp-content/uploads/2018/07/
SS7_Vulnerability_2017_A4.ENG_.0003.03.pdf, (дата об-
ращения 14.06.2023).
65. Hui H., Na W. A study of GPS jamming and anti-jamming. //
PEITS 2009 – 2009 2nd Conference on Power Electronics and
Intelligent Transportation System. 2009. С. 388–391.
66. Ilie N., Iurie N., Alexandr M., Vitalie E. Information
Technologies Used In Electric Public Vehicles. // Proceedings
№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ
10th International Conference on Electromechanical and
Power Systems. 2015. С. 307–312.
67. ПостНаука: Опасны ли для автомобилей хакерские ата-
ки? [Электронный ресурс]. – URL: https://postnauka.ru/
faq/95774, (дата обращения 14.06.2023).
68. Appknox company: Cyber Attacks in Connected Cars – What
Tesla Did Differently to Win [Электронный ресурс]. – URL:
https://www.appknox.com/blog/cyber-attacks-in-connected-
cars, (дата обращения 14.06.2023).
69. Bienhaus D., Jäger L., Rieke R., Krauß C. Gateway for In-
dustrial Cyber-Physical Systems with Hardware-Based Trust
Anchors. // International Symposium on Intelligent and Dis-
tributed Computing (IDC-2019). 2015. С. 521–528.
70. CPO Magazine: Connected Cars: A New and Dangerous
Vector for Cyber Attacks [Электронный ресурс]. – URL:
https://www.cpomagazine.com/cyber-security/connected-
cars-a-new-and-dangerous-vector-for-cyber-attacks/, (дата
обращения 14.06.2023).
71. Eiza M.H., Ni Q. Driving with Sharks: Rethinking Connect-
ed Vehicles with Vehicle Cybersecurity. // IEEE Vehicular
Technology Magazine. 2017. Т. 12. №. 2. С. 45-51.
72. Ring T. Connected cars – The next targe tfor hackers. // Net-
work Security. 2015. Т. 2015. №. 11. С. 11-16.
73. Haas R.E., Möller D.P.F., Bansal P., Ghosh R., Bhat S.S. In-
trusion detection in connected cars. // IEEE International Con-
ference on Electro Information Technology. 2017. С. 516-519.
74. Десницкий В. А., Котенко И. В. Анализ атак истощения
энергоресурсов на системы беспроводных устройств //
Известия высших учебных заведений. Приборостроение.
2018. Т. 61. №. 4.
75. Десницкий В. А., Рудавин Н. Н. Моделирование и ана-
лиз атак истощения энергоресурсов в системах цифрово-
го города //Информационные технологии и телекоммуни-
кации. 2018. Т. 6. №. 3. С. 10-18.
76. Десницкий В. А., Чечулин А. А. Обобщенная модель
нарушителя и верификация информационно-телекомму-
никационных систем со встроенными устройствами //
Технические науки–от теории к практике. 2014. №. 39.
77. Александров В. А., Десницкий В. А., Чалый Д. Ю.
Разработка и анализ защищенности фрагмента информа-
ционно-телекоммуникационной системы, реализующей
концепцию Интернета вещей // Моделирование и анализ
информационных систем. 2016. Т. 23. №. 6. С. 767-776.
78. Балуева А.В., Десницкий В.А. Защищенный протокол
передачи данных в системах интернета вещей на примере
устройств Raspberry Pi // Информационные технологии и
телекоммуникации. 2018. Т. 6. № 4. C. 10-20.
79. Weimerskirch A. An Overview of Automotive Cyberse-
curity. // Proceedings of the 5th International Workshop on
Trustworthy Embedded Devices. 2015. С. 53–53.
80. Schmitt M. N. Computer network attack and the use of force
in international law: thoughts on a normative framework //
Colum. J. Transnat'l L. – 1998. – Т. 37. – С. 885.
81. R. G. Sanfelice. Analysis and Design of Cyber-Physical
Systems. A Hybrid Control Systems Approach // Cyber-
71

Physical Systems: From Theory to Practice / D. Rawat, J.
Rodrigues, I. Stojmenovic. — CRC Press, 2016. — ISBN
978-1-4822-6333-6.
82. Chevalier Y., Rieke R., Fenzl F., Chechulin A., Kotenko
I. ECU-Secure: Characteristic Functions for In-Vehicle
Intrusion Detection. // International Symposium on Intelligent
and Distributed Computing (IDC-2019). 2019. С. 495–504.
83. Nie S., Liu L., Du Y. Free-fall: hacking tesla from wireless to
can bus. // Defcon. 2017. С. 1–16.
84. Argus company: Car Hacking Now Taking Center Stage
[Электронный ресурс]. – URL: https://argus-sec.com/blog/
cyber-security-blog/car-hacking-now-taking-center-stage/,
(дата обращения 14.06.2023).
85. Schellekens M. Car hacking: Navigating the regulatory
landscape. // Computer law & security review. 2016. Т. 32.
№. 2. С. 307-315.
86. Котенко И.В., Коломеец М.В., Жернова К.Н., Чечу-
лин А.А. Визуальная аналитика для информационной
безопасности: оценка эффективности и анализ методов
визуализации // Вопросы кибербезопасности. 2021. – №
6(46). – С. 36-46.
Поступила 17.07.2023
УДК 004.5
REFERENCES
1. Ganin O. B., Ganin I. O. "Umnyj gorod": perspektivy i ten-
dencii razvitiya //Ars administrandi. – 2014. – №. 1, (in Rus-
sian).
2. Kupriyanovskij V. P. i dr. Umnye goroda kak «stolicy» ci-
frovoj ekonomiki //International Journal of Open Information
Technologies. – 2016. – vol. 4. – №. 2, (in Russian).
3. Namiot D. E., Shneps-Shneppe M. A. Ob otechestvennyh stan-
dartah dlya Umnogo Goroda //International Journal of Open In-
formation Technologies. – 2016. – vol. 4. – №. 7, (in Russian).
4. Mandel T. The elements of user interface design. – Litres,
2019.
5. Databank of information security threats. Available at: https://
bdu.fstec.ru/threat/, last accessed 2020/06/10, (in Russian).
6. Makarenko S. I. Information weapons in the technical sphere:
terminology, classification, examples // Sistemy upravleniya,
svyazi i bezopasnosti. – 2016. – №. 3 (in Russian).
7. Makarenko S. I., Chucklyaev I. I. The terminological basis
of the informational conflict area. Voprosy kiberbezopasnosti,
2014, vol. 2, no. 1 (in Russian).
8. GOST R ISO/MJeK 13335-1-2006. Information technol-
ogy. Security techniques. Part 1. Concepts and models for
information and communications technology security man-
agement, 2006, Available at: http://www.gosthelp.ru/gost/
gost271.html, (in Russian) , last accessed 2023/06/12.
9. GOST R ISO/MJeK TO 13335-3-2007. Informacionnaja
tehnologija. Metody i sredstva obespechenija bezopas-
nosti. Menedzhment riska informacionnoj bezopasnosti,
2010, Available at: https://ohranatruda.ru/ot_biblio/stand-
art/192396/, (in Russian), last accessed 2023/06/12.
10. Velodyne Lidar Company: How Autonomous Vehicles Per-
72
Коломеец М.В., Жернова К.Н., Чечулин А.А.
ceive and Navigate Their Surroundings [Электронный
ресурс]. – URL: https://velodynelidar.com/blog/how-auton-
omous-vehicles-perceive-and-navigate-their-surroundings/,
(дата обращения 10.07.2023).
11. Velodyne Lidar company: How LiDAR Technology Enables
Autonomous Cars to Operate Safely [Электронный ресурс].
– URL: https://velodynelidar.com/blog/how-lidar-technol-
ogy-enables-autonomous-cars-to-operate-safely/, (дата
обращения 10.07.2023).
12. Meinl F., Stolz M., Kunert M., Blume H. An experimental
high performance radar system for highly automated driving.
// 2017 IEEE MTT-S International Conference on Micro-
waves for Intelligent Mobility (ICMIM). 2017. С. 71–74
13. Tesla company: Autopilot [Электронный ресурс]. –
URL: https://www.tesla.com/autopilot, (дата обращения
13.06.2023).
14. Shahian B. Ultrasonic Sensors in Self-Driving Cars
[Электронный ресурс]. – URL: https://medium.com/@
BabakShah/ultrasonic-sensors-in-self-driving-cars-d28b-
63be676f, (дата обращения 13.06.2023).
15. Cruise company: Cruise company website [Электронный
ресурс]. – URL: https://www.getcruise.com/technology/,
(дата обращения 13.06.2023).
16. Waymo: Waymo company website [Электронный ресурс]. –
URL: https://waymo.com/tech/ (дата обращения 13.06.2023).
17. MATRESHKA.ai: Presentation of the unmanned commer-
cial vehicle modular system MATRESHKA [Электронный
ресурс]. – URL: https://www.volgabus.ru/upload/Matresh-
ka_Performance.pdf, (дата обращения 13.06.2023).
18. Steinberger F., Proppe P., Schroeter R., Alt F. CoastMas-
ter: An ambient speedometer to gamify safe driving. // Auto-
motiveUI 2016 – 8th International Conference on Automo-
tive User Interfaces and Interactive Vehicular Applications,
Proceedings. 2016. С. 83–90.
19. Broy N., Alt F., Schneegass S., Pfleging B. 3D displays in
cars: Exploring the user performance for a stereoscopic in-
strument cluster. // AutomotiveUI 2014 – 6th International
Conference on Automotive User Interfaces and Interactive
Vehicular Applications, in Cooperation with ACM SIGCHI –
Proceedings. 2014. С. 1–9.
20. Broy N., Guo M., Schneegass S., Pfleging B., Alt F. Intro-
ducing novel technologies in the car. // Proceedings of the 6th
International Conference on Automotive User Interfaces and
Interactive Vehicular Applications. 2015. С. 179–186.
21. Broy N., Schneegass S., Guo M., Alt F., Schmidt A. Evalu-
ating stereoscopic 3D for automotive user interfaces in a
real-world driving study. // Conference on Human Factors in
Computing Systems – Proceedings. 2015. С. 1717–1722.
22. Broy N., Zierer B., Schneegass S., Alt F. Exploring virtual
depth for automotive instrument cluster concepts. // Confer-
ence on Human Factors in Computing Systems – Proceed-
ings. 2014. С. 1783–1788.
23. Tönnis M., Broy V., Klinker G. A survey of challenges re-
lated to the design of 3D user interfaces for car Drivers. //
Proceedings – IEEE Virtual Reality. 2006. С. 134.
№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ
АНАЛИЗ УГРОЗ ИНТЕРФЕЙСАМ БЕСПИЛОТНОЙ ТРАНСПОРТНОЙ СРЕДЫ
24. Colley A., Häkkilä J., Pfleging B., Alt F. A design space
for external displays on cars. // AutomotiveUI 2017 –
9th International ACM Conference on Automotive User
Interfaces and Interactive Vehicular Applications, Adjunct
Proceedings. 2017. С. 146–151.
25. Braun M., Broy N., Pfleging B., Alt F. Visualizing
natural language interaction for conversational in-vehicle
information systems to minimize driver distraction. // Journal
on Multimodal User Interfaces. 2019. Т. 13. №2. С. 71–88.
26. Braun M., Mainz A., Chadowitz R., Pfleging B., Alt F. At
your service: Designing voice assistant personalities to im-
prove automotive user interfaces a real world driving study. //
Conference on Human Factors in Computing Systems – Pro-
ceedings. 2019. С. 1–11.
27. Breitschaft S.J., Clarke S., Carbon C.C. A Theoretical
Framework of Haptic Processing in Automotive User In-
terfaces and Its Implications on Design and Engineering. //
Frontiers in Psychology. 2019. Т. 10. С. 1470.
28. ITMO University: Smart Vehicle test in Saint-Petersburg
[Электронный ресурс]. – URL: https://news.itmo.ru/ru/sci-
ence/it/news/5955/, (дата обращения 13.06.2023).
29. SHTRIH-M Company: Technology “SHTRIH-M: Transport”
[Электронный ресурс]. – URL: https://shtrih-m.com/en/
transport-and-logistics/, (дата обращения 13.06.2023).
30. Summerskill S. J., Porter J. M., Burnett G. E. Feeling your way
home: The use of haptic interfaces within cars to make safety plea-
surable //Design and Emotion. – CRC Press. 2003. С. 329.
31. Sungur C., Babaoglu I., Sungur A. Smart bus station-pas-
senger information system. // Proceedings – 2nd International
Conference on Information Science and Control Engineering,
ICISCE 2015. Institute of Electrical and Electronics Engi-
neers Inc. 2015. С. 921–925.
32. Fontanka.ru: ЗСД отвечает читателям «Фонтанки»
[Электронный ресурс]. – URL: https://www.fontanka.
ru/2019/05/24/175/, (дата обращения 13.06.2023).
33. Kommersant.ru: Транспортная инфраструктура города
Москвы [Электронный ресурс]. – URL: https://www.kom-
mersant.ru/doc/2613481, (дата обращения 13.06.2023).
34. Li Q., Qiao F., Wang X., Yu L. Drivers’ smart advisory sys-
tem improves driving performance at STOP sign intersec-
tions. Journal of traffic and transportation engineering (Eng-
lish edition). 2017. Т. 4. №. 3. С. 262-271.
35. Boldetsov D.: DSRC-based fare systems. Available at: https://
habr.com/ru/post/240047/, last accessed 2023/06/13.
36. Abari O., Vasisht D., Katabi D., Chandrakasan A. Cara-
oke: An E-Toll transponder network for smart cities. // SIG-
COMM 2015 – Proceedings of the 2015 ACM Conference on
Special Interest Group on Data Communication. Association
for Computing Machinery, Inc. 2015. С. 297–310.
37. Grewal S., Segar R. Toll roads and contactless multiappli-
cation smart cards. // South African Transport Conference.
2000.
38. Lee W.H., Tseng S.S., Wang C.H. Design and implementa-
tion of electronic toll collection system based on vehicle po-
sitioning system techniques. // Computer Communications.
2008. Т. 31. №. 12. С. 2925-2933..
№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ
39. Purnama I.K.E., Zaini A., Putra B.N., Hariadi M. Real
time vehicle counter system for intelligent transportation sys-
tem. // International Conference on Instrumentation, Commu-
nication, Information Technology, and Biomedical Engineer-
ing 2009, ICICI-BME 2009. 2009. С. 1–4.
40. Zaid A.A., Suhweil Y., Yaman M. Al: Smart controlling for
traffic light time. // 2017 IEEE Jordan Conference on Applied
Electrical Engineering and Computing Technologies, AEECT
2017. Institute of Electrical and Electronics Engineers Inc.
2017. С. 1–5.
41. T-Traffic company: T-Traffic company website [Электронный
ресурс]. – URL: http://t-traffic.spb.ru/?page_id=865, (дата
обращения 14.06.2023).
42. Pisano P., Goodwin L.C. Surface Transportation Weather
Applications // Federal Highway Administration in concert
with Mitretek Systems, presented at the 2002 Institute of
Transportation Engineers Annual Meeting. 2002.
43. Hanif N., Hazrin H.M., Badiozaman M.H., Daud H. Smart
parking reservation system using short message services
(SMS). // 2010 International Conference on Intelligent and
Advanced Systems, ICIAS 2010. 2010. С. 1–5.
44. Nkoro A.B., Vershinin Y.A. Current and future trends in
applications of Intelligent Transport Systems on cars and in-
frastructure. // 2014 17th IEEE International Conference on
Intelligent Transportation Systems, ITSC 2014. Institute of
Electrical and Electronics Engineers Inc. 2014. С. 514–519.
45. Kianpisheh A., Mustaffa N., Limtrairut P., Keikhosroki-
ani P. Smart Parking System (SPS) architecture using ultra-
sonic detector. // International Journal of Software Engineer-
ing and Its Applications. 2012. Т. 6. №. 3. С. 55-58.
46. Flemisch F., Kelsch J., Löper C., Sehieben A., Schindler
J., Heesen M.: Cooperative control and active interfaces for
vehicle assistance and automation. // FISITA World Automo-
tive Congress 2008, Congress Proceedings – Mobility Con-
cepts, Man Machine Interface, Process Challenges, Virtual
Reality. 2008. С. 301–310.
47. Forescout company: Connected Cars: The New Automo-
tive Cybersecurity Threat [Электронный ресурс]. – URL:
https://www.forescout.com/company/blog/connected-cars-
the-new-automotive-cybersecurity-threat/, (дата обращения
14.06.2023).
48. Dey K.C., Rayamajhi A., Chowdhury M., Bhavsar P., Mar-
tin J. Vehicle-to-vehicle (V2V) and vehicle-to-infrastructure
(V2I) communication in a heterogeneous wireless network –
Performance evaluation. // Transportation Research Part C:
Emerging Technologies. 2016. Т. 68. С. 168-184.
49. Wang Y., Venugopal K., Molisch A. F., Heath R. W.
MmWave vehicle-to-infrastructure communication: Analysis
of urban microcellular networks //IEEE Transactions on Ve-
hicular Technology. 2018. Т. 67. №. 8. С. 7086-7100.
50. Butt T.A., Iqbal R., Shah S.C., Umar T. Social Internet of
Vehicles: Architecture and enabling technologies. // Comput-
ers & Electrical Engineering. 2018. Т. 69. С. 68-84.
51. Petit J., Stottelaar B., Feiri M., Kargl F. Remote Attacks
on Automated Vehicles Sensors: Experiments on Camera and
LiDAR. // Blackhat.com. 2015. С. 1–13.
73

52. Yan C., Wenyuan X., Jianhao L. Can You Trust Autonomous
Vehicles: Contactless Attacks against Sensors of Self-driving
Vehicle. // DEF CON 24. 2016.
53. Yeh E. R., Bhat C. R., Heath R. W., Choi J., Prelcic N.
G. Security in automotive radar and vehicular networks. //
Microwave Journal. 2016. Т. 60, № 5.
54. Song L., Mittal P. Poster: Inaudible voice commands. //
Proceedings of the ACM Conference on Computer and
Communications Security. Association for Computing
Machinery. 2017. С. 2583–2585.
55. Harris D.J. Use of metallic foils as radiation barriers to
reduce heat losses from buildings. // Applied Energy. 1995. Т.
52. №. 4. С. 331-339.
56. Deogirikar J., Vidhate A. Security attacks in IoT: A survey.
In: Proceedings of the International Conference on IoT in
Social, Mobile, Analytics and Cloud, I-SMAC 2017. Institute
of Electrical and Electronics Engineers Inc. 2017. С. 32–37.
57. Kelarestaghi K.B., Heaslip K., Khalilikhah M., Fuentes
A., Fessmann V. Intelligent Transportation System Security:
Hacked Message Signs. // SAE International Journal of
Transportation Cybersecurity and Privacy. 2018. Т. 1. №. 11-
01-02-0004. С. 75-90.
58. Sitawarin C., Bhagoji A.N., Mosenia A., Chiang M., Mittal
P. DARTS: Deceiving Autonomous Cars with Toxic Signs.
arXiv Prepr. arXiv1802.06430. 2018.
59. Fontanka.ru newspaper: Transport card hacking (in Russian).
Available at: https://www.fontanka.ru/2017/03/23/133/, last
accessed 2023/06/14.
60. Krikun T. Plantainreader app on GitHub. Available at:
https://github.com/krikunts/plantainreader, last accessed
2023/06/14.
61. The hacker news: Israeli Road Control System hacked,
caused Traffic jam on Haifa Highway. Available at: https://
thehackernews.com/2013/10/israeli-road-control-system-
hacked.html, last accessed 2023/06/14.
62. NBC Chicago news: New Hacking Threat Could Impact
Traffic Systems. Available at: https://www.nbcchicago.com/
news/local/new-hacking-threat-could-impact-traffic-sys-
tems/61892/, last accessed 2023/06/14.
63. Costin A. Security of CCTV and video surveillance systems:
Threats, vulnerabilities, attacks, and mitigations. // TrustED
2016 – Proceedings of the International Workshop on Trust-
worthy Embedded Devices, co-located with CCS 2016. As-
sociation for Computing Machinery, Inc. 2016. pp. 45–54.
64. Positive Technologies: SS7 Vulnerabilities and Attack Ex-
posure report. Available at: https://www.gsma.com/member-
ship/wp-content/uploads/2018/07/SS7_Vulnerability_2017_
A4.ENG_.0003.03.pdf, last accessed 2023/06/14.
65. Hui H., Na W. A study of GPS jamming and anti-jamming.
// PEITS 2009 – 2009 2nd Conference on Power Electronics
and Intelligent Transportation System. 2009. pp. 388–391.
66. Ilie N., Iurie N., Alexandr M., Vitalie E. Information Tech-
nologies Used In Electric Public Vehicles. // Proceedings 10th
International Conference on Electromechanical and Power
Systems. 2015. pp. 307–312.
74
Коломеец М.В., Жернова К.Н., Чечулин А.А.
67. Postnauka Magazine: Are hacker attacks dangerous for cars?
Available at: https://postnauka.ru/faq/95774, last accessed
2023/06/14.
68. Appknox company: Cyber Attacks in Connected Cars – What
Tesla Did Differently to Win [Электронный ресурс]. – URL:
https://www.appknox.com/blog/cyber-attacks-in-connected-
cars, (дата обращения 14.06.2023).
69. Bienhaus D., Jäger L., Rieke R., Krauß C. Gateway for In-
dustrial Cyber-Physical Systems with Hardware-Based Trust
Anchors. // International Symposium on Intelligent and Dis-
tributed Computing (IDC-2019). 2015. С. 521–528.
70. CPO Magazine: Connected Cars: A New and Dangerous
Vector for Cyber Attacks [Электронный ресурс]. – URL:
https://www.cpomagazine.com/cyber-security/connected-
cars-a-new-and-dangerous-vector-for-cyber-attacks/, (дата
обращения 14.06.2023).
71. Eiza M.H., Ni Q. Driving with Sharks: Rethinking Connect-
ed Vehicles with Vehicle Cybersecurity. // IEEE Vehicular
Technology Magazine. 2017. Т. 12. №. 2. С. 45-51.
72. Ring T. Connected cars – The next targe tfor hackers. // Net-
work Security. 2015. Т. 2015. №. 11. С. 11-16.
73. Haas R.E., Möller D.P.F., Bansal P., Ghosh R., Bhat S.S.
Intrusion detection in connected cars. // IEEE International
Conference on Electro Information Technology. 2017. С.
516-519.
74. Desnickij V. A., Kotenko I. V. Analiz atak istoshcheniya
energoresursov na sistemy besprovodnyh ustrojstv //Izvestiya
vysshih uchebnyh zavedenij. Priborostroenie, 2018, Vol. 61,
no. 4, (in Russian).
75. Desnickij V. A., Rudavin N. N. Modelirovanie i analiz atak
istoshcheniya energoresursov v sistemah cifrovogo goroda //
Informacionnye tekhnologii i telekommunikacii, 2018, Vol.
6, no. 3, pp. 10-18, (in Russian).
76. Desnickij V. A., Chechulin A. A. Obobshchennaya model'
narushitelya i verifikaciya informacionno-telekommunika-
cionnyh sistem so vstroennymi ustrojstvami //Tekhnicheskie
nauki–ot teorii k praktike, 2014, no. 39, (in Russian).
77. Aleksandrov V. A., Desnickij V. A., Chalyj D. Yu. Razrabot-
ka i analiz zashchishchennosti fragmenta informacionno-
telekommunikacionnoj sistemy, realizuyushchej koncepciyu
Interneta veshchej //Modelirovanie i analiz informacionnyh
system, 2016, Vol. 23, no. 6, pp. 767-776, (in Russian).
78. Balueva A.V., Desnickij V.A. Zashchishchennyj protokol
peredachi dannyh v sistemah interneta veshchej na primere
ustrojstv Raspberry Pi Informacionnye tekhnologii i telekom-
munikacii, 2018, Vol. 6, no. 4, pp. 10-20, (in Russian).
79. Weimerskirch A. An Overview of Automotive Cybersecuri-
ty. // Proceedings of the 5th International Workshop on Trust-
worthy Embedded Devices. 2015. С. 53–53.
80. Schmitt M. N. Computer network attack and the use of force
in international law: thoughts on a normative framework //
Colum. J. Transnat›l L. – 1998. – Т. 37. – С. 885.
81. R. G. Sanfelice. Analysis and Design of Cyber-Physical
Systems. A Hybrid Control Systems Approach // Cyber-
Physical Systems: From Theory to Practice / D. Rawat, J.
№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ
АНАЛИЗ УГРОЗ ИНТЕРФЕЙСАМ БЕСПИЛОТНОЙ ТРАНСПОРТНОЙ СРЕДЫ
Rodrigues, I. Stojmenovic. — CRC Press, 2016. — ISBN
978-1-4822-6333-6.
82. Chevalier Y., Rieke R., Fenzl F., Chechulin A., Kotenko I.
ECU-Secure: Characteristic Functions for In-Vehicle Intrusion
Detection. // International Symposium on Intelligent and
Distributed Computing (IDC-2019). 2019. С. 495–504.
83. Nie S., Liu L., Du Y. Free-fall: hacking tesla from wireless to
can bus. // Defcon. 2017. С. 1–16.
84. Argus company: Car Hacking Now Taking Center Stage
[Электронный ресурс]. – URL: https://argus-sec.com/blog/
cyber-security-blog/car-hacking-now-taking-center-stage/,
(дата обращения 14.06.2023).
85. Schellekens M. Car hacking: Navigating the regulatory
landscape. // Computer law & security review. 2016. Т. 32.
№. 2. С. 307-315.
86. Kotenko I.V., Kolomeec M.V., Zhernova K.N., Chechulin
A.A. Visual analytics for information security: efficiency as-
sessment and analysis of visualization methods // Cybersecu-
rity problems. – 2021. – № 6(46). – Pp. 36-46.
Received 17.07.2023
UDK 004.5
ИНФОРМАЦИЯ ОБ АВТОРАХ
1. Коломеец Максим Вадимович – Doctor of Philosophy, Фе-
деральное государственное бюджетное учреждение науки
№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ
«Санкт-Петербургский Федеральный Исследовательский
Центр Российской Академии Наук»,
e-mail: kolomeec@comsec.spb.ru
2. Жернова Ксения Николаевна – кандидат технических
наук, Федеральное государственное бюджетное учрежде-
ние науки «Санкт-Петербургский Федеральный Исследо-
вательский Центр Российской Академии Наук»,
e-mail: zhernova@comsec.spb.ru
3. Чечулин Андрей Алексеевич – кандидат технических
наук, доцент, Федеральное государственное бюджетное
учреждение науки «Санкт-Петербургский Федеральный
Исследовательский Центр Российской Академии Наук»,
e-mail: chechulin@comsec.spb.ru
AUTHORS’ INFORMATION
1. Kolomeyets Maksim Vadimovich – Doctor of Philosophy,
St. Petersburg Federal Research Center of the Russian Acad-
emy of Sciences, e-mail: kolomeec@comsec.spb.ru
2. Zhernova Ksenia Nikolaevna – Candidate of Technical
Sciences, St. Petersburg Federal Research Center of the Rus-
sian Academy of Sciences, e-mail: zhernova@comsec.spb.ru
3. Chechulin Andrey Alekseevich – Candidate of Technical
Sciences, Associate Professor, St. Petersburg Federal Re-
search Center of the Russian Academy of Sciences,
e-mail: chechulin@comsec.spb.ru
75
 2.3.6. Методы и системы защиты информации,
информационная безопасность

