Метод и алгоритмы повышения безопасности открытой сети связи с наземными подвижными объектами

Во введении обоснована актуальность работы, сформулированы цель и задачи
исследования, научная новизна и практическая значимость результатов, определены
объект, предмет и методы исследования, приведена информация о достоверности,
внедрении и апробации работы, а также ее структура.
В первой главе рассмотрены возможные виды реализации систем связи с
наземными подвижными объектами. Проанализированы классификации систем
связи по диапазонам частот, наличию базовых станций (БС), по дальности связи
абонент-БС и БС-БС, и др. Базовые станции также могут быть мобильными и
стационарными, а мобильные профессиональные станции могут осуществлять связь
между собой, не используя БС, при этом образуются группы и подгруппы.
Профессиональные средства связи имеют дополнительные функции и защиту от
действия внешних факторов; подлежат регистрации в органах надзора за связью. В
итоге выделены основные параметры для разделения на классы профессиональных
средств связи.
Классификация беспроводных сетей, которые делятся на сухопутные,
морские, авиационные, спутниковые и общего пользования, показала, что наземные
сети подвижной связи являются основой для построения систем подвижной связи
общего пользования. Сдерживающие факторы развития спутниковых систем связи,
такие как сложность передающей аппаратуры и высокая стоимость связи, являются
причиной использования таких систем только для радиовещания, передачи данных
сети интернет, радиолокации и в системах связи специального назначения.
Показано, что при разработке новых стандартов беспроводных сетей
преимущественно используются или готовые протоколы связи, или с небольшими
изменениями, причем открытого типа.
В результате проведенных исследований сделан вывод, что для выполнения
поставленных в работе задач необходимо использовать цифровые системы связи,
обладающие большими скоростями передачи данных, поддержкой пакетных
режимов, отсутствием фоновых помех, малым временем установки связи.
Протоколы для цифровых систем связи делятся на закрытые (корпоративные) и
открытые.
Анализ современных протоколов, использующихся в беспроводных системах
передачи данных, таких как: BlueTooth, Wireless USB, Wireless HD, WiGig, WHDi,
DASH7, WirelessHART, MiWi, RuBee, HiperLAN, Wi-Fi, Zigbee, RONJA, Classic
WaveLAN, NMT, AMPS, Mobitex, GSM, TDMA, GPRS, EDGE, CDMA, WCDMA,
CDMA 2000, HSPA, LTE, TETRA и APCO 25, показал, что они имеют множество
однотипных параметров, в той или иной степени эволюционируют и используются
для организации беспроводных систем связи. Из-за большой конкуренции среди
производителей открытые системы связи получают большее распространение, чем
закрытые.
В главе рассмотрены угрозы и уязвимости для систем радиосвязи с
подвижными наземными объектами. Основными угрозами являются: внешняя
помеха, перехват (прослушивание) информации, искажение информации, DDоS-
атака, подмена информации, клонирование SIM-карт, аппаратуры. В результате
злоумышленнику может стать доступными не только данные, но и ресурсы
аппаратуры сети. Анализ подходов при организации защиты систем связи показал,
что основными принципами защиты являются: кодирование и шифрование данных,
использование паролей с помощью описанных в работе алгоритмов.
Далее были проанализированы требования, предъявляемые к системам связи.
Основными показателями служат: готовность – обеспечивается живучестью,
помехозащищенностью,помехоустойчивостьюиэлектромагнитной
совместимостью; устойчивость функционирования – обеспечивается надежностью;
пропускнаяспособность,мобильность,защищенность;доступностьи
управляемость.
Учитывая случайный характер возможностей нарушителя и характеристик
системы связи при их взаимодействии, защищенность канала связи представима
суммой вероятностей скрытности Рскр и помехозащищенности РПЗ:
РЗКан = Рскр + РПЗ – Рскр РПЗ ,
где вероятность того, что канал будет раскрыт при помощи средств разведки:
Рразв = 1– Рскр,
вероятность подавления канала связи помехой:
Рподавл = 1– РПЗ.
В свою очередь:
Рскр = 1– Рразв = 1 – РобнаружРстр Ринф ,
где вероятность раскрытия канала Рразв определяется тремя составляющими:
вероятностью обнаружения факта работы канала связи Робнаруж, структуры сигнала Рстр
и содержания информационного сообщения Ринф.