АНАЛИТИЧЕСКАЯ МОДЕЛЬ УГРОЗ МЕЖМОДУЛЬНОГО

ВЗАИМОДЕЙСТВИЯ В СИСТЕМЕ ЗАЩИТЫ
ИНФОРМАЦИИ

стр. 76 – 84
В.В. Покусов1
1 Национальный институт развития в сфере обеспечения информационной безопасности:
Казахстан, 050010, Алматы, ул. Пушкина, 125

Контактные данные: В.В. Покусов, v@victor.kz

Резюме: В статье синтезируется аналитическая модель угроз межмодульного взаимодействия в системе за-
щиты информации. Для этого вводится формализация элементарных сущностей последней в терминах теории
множеств: модулей, информационных объектов, атак, границы. Введенная формализация применена для описания
6 типовых угроз информационно-технического взаимодействия в системе защиты информации, модель которых
была получена ранее. Дается их краткая формулировка, и трактуются условия возникновения в аспектах введен-
ных и формализованных элементарных сущностей. Для каждой угрозы приводится графический пример возникно-
вения и ее аналитическая запись в нотации логики предикатов. К высказыванию «условия существования угрозы»
применена операция отрицания, что позволяет получить формально способ противодействия ей, который трак-
туется как требование к системе защиты информации.
Ключевые слова: системе защиты информации, межмодульное взаимодействие, угроза, формализация, аналити-
ческая модель, логика предикатов, способ противодействия

ANALYTICAL MODEL OF INTERMODULE INTERACTIONS

THREATS IN THE INFORMATION SECURITY SYSTEM

pages 76 – 84
V.V. Pokussov1
1 National Institute for Development in Information Security:

125 Pushkin str., Almaty, 050010, Republic of Kazakhstan

Summary: The article synthesizes an analytical model of threats of inter-module interaction in the information security
system. For this purpose, a formalization of the latter elementary entities in terms of set theory is introduced: modules,
information objects, attacks, and boundaries. The introduced formalization is applied to describe 6 typical threats of
information-technical interaction in the information security system, the model of which was obtained earlier. Their brief
formulation is given, and the conditions of occurrence in aspects of the introduced and formalized elementary entities are
interpreted. For each threat a graphical example of occurrence and its analytical record in the notation of predicate logic
are given. The negation operation is applied to the statement “conditions of threat existence”, which allows to obtain
formally a way to counteract it, which is interpreted as a requirement to the information security system.
Keywords: information security system, inter-module interaction, threat, formalization, analytical model, predicate logic,
countermeasure method

DOI: 10.34219/2078-8320-2023-14-3-76-84

ВВЕДЕНИЕ очевидных преимуществ такая архитектура несет в себя и

угрозы информационной безопасности (далее – ИБ), источ-
Для повышения эффективности функционирования и
ником которых является информационно-техническое вза-
удобства создания (а в дальнейшем и модернизации) со-
имодействие между модулями. Этот принципиально новый
временные системы защиты информации (далее – СЗИ) за-
класс угроз впервые описан автором в работе [1].
частую строятся по модульному принципу. Но кроме этих

76 № 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ

АНАЛИТИЧЕСКАЯ МОДЕЛЬ УГРОЗ МЕЖМОДУЛЬНОГО ВЗАИМОДЕЙСТВИЯ В СИСТЕМЕ ЗАЩИТЫ ИНФОРМАЦИИ
Противодействия им (как и любой другой угрозе) начина-
ется с синтеза модели угроз, которая традиционно является
методическим документом от Регулятора [2, 3], с помощью
которого специалисты в области информационной безопас-
ности и защиты информации решают задачи анализа защи-
щенности, разработки СЗИ и проч. в пределах своих ком-
петенций. В такой модели, как правило, дается обобщенное
описание объектов защиты, возможных источников угрозы
ИБ, основных классов уязвимостей, возможных видов де-
структивных воздействий, а также основных способов их
реализации. Такая словесно-схемная модель вполне годит-
ся для прикладных задач «защитников информации», одна-
ко для ученых требуется ее более строгое – математическое
(аналитическое) представление. Именно исследование тако-
го вида модели позволит получить знания (которые невоз-
можно получить иным путем ввиду отсутствия Best Practices
противодействия) о новом классе угроз. Эти знания необхо-
димы проектировщикам современных СЗИ для создания эф-
фективных и безопасных комплексируемых систем [4].
Моделированию угроз ИБ посвящено множество ра-
бот – журнальных статей, диссертаций, монографий, науч-
ных отчетов, докладов на конференциях, патентов: соглас-
но поисковому запросу в научной электронной библиотеке
eLIBRARY.RU – 10531 (из 44943243 хранящихся в ней пу-
бликаций); угрозам межмодульного взаимодействия – десят-
ки (17), а их математическому моделированию – единицы (3)
(на поверку оказалась – 1, причем авторская [5]). Это говорит
о значительном научном интересе и актуальности разработ-
ки именно аналитической модели угроз межмодульного вза-
имодействия в СЗИ. Аналитический обзор релевантных (в
смысле выбора и обоснования математического инструмен-
тария моделирования угроз) работ заслуживает отдельной
публикации.
ФОРМАЛИЗАЦИЯ СЗИ
Произведем формализацию сущностей СЗИ в терминах
теории множеств, что позволит записать в аналитическом
виде существующие в ней угрозы.
Модули
СЗИ сама по себе является системой и, следовательно,
состоит из совокупности взаимосвязанных элементов, со-
ставляющих единый комплекс с целевым предназначени-
ем (в данном случае – защита информации). А поскольку
классическим способом достижения цели (т.е. того, к чему
необходимо стремиться) является деление деятельности на
задачи (т.е. того, что необходимо делать), то логично и цель-
ориентированную СЗИ составить из задача-ориентирован-
ных модулей (далее – Модуль), что соответствует подходам,
изложенным в [6, 7]. Множество всех Модулей может быть
записано путем введения следующих обозначений:
где M – множество Модулей (аббр. от англ. Module, перев.
на рус. Модуль); Mx– x-й Модуль; x – идентификатор (в про-
№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ
стейшем случае просто номер) Модуля; N – множество всех
идентификаторов Модулей (для простейшего случая номе-
ров – множество натуральных чисел от 1 до общего числа
Модулей); QTM – общее количество всех модулей (сокр. от
англ. Quantity, перев. на рус. Количество), вычисляемое через
мощность множества N через оператор | |. Очевидно, что
чем больше это количество, тем меньше ресурсоэкономность
системы.
Информационные объекты
Взаимодействие Модулей в СЗИ может быть проинтер-
претирована, как обмен блоками с данными различных ти-
пов – информационными объектами (далее – ИО). Таким
образом, множество всех ИО (именно, как типовых данных,
а не как их конкретного информационного содержания), цир-
кулирующих в СЗИ, имеет следующий вид:
где Q – множество ИО (аббр. от англ. Object, перев. на рус.
Объект), циркулирующих в СЗИ; o – один ИО (для удобства
дальнейшей записи и без потери логики индекс ИО будет
опущен); QTO – общее количество всех ИО. Очевидно, что
чем больше это количество, тем меньше ресурсоэкономность
системы.
СЗИ, как единая сущность, в введенных формальных за-
писях элементарных сущностей тогда имеет следующий вид:
где ISS – аббр. от англ. Information Security System, перев. на
рус. Система Защиты Информации.
Поскольку взаимодействие Модулей происходит посред-
ством ИО, то очевидно каждый может принимать ИО от дру-
гих модулей, а множество входных ИО может быть записано
следующим образом:
где o – в данном случае входной ИО; – множество ИО
из состава всех ИО системы (т.е. O), входных в х-ый Модуль
(In – сокр. от англ. Input, перев. на рус. Входной; здесь и да-
лее индекс x будем по возможности использовать для указа-
ния входных потоков); – общее количество всех ИО,
входных в х-ый Модуль. Очевидно, что чем больше это коли-
чество, тем меньше ресурсоэкономность Модуля. Следуя за-
писи выше, Модуль формально может не иметь входных ИО
(т.е. ); такая ситуация будет описана далее.
По аналогии, множество выходных ИО может быть за-
писано следующим образом:
где o – в данном случае выходной ИО; – множество
ИО их состава всех ИО системы (т.е. O), выходных их у-го
77

Модуля ( – сокр. от англ. Output, перев. на рус. Выход-
ной; здесь и далее индекс y будем по возможности исполь-
зовать для указания выходных потоков). – общее ко-
личество всех ИО, выходных из у-го Модуля. Очевидно, что
чем больше это количество, тем меньше ресурсоэкономность
Модуля. Следуя записи выше, Модуль формально может не
иметь выходных ИО (т.е. ); такая ситуация будет
описана далее.
Справедливости ради необходимо отметить, что введен-
ный до этого момента формализм может применяться к прак-
тически любой организационно-технической системе и явля-
ется условно классическим. Далее же формальный аппарат
будет расширен спецификой именно СЗИ.
Исходя из того, что входные и выходные ИО как раз и
составляют все множество ИО в СЗИ, то верно следующее
и утверждение:
дословно означающее объединение всех ИО (входных и вы-
ходных) от всех Модулей (здесь и далее в качестве индекса
Модуля взята переменная m).
Атаки
Поскольку целевое назначение СЗИ заключается в об-
наружении атак различного генеза, действующих на защи-
щаемые ресурсы, то система должна уметь обнаруживать
некоторый набор классов атак. Множество таких классов за-
пишем следующим образом:
где C – множество классов атак, обнаруживаемых и противо-
действуемых с помощью СЗИ (аббр. от англ. Class, перев.
на рус. Класс); c – один из классов атак (для удобства даль-
нейшей записи и без потери логики индекс класса будет опу-
щен); – общее количество всех классов атак. Очевидно,
что чем больше это количество, тем больше результатив-
ность СЗИ.
Исходя из логики введения классов атак, в СЗИ должны
присутствовать Модули (как часть всех Модулей), анализиру-
ющих поступающие извне сигналы воздействия, соответству-
ющие определенным классам атак. Такие Модули расположе-
ны на границе раздела СЗИ с окружающим миром (условно,
с направлением «внутрь») и могут быть отнесены к разряду
датчиков. Поддерживаемое же каждым таким Модулем мно-
жество «входных» классов будет иметь следующий вид:
где c – в данном случае поддерживаемый класс атаки;
– множество классов атак для обнаружения из со-
става всех для СЗИ (т.е. C), поддерживаемых х-ым Модулем
( – перев. с англ. на рус. Атака); – общее
количество всех классов атак, поддерживаемых х-ым Моду-
78
Покусов В.В.
лем. Очевидно, что чем больше это количество, тем больше
результативность Модуля.
По аналогии с обнаружением атак, в СЗИ должна при-
сутствовать часть Модулей, синтезирующих реакции (или
действии) противодействия, также соответствующие опре-
деленным классам атак. Такие Модули расположены на
границе раздела СЗИ с окружающим миром (условно, с на-
правлением «наружу») и могут быть отнесены к разряду ис-
полнителей (или акторов). Поддерживаемое же каждым та-
ким Модулем множество «выходных» классов будет иметь
следующий вид:
где c – в данном случае поддерживаемый класс атаки;
– множество классов атак для противодействия из
состава всех для СЗИ (т.е. C), поддерживаемых у-ым Моду-
лем ( – перев. с англ. на рус. Защита); –
общее количество всех классов атак, поддерживаемых у-ым
Модулем. Очевидно, что чем больше это количество, тем
больше результативность Модуля.
Исходя из того, что классы атак, обнаруживаемые одними
Модулями и те, которым противодействуют другие Модули,
как раз и составляют все множество классов атак в СЗИ, то
верно и следующее утверждение:
дословно означающее объединение всех классов атак (вход-
ных и выходных) от всех Модулей.
Граница СЗИ
Как было указано ранее, Модули датчики и исполните-
ли находятся на границе СЗИ и предназначены для обмена с
внешней средой (не только информационного, но и физиче-
ского или иной природы).
Как следствие, у Модулей-датчиков не должно быть вход-
ных (от иных Модулей) ИО, поскольку всю необходимую
для работы информацию об атаках они получают извне СЗИ;
остальные же Модули, наоборот, не имеют поддержки для
каких-либо «входных» классов атак. Данные правила могут
быть записаны следующим образом:
А у Модулей-исполнителей не должно быть выходных ИО,
поскольку они продуцируют действия по противодействию
атакам наружу СЗИ; остальные же Модули, наоборот, не име-
ют поддержки для каких-либо «выходных» классов атак. Дан-
ные правила могут быть записаны следующим образом:
№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ
АНАЛИТИЧЕСКАЯ МОДЕЛЬ УГРОЗ МЕЖМОДУЛЬНОГО ВЗАИМОДЕЙСТВИЯ В СИСТЕМЕ ЗАЩИТЫ ИНФОРМАЦИИ
Случай, когда Модуль на границе СЗИ не поддерживает
ни одного класса атак (обнаруживаемого или противодей-
ствуемого), рассматриваться не будут, поскольку не несут
практического интереса. В качестве их примеров можно
привести встроенный генератор ИО (например, для Fuzzy-
тестирования отдельных модулей) или их визуализатор (на-
пример, для отладки процесса функционирования СЗИ).
АНАЛИТИЧЕСКОЕ МОДЕЛИРОВАНИЕ
УГРОЗ МЕЖМОДУЛЬНОГО
ВЗАИМОДЕЙСТВИЯ В СЗИ
Применим введенную формализацию СЗИ для описания
угроз межмодульного информационно-технического взаи-
модействия, модель которых была получена ранее [1]. Для
этого приведем далее краткую формулировку всех 6 угроз,
трактуем условия их возникновения в аспектах введенных
и формализованных объектов СЗИ, приведем графический
пример возникновения угрозы, дадим ее запись в терминах
использованной ранее формализации, раскроем смысл запи-
си, предложим меры для оценки воздействия угрозы на всю
СЗИ, получим формально способ противодействия угрозе, за
которым последуют предпосылки требований, которые необ-
ходимо предъявить для СЗИ.
Суть каждой угрозы заключается в возникновении неко-
торых условий, которые ведут к ухудшению двух показате-
лей СЗИ. Первый показатель, отражающий СЗИ с позиции
собственной безопасности (в смысле – ИБ), может быть за-
писан следующим образом:
где S – сам показатель безопасности (аббр. от англ. Safety,
перев. на рус. Безопасность), состоящий из канонических
компонентов ИБ-нарушений: SC (индекс C – аббр. от англ.
Confidential, перев. на рус. Конфиденциальность), SI (индекс
I– аббр. от англ. Integrity, перев. на рус. Целостность) и SA
(индекс A – аббр. от англ. Availability, перев. на рус. Доступ-
ность).
Аналогично, второй показатель, отражающий эффектив-
ность СЗИ, может быть записан следующим образом:
где E – показатель, состоящий из компонентов эффективно-
сти ER (индекс R – аббр. от англ. Result, перев. на рус. Ре-
зультативность), EO (индекс O – аббр. от англ. Operativeness,
перев. на рус. Оперативность) и EE (индекс E – аббр. от англ.
resource Economy, перев. на рус. Ресурсоэкономность).
Ухудшение (нарушение – для безопасности, и снижение
­– для эффективности) компонент любого из показателей бу-
дем обозначать с помощью индекса .
Также, при приведении формулировки угрозы укажем
следующим образом ее основные аспекты: курсивом – при-
чины возникновения, жирным шрифтом – последствия.
Исходя из того, что угроза является совокупностью не-
которых условий и последствий их возникновения, то при
наличии формальной записи угрозы противодействие ей мо-
жет быть получено с помощью операции отрицания. В этом
№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ
случае, полученные отрицанием условия будут представлять
собой требования, выполнение которых нейтрализует угрозу.
Данное правило обобщенно можно записать следующим об-
разом
где T – некоторая угроза ( – указание, что она существует),
– множество условий, – оператор
ухудшения, применяемый к показателю безопасности и эф-
фективности СЗИ.
Тогда, отрицание условий угрозы будет иметь вид:
что, по сути, и утверждает об отсутствии угрозы при невы-
полнении условий ее возникновения.
Так, например, если угроза заключается в том, что «от-
сутствие антивирусной защиты повышает вероятность всех
нарушений ИБ», то отрицание условия – т.е. «наличие анти-
вирусной защиты» – является требованием к СЗИ для не-
допущения повышения риска нарушений (естественно, они
могут возникнуть вследствие других, ранее существовавших
угроз).
Угроза 1
Формулировка
Угроза формулируется следующим образом: «Создание
для интегрированной СЗИ опасности, связанной с наруше-
нием доступности ее информации и снижением резуль-
тативности работы вследствие нехватки информационных
объектов».
Трактовка условий
Условия возникновения угрозы означают наличие неко-
торого Модуля со входным ИО, который бы не был выход-
ным ни для какого другого Модуля – т.е. оказывался как-бы
«висящем в воздухе». Таким образом, в системе будет суще-
ствовать Модуль, для работы которого необходим ИО, кото-
рый никем не продуцируется.
Графическое представление
Графическое представление угрозы приведено на Рис. 1.
Рис. 1. Графическое представление Угрозы 1
Согласно Рис. 1, Модуль Y_1 получает ИО_1 от Модуля
X_1, однако для продуцирования ИО_2 каких-либо Модулей
в СЗИ не существует.
79

Математическая запись
Исходя из данной трактовки, формальная запись угрозы
имеет следующий вид:
где – сама Угроза 1 (аббр. от англ. Thread, перев. на рус.
Угроза), приводящая к нарушению доступности и сниже-
нию результативности СЗИ.
Интерпретация записи
Интерпретация формальной записи условий дословно
звучит следующим образом (здесь и далее без повторения ее
последствий из формулировки): «Угроза 1 возможна тогда и
только тогда, когда существуют ИО и Модуль, для которого
этот ИО является входным, такие, что ни для одного другого
Модуля данный ИО не будет выходным».
Мера воздействия
Исходя из того, что каждый ИО, присутствующий только
среди входных одного из Модулей, приводит к угрозе, то ее
мера должна зависеть от числа таких ИО, т.е.:
где – оператор вычисления меры воздействия (сокр.
от англ. Measure, перев. на рус. Измерение) конкретной угро-
зы T на всю СЗИ; – упомянутый входной ИО; « » – в дан-
ном случае, указание зависимости.
Противодействие угрозе
Применение операции отрицания к условиям существо-
вания угрозы приводит к следующей записи требований к
СЗИ:
Требования к СЗИ
Интерпретация формализованной записи требования для
противодействия Угрозе 1 заключается в том, что для любого
входного ИО любого Модуля должен существовать другой
Модуль, для которого этот ИО является выходным.
Угроза 2
Формулировка
Угроза формулируется следующим образом: «Создание
для интегрированной СЗИ опасности, связанной с наруше-
нием конфиденциальности ее информации и снижением
оперативности и ресурсоэкономности работы вследствие
избытка информационных объектов».
Трактовка условий
Условия возникновения угрозы означают наличие некото-
рого Модуля с выходным ИО, который бы не был входным ни
для какого другого Модуля – т.е. также оказывался бы «вися-
80
Покусов В.В.
щем в воздухе». Таким образом, в системе будет существовать
Модуль, который продуцирует ИО, никем не используемый.
Графическое представление
Графическое представление угрозы приведено на Рис. 2.
Рис. 2. Графическое представление Угрозы 2
Согласно Рис. 2, Модуль X_1 продуцирует ИО_1 для Мо-
дуля Y_1, однако продуцируемый ИО_2 никаким Модулем в
СЗИ не получается.
Математическая запись
Исходя из данной трактовки, формальная запись угрозы
имеет следующий вид:
где – сама Угроза 2, приводящая к нарушению конфиден-
циальности , а также снижению оперативности и ре-
сурсоэкономности СЗИ.
Интерпретация записи
Интерпретация формальной записи условий дословно
звучит следующим образом: «Угроза 2 возможна тогда и
только тогда, когда существуют ИО и Модуль, для которого
этот ИО является выходным, такие, что ни для одного друго-
го Модуля данный ИО не будет входным».
Мера воздействия
Исходя из того, что каждый ИО, присутствующий только
среди выходных одного из Модулей, приводит к угрозе, то ее
мера должна зависеть от числа таких ИО, т.е.:
где – упомянутый выходной ИО.
Противодействие угрозе
Применение операции отрицания к условиям существова-
ния угрозы приводит к следующей записи требований к СЗИ:
Требования к СЗИ
Интерпретация формализованной записи требования для
противодействия Угрозе 2 заключается в том, что для любого
№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ
АНАЛИТИЧЕСКАЯ МОДЕЛЬ УГРОЗ МЕЖМОДУЛЬНОГО ВЗАИМОДЕЙСТВИЯ В СИСТЕМЕ ЗАЩИТЫ ИНФОРМАЦИИ
выходного ИО любого Модуля должен существовать другой
Модуль, для которого этот ИО является входным.
Угроза 3
Формулировка
Угроза формулируется следующим образом: «Создание
для интегрированной СЗИ опасности, связанной с наруше-
нием целостности ее информации и снижением оператив-
ности и ресурсоэкономности работы вследствие внутрен-
них конфликтов модулей при решении одинаковых задач».
Трактовка условий
Условия возникновения угрозы означают наличие двух
Модулей, которым или необходимы для работы или которы-
ми продуцируют на выходе одинаковые ИО. Таким образом,
в системе будут существовать Модули, для которых конкури-
руют входные или выходные ИО.
Графическое представление
Графическое представление угрозы приведено на Рис. 3.
Рис. 3. Графическое представление Угрозы 3
Согласно Рис. 3, Модули X_1 и X_2 продуцируют один и
тот же ИО_1, равно как и Модули Y_1 и Y_2 также получают
одинаковый ИО_2.
Математическая запись
Исходя из данной трактовки, формальная запись угрозы
имеет следующий вид:
где – сама Угроза 3, приводящая к нарушению целостно-
сти и снижению оперативности и ресурсоэкономности
СЗИ.
Интерпретация записи
Интерпретация формальной записи условий дословно
звучит следующим образом: «Угроза 3 возможна тогда и
только тогда, когда существует ИО и два Модуля, для кото-
рых этот ИО является одновременно или входным или вы-
ходным».
Мера воздействия
Исходя из того, что каждая пара Модулей с одинако-
выми входными и/или выходными ИО, приводит к угро-
№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ
зе, то ее мера должна зависеть от числа таких Модулей и
ИО, т.е.:
где – упомянутый входной и выходной ИО, –
пара упомянутых Модулей с одинаковыми ИО.
Противодействие угрозе
Применение операции отрицания к условиям существо-
вания угрозы приводит к следующей записи требований к
СЗИ:
Требования к СЗИ
Интерпретация формализованной записи требования для
противодействия Угрозе 3 заключается в том, что для каждо-
го ИО и двух любых Модулей этот ИО хотя бы для одного из
них не является входным и также хотя бы для одного из них
не является выходным.
Угроза 4
Формулировка
Угроза формулируется следующим образом: «Создание
для интегрированной СЗИ опасности, связанной с наруше-
нием доступности ее информации и снижением результа-
тивности работы вследствие отсутствия возможности под-
держки модулями входных классов атак».
Трактовка условий
Условия возникновения угрозы означают наличие не-
которого класса атак, признаки которой не анализируются
ни одним из Модулей. Таким образом, отсутствует под-
держка Модулями всех атак, для которых проектировалась
СЗИ.
Графическое представление
Графическое представление угрозы приведено на Рис. 4.
Рис. 4. Графическое представление Угрозы 4
Согласно Рис. 4, на СЗИ действуют две атаки, при этом
Атака 1 обнаруживается Модулем X (Модуль расположен
на границе, которая отмечена двойной линией), а для об-
наружения Атаки 2 соответствующий Модуль в СЗИ отсут-
ствует.
81
 Покусов В.В.

Математическая запись а для Противодействия 2 соответствующий Модуль в СЗИ

отсутствуют. Первая атака «отражается» Модулем X_1
Исходя из данной трактовки, формальная запись угрозы
(Модуль расположен на границе, которая отмечена двойной
имеет следующий вид:
линией), а для «отражения» второй Модуль в СЗИ отсут-
ствуют.

где – сама Угроза 4, приводящая к нарушению доступно-

сти и снижению результативности СЗИ.

Интерпретация записи
Интерпретация формальной записи условий дословно
звучит следующим образом: «Угроза 4 возможна тогда и
только тогда, когда существуют класс атак такой, что для лю-
бого Модуля он не входит в множество обнаруживаемых».

Мера действия
Исходя из того, что каждый класс атаки, не обнаружи-
ваемый никаким из Модулей, приводит к угрозе, то ее мера
должна зависеть от числа таких классов, т.е.: Рис. 5. Графическое представление Угрозы 5

где – упомянутый не обнаруживаемый класс. Математическая запись

Исходя из данной трактовки, формальная запись угрозы
Противодействие угрозе имеет следующий вид:
Применение операции отрицания к условиям существо-
вания угрозы приводит к следующей записи требований к
СЗИ:
где – сама Угроза 5, приводящая к нарушению доступно-
сти и снижению результативности СЗИ.

Требования к СЗИ Интерпретация записи

Интерпретация формализованной записи требования для
противодействия Угрозе 4 заключается в том, что для любого
класса атак существует Модуль, который способен его обна-
руживать.
Угроза 5
Формулировка
Угроза формулируется следующим образом: «Создание
для интегрированной СЗИ опасности, связанной с наруше-
нием доступности ее информации и снижением результа-
тивности работы вследствие отсутствия возможности под-
держки модулями выходных противодействий классам атак».
Трактовка условий
Условия возникновения угрозы означают наличие неко-
торого класса атак, противодействие которому не синтези-
руется ни одним из Модулей. Таким образом, отсутствует
поддержка Модулями противодействия всем атакам, для ко-
торых проектировалась СЗИ.
Графическое представление
Графическое представление угрозы приведено на Рис. 5.
Согласно Рис. 5, СЗИ должна противодействовать двум
атакам, при этом Противодействие 1 создается Модулем X,
Интерпретация формальной записи условий дослов-
но звучит следующим образом: «Угроза 5 возможна тогда
и только тогда, когда существуют класс атак такой, что для
любого Модуля он не входит в множество им противодей-
ствуемым».
Мера действия
Исходя из того, что каждый класс атаки, не противодей-
ствуемый никаким из Модулей, приводит к угрозе, то ее мера
должна зависеть от числа таких классов, т.е.:
где – упомянутый непротиводействуемый класс.
Противодействие угрозе
Применение операции отрицания к условиям существо-
вания угрозы приводит к следующей записи требований к
СЗИ:
Требования к СЗИ
Интерпретация формализованной записи требования для
противодействия Угрозе 5 заключается в том, что для любого
класса атак существует Модуль, который способен ему про-
тиводействовать.

82 № 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ

АНАЛИТИЧЕСКАЯ МОДЕЛЬ УГРОЗ МЕЖМОДУЛЬНОГО ВЗАИМОДЕЙСТВИЯ В СИСТЕМЕ ЗАЩИТЫ ИНФОРМАЦИИ
Угроза 6
Формулировка
Угроза формулируется следующим образом: «Создание
для интегрированной СЗИ опасности, связанной с наруше-
нием конфиденциальности и целостности ее информации,
а также снижением всех показателей эффективности ее ра-
боты вследствие наличия невзаимодействующих модулей».
Трактовка условий
Условия возникновения угрозы означают наличие неко-
торого Модуля, у которого как входные ИО не продуцируют-
ся другими Модулями, так и выходные ИО не используются
другими Модулями. Таким образом, в СЗИ присутствует Мо-
дуль, не участвующий ни в обнаружении, ни в противодей-
ствии атакам.
Отметим, что выполнение условия данной угрозы в ряде
случаев будет означать и наличие других Угроз по следующим
причинам. Во-первых, отсутствие в принципе входных и вы-
ходных ИО говорит о наличие в СЗИ неработающего Модуля,
что является аномальным, хотя и не связано с другими угроза-
ми. И, во-вторых, если у Модуля есть входные и/или выходные
ИО, но ни один из них не связан с другими Модулями, то это
тождественно наличию Угрозы 1 и/или Угрозы 2.
Графическое представление
Графическое представление угрозы приведено на Рис. 6.
Рис. 6. Графическое представление Угрозы 6
Согласно Рис. 6, как необходимый ИО_1 для работы Мо-
дуля X не продуцируется ни одним Модулем СЗИ, так и соз-
даваемый ИО_2 не принимается ни одним Модулем СЗИ.
Математическая запись
Исходя из данной трактовки, формальная запись угрозы
имеет следующий вид:
где – сама Угроза 6, приводящая к нарушению конфиден-
циальности и целостности , а также снижению всех –
, и – показателей эффективности СЗИ.
Интерпретация записи
Интерпретация формальной записи условий дословно
звучит следующим образом: «Угроза 6 возможна тогда и
только тогда, когда существуют некоторый Модуль такой, что
для любого другого Модуля одновременно все входные ИО
первого Модуля не являются выходными второго Модуля,
и все выходные ИО второго Модуля не являются входными
первого Модуля».
№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ
Мера действия
Исходя из того, что каждый Модуль, не связанный с дру-
гими через входные/выходные ИО, приводит к угрозе, то ее
мера должна зависеть от числа таких Модулей, т.е.:
где – упомянутый обособленный Модуль.
Противодействие угрозе
Применение операции отрицания к условиям существо-
вания угрозы приводит к следующей записи требований к
СЗИ:
Требования к СЗИ
Интерпретация формализованной записи требования для
противодействия Угрозе 6 заключается в том, что для любо-
го Модуля существует другой Модуль такой, что существует
входной для первого Модуля ИО, который является входным
и для второго, или существует выходной для первого Модуля
ИО, который является выходным и для второго.
ЗАКЛЮЧЕНИЕ
Таким образом, можно констатировать, что в работе по-
лучены формальные записи, совокупность которых пред-
ставляет собой действительно аналитическую модель угроз
межмодульного взаимодействия в СЗИ. А с учетом заявлен-
ной (см. Введение) и библиографически подтвержденной
декларации автора об отсутствии подобных результатов в на-
учно-публикационном пространстве – то такая модель полу-
чена впервые.
Ее теоретическая значимость состоит в установлении
формальных условий реализации угроз межмодульного вза-
имодействия в СЗИ, приводящей к нарушению конфиден-
циальности, целостности и доступности ее информации, а
также к снижению результативности, оперативности и ре-
сурсоэкономности ее работы. Такая запись позволяет прово-
дить их (условий) исследование с использованием математи-
ческих методов.
Практическая значимость полученной модели состоит в
возможности решения широкого спектра задач, стоящих на
этапе проектирования или модернизации СЗИ, построенной по
модульному принципу. Одной из таких задач является разработ-
ка протокола универсального их (модулей) информационного
взаимодействия [8, 9], от корректности работы которого зави-
сит и эффективность, и безопасность СЗИ, так как некорректно
спроектированный протокол и несет в себе формализованные в
работе угрозы. Требования к такому протоколу возможно сфор-
мулировать (а в последующем и проверить соблюдение) в тер-
минах полученной аналитической модели [10].
Конфликт интересов отсутствует.
There is no conflict of interest.
83

Список литературы
1. Буйневич М.В., Покусов В.В., Израилов К.Е. Модель
угроз информационно-технического взаимодействия в
интегрированной системе защиты информации // Инфор-
матизация и связь. 2021. № 4. С. 66-73.
2. Базовая модель угроз безопасности персональных дан-
ных при их обработке в информационных системах пер-
сональных данных (утв. Федеральной службой по техни-
ческому и экспортному контролю Российский Федерации
15 февраля 2008 г.)
3. Методика оценки угроз безопасности информации (утв.
Федеральной службой по техническому и экспортному
контролю Российский Федерации 5 февраля 2021 г.)
4. ГОСТ Р 59351-2021. Системная инженерия. Защита ин-
формации в процессе комплексирования системы.
5. Израилов К.Е., Покусов В.В. Актуальные вопросы вза-
имодействия элементов комплексных систем защиты
информации // В сборнике: Актуальные проблемы инфо-
телекоммуникаций в науке и образовании. Сборник науч-
ных статей: в 4-х томах. Под редакцией С.В. Бачевского.
2017. С. 255-260.
6. Буйневич М.В., Израилов К.Е., Покусов В.В., Яро-
шенко А.Ю. Основные принципы проектирования ар-
хитектуры современных систем защиты // Национальная
безопасность и стратегическое планирование. 2020. № 3
(31). С. 51-58.
7. Буйневич М.В., Израилов К.Е., Покусов В.В., Ярошенко
А.Ю. К вопросу об архитектуре комплексных и интегриро-
ванных систем безопасности: протокол-ориентированный
подход // В сборнике: Актуальные проблемы защиты и без-
опасности. Труды XXIV Всероссийской научно-практиче-
ской конференции РАРАН. Москва, 2021. С. 377-383.
8. Покусов В.В. Формат протокола универсального информа-
ционно-технического взаимодействия в системе обеспече-
ния информационной безопасности "УИТВ-СОИБ" // Теле-
коммуникации. 2019. № 9. С. 33-40.
9. Покусов В.В. Библиотека протокола универсального ин-
формационно-технического взаимодействия в системе
обеспечения информационной безопасности // Свиде-
тельство о регистрации программы для ЭВМ KZ 1990,
25.02.2019. Заявка от 25.02.2019.
10. Покусов В.В. Формализация и определение корректности
протокола информационно-технического взаимодействия
(на примере интегрированной системы защиты информа-
ции) // Информатизация и связь. 2021. № 2. С. 55-68.
Поступила 07.09.2023
УДК 004.056
REFERENCES
1. Buinevich M.V., Pokussov V.V., Izrailov K.E. Threats model
of information and technical interaction in the integrated infor-
mation protection system. Informatization and communication.
2021;4:66‒73. DOI: 10.34219/2078-8320-2021-12-4-66-73
84
Покусов В.В.
2. Basic model of threats to the security of personal data dur-
ing their processing in personal data information systems
(approved by the Federal Service for Technical and Export
Control of the Russian Federation on 15 February 2008).
3. Information Security Threat Assessment Methodology (ap-
proved by the Federal Service for Technical and Export Con-
trol of the Russian Federation on 5 February 2021).
4. GOST Р 59351-2021. System engineering. Protection of in-
formation in system integration process.
5. Izrailov K., Pokussov V. Actual issues of interaction of ele-
ments of complex information security systems // Proceed-
ings of the 6th International Conference on Advanced Info-
telecommunication (CAIT 2017). 2017. PP. 255-260.
6. Buinevich M.V., Izrailov K.E., Pokusov V.V., Yaroshenko
A.Yu. Main principles of designing the modern protection
systems architecture. National Security and Strategic Plan-
ning. 2020;3(31):51-58. DOI: 10.37468/2307-1400-2020-3-
51-58
7. Buinevich M., Izrailov K., Pokusov V., Yaroshenko A.
To the question of architecture of complex and integrated
security systems: protocol-oriented approach. In collection:
Actual Problems of Protection and Security. Proceedings of
XXIV All-Russian Scientific-Practical Conference Russian
Academy of Rocket and Artillery Sciences. Moscow; 2021.
PP. 377-383.
8. Pokusov V.V. Protocol format of universal information-
technical interaction in information safety system "UITI-ISS"
("UITV-SOIB"). Telekommunikatsii (Telecommunications).
2019;9:33-40.
9. Pokusov V.V. Protocol library of universal information-tech-
nical interaction in the information security system. Patent
KZ 1990. 25.02.2019.
10. Pokusov V.V. Formalization and determination of the pro-
tocol correctness for information and technical interaction
(on the example of integrated information-security sys-
tem). Informatization and communication. 2021;2:55-68.
DOI: 10.34219/2078-8320-2021-12-2-55-68
Received 07.09.2023
UDK 004.056
ИНФОРМАЦИЯ ОБ АВТОРЕ
1. Покусов Виктор Владимирович – заведующий лабора-
торией компьютерной криминалистики и исследования
программного обеспечения, Национальный институт
развития в сфере обеспечения информационной безопас-
ности.
e-mail: v@victor.kz
AUTHOR’S INFORMATION
1. Pokussov Victor Vladimirovich – Head of the Computer
Forensics and Software, National Institute for Development
in Information Security.
e-mail: v@victor.kz
№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ
 2.3.6. Методы и системы защиты информации,
информационная безопасность

ПОДХОД К ОБНАРУЖЕНИЮ
КЛАВИАТУРНЫХ ШПИОНОВ НА ОСНОВЕ МЕТОДОВ
ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

стр. 85 – 91
Д.А. Левшун, Д.С. Левшун
Федеральное государственное бюджетное учреждение науки
«Санкт-Петербургский Федеральный Исследовательский Центр Российской Академии Наук»,
Россия, 199178, Санкт-Петербург, 14-я линия В.О., 39

Контактные данные: Левшун Д.С., e-mail: levshun@comsec.spb.ru

Резюме: Клавиатурный шпион, или кейлоггер, представляет собой технологию, которая скрытно отслеживает
пользовательский ввод информации в системе. Злоумышленники применяют клавиатурные шпионы в качестве вре-
доносного программного обеспечения для кражи личной информации и учетных данных, в частности логинов и па-
ролей на банковский сайтах и в электронных платежных системах. Доступность и разнородность клавиатурных
шпионов делает задачу их обнаружения одной из приоритетных для обеспечения информационной безопасности.
В данной работе представлен подход к обнаружению клавиатурных шпионов на основе комплекса методов искус-
ственного интеллекта. Данные методы позволяют отслеживать поведение вредоносных программ в системе и
выявлять неявные паттерны для обнаружения потенциальной опасности, без наличия конкретных сигнатур.
Ключевые слова: Клавиатурный шпион; Обнаружение вредоносных программ; Интеллектуальный анализ данных;
Информационная безопасность, Искусственный интеллект.

APPROACH FOR KEYLOGGER DETECTION

BASED ON ARTIFICIAL
INTELLIGENCE METHODS

pages 85 – 91
D.А. Levshun, D.S. Levshun
St. Petersburg Federal Research Center of the Russian Academy of Sciences,
39, 14 Liniya, St. Petersburg, 199178, Russia
SSummary: A keylogger is a technology that secretly monitors user input on a system. Attackers use keyloggers as mali-
cious software to steal personal information and credentials, in particular logins and passwords on banking websites and
electronic payment systems. The availability and heterogeneity of keyloggers makes the task of detecting them one of the
information security priorities. This paper presents an approach to keylogger detection based on a complex of artificial intel-
ligence methods. These methods allow one to monitor the behavior of malware in the system and identify implicit patterns to
detect potential danger, without the presence of specific signatures.
Keywords: Keylogger; Malware detection; Data mining; Information Security, Artificial Intelligence.

DOI: 10.34219/2078-8320-2023-14-3-85-91

1. Введение атуру, компьютерную мышь и прочие устройства. По этой

причине кейлоггер также называют регистратором нажатий
Клавиатурный шпион, или кейлоггер (keylogger), пред-
клавиш (keystroke logger) или режимом захвата клавиатуры
ставляет собой технологию для мониторинга действий поль-
(keyboard capture). Как правило клавиатурный шпион пред-
зователя в системе, а именно ввод информации через клави-

№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ 85


ставляет собой программное обеспечение (ПО), устанавли-
ваемое на целевую систему. Также подобная технология мо-
жет быть реализована в аппаратном виде в качестве отдельно
подключаемого механизма. В настоящее время кейлоггеры
могут внедряться не только в классические компьютерные
системы, но и в мобильные устройства и устройства Интер-
нета вещей, такие как умные замки или часы.
Одной из важных проблем безопасности является до-
ступность клавиатурных шпионов: ряд программ можно
получить в открытом доступе, также, как и инструкции
по созданию следящих аппаратных устройств. Регистра-
ция нажатия клавиш может использоваться для родитель-
ского контроля или слежения за работниками организации,
что не влечет за собой уголовной ответственности при со-
гласии сотрудников [1]. Часто в лицензионных соглашениях
разработчики подобного ПО предупреждают о том, что от-
ветственность за соблюдение законодательства Российской
Федерации лежит на конечном пользователе. Помимо этого,
программные клавиатурные шпионы могут быть созданы с
использованием искусственного интеллекта (ИИ). Так на ос-
нове применения ChatGPT был написан полиморфный кей-
логгер Blackmamba [2].
Многие клавиатурные шпионы также обладают способ-
ностью скрывать свою работу в системе, что значительно
облегчает их использование в преступных целях. Простые
клавиатурные шпионы могут объединяться злоумышленни-
ками с более сложными модулями, например, программа-
шпион может отслеживать логины и пароли на банковских
сайтах и в приложениях, электронных платежных системах и
т.д. Например, в конце 2022 года взлом сервиса для хранения
паролей LastPass был реализован через личный компьютер
одного из инженеров компании путем установки клавиатур-
ного шпиона [3]. А в мае 2023 года была осуществлена рас-
сылка российским предприятиям под видом мобилизацион-
ных предписаний, которая содержала файл для скачивания
многофункционального шпиона DarkWatchman в паре с .NET
клавиатурным шпионом [4].
Таким образом, доступность и разнородность клавиа-
турных шпионов делает задачу их обнаружения одной из
приоритетных для обеспечения информационной безопас-
ности. Большинство антивирусных программ включают в
себя такие функции, как сканирование в режиме реального
времени, мониторинг поведения и эвристика, и способны
обнаруживать известные сигнатуры клавиатурных шпио-
нов или подозрительные действия. Однако возможность
использования открытого кода клавиатурных шпионов и
методов ИИ приводит к высокому полиморфизму такого
типа вредоносного ПО. Вследствие, применение сигнатур
для выявлений кейлоггеров может быть низкоэффектив-
ным. В данной работе представлен подход к обнаружению
клавиатурных шпионов на основе комплекса методов ис-
кусственного интеллекта. Данные методы позволяют отсле-
живать поведение вредоносных программ в системе и вы-
являть неявные паттерны для обнаружения потенциальной
опасности.
86
Левшун Д.А., Левшун Д.С.
Статья организована следующим образом. Раздел 2 содер-
жит аналитический обзор существующих исследований в об-
ласти обнаружения клавиатурных шпионов на основе методов
ИИ. В разделе 3 описан предлагаемый подход. Заключение со-
держит основные выводы и планы дальнейших работ.
2. Обзор существующих исследований
Методы борьбы с угрозами клавиатурных шпионов мо-
гут включать: регулярное сканирование системы, обновле-
ние антивирусного программного обеспечения, мониторинг
сетевого трафика и системных журналов, внедрение бранд-
мауэров и систем обнаружения вторжений [5]. Мониторинг
системных журналов и сетевого трафика является полез-
ным инструментом для раскрытия клавиатурных шпионов.
Журналы могут выявить наличие кейлоггера, обнаружив
необычное выполнение процессов. Например, в исследо-
вании [6] сопоставляется ввод-вывод всех процессов с не-
которой симулированной активностью пользователя, и об-
наружение клавиатурных шпионов основано на корреляции
данных процессов. Обоснование заключается в том, что
чем мощнее поток нажатий клавиш, тем больше операций
ввода-вывода требуется клавиатурному шпиону для записи
нажатий клавиш в файл. Анализ сетевого трафика, в свою
очередь, может обнаруживать поведение клавиатурных
шпионов путем изучения данных, передаваемых по сети,
и выявлять любые необычные модели активности, такие
как одновременная передача больших объемов данных, из-
менения в поведении сети или необычные подключения к
удаленным устройствам [7].
В настоящее время тенденция противодействия клавиа-
турным шпионам движется в сторону передовых техноло-
гий, таких как искусственный интеллект и машинное обу-
чение. Эти технологии могут помочь в выявлении аномалий
и отклонений в системе, которые могут свидетельствовать
о наличии клавиатурного шпиона. Они также могут помочь
в мониторинге и анализе нажатий клавиш в режиме реаль-
ного времени, чтобы обнаруживать любые подозрительные
действия. Машинное обучение также можно использовать
для создания и обновления сигнатур для раскрытия новых
клавиатурных шпионов.
В статье [8] предложен подход к обнаружению кейлог-
геров путем выявления аномалий на основе генетическо-
го алгоритма отрицательного отбора (Negative Selection
Algorithm, NSA). Данный алгоритм позволяет искать откло-
нения от нормального поведения системы на основе прин-
ципов работы иммунных систем, адаптирующихся к окру-
жающей среде. В [9] представлена комбинаторная система
нечеткого вывода для обнаружения клавиатурных шпионов
(combinatorial-based fuzzy inference system for keylogger de-
tection, CaFISKLD). CaFISKLD включает в себя параллель-
ные комбинаторные алгоритмы для идентификации вредо-
носной активности на основе аномалий и на основе сигнатур.
Первый комбинаторный алгоритм использует базу данных
сигнатур для сопоставления входящих приложений с целью
обнаружения клавиатурного шпиона. Напротив, второй ком-
№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ
ПОДХОД К ОБНАРУЖЕНИЮ КЛАВИАТУРНЫХ ШПИОНОВ НА ОСНОВЕ МЕТОДОВ
ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

бинаторный алгоритм применяет обычную базу данных для
обнаружения клавиатурных шпионов, которые не были об-
наружены первым комбинаторным алгоритмом. В качестве
смоделированных шаблонов для обучения и тестирования
разработанного CaFISKLD выступают случайно сгенериро-
ванные коды ASCII.
Для выявления клавиатурных шпионов может приме-
няться ряд традиционных методов машинного обучения.
В [10] предлагается метод обнаружения клавиатурных шпи-
онов на основе метода опорных векторов (support vector
machine, SVM). В основе определения признаков данных для
обучения лежит вычисление разницы во времени между на-
жатием клавиши и выводом. В случае, когда кейлоггер пере-
хватил данные, должно потребоваться некоторое время на
прочтение и передачу, что приведет к задержке генерации
вывода. В [11] для обнаружения мобильных клавиатурных
шпионов в файлах APK используется алгоритм градиентно-
го спуска (Gradient Descent Algorithm, GDA). В [12] приме-
няются классификаторы на основе SVM, деревьев решений
(Decision Tree, DT) и случайного леса (Random Forest, RF).
Модели классификации обучены на наборах данных кейлог-
геров и шпионских программ для определения поведения
системного хоста. В [13] также применяется ряд классифи-
каторов, включающий случайный лес и алгоритмы повыше-
ния градиента (Gradient Boosting Machine, GBM), такие как
LigthGBM и CatBoost, который дополняется гибридным ме-
тодом выбора признаков для клавиатурных шпионов (Hybrid
Ensemble Feature Selection, HEFS).
Помимо традиционных методов, широкое распростра-
нение получают методы глубокого обучения. В исследова-
нии [14] предлагается методология раннего обнаружения
атак кейлоггеров в устройствах медицинского назначения
для защиты личности пациентов от кибератак. Помимо алго-
ритма LigthGBM, в подходе используется глубокая нейрон-
ная сеть (Depp Neural Network, DNN) и сверточная нейрон-
ная сеть (Convolutional Neural Network, CNN). В [15] также
используется CNN, дополненная методом обнаружения глав-
ных компонент (Principal Component Analysis, PCA) для об-
наружения клавиатурных шпионов в сетях Интернета вещей.
В таблице 1 представлен сравнительный анализ перечис-
ленных подходов на основе решаемой задачи, используемых
методов ИИ, типа и набора экспериментальных данных, а так-
же результатов оценки эффективности. В качестве решаемых
задач рассматривается обнаружение злоупотреблений (ОЗ) –
выявление известного поведения кейлоггеров, и обнаружение
аномалий (ОА) – выявление неизвестного поведения кейлогге-
ров на основе отклонения от нормального шаблона.
Ряд исследователей генерируют собственные наборы
данных для экспериментов, используя открыто распростра-
няемые программы регистрации нажатия клавиш, такие как
Logkeys, Blueberry, EKeylogger, Krmonitor, Light Logger и
прочие. В качестве открытых наборов данных в рассмотрен-
ных исследованиях используются наборы сетевого трафика
N-BaIoT [16] и Keylogger Detection by CIC [17].
Эффективность предложенных подходов оценивается с
использованием различных показателей, таких как аккурат-

Таблица 1
Сравнительный анализ подходов к обнаружению кейлоггеров
Публикация Задача Источник данных Набор данных Метод ИИ Результат
Pillai and Siddavatam, 2019 [10] ОЗ Системный журнал Собственный SVM P = 0.99
Madhuri et al., 2019 [11] ОЗ APK файлы Собственный GDA ACC = 0.88
Huseynov et al., 2020 [8] ОА Системные вызовы Собственный NSA ACC = 0.997
ACC = 0.80, P = 0.75,
Suresh and Philip, 2021 [15] ОЗ Сетевой трафик N-BaIoT PCA + CNN
R = 0.87, F1 = 0.80
ACC = 0.95, P = 0.95,
SVM
R = 0.95, F1 = 0.95
Keylogger ACC = 0.97, P = 0.97,
Alghamdi, et al., 2022 [12] ОЗ Сетевой трафик DT
Detection by CIC R = 0.96, F1 = 0.97
ACC = 0.98, P = 0.96,
RF
R = 0.96, F1 = 0.98
LigthGBM AUC = 0.98
Keylogger
Kumar and Sharma, 2023 [14] ОЗ Сетевой трафик DNN AUC = 0.85
Detection by CIC
CNN AUC = 0.7
ACC = 0.977, P = 0.977,
HEFS + RF R = 0.975, F1 = 0.976,
AUC = 0.996
ACC = 0.713, P = 0.711,
Keylogger HEFS +
Alsubaie et al., 2023 [13] ОЗ Сетевой трафик R = 0.683, F1 = 0.687,
Detection by CIC LigthGBM
AUC = 0.768
ACC = 0.925, P = 0. 925,
HEFS +
R = 0.919, F1 = 0.922,
CatBoost
AUC = 0.970
Нечеткий
Ayo et al., 2023 [9] ОЗ, ОА Системный журнал Собственный ACC = 0.965
вывод

№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ 87


ность (accuracy, ACC), точность (precision, P), полнота (recall,
R), F-мера (F-measure, F1) и величина площади под кривой
ошибок (Area Under the Curve of Receiver Operating Charac-
teristic, AUC).
Анализ мировой научной литературы показал, что за-
дача обнаружения клавиатурных шпионов не теряет своей
актуальности. Можно отметить, что методы искусствен-
ного интеллекта позволяют обнаруживать клавиатурных
шпионов с высокой точностью. Большее распространение
получают подходы для обнаружения известного поведения
кейлоггеров. При этом, предложенные решения также же
должны иметь продолжение и развитие. Это связанно как с
появлением новых видов клавиатурных шпионов и подходов
к сокрытию их деятельности в системе, так и постоянным
совершенствованием методов искусственного интеллекта,
позволяющих обнаруживать подозрительную активность.
3. Предлагаемый подход
В разрабатываемом подходе предлагается объединить
алгоритмы для обнаружения известного поведения клави-
атурных шпионов (злоупотреблений) и для обнаружения
неизвестного поведения (аномалий), что направлено на ре-
шение проблемы разнородности данного типа вредоносных
программ. Выделяются два режима работы: автономный
и режим реального времени.
В автономном режиме производится подготовка интел-
лектуальных моделей, как это представлено на рисунке 1.
Рис. 1. Автономный режим подхода к обнаружению клавиатурных шпионов
88
Левшун Д.А., Левшун Д.С.
Сперва входные данные, описывающие как нормальное по-
ведение системы, так и поведение клавиатурных шпионов,
преобразуются в матрицу признаков (этап 1). Матрица при-
знаков представляет собой двумерную таблицу, в которой
строки отражают регистрируемое событие, характеризую-
щее поведении системы в определенный момент времени, а
столбцы – конкретные признаки, заданные фиксированным
набором. Далее подготавливаются обучающая и тестовые
выборки, а также формирование данных для перекрестной
проверки, т.е. кросс-валидации, которая обеспечит итера-
цию обучаемой модели по всему набору данных для оцен-
ки устойчивости (этап 2). После осуществляется обучение
моделей обнаружение злоупотреблений и аномалий с пред-
варительной оптимизацией гиперпараметров моделей на
обучающих выборках (этап 3). Далее производится оценка
эффективности обученных моделей с использованием пока-
зателей, таких как аккуратность, точность, полнота, F-мера
и величина площади под кривой ошибок (этап 4).
В режиме реального времени осуществляется обнаруже-
ние клавиатурных шпионов в текущих данных поведения си-
стемы с использованием обученных интеллектуальных моде-
лей, как это представлено на рисунке 2. Сперва производится
извлечение признаков данных аналогично подобному шагу в
автономном режиме (этап 1). После осуществляется обнару-
жение известного поведения кейлоггеров на основе обучен-
ных моделей обнаружения злоупотреблений (этап 2). Далее
остальные данные, не классифицированные как вредоносная
№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ
ПОДХОД К ОБНАРУЖЕНИЮ КЛАВИАТУРНЫХ ШПИОНОВ НА ОСНОВЕ МЕТОДОВ
ИСКУССТВЕННОГО ИНТЕЛЛЕКТА
Рис. 2. Подход к обнаружению клавиатурных шпионов в режиме реального времени
активность, проверяются на наличие подозрительного по-
ведения с использованием обученных моделей обнаружения
аномалий (этап 3). Таким образом проводится двухэтапная
проверка данных на возможное присутствие поведения кла-
виатурных шпионов.
Описанный подход не обладает спецификой для опреде-
ленного типа данных, описывающих поведение кейлоггера,
и ограничен только возможностью преобразования входных
данных в матрицу признаков.
Научная новизна предлагаемого решения обеспечивается
за счет:
• применения комплекса методов искусственного ин-
теллекта для решения задачи обнаружения клавиатур-
ных шпионов;
• обеспечения устойчивости полученных решений за
счет проверки в различных условиях функционирова-
ния и кросс-валидации;
• оптимизации гиперпараметров методов искусствен-
ного интеллекта для решения задачи обнаружения
клавиатурных шпионов.
Для сравнения предлагаемого подхода с существующими
аналогиями планируется провести ряд экспериментов на от-
крытых наборах данных, например Keylogger Detection by CIC.
4. Заключение
В данной работе представлен подход к обнаружению
клавиатурных шпионов на основе комплекса методов искус-
ственного интеллекта. Интеллектуальные модели позволяют
отслеживать поведение вредоносных программ в системе и
выявлять неявные паттерны для обнаружения потенциаль-
ной опасности. Проведен аналитический обзор существу-
ющих подходов к выявлению кейлоггеров и используемых
моделей искусственного интеллекта. Представлен сравни-
тельный анализ рассмотренных подходов на основе решае-
мой задачи (обнаружение злоупотреблений или аномалий),
методов ИИ, типа и набора экспериментальных данных, а
также результатов оценки эффективности.
В разрабатываемом подходе предлагается объединить
алгоритмы для обнаружения известного поведения клави-
атурных шпионов (злоупотреблений) и для обнаружения
неизвестного поведения (аномалий), что направлено на ре-
шение проблемы разнородности данного типа вредоносных
№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ
программ. Выделяются два режима работы: автономный
и режим реального времени. В автономном режиме произ-
водится подготовка интеллектуальных моделей, в режиме
реального времени – обнаружение клавиатурных шпионов в
текущих данных поведения системы.
Применение предлагаемого подхода позволит повысить
защищенность компьютерных систем за счет повышения эф-
фективности обнаружения клавиатурных шпионов. В свою
очередь, это позволит снизить риски, связанные с финан-
совыми и временными потерями как отдельных лиц, так и
организаций. Дальнейшие исследования заключаются в раз-
работке программно-аппаратного прототипа системы, реали-
зующей предложенный подход, а также его эксперименталь-
ную оценку.
Конфликт интересов отсутствует.
There is no conflict of interest.
СПИСОК ЛИТЕРАТУРЫ
1. Олейникова П. А., Свирщ А. О. Кейлоггеры. Вопросы
санкционированного и несанкционированного примене-
ния // Modern Science. 2021. № 12-4. С. 289-295. DOI:
2. Gurubaran. ChatGPT Powered Polymorphic Malware By-
passes Endpoint Detection Filters. Cyber Security News.
2023. Available at: https://cybersecuritynews.com/chatgpt-
powered-polymorphic-malware/ (23.08.2023)
3. Moon M. LastPass says hackers broke into an employee
PC to steal the company's password vault // Engadget.
2023. Available at: https://www.engadget.com/lastpass-
hackers-broke-into-employee-pc-steal-company-password-
vault-074948764.html (23.08.2023)
4. Блог компании F.A.C.C.T. Киберпреступники рассыла-
ют по российским компаниям троян DarkWatchman RAT
под видом мобилизационных предписаний // Хабр. 2023.
Режим доступа: https://habr.com/ru/companies/f_a_c_c_t/
news/734228/ (23.08.2023)
5. Ruhani A. B. B., Zolkipli M. F. Keylogger: The Unsung
Hacking Weapon // Borneo International Journal eISSN
2636-9826. 2023. Vol. 6. No. 1. P. 33-43.
6. Wajahat A., Imran A., Latif J., Nazir A., Bilal A. A novel
approach of unprivileged keylogger detection // 2019 2nd In-
ternational Conference on Computing, Mathematics and En-
gineering Technologies (iCoMET). IEEE, 2019. P. 1-6.
89

7. Ahmed M. B., Shoikot M., Hossain J., Rahman A. Key
logger detection using memory forensic and network moni-
toring // International Journal of Computer Applications. Vol.
177. No. 11. С. 8887.
8. Huseynov,H., Kourai K., Saadawi T., Igbe O. Virtual ma-
chine introspection for anomaly-based keylogger detection //
2020 IEEE 21st International Conference on High Performance
Switching and Routing (HPSR). IEEE, 2020. P. 1-6.
9. Ayo F. E., Awotunde J. B., Olalekan O. A., Imoize A. L., Li
C. T., Lee C. C. CBFISKD: A Combinatorial-Based Fuzzy
Inference System for Keylogger Detection // Mathematics.
2023. Vol. 11. No. 8. P. 1899. DOI: 10.3390/math11081899
10. Pillai D., Siddavatam I. A modified framework to detect
keyloggers using machine learning algorithm // International
Journal of Information Technology. 2019. Vol. 11. P. 707-712.
DOI: 10.1007/s41870-018-0237-6
11. Madhuri C., Siritha K. R., Ram S. S., Rao G. R. K. Detec-
tion of Mobile Keyloggers Using Deep Learning // Interna-
tional Journal of Innovative Technology and Exploring Engi-
neering (IJITEE). 2019. Vol. 8. №. 8. P. 1751-1755.
12. Alghamdi S. M., Othathi E. S., Alsulami B. S. Detect key-
loggers by using Machine Learning // 2022 Fifth National
Conference of Saudi Computers Colleges (NCCC). IEEE,
2022. P. 193-200.
13. Alsubaie M. S., Atawneh S. H., Abual-Rub M. S. Build-
ing Machine Learning Model with Hybrid Feature Selection
Technique for Keylogger Detection // International Journal of
Advances in Soft Computing & Its Applications. 2023. Vol.
15. No. 2. P.32-53. DOI: 10.15849/ IJASCA.230720.03
14. Kumar A., Sharma I. Enhancing Data Privacy of IoT
Healthcare with Keylogger Attack Mitigation // 2023 4th In-
ternational Conference for Emerging Technology (INCET).
IEEE, 2023. P. 1-6.
15. Suresh S. L. A., Philip A. S. Multiple Botnet and Keylogger
Attack Detection Using CNN in IoT Networks // 2022 Inter-
national Conference on Futuristic Technologies (INCOFT).
IEEE, 2022. P. 1-6.
16. Meidan, Y., Bohadana, M., Mathov, Y., Mirsky, Y.,
Shabtai, A., Breitenbacher, D., & Elovici, Y. N-baiot—net-
work-based detection of iot botnet attacks using deep autoen-
coders // IEEE Pervasive Computing. 2018. Vol. 17. No. 3. P.
12-22. DOI: 10.1109/MPRV.2018.03367731
17. Keylogger Detection. // Kaggle. 2021. Available at: https://
www.kaggle.com/datasets/subhajournal/keylogger-detection
(23.08.23)
Поступила 07.09.2023
УДК 004.056
REFERENCES
1. Oleinikova P. A., Svirsh A. O. Keyloggers. Issues of Autho-
rized and Unauthorized Use // Modern Science. 2021. No 12-
4. P. 289-295. DOI:
2. Gurubaran. ChatGPT Powered Polymorphic Malware By-
passes Endpoint Detection Filters. Cyber Security News.
2023. Available at: https://cybersecuritynews.com/chatgpt-
powered-polymorphic-malware/ (23.08.2023)
90
Левшун Д.А., Левшун Д.С.
3. Moon M. LastPass says hackers broke into an employee
PC to steal the company's password vault // Engadget.
2023. Available at: https://www.engadget.com/lastpass-
hackers-broke-into-employee-pc-steal-company-password-
vault-074948764.html (23.08.2023)
4. F.A.C.C.T. Blog Cybercriminals are sending DarkWatchman
RAT Trojans to Russian companies under the guise of mobili-
zation orders // Habr. 2023. Available at: https://habr.com/ru/
companies/f_a_c_c_t/news/734228/ (23.08.2023)
5. Ruhani A. B. B., Zolkipli M. F. Keylogger: The Unsung
Hacking Weapon // Borneo International Journal eISSN
2636-9826. 2023. Vol. 6. No. 1. P. 33-43.
6. Wajahat A., Imran A., Latif J., Nazir A., Bilal A. A novel
approach of unprivileged keylogger detection // 2019 2nd In-
ternational Conference on Computing, Mathematics and En-
gineering Technologies (iCoMET). IEEE, 2019. P. 1-6.
7. Ahmed M. B., Shoikot M., Hossain J., Rahman A. Key
logger detection using memory forensic and network moni-
toring // International Journal of Computer Applications. Vol.
177. No. 11. С. 8887.
8. Huseynov,H., Kourai K., Saadawi T., Igbe O. Virtual ma-
chine introspection for anomaly-based keylogger detection //
2020 IEEE 21st International Conference on High Performance
Switching and Routing (HPSR). IEEE, 2020. P. 1-6.
9. Ayo F. E., Awotunde J. B., Olalekan O. A., Imoize A. L., Li
C. T., Lee C. C. CBFISKD: A Combinatorial-Based Fuzzy
Inference System for Keylogger Detection // Mathematics.
2023. Vol. 11. No. 8. P. 1899. DOI: 10.3390/math11081899
10. Pillai D., Siddavatam I. A modified framework to detect
keyloggers using machine learning algorithm // International
Journal of Information Technology. 2019. Vol. 11. P. 707-712.
DOI: 10.1007/s41870-018-0237-6
11. Madhuri C., Siritha K. R., Ram S. S., Rao G. R. K. Detec-
tion of Mobile Keyloggers Using Deep Learning // Interna-
tional Journal of Innovative Technology and Exploring Engi-
neering (IJITEE). 2019. Vol. 8. №. 8. P. 1751-1755.
12. Alghamdi S. M., Othathi E. S., Alsulami B. S. Detect key-
loggers by using Machine Learning // 2022 Fifth National
Conference of Saudi Computers Colleges (NCCC). IEEE,
2022. P. 193-200.
13. Alsubaie M. S., Atawneh S. H., Abual-Rub M. S. Build-
ing Machine Learning Model with Hybrid Feature Selection
Technique for Keylogger Detection // International Journal of
Advances in Soft Computing & Its Applications. 2023. Vol.
15. No. 2. P.32-53. DOI: 10.15849/ IJASCA.230720.03
14. Kumar A., Sharma I. Enhancing Data Privacy of IoT
Healthcare with Keylogger Attack Mitigation // 2023 4th In-
ternational Conference for Emerging Technology (INCET).
IEEE, 2023. P. 1-6.
15. Suresh S. L. A., Philip A. S. Multiple Botnet and Keylogger
Attack Detection Using CNN in IoT Networks // 2022 Inter-
national Conference on Futuristic Technologies (INCOFT).
IEEE, 2022. P. 1-6.
16. Meidan, Y., Bohadana, M., Mathov, Y., Mirsky, Y.,
Shabtai, A., Breitenbacher, D., & Elovici, Y. N-baiot—net-
work-based detection of iot botnet attacks using deep autoen-
№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ
ПОДХОД К ОБНАРУЖЕНИЮ КЛАВИАТУРНЫХ ШПИОНОВ НА ОСНОВЕ МЕТОДОВ
ИСКУССТВЕННОГО ИНТЕЛЛЕКТА
coders // IEEE Pervasive Computing. 2018. Vol. 17. No. 3. P.
12-22. DOI: 10.1109/MPRV.2018.03367731
17. Keylogger Detection. // Kaggle. 2021. Available at: https://
www.kaggle.com/datasets/subhajournal/keylogger-detection
(23.08.23)
Received 07.09.2023
UDK 004.056
ИНФОРМАЦИЯ ОБ АВТОРАХ
1. Левшун Диана Альбертовна – младший научный со-
трудник, Федеральное государственное бюджетное уч-
реждение науки «Санкт-Петербургский Федеральный
Исследовательский Центр Российской Академии Наук»,
e-mail: gaifulina@comsec.spb.ru
№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ
2. Левшун Дмитрий Сергеевич – кандидат технических
наук старший научный сотрудник, Ph.D., Федеральное
государственное бюджетное учреждение науки «Санкт-
Петербургский Федеральный Исследовательский Центр
Российской Академии Наук», e-mail: levshun@comsec.spb.ru
AUTHORS’ INFORMATION
1. Levshun Diana Albertovna – Junior researcher, St.
Petersburg Federal Research Center of the Russian Academy
of Sciences, e-mail: gaifulina@comsec.spb.ru
3. Levshun Dmitry Sergeevich – Senior researcher, Cand.
of Tech. Sc., Ph.D., St. Petersburg Federal Research Center
of the Russian Academy of Sciences,
e-mail: levshun@comsec.spb.ru
91
 2.3.6. Методы и системы защиты информации,
информационная безопасность

МОДЕЛЬ РАССЛЕДОВАНИЯ КИБЕРПРЕСТУПЛЕНИЙ

стр. 92 – 97
М.Д. Горда, А.А. Чечулин
Федеральное государственное бюджетное учреждение науки «Санкт-Петербургский Федеральный
Исследовательский Центр Российской Академии Наук»,
Россия, 199178, Санкт-Петербург, 14-я линия В.О., 39
Контактные данные: Горда М.Д., e-mail: m.gorda.lengu@yandex.ru
Резюме: С каждым днём отдельные люди, организации и даже правительства стран сталкиваются всё с возрас-
тающим количеством киберпреступлений. В условиях ограниченных ресурсов и возрастающей сложности кибе-
ратак, организации зачастую не способны обнаружить и предотвратить такие атаки и вынуждены проводить
расследования для минимизации их последствий. Целью данной работы является разработка общей модели рас-
следования киберпреступлений. Для разработки модели были использованы материалы из релевантных статей на
тему киберпреступлений и их расследования, а также методы анализа и синтеза, изучения и обобщения, дедукции и
индукции. В результате проведенного анализа этапов расследования и необходимой для расследования информации
была составлена модель, а также проведена её апробация на расследовании инсайдерской атаки. Предполагается,
что предлагаемая модель может быть использована как основа для разработки практических рекомендаций по
расследованию инцидентов информационной безопасности как в бюджетных, так и в коммерческих организациях.
Ключевые слова: форензика, цифровая криминалистика, расследование киберпреступлений, кибератаки, модель
расследования.

CYBERCRIME INVESTIGATION MODEL

pages 92 – 97
M.D. Gorda, A.A. Chechulin
St. Petersburg Federal Research Center of the Russian Academy of Sciences,
14th line of Vasilievsky Island, 39, lit. A, St. Petersburg, 199178, Russia
Summary: With each passing day, individuals, organizations, and even governmental entities are confronted with an escalating
incidence of cybercrimes. Faced with limited resources and the increasing complexity of cyberattacks, organizations often
find themselves incapable of detecting and preventing such malicious actions and necessitating investigative efforts to
mitigate their consequences. The primary objective of this study is the development of a comprehensive model for cybercrime
investigation. In constructing this model, we have drawn upon related literature concerning cybercrimes and their
investigation, alongside employing a spectrum of research methodologies, including analysis and synthesis, examination
and generalization, deduction, and induction. Through an analysis of the investigative phases and the required for them
information, we have formulated a cybercrime investigation model. Furthermore, we have field-tested this model in the
context of an insider attack investigation. It is envisaged that the proposed model can serve as a foundational framework for
the formulation of practical guidelines pertaining to the investigation of information security incidents, applicable both in
governmental and commercial organizations.
Keywords: forensics, digital forensics, investigation of cybercrimes, cyberattacks, investigation model.

DOI: 10.34219/2078-8320-2023-14-3-92-97

1. Введение расследовать уже совершенные атаки на их инфраструктуру

и сотрудников.
Из года в год в России наблюдается значительный рост
По данным компании Ростелеком за 1 квартал 2023 года
числа успешных кибератак и преступлений в сфере компью-
атаки на Российские организации продолжают усложняться,
терной информации. Не у каждой организации есть необхо-
а хакеры все чаще прибегают к исследованию периметров
димые ресурсы для защиты или предупреждения от актуаль-
своих жертв и киберразведке. С января по март 2023 года
ных видов кибератак. В следствии, организациям приходится

92 № 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ

МОДЕЛЬ РАССЛЕДОВАНИЯ КИБЕРПРЕСТУПЛЕНИЙ
было зафиксировано 290 тысяч инцидентов информацион-
ной безопасности, что на 60% превышает аналогичные пока-
затели 2022 года. Несмотря на небольшой рост по сравнению
с последним кварталом 2022 года наблюдается динамика
тенденция на увеличение числа событий ИБ сохраняется,
что приводит к новым расследованиям внутри Российских
организаций [1].
Чем больше успешных попыток атак принимает злоу-
мышленник, тем больше времени занимает расследование
инцидентов у профильного специалиста в организации. Од-
нако, даже один инцидент может стать проблемой в виду
отсутствия унифицированной или частных моделей для рас-
следования киберпреступлений. Также при нарушении по-
следовательности или состава этапов киберпреступления,
собранные доказательства могут не помочь в расследовании
атаке или будут бесполезны при предоставлении в правоох-
ранительные органы.
Поэтому необходимо разработать эффективную и уни-
фицированную модель расследования киберпреступлений,
используя которую, специалисты смогут корректно собрать,
извлечь, проанализировать необходимые данные, а также
правильно представить их, чтобы расследовать кибератаки,
направленные на Российские организации.
Описанная модель может быть использована как основа
для методики или методологии расследования кибератак в
коммерческих и бюджетных организациях, которая позволяет
сократить временные затраты на расследование инцидентов.
Актуальность проблемы расследования киберпреступле-
ний в России и в мире обсуждается авторами в релевантных
работах
2. Анализ релевантных работ
В своей статье «Криминологические проблемы цифро-
вого мира (цифровая криминология)» Серебренникова А.В.
анализирует состояние российской системы предупрежде-
ния и превенции преступности. Автор статьи находит разрыв
между быстро развивающимися технологиями и медленно
развивающимися теоретическими знаниями в современной
науке о киберпреступлениях. Данные тенденции, выделяет
автор, наблюдаются на фоне растущей криминализации ин-
формационных технологий и общества в целом. Серебрен-
никова А.В. делает вывод о необходимости модернизации
концептуальных и теоретических основ российской крими-
нологии в условиях перехода к информационному обществу
с новыми технологиями и уязвимостями в них. Также автор
отмечает актуальность данной проблемы в общеправовой и
криминологической литературе [2]. Недостатками данной
работы является предложение использовать криминальное
профилирование для решения поставленных проблем, одна-
ко без теоретической и научной базы применение подобных
подходов может не привести к ожидаемой эффективности
для расследования кибератак.
Однако в статье «Основные направления развития кри-
минологической науки и практики предупреждения пре-
ступлений в условиях цифровизации общества» Осипенко
№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ
А.Л. и Соловьев В.С. делают акцент на предупреждение атак
и инцидентов информационной безопасности. Ведь если со-
кратить до минимума количество успешных атак, то эффек-
тивность расследования будет уже не так важна.
Авторы предлагают использовать сбор и обобщение дан-
ных из общедоступных цифровых источников и обработку
доступных сведений с применением цифровых аналитиче-
ских технологий для получения необходимой информации,
что позволит оперативно принимать проактивные действия
на первых этапах атак, что позволит улучшить критерии за-
щиты организаций и позволит минимизировать количество
успешных атак. Кроме предложенных мер авторы акценти-
руют внимание на приобретение особых компетенций со-
трудниками организации для предотвращения кибератак [3].
Однако авторы недостаточно раскрывают тему тех самых
компетенций, которые нужны для расследования кибератак,
а именно их базовых элементов – моделей, методик и мето-
дологий.
Лантух Э.В., Ишигеев В.С. и Грибунов О.П. в своей ста-
тье «Использование специальных знаний при расследова-
нии преступлений в сфере компьютерной информации»
раскрывают тему усложнения расследования киберпресту-
плений, исходя из увеличения количества преступлений и
повышения технических знаний злоумышленниками. Так-
же авторы обращают внимание на важную роль кримино-
логической экспертизы как составной части расследования
киберпреступлений. В статье обращается внимание на низ-
кую раскрываемость преступлений сфере компьютерной ин-
формации, что показывает неэффективность существующих
подходов к расследованию кибератак. Авторы упоминают о
необходимости дополнительного комплексного исследова-
ния тактики производства следственных действий [4].
Недостатками данной статьи является практическое опи-
сание расследования киберпреступления без теоретической
основы, которая может значительно упросить процесс рас-
следования, повысив эффективность специалистов и умень-
шить трудозатраты.
В статье Левшуна Д.С. и др. представлены различные
подходы к классификации атакующих, их действий и их
целей, определение которых может являться целью прово-
димых расследований. При этом, в данной статье отсутству-
ет описание методов, с помощью которых расследователь
может определить, как именно проводилась атака и к какой
цели шел атакующий [5].
Анализ релевантных работ показал, что существующие
методы и подходы к расследованию киберпреступлений
нуждаются в теоретической основе, а также в разработке
универсальной и актуальной модели расследования кибер-
преступлений.
3. Модель расследования киберпреступлений
Как было показано выше расследование киберпреступле-
ний требует не только высокой квалификации сотрудников
правоохранительных органов, но и разработки эффективных
методов и инструментов анализа цифровых данных. В дан-
93

ном разделе научной статьи рассматривается модель рассле-
дования киберпреступлений, причем особое внимание уделя-
ется классам данных, которые возникают или используются
на различных этапах расследования. Основными этапами
данного процесса являются: (1) сбор данных, (2) извлечение
доказательств, (3) анализ доказательств и (4) представление
доказательств. В разделе представлено, как эти этапы взаи-
модействуют между собой и как данные преобразуются при
переходе от одного этапа к другому, способствуя успешному
завершению расследования киберпреступлений.
Начальной точкой в каждом расследовании киберпре-
ступлений является определение атаки. Атакующий или
нарушитель, используя различные методы, воздействует на
объект атаки с определённой целью. Поэтому функция атаки
будет иметь вид:
R = f attack (I, A, O, IM),
где R (result) – результат атаки, I (intruder) – нарушитель /
атакующий, A (aim) – цель атакующего, O (object) – объект
атаки, IM (intruder methods) – методы нарушителя.
Результатами атаки могут стать как нарушение целостно-
сти, конфиденциальности или доступности, так и перехват
контроля объекта, таким образом, множество результатов
атаки R может быть представлено в виде подмножеств:
• ri – нарушение целостности,
• rc – нарушение конфиденциальности,
• ra – нарушение доступности,
• rra – перехват контроля.
Нарушитель, который пытается реализовать киберпре-
ступление, может быть как человеком, так и программным
обеспечением. Также можно разделить нарушителей на вну-
тренних и внешних. Соответственно множество нарушите-
лей/атакующих I может быть представлено в виде подмно-
жеств:
• iin – внутренний нарушитель человек,
• iia – внутренний нарушитель ПО,
• ien – внешний нарушитель человек,
• iea – внешний нарушитель ПО.
Цель атакующего коррелирует с результатами атаки, по-
скольку цель – это намерение достигнуть какого-либо ре-
зультата, поэтому множество целей A представляется в виде
подмножеств:
• ai – нарушение целостности,
• ac – нарушение конфиденциальности,
• aa – нарушение доступности,
• ara – перехват контроля.
При этом все вышеперечисленные результаты и цели
имеют отношение к конкретным объектам. В качестве объек-
та может выступать элементы множества объектов атаки O,
которое разделяется следующим образом на подмножества:
• ohw – аппаратное обеспечение,
• osw – программное обеспечение,
• oos – операционная система.
94
Горда М.Д., Чечулин А.А.
Первоначально, перед реализацией атаки, нарушители
собирают информацию об объектах атаки, чтобы получить
необходимые сведения об уязвимостях. Таким образом мно-
жество методов нарушителя IM разделяется на следующие
подмножества:
• imev – эксплуатация уязвимостей,
• imci – сбор информации.
В результате проведения атаки на объекты, используя вы-
деленные методы, нарушители оставляют следы атаки. Так
как методы нарушителя разделяются на эксплуатацию уязви-
мостей и сбор информации, то множество следов атаки, яв-
ляющихся её доказательством T (traces), можно разделить на:
• tev – следы эксплуатации уязвимостей,
• tci – следы сбора информации.
В результате осуществления атаки нарушителем в систе-
ме остаются следы T, которые остаются после достижения
результата атаки R, а также сам объект атаки O. При этом,
необходимо отметить, что при обнаружении атаки могут
быть обнаружены не все цели и следы, а их подмножества,
соответственно Rd и Td Именно эти множества являются
входными параметрами функции расследования.
Рассмотрим более подробно этапы расследования кибер-
преступлений.
3.1 Этап сбора данных
Первый этап расследования киберпреступлений заключа-
ется в сборе исходных данных, за который отвечает функция
сбора доказательств:
D = f collection(Td, Rd, O),
где Td – обнаруженные следы атаки, Rd – обнаруженный ре-
зультат атаки, O – объект атаки.
Сам сбор доказательств заключается в анализе объекта и
результата атаки, а также оставленных нарушителем следов.
За счет этого анализа выявляются основные места, где необ-
ходимо осуществить сбор данных для проведения расследо-
вания и формируются наборы сырых данных для проведения
дальнейших этапов расследования. Выходными данными из
функции сбора данных являются сырые данные – D (data),
которые содержат в себе расширенное множество следов ата-
ки. Кроме того, на данном этапе происходит фиксация данных
с помощью цифровой подписи или контрольной суммы для
обеспечения возможности проверки неизменности собранных
данных.
3.2 Этап извлечения доказательств
Следующим этапом является этап извлечения доказа-
тельств. Он берет на вход данные, полученные на предыду-
щем этапе, а именно сырые данные, которые содержат рас-
ширенное множество следов атаки – D, а также результат
атаки R. Функция извлечения доказательств выглядит следу-
ющим образом:
E = fextraction(D, Rd),
где на выходе получаем E (evidence) – доказательства атаки.
№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ
МОДЕЛЬ РАССЛЕДОВАНИЯ КИБЕРПРЕСТУПЛЕНИЙ
В множество доказательств также входит множество за-
фиксированных при обнаружении атаки множество следов Td.
3.3 Этап анализа доказательств
После этапа извлечения доказательств необходим анализ
полученных данных – доказательств атаки. На данном этапе
формируется результат расследования – сведения о наруши-
теле, использованных им методов и полное множество до-
стигнутых этим нарушителей результатов. Таким образом,
функция анализа доказательств может быть представлена в
следующем виде:
{I, A, IM, R} = fanalysis(E, Rd),
где I – нарушитель/атакующий, A – его цель или цели, IM –
примененные им методы, R – полный множество результатов
атаки.
В множество результатов также входит множество за-
фиксированных при обнаружении атаки результатов Rd. Воз-
можным результатом данного этапа является вывод о недо-
статочности собранной информации и тогда расследование
переходит обратно на первый или второй этап для дополни-
тельного сбора недостающих данных.
3.4 Этап представления доказательств
Все полученные данные на этапе анализа доказательств
(I, A, IM, R), а также результаты второго этапа (множество
доказательств атаки E) будут использованы на финальном
этапе – представление доказательств. Таким образом, функ-
ция представления доказательство (или формирования отче-
та) выглядит следующим образом:
REPORT = fpresent(I, A, IM, R, E),
где REPORT – это отчет, являющийся результатом расследо-
вания атаки и содержащий всю информацию о поступившей
информации об инциденте, ходе расследования и его резуль-
татах. Важным аспектом здесь является построение инфор-
мативных и неперегруженных информацией визуальных
представлений собранных данных [6].
Отчёт предоставляется руководству организации и/или,
при необходимости, в правоохранительные и контролирую-
щие органы для дальнейшего расследования.
3.5. Определение функции расследования
атаки
Таким образом, определив этапы расследования, а также
составив функции на каждом этапе, можно получить функ-
цию расследования. Она будет иметь вид:
REPORT = fforensics(Td, Rd),
где REPORT – отчёт о расследовании, Td – следы, замечен-
ные при обнаружении атаки и Rd – результаты, замеченные
при обнаружении атаки.
Также функция расследования может быть представлена
в виде вложенных функций, которые представлены в опреде-
лении этапов расследования:
REPORT = fpresent (fanalysis (fextraction (fcollection(Td, Rd)))).
№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ
Таким образом обе эти функции являются эквивалентны-
ми и будет справедливо следующая запись функции рассле-
дования:
REPORT = f forensics (Td, Rd)
REPORT = fpresent(fanalysis(fextraction(fcollection(Td, Rd)))).
4. Пример использования модели при
расследовании киберпреступления
Примером эффективного расследования с использовани-
ем предложенной модели расследования киберпреступлений
может быть расследование внутреннего инцидента, который
произошёл на терминальном сервере организации. Модуль
системы защиты от утечки информации оповестил сотруд-
ников отдела информационной безопасности о подозритель-
ном кратковременном входе в локальную административную
учётную запись на терминальном сервере.
На первом этапе расследования были собраны сырые
данные, которые содержат в себе расширенное множество
следов атаки и определён объект атаки – терминальный сер-
вер. Собранные данные представляли из себя журналы ак-
тивности пользователей терминального сервера за месяц, в
который произошёл инцидент безопасности. Для обеспече-
ния сохранности данных, файл дампа был подписан усилен-
ной квалифицированной электронной подписью со штампом
времени, что позволит обеспечить его неизменность, а также
зафиксировать время создания файла.
На втором этапе собранные данные были отсортированы
по временному интервалу и идентификаторам журналов, кото-
рые представляли собой входы и выходы из учётных записей,
вход и выход из терминального сеанса. Также отсортирован-
ные данные содержали идентификатор сессии пользователей
и имя учётной записи. Данный файл был также подписан элек-
тронной подписью для обеспечения неизменности. Тем са-
мым были сформированы доказательства киберпреступления
(журналы аутентификации за определённый период времени).
На третьем этапе проводился анализ полученных доказа-
тельств атаки. При помощи инструмента, визуализирующего
сессии пользователей, был обнаружен подозрительный выход
из учётной записи пользователя, затем ввод неправильного па-
роля и вход под административной учётной записью. После
совершения определённых действий, сотрудник заново вошёл
в свою учётную запись, выйдя из административной.
Таким образом, в результате данного этапа были опреде-
лен нарушитель (сотрудник организации), методы нарушите-
ля (компрометация пароля администратора), цель (установка
программного обеспечения удалённого доступа на терми-
нальный сервер), результат атаки (установленное программ-
ное обеспечение).
На последнем этапе был составлен отчёт, который со-
держал информацию о нарушителе информационной без-
опасности организации, его целей, применяемых методах, а
также финальный результат инцидента со всеми доказатель-
ствами – приложенными дампами журналов безопасности с
терминального сервера.
95
 определённый период времени).
На третьем этапе проводился анализ полученных доказательств атаки. При помощи
инструмента, визуализирующего сессии пользователей, был обнаружен подозрительный
выход из учётной записи пользователя, затем ввод неправильного пароляГордаиМ.Д.,
входЧечулин
под А.А.
административной учётной записью. После совершения определённых действий,
сотрудник заново вошёл в свою учётную запись, выйдя из административной.

Рис. 1.Рис.
Визуализация
1. Визуализация аутентификации нарушителя
аутентификации нарушителя
Такимпоказывает,
Данный пример образом,что, в результате
придерживаясьданного
предло- этапа были определен
2. Серебренникова А.В.нарушитель (сотрудник
Криминологические проблемы
организации), методы нарушителя
женной модели расследования кибератак и используя специ- (компрометация пароля администратора), цель
цифрового мира (цифровая криминология) // Всероссий-
(установка
альное программноепрограммного
обеспечение, можно обеспечения ский криминологический
удалённого
построить систему журнал. 2020. №3.
доступа на терминальный URL: https://
сервер),
или методику эффективного расследования киберпреступле- cyberleninka.ru/article/n/kriminologicheskie-problemy-
результат атаки (установленное программное обеспечение). tsifrovogo-mira-tsifrovaya-kriminologiya (дата обращения:
ний, которая позволяет достигнуть исходной цели – рассле-
На последнем
дованного инцидента этапебезопасности.
информационной был составлен отчёт, который содержал информацию о
20.08.2023).
нарушителе информационной безопасности организации, 3. Осипенко его А.Л.,целей, применяемых
Соловьев В.С. Основные методах,
направления
5. Заключение развития криминологической науки и практики пред-
а также финальный результат инцидента со всеми доказательствами – приложенными
Разработанная и представленная в данной статье модель упреждения преступлений в условиях цифровизации
дампамикиберпреступлений
расследования журналов безопасности с терминальногообщества
может быт модифициро- сервера.// Всероссийский криминологический журнал.
Данный
вана и применена пример
к конкретному виду показывает, что, придерживаясь
компьютерного пре- предложенной модели
2021. №6. URL: https://cyberleninka.ru/article/n/osnovnye-
ступления. Она является унифицированным инструментом, napravleniya-razvitiya-kriminologicheskoy-nauki-i-praktiki-
расследования кибератак и используя специальное программное обеспечение, можно
который может быть применён специалистами в области preduprezhdeniya-prestupleniy-v-usloviyah-tsifrovizatsii
построить систему или методику эффективного расследования
информационной безопасности в качестве основы для по- (дата обращения:киберпреступлений,
30.08.2023). которая
позволяет
строения структурыдостигнуть
действий для исходной
расследованияцели – расследованного
киберпре- 4. Лантух Э.В., инцидента
Ишигеев В.С., информационной
Грибунов О.П. Ис-
безопасности.
ступлений. Тем самым модель является ценной не только с пользование специальных знаний при расследовании
практической, но и с научной целью. преступлений в сфере компьютерной информации //
Недостатком данной модели является необходимость в Всероссийский криминологический журнал. 2020.
модификации и дополнении при расследовании узкоспеци- №6. URL: https://cyberleninka.ru/article/n/ispolzovanie-
ализированных видов атак, однако все разработанные функ- spetsialnyh-znaniy-pri-rassledovanii-prestupleniy-v-sfere-
ции будут присутствовать при проведении необходимых дей- kompyuternoy-informatsii (дата обращения: 07.09.2023).
ствий специалистами. 5. Левшун Д.С., Гайфулина Д.А., Чечулин А.А., Котенко
Данная модель может послужить основой для разработки И.В. Проблемные вопросы информационной безопасно-
будущей унифицированной методики расследования кибер- сти киберфизических систем // Информатика и автома-
преступлений, которая должна повысить критерии эффек- тизация. Т. 19. № 5. 2020. С. 1050-1088. ISSN 2078-9181
тивности и уменьшить трудозатраты, исключая лишние дей- (2078-9599). DOI: 10.15622/ia.2020.19.5.6.
ствия специалистов при расследовании. 6. M. Kolomeec, G. Gonzalez-Granadillo, E. Doynikova, A.
В дальнейшей работе планируется расширить собирае- Chechulin, I. Kotenko, and H. Debar. Choosing models for
мые данные за счет использования методов разведки по от- security metrics visualization // Lecture Notes in Computer
крытым источникам (Open Source Intelligence, OSINT) [7]. Science. 2017. Т. 10446 LNCS. С. 75-87.DOI: 10.1007/978-
Конфликт интересов отсутствует. 3-319-65127-9_7.
There is no conflict of interest. 7. Проноза А.А., Виткова Л.А., Чечулин А.А., Котенко
И.В., Сахаров Д.В. Методика выявления каналов рас-
СПИСОК ЛИТЕРАТУРЫ пространения информации в социальных сетях // Вестник
1. Кибератаки на российские компании в 1 квартале 2023 Санкт-Петербургского университета. Прикладная матема-
года. Отчёт. URL:https://rt-solar.ru/upload/iblock/ ad3/3 тика. Информатика. Процессы управления. 2018, Т.14, № 4.
j9s24qws3lcnjmoilaowut9afff7jco/Otchet-Kiberataki-na- С.362-377 (Scopus) DOI: 10.21638/11702/spbu10.2018.409.
rossiyskie-kompanii-v-I-kvartale-2023-goda.pdf (дата обра- Поступила 08.09.2023
щения 25.08.2023). УДК 004.056.5

96 № 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ

МОДЕЛЬ РАССЛЕДОВАНИЯ КИБЕРПРЕСТУПЛЕНИЙ

REFERENCES security metrics visualization // Lecture Notes in Computer

Science. 2017. T. 10446 LNCS. S. 75-87.DOI: 10.1007/978-
1. Kiberataki na rossijskie kompanii v 1 kvartale 2023 goda.
3-319-65127-9_7.
Otchyot. URL:https://rt-solar.ru/upload/iblock/ ad3/3j9s2
4qws3lcnjmoilaowut9afff7jco/Otchet-Kiberataki-na-rossi- 7. Pronoza A.A., Vitkova L.A., Chechulin A.A., Koten-
yskie-kompanii-v-I-kvartale-2023-goda.pdf (data obrash- ko I.V., Saxarov D.V. Metodika vy`yavleniya kanalov
heniya 25.08.2023). rasprostraneniya informacii v social`ny`x setyax // Vest-
nik Sankt-Peterburgskogo universiteta. Prikladnaya
2. Serebrennikova A.V. Kriminologicheskie problemy` cifro-
matematika. Informatika. Processy` upravleniya. 2018,
vogo mira (cifrovaya kriminologiya) // Vserossijskij krimi-
T.14, № 4. S.362-377 (Scopus) DOI: 10.21638/11702/
nologicheskij zhurnal. 2020. №3. URL: https://cyberleninka.
spbu10.2018.409.
ru/article/n/kriminologicheskie-problemy-tsifrovogo-mira-
Received 08.09.2023
tsifrovaya-kriminologiya (data obrashheniya: 20.08.2023).
UDK 004.056.5
3. Osipenko A.L., Solov`ev V.S. Osnovny`e napravleniya raz-
vitiya kriminologicheskoj nauki i praktiki preduprezhdeniya ИНФОРМАЦИЯ ОБ АВТОРАХ
prestuplenij v usloviyax cifrovizacii obshhestva // Vserossijskij
1. Горда Максим Дмитриевич – аспирант, Федеральное
kriminologicheskij zhurnal. 2021. №6. URL: https://cyberlen-
государственное бюджетное учреждение науки «Санкт-
inka.ru/article/n/osnovnye-napravleniya-razvitiya-krimino-
Петербургский Федеральный Исследовательский Центр
logicheskoy-nauki-i-praktiki-preduprezhdeniya-prestupleniy-
Российской Академии Наук».
v-usloviyah-tsifrovizatsii (data obrashheniya: 30.08.2023).
e-mail: m.gorda.lengu@yandex.ru
4. Lantux E`.V., Ishigeev V.S., Gribunov O.P. Ispol`zovanie
2. Чечулин Андрей Алексеевич – кандидат технических
special`ny`x znanij pri rassledovanii prestuplenij v sfere
наук., Федеральное государственное бюджетное учреж-
komp`yuternoj informacii // Vserossijskij kriminologicheskij
дение науки «Санкт-Петербургский Федеральный Иссле-
zhurnal. 2020. №6. URL: https://cyberleninka.ru/article/n/
довательский Центр Российской Академии Наук».
ispolzovanie-spetsialnyh-znaniy-pri-rassledovanii-prestu-
e-mail: andreych@bk.ru
pleniy-v-sfere-kompyuternoy-informatsii (data obrashheni-
ya: 07.09.2023).
AUTHORS’ INFORMATION
5. Levshun D.S., Gajfulina D.A., Chechulin A.A., Kotenko
I.V. Problemny`e voprosy` informacionnoj bezopasnosti 1. Gorda Maxim Dmitrievich – PhD Student, St. Petersburg
kiberfizicheskix sistem // Informatika i avtomatizaciya. T. Federal Research Center of the Russian Academy of Scienc-
19. № 5. 2020. S. 1050-1088. ISSN 2078-9181 (2078-9599). es. e-mail: m.gorda.lengu@ya.ru
DOI: 10.15622/ia.2020.19.5.6. 2. Chechulin Andrey Alekseevich – Candidate of Technical
6. M. Kolomeec, G. Gonzalez-Granadillo, E. Doynikova, A. Sciences, St. Petersburg Federal Research Center of the Rus-
Chechulin, I. Kotenko, and H. Debar. Choosing models for sian Academy of Sciences. e-mail: andreych@bk.ru

№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ 97

 2.3.6. Методы и системы защиты информации,
информационная безопасность

АНАЛИТИЧЕСКОЕ МОДЕЛИРОВАНИЕ АТАКУЮЩИХ

ВОЗДЕЙСТВИЙ В БЕСПРОВОДНЫХ СЕНСОРНЫХ СЕТЯХ
ДЛЯ РЕШЕНИЯ ЗАДАЧ ОБНАРУЖЕНИЯ АТАК

стр. 98 – 105
Т.К. Жукабаева1, В.А. Десницкий2, Е.М. Марденов1
1 Международный научный комплекс «Астана»,

Казахстан, 010017, г. Астана, Есильский район, пр. Кабанбай Батыра 8

2 Федеральное государственное учреждение науки «Санкт-Петербургский федеральный исследовательский центр

Российской академии наук», Россия, 199178, г. Санкт-Петербург, 14-я линия В.О., д. 39.

Контактные данные: Жукабаева Т.К., e-mail: tamara_kokenovna@mail.ru

Резюме: В статье исследуются вопросы аналитического моделирования атакующих воздействий в беспроводных
сенсорных сетях. Предложенная модель атак описывает возможные виды несанкционированных воздействий се-
тевого уровня, направленных на компрометацию узлов сети, передаваемых по сети данных и информационных
сервисов, предоставляемых беспроводной сенсорной сетью. Также разработана основанная на графах аналити-
ческая модель беспроводной сенсорной сети, нацеленная на обнаружение атак сетевого уровня путем обработки
фактических событий, получаемых с узлов сети и принятия решения о наличии атаки. Корректность моделей под-
тверждается их апробацией на примере сценария обнаружения атаки типа wormhole, направленной на нарушение
процессов маршрутизации в беспроводной сенсорной сети.
Ключевые слова: атака, обнаружение, моделирование, граф.

ANALYTICAL MODELING OF ATTACKS IN WIRELESS

SENSOR NETWORKS FOR ATTACK DETECTION

pages 98 – 105
T.K. Zhukabayeva1, V.A, Desnitsky2, Е.M. Mardenov1
1 International Science Complex «Astana», 8, Kabanbay Batyr ave., Kabanbay Batyr ave. Astana, 010017, Kazakhstan
2 St. Petersburg Federal Research Center of the Russian Academy of Sciences,

39, 14th line V.O., St. Petersburg, 199178, Russia

Summary: The article comprises issues of analytical modeling of attacks in wireless sensor networks. A proposed attack
model specifies possible types of unauthorized influences at the network level aimed at compromising network nodes, data
transmitted over the network, and information services provided by the wireless sensor network. A developed graph-based
analytical model of a wireless sensor network aims at detecting network layer attacks by processing actual events received
from network nodes and deciding whether the network is running under an attack. The correctness of the models is confirmed
by their testing by using an example of a scenario for detecting a wormhole attack aimed at disrupting routing processes in
a wireless sensor network.
Keywords: attack, detection, modeling, graph.

DOI: 10.34219/2078-8320-2023-14-3-98-105

Введение включающих возможности удаленного доступа к узлам сети,

представляют потенциально широкие возможности наруши-
Беспроводные сенсорные сети (БСС), применяемые в раз-
телям информационной безопасности (ИБ) злонамеренно и
личных практических областях приложений, включающих
нелегитимным образом эксплуатировать уязвимости и сла-
энергетические инфраструктуры и трубопроводы, транс-
бые места сети. Подобные воздействия могут производиться
портные и логистические системы, в том числе в сценариях,

98 № 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ

АНАЛИТИЧЕСКОЕ МОДЕЛИРОВАНИЕ АТАКУЮЩИХ ВОЗДЕЙСТВИЙ В БЕСПРОВОДНЫХ СЕНСОРНЫХ СЕТЯХ
ДЛЯ РЕШЕНИЯ ЗАДАЧ ОБНАРУЖЕНИЯ АТАК
для компрометации различных целевых функций и сервисов,
предоставляемых сетью и отдельными их устройствами, в
том числе с целью нарушения доступности узлов БСС, кон-
фиденциальности и целостности передаваемых сообщений,
аутентичности источника сообщений.
Одной из наиболее существенных разновидностей не-
санкционированных воздействий являются атаки на узлы
БСС, воздействующие на сетевом уровне взаимодействия со-
гласно модели OSI [1]. К таким атакам можно относить, как
универсальные сетевые атаки, такие как flood-атаки, форми-
рующие паразитный трафик и перегружающие коммуника-
ционный канал до узла-жертвы, так и специализированные
атаки, учитывающие особенности конкретной реализации
БСС. Так, специализированные атаки могут базироваться
на эксплуатации какой-либо уязвимости сетевого протокола
или программно-аппаратного обеспечения узлов сети. На-
пример, эксплуатация уязвимости CVE-2022-39064 умного
светильника TRÅDFRI LED1732G11, работающего в рамках
системы умного дома с использованием протокола ZigBee
IEEE 802.15.4, включает формирование нескольких последо-
вательных экземпляров модифицированного сетевого кадра,
заставляющего светильник мигать и приводящего к сбросу
настроек светильника к заводским значениям. Это в свою
очередь приводит к потере на атакованном устройстве ин-
формации о сетевой конфигурации узла и характеристиках,
установленных пользователем [2]. В результате такой атаки
пользователь оказывается неспособным управлять устрой-
ством ни напрямую – при помощи пульта дистанционного
управления, ни удаленно – через сеть Интернет. Более того,
такое воздействие, инициированное атакующим узлом БСС
при помощи одной цепочки из нескольких экземпляров мо-
дифицированного сетевого пакета, способно поразить одно-
временно несколько уязвимых устройств, располагающихся
в пределах диапазона действия беспроводного сигнала. Еще
одним примером является уязвимость CVE-2019-15915 ум-
ного устройства Xiaomi, также работающего по протоколы
ZigBee. Причиной возникновения уязвимости является не-
безопасность процедуры сканирования (информационного
обнаружения) узлов ZigBee-сети в рамках заданного PAN-
идентификатора [3]. И в результате эксплуатация этой уязви-
мости способна приводить к атаке типа отказ в обслуживании.
Поэтому успешно выполненные атаки на БСС, осуществля-
емые на сетевом уровне взаимодействия, способны приво-
дить не только к серьезным нарушениям в работе самой сети
и отдельных ее устройств, но также и к негативным и даже
катастрофическим последствиям для всей физической инфра-
структуры, в которой сеть оперирует. Отметим также, что за-
частую применение методов обнаружения атак, используемых
в коммуникационных сетях общего назначения, осложняется
рядом ограничений, накладываемых на узлы БСС, в первую
очередь ограничений на доступные вычислительные, комму-
никационные ресурсы, а также энергоресурсы узлов. Поэтому
задача своевременного и эффективного обнаружения атак се-
тевого уровня в БСС с учетом особенностей и ограничений
таких сетей представляется крайне актуальной.
№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ
Основной вклад настоящей работы состоит в следующем.
Во-первых, предложена аналитическая модель атак, спец-
ифицирующая основные виды воздействий сетевого уровня
на БСС и их характеристики, и формирующая перечни акту-
альных видов атак под конкретные БСС и их сценарии. Во-
вторых, на базе анализа знаний о беспроводных сенсорных
сетях разработана аналитическая модель БСС, позволяющая
путем аналитической обработки фактических событий, по-
лучаемых с узлов сети, на основе применения методов гра-
фового моделирования обнаруживать атаки сетевого уровня.
К преимуществам предложенной аналитической модели
БСС можно отнести возможность обнаружения атак сетевого
уровня на узлы сети с учетом моделирования фактических
состояний системы, формулируемых для каждой разновид-
ности атак индивидуально. К отличиям предлагаемого мо-
делирования БСС и средств обнаружения атак также можно
отнести модульный характер формируемого механизма за-
щиты, где в зависимости от требований со стороны конкрет-
ного прикладного сценария, а также рисков ИБ, присущих
ему, оказывается возможным подстраивать процесс обнару-
жения под условия работы и ограничения данной беспровод-
ной сети.
К отличительным особенностям предлагаемого модели-
рования беспроводных сенсорных сетей и атак сетевого уров-
ня на них относится также учет свойств масштабируемости
БСС, пространственного распределения узлов, относительно
небольших физических габаритов узлов, ограниченности до-
ступных вычислительных ресурсов и ограничений на энер-
гопотребление узлов. Оставшаяся часть статьи организована
следующим образом. В разделе 2 приведено описание пред-
ложенной аналитической модели атакующих воздействий.
В разделе 3 раскрываются основные особенности разрабо-
танной аналитической модели БСС для решения задач обна-
ружения атак. Разделы 4 и 5 включают анализ полученных
результатов и заключительные положения, соответственно.
1. Модель атакующих воздействий
Следуя принципам модели OSI применительно к бес-
проводным сенсорным сетям, выделяется пять основных
уровней, на которых происходит коммуникация между узла-
ми БСС: прикладной, транспортный, сетевой, канальный и
физический уровни. Кроме того возможности сетевого вза-
имодействия БСС на каждом из этих пяти уровней подраз-
деляется также на три межуровневых функциональных слоя:
слой управления задачами, слой управлению мобильностью
и слой управления энергопотреблением – функции всех трех
видов реализуются на каждом из указанных выше уровней и
должны учитываться в процессе обеспечения информацион-
ной безопасности сети [4].
Предлагаемая аналитическая модель атак представляет-
ся следующим формальным кортежем (G, A, R, T, P), где G
– множество целей атак на БСС, включающих воздействия
на сетевом уровне взаимодействия, A – множество действий,
которые атакующий выполняет для успешного достижение
целей из множества G, R – организационно-технические
99

ресурсы, используемые атакующим в процесс атаки, T – ха-
рактеристики атак и способы воздействия, применяемыми
в рамках атак. В свою очередь T представляет собой фор-
мальный кортеж, элементами которого являются множества
значений ряда характеристик. К таким характеристикам от-
носятся, во-первых, многошаговость атаки – наличие по-
следовательно выполняемых стадий или шагов атаки; во-
вторых, многоаспектность атаки – ее влияние на несколько
элементов объекта, на которые осуществляются воздействия
одновременно; в-третьих, универсальность атаки – ориенти-
рованность атаки на специфичную БСС или разнообразие
сетей и сценариев их работы; в-четвертых, активный или
пассивный характер атаки [4, 5].
Следуя принципам, изложенным в [6], P определяет мно-
жество возможных типов доступа атакующего к узлу БСС,
на которое осуществляется воздействие. В рамках конкрет-
ной атаки фактический доступ к атакуемому модулю может
предполагать один или сразу несколько типов доступа, вклю-
чающих следующие P = {P0, P1, P2, P3, P4}, где P0 определяет
доступ со стороны атакующего посредством социальной ин-
женерии, пытающегося обманным путем уделить некое дру-
гой физическое лицо, имеющее прямой или опосредованный
доступ к узлам сети, осуществить определенные действия с
этим узлом. Примером атаки, оперирующей данным видом
доступа к атакуемому узлу, является атака злонамеренного
изменения настроек функционирования удаленного узла в
рамках мобильной коммуникационной mesh-сети, работа-
ющей на местности, где узлы БСС представляют собой не-
стационарные устройства-коммуникаторы для обмена опера-
тивной информацией между пользователями [7].
В соответствии с типом доступа P1 атака производится на
узел-жертву при помощи какого-либо внешнего удаленного
подключения по протоколу отличному от коммуникационно-
го протокола БСС. Например, для БСС, работающей по про-
токолу LoRaWAN такое воздействие может быть осущест-
влено через интерфейсы Bluetooth, Wi-Fi или радиоканал. В
рамках БСС P2 представляет наиболее "типовой" – распро-
страненный вид доступа атакующего, воздействующего на
узел-жертву дистанционно посредством штатных каналов
связи БСС. Примерами атак с таким типом доступа явля-
ются сетевые атаки, направленные на нарушение процессов
маршрутизации в БСС.
При типе доступа P3 в рамках атаки производится доступ
нарушителя к проводным коммуникационным интерфейсам,
таким как USB или RS-232 или электронным контактам ми-
кроконтроллера, которые выведены на границы физического
корпуса узла. Частным примером такого доступа является
атака, при который злонамеренный узел физически прикре-
пляется к узлу-жертве и воздействует на него напрямую, от-
правляя соответствующие программные команды или элек-
тронные импульсы. Тип доступа P4 определяет атаки на узлы
БСС, где воздействие осуществляется на уровне внутренних
аппаратных интерфейсов и электронных контактов узла, в
том числе различные отладочные интерфейсы, как правило,
не используемые при штатном прикладном функциониро-
100
Жукабаева Т.К., Десницкий В.А., Марденов Е.М.
вании БСС. Примером такой атаки является несанкциони-
рованное подсоединение дополнительного предварительно
модифицированного физического сенсора или электронного
сетевого модуля XBee к одноплатному компьютеру Raspber-
ry Pi для формирования скрытого от оператора БСС комму-
никационного канала взаимодействия с сетью.
Следуя классификации атакующих возможностей атаку-
ющего [8], R задает возможные виды организационно-техни-
ческих ресурсов, требуемые для выполнения действий A: R
= {R1, R2, R3}, где R1 определяет используемые в процессе
атаки ресурсы, обеспечивающие эксплуатацию публично до-
ступных средств и уязвимостей, в том числе публикуемых в
базах уязвимостей таких как CVE, а также возможность вос-
произведения известных векторов атак. R2 представляет рас-
ширение объема ресурсов R1 возможностями по разработ-
ке новых векторов атак и их программной имплементации,
в том числе целевых атак и атак, эксплуатирующих уязви-
мости "нулевого дня". В свою очередь R3 является расши-
рением R2 в части получения практически неограниченных
объемов вычислительных, временных, различных организа-
ционно-технических и финансовых ресурсов, которые могут
применяться в процессе атаки.
Основными разновидностями атак сетевого уровня, учи-
тываемыми в аналитической модели, являются активные
атаки, включающие различные аспекты нарушения процес-
сов маршрутизации в БСС. К пассивным атакам на БСС,
рассматриваемым в рамках модели, относятся атаки прослу-
шивания и последующего анализа сетевого трафика, пере-
даваемого между узлами сети. Отметим, что, как правило,
пассивные атаки предваряют активные атаки в части сбора
сведений, необходимых для их осуществления. Помимо не-
посредственного прослушивания, сбора с разных узлов и
анализа трафика между узлами, в том числе группового ана-
лиза данных, извлеченных из трафика между различными уз-
лами сети, примером пассивной атаки является т.н. homing-
атака, включающая исследование проходящего трафика для
выяснения внутренней структуры сети и ресурсов, которыми
обладают узлы БСС.
В рамках предложенной аналитической модели выделя-
ются следующие активные атаки на БСС сетевого уровня [4]:
• атака спуфинга сетевого адреса узла БСС, в результа-
те чего атакующий узел способен выдавать себя за не-
который легитимный узел сети и выполнять коммуни-
кацию от его имени с использованием подмененного
сетевого адреса. Кроме того данная атака предполага-
ет возможность злонамеренной подмены идентично-
сти одного легитимного узла, идентичностью другого
легитимного узла;
• атака выборочной пересылки пакетов, включающая
определение критериев отбора пакетов, поступивших
на данный узел в качестве промежуточного узла при
их передаче, доставку которых атакующий злонаме-
ренно прекращает. Такая фильтрация пакетов данных
может производиться, исходя из значений адресов
источника пакета или адреса его конечного получа-
№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ
АНАЛИТИЧЕСКОЕ МОДЕЛИРОВАНИЕ АТАКУЮЩИХ ВОЗДЕЙСТВИЙ В БЕСПРОВОДНЫХ СЕНСОРНЫХ СЕТЯХ
ДЛЯ РЕШЕНИЯ ЗАДАЧ ОБНАРУЖЕНИЯ АТАК
теля. Фильтрация пакетов может проводиться также
по дополнительным свойствам пакета, таким как его
размер, значения его служебных полей, количество
пройденных узлов (т.н. "хопов" от узла-источника) и
различным статистических характеристик множеств
пакетов данного вида, переданных через данный узел
к некоторому моменту времени;
• sinkhole-атака – атака, при которой трафик от опреде-
ленной группы узлов БСС форсировано перенаправ-
ляется атакующим узлом по заданному маршруту на
некоторый "стоковый" узел. В результате такой атаки
маршрутизация легитимных узлов сети перестраива-
ются под данный маршрут, в качестве наиболее ко-
роткого и предпочтительного для передачи пакетов по
сети. После этого атакующий узел начинает произво-
дить злонамеренную модификацию пакетов, проходя-
щих через него;
• blackhole-атака – атака, близкая по своей сути в
sinkhole-атаке, при которой атакующий узел также
пытается "перетягивать" на себя транзитный трафик
от других узлов, манипулируя данными о предпочти-
тельности своего маршрута по сравнению с альтер-
нативными маршрутами в БСС, с цель прекращения
передачи полученных им пакетов данных и прерыва-
ния или затруднения коммуникации в сети;
• атака типа neglect-greed, являющаяся частным случа-
ем blackhole-атаки, в которой транзитный трафик че-
рез атакующий узел блокируется с целью высвобож-
дения коммуникационного ресурса БСС для более эф-
фективной передачи в сети своего трафика. При этом
для собственного трафика узел-нарушитель может
выставлять повышенные значения характеристик QoS
[9], тем самым повышая приоритетность его доставки
узлам-получателям;
• replay-атака – атака повторного воспроизведения со-
общения, выполняемая на сетевом уровне – осущест-
вляется путем прослушивания сообщений легитим-
ных узлов и его более позднего повторного или мно-
гократного воспроизводятся для того, чтобы вывести
из строя или нарушить работоспособность узла-полу-
чателя и повлиять на производительность сети;
• Sybil-атака – атака, при которой атакующий узел осу-
ществляет воздействие на другие узлы сети, контро-
лируемые им, с целью тиражирования на них своего
идентификатора для их коммуникации с другими уз-
лами. В результате такой атаки в сети происходит кор-
ректировка процессов маршрутизации сообщений, и
нарушитель повышает степень своего контроля над
потоками данных между другими узлами БСС;
• wormhole-атака представляет воздействия по моди-
фикации процесса маршрутизации в БСС, причем два
узла в сети, подконтрольных нарушителю, образуют
между собой дополнительный канал связи, отличный
от каналов БСС по характеру взаимодействия и харак-
№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ
теризующийся более высокой скоростью передачей
данных. В частности, такое туннелирование позволя-
ет пакеты, поступившие на один из атакующих узлов,
выборочно пересылать по данному каналу на другой
атакующий узел, форсируя перестроения маршрутов,
формируемых легитимными узлами сети. В общем
случае, чем длиннее такой туннель сформирован, тем
более "выгодным" с точки зрения показателей нор-
мальной маршрутизации оказывается фактическое
использование такого туннеля другими узлами сети
[10]. Отметим, что одним из эффектов такой атаки мо-
жет быть нарушение работы алгоритмов более верх-
него уровня модели OSI, таких как алгоритмов гео-
локализации узлов на основе анализа их связанности,
которые полагаются на особенности маршрутизации,
осуществляемой на сетевом уровне. Кроме того к
сильным сторонам такой атаки можно отнести воз-
можность репликации сообщений в побитовой фор-
ме – непосредственно на канальном и физическом
уровнях соединения, что избавляет атакующего от не-
обходимости исследовать и как-либо корректировать
структуру передаваемых пакетов;
• атака типа hello flood – в рамках этой атаки злонаме-
ренный узел в широковещательном режиме рассыла-
ет hello-пакеты, призванные подтвердить живучесть
канала связи с узлом-получателем. Атакующий узел,
обладая значительно более мощным приемо-передаю-
щим модулей, способен рассылать такие hello-пакеты
значительному числу легитимных узлов напрямую
без передачи через какие-либо промежуточные узлы.
При этом легитимные узлы, обладая менее мощными
коммуникационными интерфейсами, на hello-пакеты
отправляют ответы, которые не достигают адресата,
тем самым формируя суммарно значительные объемы
flood-трафика, затрудняющего работу в сети;
• атака типа acknowledgment spoofing – атака со сторо-
ны злонамеренного узла, осуществляющего подмену
подтверждения живучести соседнего узла, являюще-
гося по какой-либо причине не работающим;
• vampire-атака истощения энергоресурсов БСС, в рам-
ках которой за счет злонамеренного нарушения про-
цесса маршрутизации сети атакующий форсирует уд-
линение маршрутов передачи пакетов данных, обра-
зуя, в том числе, циклы, в результате чего значительно
большее число узлов сети оказывается вовлеченными
в процесс передачи легитимных сообщений [11]. И
это приводит к значительно более быстрому расходо-
ванию энергоресурса узлов сети, что в свою очередь
может приводить к полному исчерпанию энергоре-
сурса и потере доступности узлов БСС.
Атаки, входящие в предлагаемую модель, включают глав-
ным образом нарушения процессов маршрутизации в сети,
модификацию и подмену пакетов данных, подаваемых на
узлы БСС, формирование злонамеренного трафика. Для осу-
ществления этого нарушителю необходимо в первую очередь
101

обладать доступом к непосредственно контролируемым им
узлам БСС с типом доступа к ним P3 и/или P4 и доступом P0,
P1 и/или P2 к другим узлам сети, участвующим в процессе
атаки, а также обладать категориями организационно-тех-
нических ресурсов R1, R2 или R3. Предлагаемая аналитиче-
ская модель обладает достаточной полнотой ввиду того, что
проанализированные разновидности атак являются актуаль-
ными для современных БСС и охватывают основные виды
эксплуатируемых ими уязвимостей и слабых мест, формиру-
емых на сетевом уровне взаимодействия узлов. Аналитиче-
ское моделирование шагов конкретной атаки применительно
к функциям, условиям функционирования и ограничениям
конкретной БСС представляет собой следующий обобщен-
ный алгоритм, описанный в виде псевдокода.
Input: At = {возможные атаки на БСС}, W = {спецификация
БСС}, Th = {угрозы ИБ}
At˚ = {} // инициализация выходного списка для релевантных
атак
for (ai from At) { // перебор в цикле возможных видов атак
на БСС
if (not check_goal(ai, W, Th)) { // проверка соответ-
ствия цели атаки спецификации
// W и модели угроз Th
continue // переход к следующей итерации цикла
}
if (not check_access_type(ai, W)) { // проверка соответ-
ствия требуемого типа
// доступа атаки спецификации W
continue // переход к следующей итерации цикла
}
if (not check_resources(ai, W)) { // проверка соответ-
ствия требуемых ресурсов
// атаки спецификации W
continue // переход к следующей итерации цикла
}
At˚.add (ai) // добавление релевантной атаки в выход-
ной список
}
return At˚
Output: At˚ = {актуальные атаки на БСС}
Входом алгоритма являются множество At, описываю-
щее возможные виды атак, которым может быть подвержена
рассматриваемая БСС, спецификация сети W, включающая
структурно-функциональной описание БСС, а также модель
угроз информационной безопасности Th для данной сети.
Выходом алгоритма является список At˚, представляющий
ограниченный, суженный перечень атак, которые могут по-
ражать сеть с учетом целей ее работы, угроз ИБ и ограниче-
ний функционирования. Основные управляющие конструк-
ции и ключевые слова выделены полужирным шрифтом.
Текстовые комментарии отмечены двумя последовательны-
ми символами "//".
Основная часть предложенного алгоритма включает
проверку соответствия атаки характеристикам специфика-
102
Жукабаева Т.К., Десницкий В.А., Марденов Е.М.
ции БСС и ее модули угроз (вызов функции check_goal). К
примеру, если цель атаки не рассматривается критической
в рамках модели угроз Th, то такая атака игнорируется, и
производится переход к следующей итерации цикла. Далее
выполняется проверка того, что требуемый атакой тип до-
ступа соответствует спецификации W сети (вызов функции
check_access_type). В частности, если атака требует прямо-
го доступа к атакуемому узлу сети, тогда как в соответствии
со спецификацией, такой доступ затруднен вследствие ме-
ханизмов физической защиты узла, то атака игнорируется,
и происходит переход к следующей итерации цикла. Далее
аналогично проводится проверка соответствия требуемых
ресурсов атаки предполагаемым ресурсам атакующего.
В результате, если атака прошла все три проверки, то она
признается актуальной и добавляется в перечень At˚ акту-
альных атак на данную БСС. По завершении работы цикла
сформированный список At˚ актуальных атак возвращается
в качестве результата работы алгоритма. Таким образом, для
конкретного частного случая беспроводной сенсорной сети
с заданным сценарием ее выполнения можно сделать вывод,
что использование предложенной аналитической модели
атак позволяет сузить множество известных видов атак, ко-
торым подвержены БСС, до ограниченного перечня атак, от
которых целесообразно защищать БСС и разрабатывать про-
граммные средства их обнаружения.
2. Аналитическое моделирование БСС
Предлагаемая аналитическая модель беспроводной сен-
сорной сети ориентирована на решение задач обнаружения
атак на БСС с использованием графового подхода и представ-
ляется в виде следующего формального кортежа (S, A, P, E, T,
f), где S – множество состояний БСС, причем элемент данно-
го множества s0 описывает начальное состояние сети, пред-
шествующее запуску БСС. Множество состояний состоит из
двух непересекающихся подмножеств SN и SA – нормальных
и атакующих состояний БСС, соответственно. A описывают
аналитическую модель релевантных атак на БСС, формируе-
мую путем выполнения приведенного в разделе 2 алгоритма
применительно к заданной БСС. P определяет множество
показателей защищенности БСС, E описывает множество
событий, происходящих в системе, T – множество моментов
времени записи событий из множества E, f – функция пере-
хода, позволяющая на основе текущего состояния сети и по-
ступающих событий определить следующее состояние БСС
f : (S, E, T) → (S, T). Процесс выполнение данной модели
состоит в продолжающейся во времени передаче управления
по завершению очередного промежутка времени на последу-
ющее состояние сети, начиная от стартового состояния s0. В
случае достижения состояния из множества SA производится
уведомление оператора сети об инциденте ИБ.
Рассмотрим формирование аналитической графовой
модели БСС на примере обнаружения атак сетевого уровня
типа wormhole. По мере прохождения пакетов данных по
сети обнаружение данного вида атаки сводится к последо-
вательной проверке значения показателя pi = (gi+1 - gi) / (ti+1
№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ
АНАЛИТИЧЕСКОЕ МОДЕЛИРОВАНИЕ АТАКУЮЩИХ ВОЗДЕЙСТВИЙ В БЕСПРОВОДНЫХ СЕНСОРНЫХ СЕТЯХ
ДЛЯ РЕШЕНИЯ ЗАДАЧ ОБНАРУЖЕНИЯ АТАК
- ti) на каждом промежуточной/конечном узле с индексом
(i+1), где gi – векторное значение геопозиции узла с индек-
сом i – то есть узла, с которого данный пакет был доставлен
на узел (i+1), геопозиция которого представлена векторным
значением gi+1. Скалярные величины ti+1 и ti обозначают мо-
менты времени доставки пакета на узел (i+1) и его отправки
с узла i, соответственно. Предполагается, что значения пока-
зателя при отсутствии wormhole-атаки могут варьироваться
в пределах некоторого промежутка [v0, v1], где величины v0 и
v1 являются константами и определяются эмпирически – на
основе тестирования БСС в условиях отсутствия атак или же
экспертно.
Таким образом, на узле получателе, а также на каждом
промежуточном узле при передаче пакета по сети произво-
дится проверка пары значений вида (gi, ti). Учитывая одно-
родность узлов БСС и соединений между ними, время пере-
дачи данных по сети в первом приближении должно быть
приблизительно пропорциональным фактическому расстоя-
нию между узлами. Отметим, что wormhole-атака характе-
ризуется наличием стороннего физического канала между
двумя скомпрометированными узлами БСС, как правило,
с более быстрой передачей данных, например, по прямому
проводному соединению или радиоканалу, проводимая в
целях нарушения процессов маршрутизации сети. Поэтому
значительные повторяющиеся с течением времени при пере-
даче последующих пакетов данных отклонения, в первую
очередь в сторону значительного уменьшения времени до-
ставки сообщений, будут признаком wormhole-атаки.
Рис. 1. Схема аналитической графовой модели беспроводной
сенсорной сети для обнаружения wormhole-атак
На рис. 1 показана схема модели беспроводной сенсорной
сети для обнаружения wormhole-атак. На приведенной схеме
ss обозначает состояние БСС в момент инициации отправки
сообщений от какого-либо узла. В данном случае сообщение
формируется на узле nk1 в момент времени tk1. В результате
отправки сообщения сеть переходит в состояние, обозначен-
ное как sm. Каждый раз при переходе управления на состоя-
ние sm производится вычисление показателя защищенности
pm-1 на основе сведений о сообщении, доставленном на узел
с индексом m. Далее по мере ретрансляции сообщения на
очередной промежуточный узел управление передается от
состояния sm к этому же состоянию, также с вычислением
№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ
данного показателя. В случае если значение pm-1 показателя
оказывается вне допустимых границ промежутка [v0, v1], то
для коммуникационного канала между узлами с индексами
(m-1) и m значение показателя neg увеличивается на 1. Пер-
воначальные значения neg для пары связанных друг с дру-
гом соседних узлов принимаются равными 0. В тот момент
времени, когда значение показателя neg для пары узлов пре-
вышает заданное ограничение, происходит формирование
инцидента о wormhole-атаке с указанием коммуникационно-
го канала, в рамках которого эта атака реализуется. И уве-
домление о данной атаке направляется оператору сети или
же какому-либо программному компоненту, отвечающему за
сбор такой информации.
Отметим, после каждого увеличения показателя neg на
единицу через заданный фиксированный промежуток време-
ни (промежуток "истечения" срока действия) производится
операция уменьшения его значения на 1. Это правило вво-
дится для того, чтобы не накапливать значения данного по-
казателя неограниченно долго и в том числе не учитывать
случайные изменения времени доставки сообщения, которые
могут возникать эпизодически вследствие естественного,
штатного функционирования сети. Другими словами вво-
дится т.н. "временно окно", в рамках которого не ожидаемые
значения показателя фиксируются механизмом обнаружения,
и только в случае достаточно большого значения показателя
(в данном примере, равного 10), происходит формирование
инцидента об обнаружения атаки.
В соответствии с логикой работы данной модели по мере
формирования каждого нового сообщения производится ее
параллельное выполнение в нескольких потоках. При этом
контур управления, охватывающий состояния, обозначенные
на рис. 1 символами sm и ss и переходы между ними под-
вергается распараллеливанию. Вместе с тем общими для
всех потоков выполнения элементами схемы являются, во-
первых, вычисление и проверка показателя neg на предмет
превышения им установленного ограничения, во-вторых,
последующие шаги, связанные с формированием инцидента
безопасности. Таким образом, переменные, отвечающие за
хранение значений показателей neg, являются разделяемыми
между различными потоками, и операции над ними требуют
синхронизации потоков.
3. Дискуссия
Апробация разработанной аналитической модель беспро-
водной сенсорной сети проводится на примере обнаружения
атак типа wormhole, моделируемых с использованием БСС,
узлы которой строятся на базе коммуникационных интерфей-
сов XBee версии 2. Параметры предложенной аналитической
модели БСС, задаваемые до момента ее запуска – значения
v0, v1, а также время устаревания и ограничение на показате-
ли neg задаются путем тестирования нормального функцио-
нирования БСС. В качестве альтернативы эти значения могут
устанавливаться экспертно.
Отметим, что в рассматриваемой реализации модели для
атак типа wormhole предлагаемый механизм обнаружения
103

атак в качестве побочного эффекта формирует некоторую
дополнительную нагрузку на коммуникационный канал вви-
ду необходимости пересылки исходных данных, для вычис-
ления показателя pi. Объем этих данных в общем случае не
представляется значительным, тем не менее, определенную
поправку на этот фактор учитывать необходимо при опреде-
лении требований на аппаратные ресурсы БСС. Кроме того в
условиях имплементации механизмов обнаружения на осно-
ве предложенной аналитической модели для значительного
числа разновидностей атак фактическое распараллеливание
осуществляется не только для каждого сообщения, передава-
емого по сети, но также и для обеспечения работы вариантов
модели, настроенных под различные виды обнаруживаемых
атак. Это в свою очередь также может формировать повы-
шенные требования не только к коммуникационному ресур-
су, но и к вычислительным возможностям узлов. Настройка
разработанной аналитической модели БСС под другие виды
атак сетевого уровня, таких как sinkhole и Sybil, потребует
анализа и добавления в модель состояний, специфичных
особенностям функционирования сети и учитываемых в
процессе обнаружения атаки.
К преимуществам предложенной аналитической модели
БСС можно отнести возможность обнаружения атак сетевого
уровня на узлы сети с учетом моделирования фактических
состояний системы, формулируемых для каждой разновид-
ности атак индивидуально. Также это обеспечивает модуль-
ный характер формируемого механизма защиты, где в зави-
симости от требований со стороны конкретного прикладного
сценария, а также рисков ИБ, присущих ему, оказывается
возможным подстраивать процесс обнаружения под усло-
вия работы и ограничения данной сети. В общем случае к
ограничениям модели можно отнести отсутствия гарантии
сбора и обработки в рамках имитационного моделирова-
ния всех данных, необходимых для успешного обнаружения
атак, в том числе атак, требующих накопления и групповой
обработки больших объемов данных непосредственно на
маломощных узлах, в том числе исторических данных, как
например, в случае продолжительных по времени низко ин-
тенсивных vampire-атаки.
К отличительным особенностям предлагаемого модели-
рования беспроводных сенсорных сетей и атак сетевого уров-
ня на них относится также учет свойств масштабируемости
БСС, пространственного распределения узлов, относительно
небольших физических габаритов узлов, ограниченности до-
ступных вычислительных ресурсов и ограничений на энер-
гопотребление узлов.
Заключение
В работе предложены две аналитические модели – мо-
дель атакующих воздействий на узлы беспроводных сенсор-
ных сетей и модель БСС, ориентированная на обнаружение
таких атак. Аналитический характер моделей выражается в
применении анализа релевантных атакующих воздействий
с учетом спецификаций конкретных сетей, а также во вве-
дении и использовании наборов состояний БСС и переходов
104
Жукабаева Т.К., Десницкий В.А., Марденов Е.М.
между ними, формируемых с учетом сбора данных, необхо-
димых для обнаружения конкретных видов атак, и процессов
их обработки непосредственно в процессе функционирова-
ния сети.
В качестве направлений будущих исследований планиру-
ются тестирование предложенной модели на отличающихся
моделях сетевых атак и проведение на их основе экспери-
ментов по проверки показателей качества обнаружения атак.
Настоящая работа сотрудниками ЧУ Международного на-
учного комплекса Астана проводится при финансовой под-
держке Комитета науки Министерства науки и высшего об-
разования Республики Казахстан (Грант № AP19680345).
Конфликт интересов отсутствует.
There is no conflict of interest.
СПИСОК ЛИТЕРАТУРЫ / REFERENCES
1. Sidhu N., Sachdeva M. Impact Analysis of Network Layer
Attacks in Real-Time Wireless Sensor Network Testbed //
Proceedings of International Journal of Advanced Computer
Science and Applications (IJACSA). – 2020. – Vol. 11, No.
8, , 701-710.
2. CVE-2022-39064 cybersecurity vulnerability description.
NVD CVE MITRE Corporation database // https://cve.mi-
tre.org/cgi-bin/cvename.cgi?name=CVE-2022-39064 (дата
обращения 05.09.2023).
3. Discover Zigbee networks, Digi Company // https://
w w w. d i g i . c o m / r e s o u r c e s / d o c u m e n t a t i o n / D i g i -
docs/90002002/Concepts/c_zb_discover_end_devices.
htm?TocPath=Zigbee%20networks%7CEnd%20device%20
operation%7C_____1 (дата обращения 05.09.2023).
4. Keerthika M., Shanmugapriya D. Wireless Sensor Net-
works: Active and Passive attacks – Vulnerabilities and Coun-
termeasures // Global Transitions Proceedings. – 2021. – Vol.
2. – Iss.2. – P. 362–367. DOI 10.1016/j.gltp.2021.08.045.
5. Parvathy K., Rajalakshmi S. A Review on Network Layer
Attacks in Wireless Sensor Networks // International Journal
of Computer Sciences and Engineering. – Vol. 9. – Iss.3. –
P. 45-48.
6. Rae A.J., Wildman L.P. A Taxonomy of Attacks on Secure
Devices // Proceedings of Australian Information Warfare and
IT Security Conference. – 2003. – November 20–21, 2003. –
Australia. – P. 251–264.
7. Desnitsky V. Decentralized role-based secure management in
wireless sensor networks // Lecture Notes in Networks and
Systems. – 2022. – Vol. 424. – P. 51-58.
8. Abraham D.G., Dolan G.M., Double G.P., Stevens J.V.
Transaction security system // IBM Systems Journal. – 1991. –
Vol. 30. – Iss. 2. – P. 206–228. DOI: 10.1147/sj.302.0206.
9. Takale S.B., Lokhande S.D. Quality of Service Requirement
in Wireless Sensor Networks: A Survey // 2018 IEEE Global
Conference on Wireless Computing and Networking (GC-
WCN). – 2018. – Lonavala, India. – P. 34-38. DOI 10.1109/
GCWCN.2018.8668636.
10. Maheshwari R., Gao J., Das S.R. Detecting Wormhole
Attacks in Wireless Networks Using Connectivity Informa-
tion // Proceedings of 26th IEEE International Conference
№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ
АНАЛИТИЧЕСКОЕ МОДЕЛИРОВАНИЕ АТАКУЮЩИХ ВОЗДЕЙСТВИЙ В БЕСПРОВОДНЫХ СЕНСОРНЫХ СЕТЯХ
ДЛЯ РЕШЕНИЯ ЗАДАЧ ОБНАРУЖЕНИЯ АТАК
on Computer Communications (IEEE INFOCOM 2007). –
2007. – Anchorage, AK, USA. – P. 107-115. DOI 10.1109/
INFCOM.2007.21.
11. Abusaimeh H. Enhance the Security and Prevent Vam-
pire Attack on Wireless Sensor Networks using Energy and
Broadcasts Threshold Values // Proceedings of International
Journal of Advanced Computer Science and Applications
(IJACSA). – 2020. – Vol. 11. – No. 3. – P. 488-491.
Поступила 09.09.2023
УДК 004.056
Received 09.09.2023
UDK 004.056
ИНФОРМАЦИЯ ОБ АВТОРАХ
1. Жукабаева Тамара Кокеновна – профессор, ассоци-
ированный профессор. Международный научный ком-
плекс «Астана»:
e-mail: tamara_kokenovna@mail.ru
2. Десницкий Василий Алексеевич – кандидат техниче-
ских наук, доцент, старший научный сотрудник, Феде-
№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ
ральное государственное бюджетное учреждение науки
«Санкт-Петербургский Федеральный Исследовательский
Центр Российской Академии Наук»:
e-mail: desnitsky@comsec.spb.ru
3. Марденов Ерик Маратулы – магистр, научный со-
трудник, Международный научный комплекс «Астана»:
e-mail: emardenov@gmail.com
AUTHOR’S INFORMATION
1. Zhukabayeva Tamara Kovenovna – PhD, associated pro-
fessor, International Science Complex «Astana»:
e-mail: tamara_kokenovna@mail.ru
2. Desnitsky Vasily Alekseevich – Candidate of technical sci-
ences, associate professor, senior research fellow, St. Peters-
burg Federal Research Center of the Russian Academy of Sci-
ences: e-mail: desnitsky@comsec.spb.ru
3. Mardenov Erik Maratuly – Master, researcher, Internation-
al Science Complex «Astana»:
e-mail: emardenov@gmail.com
105
2.3.7. Компьютерное моделирование и автоматизация проектирования

МОДЕРНИЗАЦИЯ БЕСПИЛОТНЫХ ЛЕТАТЕЛЬНЫХ

АППАРАТОВ ТЯЖЕЛЕЕ ВОЗДУХА ПРИМЕНЯЕМЫХ
СИЛОВЫМИ СТРУКТУРАМИ РОССИЙСКОЙ ФЕДЕРАЦИИ

стр. 106 – 109

Н.М. Мельников, А.А. Никишкин, А.А. Стишак, Г.Г. Волошин
Санкт-Петербургский университет Министерства внутренних дел Российской Федерации,
Россия, 198206, Санкт-Петербург, ул. Летчика Пилютова, д. 1.

Контактная информация: Мельников Н.М., e-mail: Spnsh1@mai.ru

Резюме: в статье, сформулированы предложения по построению и применению в органах внутренних дел Рос-
сийской Федерации перспективного гибридного беспилотного воздушного комплекса на основе беспилотного ле-
тательного аппарата тяжелее воздуха, в конструкцию которого интегрированы элементы, позволяющие реали-
зовать зависание на объектом наблюдения. Исходя из специфики задач, стоящих перед подразделениями органов
внутренних дел, предложены различные варианты построения воздушного комплекса, а также его оснащения раз-
работанными и существующими модулями полезной нагрузки.
Ключевые слова: беспилотный летательный аппарат, модернизация, возможность, интегрированы элементы,
управление.

MODERNIZATION OF UNMANNED AERIAL VEHICLES

HEAVIER THAN AIR USED BY THE POWER STRUCTURES
OF THE RUSSIAN FEDERATION

pages 106 – 109

N.M. Melnikov, A.V. Nikishkin, A.A. Stishak, G.G. Voloshin
St. Petersburg University of the Ministry of Internal Affairs of the Russian Federation,
d. 1, st. Pilyutov, St. Petersburg, 198206, Russia
Summary: in the article, proposals are formulated for the construction and use in the internal affairs bodies of the Russian
Federation of a promising hybrid unmanned aerial complex based on an unmanned aerial vehicle heavier than air, the
design of which integrates elements that allow hovering on the object of observation. Based on the specifics of the tasks
facing the departments of the internal affairs bodies, various options for building an air complex, as well as equipping it with
developed and existing payload modules, are proposed.
Keywords: unmanned aerial vehicle, modernization, possibility, integrated elements, control.

DOI: 10.34219/2078-8320-2023-14-3-106-109

Беспилотные летательные аппараты тяжелее воздуха и Комплексное применение беспилотных летательных

воздухоплавательные летательные аппараты неоднократно
доказали свою эффективность в ходе решения задач, стоя-
щих перед органами внутренних дел Российской Федерации
и стали одной из важнейших подсистем поддержки принятия
решения должностными лицами органов управления, обе-
спечивающей синергию имеющихся сил и средств.
аппаратов тяжелее воздуха и воздухоплавательных лета-
тельных аппаратов позволяет нивелировать недостатки
данных комплексов и многократно усилить их общие до-
стоинства. Дальнейшее повышение эффективности при-
менения беспилотных летательных аппаратов (БПЛА) в
органах внутренних дел (ОВД) может быть достигнуто

106 № 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ

МОДЕРНИЗАЦИЯ БЕСПИЛОТНЫХ ЛЕТАТЕЛЬНЫХ АППАРАТОВ ТЯЖЕЛЕЕ ВОЗДУХА ПРИМЕНЯЕМЫХ СИЛОВЫМИ
СТРУКТУРАМИ РОССИЙСКОЙ ФЕДЕРАЦИИ

путем проведения исследований в области построения Таблица 1

гибридных летательных аппаратов, сочетающих конструк- Летательные тактико-технические характеристики БПЛА
тивные особенности беспилотных летательных аппаратов «ОРЛАН-30»
тяжелее воздуха и воздухоплавательных летательных ап-
Характеристика Величина измерения
паратов легче воздуха.
Размах крыльев 3 м.
В статье «Модернизация беспилотных летатель- Полезная нагрузка до 8 кг.
ных аппаратов тяжелее воздуха применяемых силовыми Максимально развиваемая скорость от 100 до 170 км/ч
структурами Российской Федерации», на основе анализа Время в полёте до 18 ч.
существующих беспилотных летательных аппаратов и воз- Дальность устойчивой связи с до 110-120 км.
духоплавательных летательных аппаратов, авторами сфор- оператором
мулированы предложения по построению и применению в Полётный потолок высоты 5 км.
органах внутренних дел Российской Федерации перспек- Тип аппарата самолётный
тивного гибридного беспилотного воздушного комплекса Взлётная масса 30 кг.
на основе беспилотного летательного аппарата тяжелее Мощность двигателя 1 л.с.
воздуха, в конструкцию которого интегрированы элемен- Предельное расстояние полёта до 300 км.
ты, позволяющие реализовать переменную плавучесть. Ис- Радиус полёта в зависимости от от 150 до 200 км.
погодных условий
ходя из специфики задач, стоящих перед подразделениями
Продолжительность полёта до 10 ч.
органов внутренних дел, предложены различные варианты
Диапазон рабочих температур От -30 до +400 С
построения воздушного комплекса, а также его оснащения
разработанными и существующими модулями полезной на- В таблице 2 представлены летательные тактико-техниче-
грузки. ские характеристики БПЛА «ОРЛАН-30» после проведения
Авторами рассмотрены все этапы использования БПЛА его модернизации [2].
от его непосредственного взлёта до нанесения ударов по раз-
Таблица 2
личным видам сухопутных и надводных целей.
Летательные тактико-технические характеристики БПЛА
В статье рассмотрена возможность использования БПЛА
«ОРЛАН-30» после проведения его модернизации
модели «ОРЛАН-30» российского производства. На первом
этапе авторами статьи были проанализированы тактико-тех- Характеристика Величина измерения
нические характеристики и возможности данного БПЛА. Масса взлетная 30 кг.
Масса полезной нагрузки 12 кг.
Беспилотный летательный аппарат «Орлан-30» (раз-
Масса пустого 18.
работан российским предприятием ООО «Специальный
Масса ракеты 4 кг.
технологический центр») предназначен для использования
масса одного кубометра водорода 0,0898 кг.
в качестве носителя при разработке специализированных
Масса наполненного баллона 1,34 (8) кг.
авиационных комплексов для выполнения аэрофото- и ви- (6 баллонов)
деосъемки панорамной и плановой, а также для других по- масса груженного орлан-30 30 кг.
хожих задач.
Беспилотный летательный аппарат «Орлан-30» выполнен На первом этапе в статье рассматривается возможности
по классической аэродинамической схеме с толкающим вин- модернизации БПЛА «ОРЛАН-30» путём конструктивного
том и Т-образным хвостовым оперением, установленным на изменения, а именно добавления баллонов с водородом и
трубчатой композитной балке. воздушных мешков.
Конструктивное исполнение с модульной архитектурой Момент взлета модернизированного БПЛА «ОРЛАН-30»
позволяет менять полезные нагрузки и варьировать состав изображен на фото 1 [3].
бортового оборудования. Герметичное исполнение модуля
системы управления и полезной нагрузки, выполненные из
композитных материалов на основе арамидных тканей суще-
ственно продлевают срок службы дорогостоящего оборудо-
вания при регулярной эксплуатации.
Система Автоматического Управления АПС 2,2 обеспе-
чивают управление бортовым оборудованием и аппаратурой
полезной нагрузки при этом получаемые видео-фотоданные
в сочетании с регистрацией параметров съемки значительно
облегчают последующую обработку, а главное, позволяют
автоматизировать процесс сшивки отдельных кадров при по-
мощи программного обеспечения ТопоАксис [1].
Летательные тактико-технические характеристики БПЛА
«ОРЛАН-30» представлены в таблице 1. Фото 1. Момент взлёта модернизированного БПЛА «ОРЛАН-30»

№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ 107


После проведения предварительных расчётов по данному
вопросу и анализу возможности БПЛА «ОРЛАН-30» можно
с уверенностью заявить, что такая модернизация открывает
дополнительные возможности по его боевому применению в
реальных условиях.
Авторы данной статьи рассматриваю возможности уве-
личения времени нахождения БПЛА в воздушном простран-
стве над территорией противника изменив конструкцию
путем добавления баллонов с газом (водород) и воздушных
мешков.
Данная модернизация даст возможность увеличить время
нахождения БПЛА в воздухе не затрачивая на это дополни-
тельных энергетических затрат.
На фото 2 представлен вариант нахождения модернизи-
рованного БПЛА «ОРЛАН-30» в полёте [4].
Фото 2. Нахождение модернизированного БПЛА «ОРЛАН-30» в
полёте
После взлёта и выходе на точку наблюдения или точку
нанесения удара «ОРЛАН-30» производит зависание за счёт
раскрытия мешков и их заполнения водородом (фото 3).
Фото 3. Момент отстрела баллонов и одновременное наполнение
шаров газом (зависание в воздухе)
Для того, чтоб орлан-30 при полной загруженности мог
зависать в воздухе, необходимо 30 кубических метров водо-
рода, разместить их можно в шести пластиковых баллонах
(пластик- лёгкий материал, позволит избавиться от лишнего
веса), учитывая, что стандартный баллон вмещает 6 кубиче-
ских метров, а в наших баллонах будет 5 кубических метров,
это позволит либо сделать баллоны меньше, но с более тол-
стыми стенками (толстые стенки позволят сдерживать дав-
ление, под которым находится водород), либо не изменять
108
Мельников Н.М., Никишкин А.В., Стишак А.А. Волошин Г.Г.
размер, а лишь уменьшить толщину стенок (больший размер
означает и больший объем, больший объем позволяет дер-
жать газ под меньшим давлением), суть заключается в том,
что при любом раскладе мы уменьшим общий вес беспилот-
ника и это позволит ему взлетать.
Также такое предложение будет способствовать в крат-
чайшие сроки нанести удар по объекту и дальнейшему воз-
вращений на точку взлёта.
На фото 4 представлен отстрел воздушных шаров с газом
с одновременным нанесением удара по цели [5].
Фото 4. Отстрел воздушных шаров с газом
с одновременным нанесением удара по цели
Такое предложение будет способствовать в кратчайшие
сроки и с заданной степенью точности нанести удар по вы-
бранной цели (фото 5).
Фото 5. Поражение различных видов целей:
1. Наземная цель. 2. Воздушная цель. 3. Надводная цель
Кроме предложенных модернизаций по возможностям
применения вооружения необходимо отметить и тот факт, что
если на БПЛА установить специальные технические сред-
ства поиска, выявления и фиксации информации это дало бы
существенное превосходство в получении разведывательной
информации. Все знают такую фразу как «Человек, который
владеет информацией – это вооруженный человек»1.
1 Cказал доцент кафедры специальной и автомобильной техники, кан-
дидат технических наук, подполковник полиции Меньшиков Нико-
лай Михайлович.
№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ
МОДЕРНИЗАЦИЯ БЕСПИЛОТНЫХ ЛЕТАТЕЛЬНЫХ АППАРАТОВ ТЯЖЕЛЕЕ ВОЗДУХА ПРИМЕНЯЕМЫХ СИЛОВЫМИ
СТРУКТУРАМИ РОССИЙСКОЙ ФЕДЕРАЦИИ
Также такая модернизация БПЛА открывает новые воз-
можности по его применению в качестве средства доставки и
базирования ретрансляторов с целью увеличения дальности
радиосвязи [6, 7]. За счет такой возможности будут выпол-
нены практически все требования, предъявляемые к радио-
связи как к одному из видов связи.
Результаты, полученные в статье, предполагается ис-
пользовать для дальнейших исследований в области по-
строения гибридного беспилотного воздушного комплекса
с переменной плавучестью, которые предполагается сосре-
доточить на расчёте тактико-технических характеристик
отдельных модулей и всей платформы в целом, а также на
разработке алгоритма управления летательным аппаратом,
учитывающем конструктивные возможности воздушной
платформы.
Проблема построения гибридного беспилотного лета-
тельного аппарата с переменной плавучестью, исследовани-
ям которой посвящена статья, является актуальной. Статья
написана строгим научным языком без грамматических и
синтаксических ошибок. Структура статьи логически выве-
рена, имеет четкое деление на разделы и содержит комплекс-
ный анализ беспилотных летательных аппаратов тяжелее и
легче воздуха.
Конфликт интересов отсутствует.
There is no conflict of interest.
СПИСОК ЛИТЕРАТУРЫ
1. Авиационная инциклопедия «Уголок неба» интернет ре-
сурс [Электронный ресурс]. URL: http://www.airwar.ru/
enc/bpla/orlan30.html.
2. Факсфорд «интернет ресурс [Электронный ресурс]. URL:
https://foxford.ru/wiki/himiya/vodorod-ego-fizicheskie-i-
himicheskie-svoystva.
3. UAV ROBOTICS GURU интернет ресурс [Электронный
ресурс]. URL: https://uav-bpla.com/rossiyskiy-bespilotnik/
orlan/.
4. Армейский стандарт интернет ресурс [Электронный ре-
сурс]. URL: https://armystandard.ru/news/20223141547-
kwcRZ.html.
5. ren.tv официальный сайт [Электронный ресурс]. URL:
https://ren.tv/news/v-rossii/1060614-kak-bespilotniki-orlan-
pomogaiut-vychisliat-i-unichtozhat-boevikov-vsu.
6. Радиоцентр сайт интернет магазина [Электрон-
ный ресурс]. URL: https://www.radio-center.ru/catalog/
retranslyatory.
7. К-радио сайт интернет магазина [Электронный ресурс].
URL: https://k-radio.ru/catalog/avtomobilnye_i_bazovye/
retranslyatory/?PAGEN_1=2.
Поступила 19.06.2023
УДК 351.74/76
REFERANCES
1. Aviation encyclopedia "Corner of the sky" Internet resource
[Electronic resource]. URL: http://www.airwar.ru/enc/bpla/
orlan30.html.
№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ
2. Faxford “Internet resource [Electronic resource]. URL:
https://foxford.ru/wiki/himiya/vodorod-ego-fizicheskie-i-
himicheskie-svoystva.
3. UAV ROBOTICS GURU Internet resource [Electronic resource].
URL: https://uav-bpla.com/rossiyskiy-bespilotnik/orlan/.
4. Army standard Internet resource [Electronic resource]. URL:
https://armystandard.ru/news/20223141547-kwcRZ.html.
5. ren.tv official website [Electronic resource]. URL: https://ren.
tv/news/v-rossii/1060614-kak-bespilotniki-orlan-pomogaiut-
vychisliat-i-unichtozhat-boevikov-vsu.
6. Radio center website of the online store [Electronic resource].
URL: https://www.radio-center.ru/catalog/retranslyatory.
7. K-radio website of the online store [Electronic resource].
URL: https://k-radio.ru/catalog/avtomobilnye_i_bazovye/
retranslyatory/?PAGEN_1=2.
Received 19.06.2023
UDK 351.74/76
ИНФОРМАЦИЯ ОБ АВТОРАХ
1. Мельников Николай Михайлович – кандидат техниче-
ских наук, доцент кафедры специальной и автомобильной
техники, Санкт-Петербургский университет Министер-
ства внутренних дел Российской Федерации,
e-mail: Spnsh1@mai.ru
2. Никишкин Александр Владимирович – кандидат юри-
дических наук, доцент кафедры физической подготовки и
прикладных единоборств, Санкт-Петербургский универ-
ситет Министерства внутренних дел Российской Федера-
ции, e-mail: Spnsh1@mai.ru
3. Стишак Анатолий Александрович – доцент кафедры
физической подготовки и прикладных единоборств,
полковник полиции, Санкт-Петербургский университет
Министерства внутренних дел Российской Федерации,
e-mail: Spnsh1@mai.ru
4. Волошин Григорий Григорьевич – старший преподава-
тель кафедры физической подготовки и прикладных еди-
ноборств, подполковник полиции, Санкт-Петербургский
университет Министерства внутренних дел Российской
Федерации, e-mail: Spnsh1@mai.ru
AUTHORS’ INFORMATION
1. Melnikov Nikolai Mikhailovich – Candidate of Technical
Sciences, Associate Professor of the Department of Special
and Automotive Equipment St. Petersburg University of the
Ministry of Internal Affairs of the Russian Federation,
e-mail: Spnsh1@mai.ru
2. Nikishkin Alexander Vladimirovich – PhD in Law, Associ-
ate Professor of the Department of Physical Training and Ap-
plied Martial Arts, St. Petersburg University of the Ministry
of Internal Affairs of Russia, e-mail: Spnsh1@mai.ru
3. Stishak Anatoly Alexandrovich – Associate Professor of the
Department of Physical Training and Applied Martial Arts,
Police Colonel, e-mail: Spnsh1@mai.ru
4. Voloshin Grigory Grigoryevich – Senior Lecturer of the
Department of Physical Training and Applied Martial Arts,
Police Lieutenant Colonel, e-mail: Spnsh1@mai.ru
109
2.3.7. Компьютерное моделирование и автоматизация проектирования

ИССЛЕДОВАНИЕ ЭФФЕКТИВНОСТИ МЕТОДОВ

ОТСЛЕЖИВАНИЯ ПОЛОЖЕНИЯ ШЛЕМА И
КОНТРОЛЛЕРОВ ВИРТУАЛЬНОЙ РЕАЛЬНОСТИ

стр. 110 – 119

И.Д. Павленко, В.А. Егунов
Волгоградский государственный технический университет,
Россия, 400005, г.Волгоград, пр.им.Ленина, 28

Контактные данные: Егунов В.А. e-mail:vegunov@mail.ru

Резюме: В настоящее время наблюдается скачкообразный рост популярности технологий виртуальной реально-
сти. Помимо видеоигр аналитики инвестиционного банка Goldman Sachs определили восемь ключевых отраслей:
здравоохранение, недвижимость, торговля, зрелищные мероприятия, видео, образование, инженерия, армия. В про-
цессе подготовки специалистов в различных прикладных областях с экономической точки зрения более рационально
разработать тренажер виртуальной реальности, чем реализовать обучение на настоящих устройствах. В данной
работе исследуется эффективность методов отслеживания положения шлема и контроллеров виртуальной ре-
альности в пространстве. Рассматриваются различные подходы к решению данной задачи, включая оптические,
магнитные, инерциальные и гибридные системы отслеживания, анализируется аппаратное и программное обе-
спечение, необходимое для реализации каждого из этих методов.
Ключевые слова: Virtual Reality, Tracking Methods, Positioning, Object Position Determination, SLAM, Gyroscope,
Accelerometer.

INVESTIGATION OF THE EFFECTIVENESS OF HELMET

POSITION TRACKING METHODS
AND VIRTUAL REALITY CONTROLLER

pages 110 – 119

I.D. Pavlenko, V.A. Egunov
Volgograd State Technical University, 28 Lenina Av., Volgograd, 400005, Russia
Summary: Currently, there is a surge in the popularity of virtual reality technologies. In addition to video games, analysts
at the investment bank Goldman Sachs identified eight key industries: healthcare, real estate, trade, entertainment, video,
education, engineering, and the army. In the process of training specialists in various applied fields, from an economic point
of view, it is more rational to develop a virtual reality simulator than to implement training on real devices. In this paper, the
effectiveness of methods for tracking the position of the helmet and virtual reality controllers in space is investigated. Vari-
ous approaches to solving this problem are considered, including optical, magnetic, inertial and hybrid tracking systems,
hardware and software necessary for the implementation of each of these methods are analyzed..
Keywords: Virtual Reality, Tracking Methods, Positioning, Object Position Determination, SLAM, Gyroscope, Accelerometer.
DOI: 10.34219/2078-8320-2023-14-3-110-119

Введение важно сочетание отслеживания не только положения, но и

ориентации объекта. Это позволяет передавать в виртуаль-
Отслеживание положения, или positional tracking, – тех-
ное пространство все 6 степеней свободы, используемых в
нология, позволяющая определить точное положение объек-
современных VR – системах: перемещение вперёд и назад,
та в пространстве при помощи программного обеспечения и
вверх и вниз, вправо и влево, а также по трём осям.
аппаратных средств. Для создания полного эффекта погру-
Существует несколько методов отслеживания положения
жения в системах виртуальной реальности (VR) критически
виртуального пользователя, включая оптическое, механиче-

110 № 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ

ИССЛЕДОВАНИЕ ЭФФЕКТИВНОСТИ МЕТОДОВ ОТСЛЕЖИВАНИЯ ПОЛОЖЕНИЯ ШЛЕМА
И КОНТРОЛЛЕРОВ ВИРТУАЛЬНОЙ РЕАЛЬНОСТИ
ское, инерциальное, магнитное и другие (рис. 1). Каждый из
этих методов имеет свои преимущества и недостатки, и вы-
бор конкретного метода зависит от задачи, для которой он
используется. В зависимости от выбранного метода отслежи-
вания положения, могут использоваться различные датчики,
такие как акселерометры, гироскопы, магнитометры, камеры
и лазерные дальномеры.
Одним из наиболее распространенных методов является
метод оптического отслеживания, который для отслежива-
ния положения шлема и контроллеров виртуальной реаль-
ности использует камеры, установленные в помещении,. Для
этого на шлем и контроллеры устанавливаются специальные
маркеры или светодиоды, которые затем распознаются ка-
мерами. Этот метод обеспечивает высокую точность отсле-
живания, однако требует дополнительного оборудования и
установки камер в помещении.
Еще одним методом является метод инерционного отсле-
живания, который использует акселерометры и гироскопы
для определения положения шлема и контроллеров вирту-
альной реальности. Он не требует дополнительного обору-
дования и может быть использован в любом помещении, од-
нако он не обеспечивает такую же высокую точность, как
метод оптического отслеживания и может иметь проблемы с
ограничением ошибки накопления.
Метод механического отслеживания использует механи-
ческие датчики на шлеме пользователя, которые отслежива-
ют его движения и передают их в виртуальное пространство.
Этот метод прост в использовании, но также не обеспечивает
такую высокую точность, как оптическое отслеживание.
Метод магнитного отслеживания для определения поло-
жения пользователя в пространстве использует магнитные
датчики. Этот метод обеспечивает высокую точность, но
может быть подвержен магнитным помехам, которые могут
снизить качество отслеживания.
Также существуют гибридные методы, которые комбини-
руют несколько технологий для достижения наилучшей точ-
ности и устойчивости отслеживания положения.
Разработка и реализация методов отслеживания положе-
ния шлема и контроллеров виртуальной реальности в про-
странстве является важной задачей в разработке приложений
Рис. 1. Отслеживание положения
№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ
виртуальной реальности, поскольку она определяет возмож-
ности и ограничения приложений, влияет на опыт взаимо-
действия пользователя с виртуальным миром.
В данной работе исследуется эффективность методов от-
слеживания положения шлема и контроллеров виртуальной
реальности в пространстве. Будут рассмотрены различные
подходы к решению данной задачи, включая оптические,
магнитные, инерциальные и гибридные системы отслежива-
ния, также будет проанализировано аппаратное и программ-
ное обеспечение, необходимое для реализации каждого из
этих методов.
1. Обзор существующих методов
Как уже было сказано ранее, одним из наиболее распро-
страненных методов является оптическое отслеживание [1].
Оптические методы отслеживания движения в виртуаль-
ной реальности традиционно основаны на использовании
камер различных типов. Пользователь надевает на себя опти-
ческие маркеры, которые обычно представляют собой точки,
выполненные из материала с высокой отражающей способ-
ностью. Маркеры могут быть размещены на теле пользовате-
ля или на оборудовании, таком как шлем виртуальной реаль-
ности или портативные контроллеры (рис. 2).
Профессиональные системы отслеживания движения мо-
гут использовать большое количество маркеров на теле ак-
тера, чтобы обеспечить высокую точность, но коммерчески
доступные системы для личного использования могут ис-
пользовать только лишь маркеров или даже не использовать
их вовсе.
Когда оборудование камеры, способной вычислять глу-
бину, видит маркер, он отображается в 3D-пространстве.
Подобные вычисления могут выполнить, например, две ка-
меры, расположенные под известными углами и видящие
одну и ту же точку. Однако при использовании пассивных
маркеров возникает проблема "marker swap", когда камеры
видят разные маркеры, но считают их одним и тем же. Это
приводит к неточностям в отслеживании движения [2]. Для
решения данной проблемы существуют активные маркеры,
которые представляют собой светодиоды с компьютерным
управлением. Они могут мигать различными цветами син-
111

Рис. 2. Два способа реализации метода оптического отслеживания
хронно с системой отслеживания, обеспечивая большую точ-
ность и предоставляя различные варианты решения пробле-
мы метода пассивных маркеров.
Однако системы с активными маркерами также имеют
свои недостатки. Пользователь должен носить блок питания
или быть каким-то образом привязан к системе, что является
помехой для свободного движения. Еще одним недостатком
метода оптического отслеживания движения является огра-
ничение области отслеживания [3]. Камеры, используемые
для оптического отслеживания, обычно находятся в опреде-
ленном месте и ограничены своим углом обзора, что может
привести к потере отслеживания, когда пользователь выхо-
дит за пределы этой области. Это ограничение может быть
устранено путем установки большего количества камер или
использования дополнительных сенсоров, таких как инерци-
онные измерительные блоки [4].
Оптический метод отслеживания движения реализуется
двумя способами: «Outside-in» (снаружи внутрь) и «Inside-
out» (изнутри наружу). Оба метода используют камеры для
отслеживания маркеров, но они отличаются местоположени-
ем камер [5].
Рис. 3. Карта глубины
112
Павленко И.Д., Егунов В.А.
Метод «Outside-in» используется в системах отслежи-
вания, где камеры расположены снаружи рабочей зоны. Он
позволяет точно отслеживать движения пользователя, нахо-
дящегося внутри этой зоны. В виртуальной реальности это
означает, что камеры находятся вне пространства, которое
воссоздает виртуальный мир. Они фиксируют положение и
движения маркеров на шлеме и контроллерах, которые на-
ходятся внутри пространства виртуальной реальности. С
помощью программного обеспечения, работающего на ком-
пьютере, данные от камер обрабатываются для создания
3D-пространства, в котором пользователь может переме-
щаться и взаимодействовать с объектами.
При использовании метода «Inside-out» камеры рас-
положены внутри пространства виртуальной реальности.
Этот метод имеет некоторые преимущества перед методом
«Outside-in», так как он позволяет пользователям свободно
перемещаться по пространству без ограничений, связанных
с размерами рабочей зоны. Камеры располагаются на шле-
ме и контроллерах и фиксируют маркеры, расположенные на
стенах, потолке или других предметах, находящихся в про-
странстве виртуальной реальности (рис. 3). Это позволяет
№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ
ИССЛЕДОВАНИЕ ЭФФЕКТИВНОСТИ МЕТОДОВ ОТСЛЕЖИВАНИЯ ПОЛОЖЕНИЯ ШЛЕМА
И КОНТРОЛЛЕРОВ ВИРТУАЛЬНОЙ РЕАЛЬНОСТИ
Рис. 4. Задача Perspective-n-Point (PnP)
определять положение и ориентацию пользователя в про-
странстве в реальном времени.
Важно отметить, что метод «Inside-out» требует более
мощного оборудования и сложных алгоритмов для обра-
ботки информации, поэтому он может быть дороже и менее
доступен для пользователей домашней виртуальной реаль-
ности. Однако, современные технологии постоянно разви-
ваются, и, возможно, в будущем метод «Inside-out» станет
более распространенным и доступным.
В зависимости от присутствия специальных оптических
маркеров выделяют два основных типа методов отслежива-
ния положения шлема и контроллеров виртуальной реально-
сти в пространстве: безмаркерный трекинг и трекинг с ис-
пользованием маркеров [6].
Безмаркерный трекинг не требует использования опре-
деленных маркеров или точек на объекте для отслеживания
его положения. Вместо этого методы безмаркерного трекин-
га используют различные датчики, такие как акселероме-
тры, гироскопы, магнитометры и датчики расстояния, чтобы
определить положение и ориентацию объекта в простран-
стве. Датчики располагаются непосредственно на шлеме или
контроллерах, и постоянно отслеживают их движение.
Одно из преимуществ безмаркерного трекинга заключа-
ется в том, что данный метод не требует использования мар-
керов или другого специального оборудования, что делает
Рис. 5. Проекция точек объекта на отслеживающее устройство
№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ
его более удобным для пользователей и экономически более
эффективным для производителей. Однако, безмаркерный
трекинг может быть менее точным, особенно при быстром
движении, и может иметь ограничения по отслеживанию
ориентации объекта.
С другой стороны, трекинг с использованием маркеров
использует определенные точки или маркеры на шлеме или
контроллерах. Маркеры могут быть оптическими, магнит-
ными или радиочастотными, и считываются специальными
датчиками, такими как камеры или сенсоры.
Одним из преимуществ трекинга с использованием мар-
керов является его высокая точность, особенно при отслежи-
вании ориентации объекта, и возможность использования в
различных условиях, включая те, где безмаркерный трекинг
может не дать нужных результатов. Однако, этот метод тре-
бует использования специальных маркеров или точек на объ-
екте, что может быть неудобным для пользователя, особенно
при длительном использовании, и повышает стоимость про-
изводства оборудования.
При оптическом отслеживании расположение объекта в
трехмерном пространстве определяется получения его про-
екции на плоскость сенсора камеры. Это решается с помо-
щью задачи PnP (Perspective-n-Point) (рис. 4).
Perspective-n-Point (PnP) представляет собой задачу опреде-
ления положения объекта в трехмерном пространстве на основе
113

его проекций на изображения в двухмерном пространстве, по-
лученные с помощью камеры. В контексте оптического метода
отслеживания движения, PnP используется для определения
положения оптических маркеров на объекте в трехмерном про-
странстве на основе их проекций в двухмерном пространстве.
Это позволяет определить положение объекта в пространстве
относительно камеры или других объектов [7].
Для решения задачи PnP используются алгоритмы ком-
пьютерного зрения, такие как RANSAC (Random Sample
Consensus), который итеративно выбирает случайные точ-
ки на изображении и сопоставляет их с 3D-точками, чтобы
определить положение объекта. Эти алгоритмы могут быть
использованы как для отслеживания положения объектов с
маркерами, так и для безмаркерного трекинга, когда исполь-
зуется определение уникальных особенностей объектов для
их идентификации на изображении.
В контексте виртуальной реальности, PnP используется
для отслеживания положения HMD и контроллеров в про-
странстве на основе изображений с камер и оптических мар-
керов на этих устройствах. PnP может быть использован как
для отслеживания положения объектов в реальном времени,
так и для записи и последующего воспроизведения движе-
ния для создания реалистичной анимации.
Хотя PnP имеет ограничения в точности в случае исполь-
зования пассивных маркеров, он по-прежнему является од-
ним из наиболее распространенных методов отслеживания
положения виртуальной реальности благодаря своей просто-
те и низкой стоимости.
Если объект содержит 2-4 точки, то задача PnP становит-
ся недоопределённой, что означает, что возможно несколько
возможных решений для определения положения объекта в
пространстве(рис. 5) . Для решения этой проблемы могут ис-
пользоваться дополнительные данные, такие как известное
расстояние между точками или дополнительные маркеры.
Рис. 6. Задача Perspective-n-Point (PnP) для 4 точек
Например, если объект имеет только две точки, то можно
использовать информацию о расстоянии между ними, чтобы
определить положение объекта в пространстве (рис. 6). Если
объект имеет три точки, то можно использовать треугольник,
образованный этими точками, чтобы определить положение
114
Павленко И.Д., Егунов В.А.
объекта в пространстве. Если объект имеет четыре точки, то
можно использовать четырехугольник, образованный этими
точками, для определения положения объекта в простран-
стве [8].
Другой способ решения проблемы недоопределённости
состоит в использовании дополнительных маркеров. Марке-
ры могут быть расположены на объекте или в его окружении,
и они могут помочь определить положение объекта в про-
странстве с большей точностью. Если маркеры расположены
на объекте, то определение положения объекта в простран-
стве может осуществляться с помощью методов, описанных
выше. Если маркеры расположены в окружении объекта, то
камеры, используемые для отслеживания положения объ-
екта, могут быть калиброваны с помощью маркеров, чтобы
улучшить точность отслеживания.
В целом, использование дополнительных данных и мар-
керов может помочь решить проблему недоопределенности
при отслеживании положения объекта в пространстве. Од-
нако это может потребовать дополнительных усилий и ре-
сурсов для установки и калибровки маркеров, что может
снизить удобство использования системы отслеживания для
конечного пользователя.
Основанная на оптическом методе является технология
SLAM (Simultaneous Localization and Mapping). SLAM – это
технология, которая позволяет роботам, автономным транс-
портным средствам и другим устройствам определять своё
местоположение в неизвестной среде, а также строить карту
этой среды (рис. 7). Она также может использоваться для от-
слеживания положения камер и других устройств виртуаль-
ной реальности.
Рис. 7. Метод одновременной локализации и построения карты
SLAM основана на комбинировании данных с различных
источников, таких как камеры, лидары, датчики расстояния
и других. При этом используется алгоритмы компьютерного
зрения и машинного обучения для анализа этой информа-
ции, определения местоположения и ориентации устройства
в пространстве [9].
Один из основных методов SLAM – это расширенный
фильтр Калмана, который используется для оценки положе-
ния и ориентации устройства в реальном времени. Однако,
существует и другие методы, такие как GraphSLAM, кото-
рые используют графовые структуры для построения карты
и оценки позиции.
SLAM связана с оптическим методом виртуальной реаль-
ности в том смысле, что обе технологии используют камеры
№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ
ИССЛЕДОВАНИЕ ЭФФЕКТИВНОСТИ МЕТОДОВ ОТСЛЕЖИВАНИЯ ПОЛОЖЕНИЯ ШЛЕМА
И КОНТРОЛЛЕРОВ ВИРТУАЛЬНОЙ РЕАЛЬНОСТИ
и другие оптические устройства для отслеживания положе-
ния. В виртуальной реальности, SLAM может использовать-
ся для построения 3D-карт среды, которые затем могут быть
использованы для создания более реалистичного и интерак-
тивного виртуального мира.
В целом можно сказать, что оптические методы отслежи-
вания позволяют точно определять положение и движение
объектов в пространстве. Для этого используются камеры,
которые видят оптические маркеры на объектах. Существу-
ют различные типы маркеров, от пассивных до активных,
которые обеспечивают разную точность и удобство исполь-
зования. В случае отслеживания положения шлема вирту-
альной реальности, оптический метод может быть очень
эффективным и точным, особенно если используются актив-
ные маркеры и алгоритмы PnP для вычисления положения
и ориентации шлема. Однако, существуют и другие методы
отслеживания, такие как инерциальные датчики, которые
могут быть использованы вместе с оптическими методами
для повышения точности и устранения некоторых проблем,
таких как "drift" и ограничения в области отслеживания.
В целом, оптический метод отслеживания является одним
из самых точных и эффективных методов для определения
положения и движения объектов в пространстве, и широко
используется в различных областях, включая виртуальную и
дополненную реальность, медицину, спорт и другие.
2. Инерционный метод
Данный метод отслеживания использует инерционные
датчики, такие как акселерометры, гироскопы и магнитоме-
тры, чтобы определить положение и ориентацию шлема и
контроллеров виртуальной реальности (рис. 8). Эти датчи-
ки измеряют ускорение, скорость и угловую скорость в трех
направлениях, а магнитометр используется для определения
направления на север.
Система инерционного отслеживания состоит из не-
скольких компонентов:
• Инерционный измерительный блок (IMU) – устрой-
ство, содержащее один или несколько акселероме-
тров, гироскопов и магнитометров. Он устанавлива-
ется на шлеме и контроллерах виртуальной реально-
сти для регистрации их движения.
• Процессор – компьютер, который обрабатывает дан-
ные, полученные от IMU, и вычисляет положение и
ориентацию шлема и контроллеров виртуальной ре-
альности.
• Калибровочные программы – программы, которые ис-
пользуются для настройки и калибровки IMU и про-
цессора. Они помогают системе инерционного отсле-
живания работать точнее.
Инерционный метод отслеживания имеет свои пре-
имущества и недостатки. Одним из главных преимуществ
является отсутствие необходимости во внешних датчиках
и калибровке системы перед каждым использованием. Это
делает инерционный метод более мобильным и удобным для
использования.
№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ
Однако у инерционного метода есть и недостатки. Он не
может обеспечить точность позиционирования, так как при
работе с ним накапливаются ошибки измерения, особенно
за длительный интервал времени. Кроме того, инерционный
метод не способен определять положение объекта в отноше-
нии внешней среды.
Для повышения точности позиционирования и устране-
ния недостатков инерционного метода часто используются
комбинированные методы, такие как инерционно-оптиче-
ский и инерционно-магнитный методы.
Инерционные датчики могут использоваться для изме-
рения ускорения и угловой скорости, а также магнитометры
для измерения магнитного поля. Эти датчики позволяют
получать данные о движении пользователя и передавать их
в VR-устройство. Чтобы точно отслеживать движение, ис-
пользуются алгоритмы фильтрации, такие как расширенный
фильтр Калмана и многослойный персептрон. Эти алгорит-
мы обрабатывают данные из датчиков, учитывая шум и дру-
гие искажения, чтобы определить точное положение и ори-
ентацию шлема или контроллера.
Рис. 8. Данные с акселерометров и гироскопов
Для повышения точности и устранения дрейфа инерци-
онные датчики часто используются совместно с другими
технологиями отслеживания, такими как оптическое отсле-
живание или магнитные датчики (рис. 11). В комбинации с
другими технологиями инерционный метод позволяет дости-
гать высокой точности отслеживания положения и ориента-
ции виртуального объекта [10].
Одним из недостатков инерционного метода является
дрейф, который возникает при измерении угловой скорости.
Для устранения дрейфа используются различные методы,
включая использование магнитометров, а также методы, ос-
нованные на оптическом отслеживании.
В целом, инерционный метод является надежным спо-
собом отслеживания положения и ориентации виртуальных
объектов в VR-приложениях. Однако, он не является идеаль-
ным и может потребовать комбинации с другими технологи-
ями для достижения максимальной точности и устранения
дрейфа.
115

Рис. 9. Структура акселерометра
Акселерометр –устройство, которое измеряет проекцию
кажущегося ускорения. Он обычно имеет три оси измерения,
которые перпендикулярны друг другу и позволяют регистри-
ровать как гравитационные, так и линейные ускорения (рис.
9). С помощью измерений акселерометра можно определить
ориентацию устройства относительно гравитационного
ускорения, но полная ориентация не будет разрешена, так как
возникает неопределенность относительно угла поворота во-
круг оси, параллельной направлению ускорения свободного
падения. Это означает, что будет существовать множество
возможных ориентаций устройства, при которых ось Z ак-
селерометра будет измерять значение ускорения свободного
падения, но абсолютную ориентацию устройства невозмож-
но однозначно определить.
Гироскоп –устройство, которое измеряет скорость враще-
ния устройства. Чтобы получить угол поворота, необходимо
проинтегрировать измеренную скорость (рис. 10). Основной
проблемой использования только гироскопа для ориентации
заключается в том, что несовершенства измерений угловых
скоростей могут вызвать ошибки в интегрировании, приво-
дя к "дрейфу" ориентации - постепенному отклонению изме-
ренного угла от действительного значения. Это может быть
вызвано смещением нуля или изменением температуры [11].
Использование всех трех датчиков в фильтре ориентации
имеет следующие преимущества.
Благодаря измерениям гироскопа можно подавлять скач-
ки ориентации объекта с помощью фильтра, который рабо-
Рис. 10. Конструкция механического гироскопа
116
Павленко И.Д., Егунов В.А.
тает как низкочастотный фильтр без задержек. При этом в
процессе визуализации движения объекта будет наблюдаться
плавность его вращения. Для быстрого старта фильтра реко-
мендуется использовать фильтр Мадвика, однако, наиболее
интуитивно-понятным считается фильтр Махони, где ошиб-
ка ориентации рассчитывается путем векторного умножения,
а не градиента. Эти же фильтры можно использовать для
объединения измерений нескольких датчиков. Например,
для оценки высоты можно использовать данные атмосфер-
ного давления в качестве измерения и данные акселерометра
в качестве внешнего воздействия. На практике, подобное ре-
шение используется для стабилизации высоты квадрокопте-
ра с помощью акселерометра и барометра. Также, благодаря
измерениям датчиков, можно включить параметры датчиков,
такие как смещение нуля акселерометра и гироскопа, в век-
тор состояния системы. Фильтры, построенные на базе ком-
плементарных или фильтра Калмана, позволяют постепенно
приближаться к истинному значению смещения нуля датчика
и эффективно организовывать сбор калибровочных данных.
Используя данную технологию, можно включать данные
с датчиков, таких как акселерометр и гироскоп, в общий век-
тор состояния системы. Это позволяет использовать компле-
ментарные фильтры или фильтры Калмана, которые посте-
пенно корректируют и уточняют смещение нуля датчика до
его истинного значения.
Использование всех трех датчиков дает возможность
решить проблемы, связанные с определением ориентации,
такие как оценка направления внешнего ускорения и опреде-
ление наличия локальных магнитных возмущений в данной
области, которые могут негативно повлиять на точность из-
мерений магнитометра.
Кроме задачи определения ориентации устройства, инер-
циальные датчики могут быть использованы для решения
следующих задач.
Сбор данных о магнитной карте помещения. При этом на
полученной карте изменяется не только величина магнитного
поля, но и направление вектора магнитной индукции. Эту кар-
ту можно использовать для более точного позиционирования
объекта в дополнении к обычным картам радиосигнала.
Восстановление траектории движения объекта, такого
как пешеход или автомобиль. При креплении устройства
№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ
ИССЛЕДОВАНИЕ ЭФФЕКТИВНОСТИ МЕТОДОВ ОТСЛЕЖИВАНИЯ ПОЛОЖЕНИЯ ШЛЕМА
И КОНТРОЛЛЕРОВ ВИРТУАЛЬНОЙ РЕАЛЬНОСТИ

Рис. 11. Дрейф - один из недостатков инерционного метода

на ноге и точной калибровке датчиков можно добиться точ- 3. Радиочастотный метод

ности возврата в точку начала движения, не превышающей
нескольких десятков сантиметров на расстоянии свыше 100
метров. Пример восстановленной траектории, полученный с
помощью метода ZUPT (сброс ошибки в периоды неподвиж-
ности) и измерений датчика атмосферного давления, пред-
ставлен на рис.12. Траектория включала проход по коридору,
спуск по лестнице, проход и подъем на лифте.
Определение текущей активности пользователя. Данная
функция может быть полезна для того, чтобы узнать, сколь-
ко времени человек проводит в движении в течение рабочего
дня, а также типы движений – человек сидит, стоит, сколь-
ко времени он затратил на перемещение в различных частях
здания.
Использование устройства для инициирования опреде-
ленных событий. Управления некоторым устройством мож-
но осуществить, нарисовав определенную фигуру или образ
в воздухе. Например, символ бесконечности может быть ис-
пользован для калибровки магнитометра, продольные движе-
ния устройства могут генерировать экстренное сообщение, а
тройной "тап" может быть использован для выключения. Эти
задачи решаются при помощи заранее обученных классифи-
каторов [12].
Рис. 12. Восстановления траектории движения объекта
Метод на основе радиочастот в виртуальной реально-
сти (RFID) используется для отслеживания перемещений
игроков или объектов в виртуальной среде. Он основан на
использовании специальных меток, которые наносятся на
игроков или объекты. Метки содержат микрочипы, которые
имеют уникальный идентификатор и могут передавать дан-
ные по радиоканалу.
Виртуальная среда в этом случае оборудуется специаль-
ными антеннами, которые принимают сигналы от меток и
передают их на компьютер, где происходит обработка дан-
ных. В зависимости от того, какая информация нужна, си-
стема может отслеживать только расположение меток или
же следить за тем, как они движутся внутри виртуального
пространства.
Одним из главных преимуществ метода на основе радио-
частот в виртуальной реальности заключается в том, что он
позволяет отслеживать перемещения объектов и игроков
даже в тех случаях, когда они находятся за стенами или в
других помещениях. Также этот метод не требует использо-
вания оптических систем, которые могут быть дорогими и не
всегда эффективными в условиях ограниченной видимости.
Однако метод на основе радиочастот в виртуальной ре-
альности имеет и свои недостатки. Во-первых, он может
быть не очень точным в случаях, когда в виртуальной сре-
де находится много объектов или игроков, так как сигналы
меток могут пересекаться и взаимодействовать друг с дру-
гом. Во-вторых, использование радиочастот может вызывать
электромагнитные помехи, которые могут повлиять на каче-
ство и точность передачи данных.
Тем не менее, метод на основе радиочастот в виртуальной
реальности является эффективным инструментом для отсле-
живания перемещений объектов и игроков в виртуальной
среде. Он может использоваться в различных приложениях,
таких как игровые платформы, тренировочные симуляторы и
визуализации производственных процессов [13].

№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ 117

 Павленко И.Д., Егунов В.А.

4. Гибридный метод Метод Преимущества Области

Гибридные методы отслеживания – это комбинация двух применения
Гибридные Комбинация несколь- Виртуальная реаль-
или более методов отслеживания, которые работают вместе
методы ких методов позволяет ность и дополнен-
для достижения более точного и надежного результата.
улучшить точность и ная реальность, где
Одним из примеров гибридных методов отслеживания надежность отслежи- требуется высокая
является комбинация визуального и инерциального отсле- вания точность и устране-
живания движения. Это может быть полезно, например, для ние ошибок
навигации беспилотных летательных аппаратов в закрытых Способны преодолеть Навигация и тре-
пространствах, где GPS сигнал может быть недоступен или ограничения одиноч- кинг в сложных и
неточен. Другой пример - гибридное отслеживание на основе ных методов, такие изменчивых окру-
как проблемы с зате- жениях
радиочастотной и инфракрасной идентификации. Такой метод
нением или дрейфом Робототехника и
может использоваться для отслеживания движения животных ориентации автономные систе-
в условиях ограниченной видимости, например, в ночное вре- мы, где требуется
мя или в лесистых районах. Также гибридные методы могут комбинированное
сочетать различные типы датчиков, например, акселерометры, отслеживание объ-
гироскопы и магнитометры, что позволяет более точно опре- ектов
делять положение и ориентацию объекта в пространстве.
Заключение
В целом, гибридные методы отслеживания представляют
собой мощный инструмент для решения сложных задач, ко- В статье были рассмотрены различные методы отсле-
торые не могут быть решены одним типом датчиков. Они по- живания объектов в виртуальной реальности. В оптическом
зволяют комбинировать различные типы информации, чтобы отслеживании, используется камеры и маркеры на объектах
получить более точную и полную картину происходящего[14]. для определения их положения и ориентации. Этот метод
является довольно точным, но требует специального обо-
5. Сравнительный анализ методов рудования и ограничен в своих возможностях, например, в
Таблица 1 сложных условиях освещения.
Инерциальное отслеживание использует гироскопы и ак-
Сравнительный анализ методов отслеживания
селерометры для определения положения объекта. Этот ме-
Метод Преимущества Области тод может быть эффективным для отслеживания движения,
применения
но подвержен накоплению ошибок со временем и не подхо-
Оптический Высокая точность и Виртуальная реаль-
дит для длительных сеансов виртуальной реальности.
методф плавность отслежива- ность в играх и раз-
ния положения и ори- влечениях Методы на основе радиочастот используются для отсле-
ентации объектов живания объектов с помощью электромагнитных полей. Они
Подходит для стацио- Медицинские си- могут обеспечивать высокую точность и могут использовать-
нарных настроек, где муляторы и трени- ся в различных условиях, но требуют специального оборудо-
объекты находятся в ровки. вания.
известных местах Гибридные методы отслеживания объединяют несколько
Широко используется Промышленные методов для достижения большей точности и надежности. На-
в игровой индустрии, процессы, требую- пример, можно использовать оптическое отслеживание в соче-
медицине и промыш- щие высокой точно- тании с инерциальным или радиочастотным отслеживанием.
ленности сти отслеживания В целом, отслеживание объектов является важной частью
Радиочастотный Возможность отслежи- Медицинские при- виртуальной и дополненной реальности, могут использо-
метод вания объектов в за- ложения, такие как ваться в ряде других систем, таких как системы автомати-
крытых пространствах трекинг инструмен-
зации производственных процессов, медицинские приложе-
и на больших рассто- тов в хирургии
яниях ния, навигационные системы.
Высокая точность и Промышленные Конфликт интересов отсутствует.
стабильность отсле- процессы, требу- There is no conflict of interest.
живания в сложных ющие точного от-
сценариях слеживания внутри Список литературы / References
сложных систем 1. The Complete Guide to Virtual Reality and the VR Indus-
Радиочастотный Навигация и тре- try. [electronic resource]. Access mode: https://virtualspeech.
метод кинг в больших com/blog/complete-guide-to-virtual-reality / (data obrash-
пространствах, cheniya [date of request]: 10.12.2022).
таких как транс-
портные сети или
2. The wired guide to virtual reality. [electronic resource]. Access
склады mode: https://www.wired.com/story/wired-guide-to-virtual-
reality / (data obrashcheniya [date of request]: 09.02.2023).

118 № 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ

ИССЛЕДОВАНИЕ ЭФФЕКТИВНОСТИ МЕТОДОВ ОТСЛЕЖИВАНИЯ ПОЛОЖЕНИЯ ШЛЕМА
И КОНТРОЛЛЕРОВ ВИРТУАЛЬНОЙ РЕАЛЬНОСТИ
3. Virtual Reality Tracking Systems. [electronic resource]. Ac-
cess mode: https://www.vrs.org.uk/virtual-reality-gear/track-
ing.html / (data obrashcheniya [date of request]: 09.02.2023).
4. How VR Positional Tracking Systems Work. [electronic re-
source]. Access mode: https://uploadvr.com/how-vr-tracking-
works / (data obrashcheniya [date of request]: 02/.17.2023).
5. A SURVEY OF TRACKING TECHNOLOGY FOR VIRTU-
AL ENVIRONMENTS. [electronic resource]. Access mode:
https://www2.creol.ucf.edu/Research/Publications/1522
(data obrashcheniya [date of request]: 03.01.2023).
6. Kirik T.A. Virtual reality and its ontological prototypes / T.A.
Kirik. – Kurgan : Kurgan State University, 2007. – 134 p.
7. Krasnykh V.V. Virtual reality or real virtuality? (Man. Con-
science. Communication) / V.V. Krasnykh. – Moscow : Dia-
log MSU, 1998. – 352 p.
8. Zudlina, N.V. Philosophical interpretations of the concept
of "virtual reality" / N.V. Zudlina // textbook. – Simferopol :
The Crimean Federal University named after V.I. Vernadsky,
2019. – p. 130.
9. Hazieva N.O. Virtual reality as a space of socialization : spe-
cialty 09.00.11 "Social philosophy" : abstract of the disserta-
tion for the degree of Candidate of Philosophical Sciences /
Hazieva Natalia Olegovna. – Kazan, 2019. – 19 p.
10. Khasanova G. F. Virtual reality in chemical engineering
education / G. F. Khasanova // Kazan Pedagogical Journal. –
2019. – № №1. – Pp. 43-50. – ISSN 1726-846X
11. Ivanko A. F. Virtual reality in education / A. F. Ivanko, M. A.
Ivanko, E. E. Romanchuk // Scientific education. Pedagogical
sciences.. – 2019. – № 3-1. – PP. 20-25. – ISSN 2500-3402
12. Smirnova E.O. Virtual reality in early and preschool child-
hood / E.O. Smirnova, N.Y. Matushkina, S.Y. Smirnova //
№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ
Psychological science and education. - 2018. – Vol. 23, No.
3. – pp. 42-53.
13. Braslavsky, P. I. Gaming virtual reality - a new space for
acquiring personal experience / P. I. Braslavsky, V. V. Kol-
pachnikov, M. B. Driker // Culturology. – 2020. – No. 8. – pp.
74-81.
14. Tracking sanctions against Russia // Reuters Graphics : сайт.
– URL: https://www.reuters.com/graphics/UKRAINE-CRI-
SIS/SANCTIONS/byvrjenzmve/ (data obrashcheniya [date
of request]: 23.02.2023)
Поступила 30.07.2023
УДК 004.946, 004.4
Received 30.07.2023
UDK 004.946, 004.4
ИНФОРМАЦИЯ ОБ АВТОРАХ
1. Павленко Иван Дмитриевич – аспирант кафедры СА-
ПРиПК, Волгоградский государственный технический
университет. e-mail: vn-pavlenko@bk.ru
2. Егунов Виталий Алексеевич – кандидат технических
наук, доцент кафедры ЭВМ и систем, Волгоградский го-
сударственный технический университет.
e-mail: vegunov@mail.ru
AUTHORS’ INFORMATION
1. Pavlenko Ivav Dmitrievich – Postgraduate Student
CAD&RD Department, Volgograd State Technical Univer-
sity. e-mail: vn-pavlenko@bk.ru
2. Egunov Vitaly Alekseevich – Cand. Sci. (Engineering), As-
sociate Professor Computers and Systems Department, Vol-
gograd State Technical University.
e-mail: vegunov@mail.ru
119
 Авторам: требования к материалам для публикации
Общие положения
В журнал “Информатизация и связь” направляются работы
(статьи, монографии, рецензии, лекции), не опубликованные ра-
нее и не находящиеся на рассмотрении к публикации в других
печатных изданиях. Рукопись может представляться на русском
и английском (для иностранных авторов) языках. Рукописи не
должны содержать фактических ошибок. Редакция оставляет
за собой право править рукописи и указывать на фактические
ошибки в них, а также подвергать стилистической правке и со-
кращать объемные статьи. Ответственность за достоверность
информации и оригинальность представленных материалов воз-
лагается на авторов. Направленные в редакцию работы не воз-
вращаются.
После публикации все авторские права принадлежат редак-
ции. Отказ от публикации может не сопровождаться разъяснени-
ем его причины и не может считаться отрицательным выводом о
научной и практической ценности работы.
Конфликт интересов
При предоставлении рукописи авторы несут ответствен-
ность за раскрытие своих финансовых и других конфликтных
интересов, способных оказать влияние на их работу. Все суще-
ственные конфликты интересов должны быть отражены в руко-
писи (в сноске на первой странице).
При наличии спонсоров авторы должны указать их роль в
определении структуры исследования, сборе, анализе и интер-
претации данных, а также в принятии решения опубликовать
полученные результаты. Если источники финансирования не
участвовали в подобных действиях, это также следует отметить.
Требования к представлению статьи
Работа должна быть представлена в двух экземплярах в рас-
печатанном виде и подписана всеми авторами.
На отдельном листе должны быть указаны Ф.И.О., акаде-
мические звания, адрес, место работы и должность каждого
из авторов, а также контактный телефон и адрес электронной
почты одного из авторов. Передавая работу в редакцию в пе-
чатном виде или на цифровом носителе, авторы соглашаются,
что их контактные телефоны, адреса электронной почты, место
работы, адрес места работы и должность в соответствии с тре-
бованиями ВАК, предъявляемыми к рецензируемым научным
журналам, будут указаны в журнале и его интернет-версии.
Кроме печатного варианта в обязательном порядке материал
нужно представить на электронном носителе или направить по
электронной почте.
Авторы могут указать для своего материала один из приве-
денных ниже типов публикаций:
Оригинальное исследование – завершенные научные рабо-
ты, содержащие краткое изложение состояния рассматриваемо-
го вопроса и постановку задачи, решаемой в статье; материалы
и методы решения задачи и принятые допущения; результаты
исследования; обсуждение полученных результатов и сопостав-
ление их с ранее известными данными; выводы и рекомендации.
120
В оригинальных статьях необходимо указать, в каком из этапов
создания статьи принял участие каждый из авторов: концепция
и дизайн исследования; сбор и обработка материала; статисти-
ческая обработка данных; написание текста; редактирование.
Обзор – развернутый анализ современного состояния акту-
альных проблем по материалам научной печати.
Новые методы – развернутое описание оригинальных мето-
дических подходов; технических и программных средств.
Краткое сообщение – конспективное или реферативное из-
ложение конкретных узкоспециальных вопросов.
Научная дискуссия – материалы, освещающие различные
точки зрения на ту или иную проблему.
Требования к оформлению текста
1. Первая страница должна содержать следующую инфор-
мацию: заголовок, Ф.И.О. авторов, место работы авторов, ре-
зюме (краткое изложение) статьи, список из 3-8 ключевых слов,
контактную информацию одного из авторов (телефон; e-mail).
Резюме должно быть структурированным и содержать следую-
щие подразделы: цель, материалы и методы, результаты, выводы
(заключение). Желательно присылать также английскую версию
заголовка статьи, резюме, ключевых слов.
2. Для выделения отдельных пунктов в тексте или графиче-
ском материале необходимо использовать только арабскую ну-
мерацию. Все аббревиатуры при первом упоминании должны
быть раскрыты, кроме общепринятых сокращений.
3. В конце приводится список литературы, использованной
при ее написании. Список литературы составляется в соответ-
ствии с ГОСТ Р 7.0.5-2008. Список составляется в алфавитном
порядке (сначала русскоязычные, затем – англоязычные изда-
ния). Ссылки на литературу в тексте указываются соответствую-
щей цифрой в квадратных скобках. Не принятые к печати мате-
риалы и личные сообщения в списке литературы не приводятся.
4. Таблицы, диаграммы, рисунки и другие иллюстрации
должны быть размещены каждая на отдельных страницах и про-
нумерованы арабскими цифрами в соответствии с их упомина-
нием в тексте. Номера иллюстраций должны соответствовать
порядку размещения в тексте. Непосредственно под каждой ил-
люстрацией должна быть подпись, а также пояснения, раскры-
вающие смысл иллюстрации.
7. Таблицы, диаграммы должны быть представлены без ис-
пользования сканирования, без цветного фона. В названиях та-
блиц и рисунков не допускается использование аббревиатур, за
исключением общепринятых сокращений.
8. Рисунки, фотографии представляются в файлах графиче-
ских электронных форматов .jpeg; .jpg; .gif; .tiff; .png; .psd c раз-
решением, позволяющим масштабирование.
9. Все физические величины и единицы приводятся в SI.
Статьи следует направлять по электронному адресу:
infsvz@gmail.com
№ 3’2023 / ИНФОРМАТИЗАЦИЯ И СВЯЗЬ