Обнаружениесигнала (энергетическое) характеризуется радиусом
обнаружения:
 Wпер K пер K про
Rобнаруж 
4 прo0  2
где λ, Wпер, Kпер – параметры сигнала системы связи: длина волны, мощность
излучения, коэффициент направленного действия антенны, соответственно;
Kпро , ηпро, γ2 – параметры системы перехвата сигнала: коэффициента направленности
антенны для перехвата сигнала, чувствительность приемника, отношение
сигнал/шум на входе приемника, соответственно;
α0 – величина потерь на тракте между сетью связи и приемником-обнаружителем.
Переходя к системе связи:
Рсист.св. ≥ Рсист.св.зад. ,
то есть вероятность функционирования системы связи не должна быть меньше
заданной.
Из полученных соотношений сделан вывод: увеличение скрытности и
помехозащищенности системы связи достигается увеличением базы сигнала,
направленности антенн передатчика и приемника.
В работе рассмотрена модель структурной устойчивости сети, исходя из
параметров: число узлов связи число узлов связи N, связность узлов m, средняя
длина маршрута Lср, число ребер (звеньев сети) R и др. (полный перечень приведен в
диссертации), которые сводятся в обобщенный показатель: B = F (N, m, Lср, R, …), и
если ввести коэффициент защиты элементов сети А [0,1] то:

q( A ) 
2  B B( B  4 
,
2A
а структурная устойчивость определяется:
1  q( A )
( K П ,v ) 
K 1  q( A )  
1  q( A )  B1  П
 B  v1  q( A ) 
где KП – коэффициент отсутствия готовности системы связи, или коэффициент
простоя, v – относительная интенсивность восстановления отказов.
Тогда запас структурной устойчивости, который необходимо поддерживать в
пределах 0,2…0,3:
  ( 1  Pпор ) ,
где Рпор – вероятность поражения системы связи, которая в наихудшем случае: Рпор
→ 0,5.
В качестве показателей надежности системы связи с наземными подвижными
объектами использованы:
− вероятность связности сети – вероятность, что имеется хотя бы один
канал для передачи информации по каналу связи:
Pсвязности  Рk раб.к.  1
,
где kраб.к – количество работающих каналов для передачи информации;
− коэффициент готовности канала связи:
Т0
KГ 
Т0  Т В
где Т0 – среднее время наработки на отказ канала;
Тв – среднее время восстановления работоспособности (ремонта).
Целевая функция для оптимизации вариантов построения систем связи, с
использованием теории полезности, как скалярная функция полезности примет вид:
m
Q( k1 , k2 ,…, km )   c j f j ( k j ) ,
j 0
где сj – шкалирующие коэффициенты; fj (kj) – скалярные функции полезности,
характеризующие варианты сети по j-му показателю качества kj;
k1, k2,…, km – совокупность показателей качества сети связи, причем:
k j  k jmin , j  1,2, …, m .
Проблема в том, что перечисленные показатели противоречивы и связаны
сложными математическими соотношениями, представить которые в аналитическом
виде затруднительно. При условии воздействия внешних дестабилизирующих
факторов устойчивость зависит от: защищенности, плотности размещения объектов
связи, устойчивости средств управления, готовности аппаратуры к работе в
экстремальных условиях.
В конце главы описаны проблемы систем связи, как сложных
эволюционирующих объектов, для которых показатели защищенности –
многопараметрические сложные функции.
Во второй главе сделан аналитический обзор и выбор методов исследования
уровня защищенности систем радиосвязи. Такими методами являются:
иерархические деревья решений, метод оценок, генетические алгоритмы, алгоритмы
корреляционного анализа, искусственные нейронные сети (ИНС) и другие.
Окончательное решение принимается с помощью методов: предпочтения
(ранжировки), задания весовых коэффициентов, парных сравнений и
последовательных сравнений. Рассмотрены достоинства и недостатки каждого из
методов. Для использования методики ранжирования рассчитывался коэффициент
конкордации (W) – общий коэффициент ранговой корреляции для группы из k
наборов оценок.
12S
W,(1)
k ( n  n)
где
n
 k
S   x ji  xср  ,(2)
j1 i 1
где n – число сравниваемых критериев; xji – ранг, присвоенный j-му фактору i-го
набора оценок; xср – среднее арифметическое оценок по группе из множества k
наборов оценок.
Максимум значения коэффициента W (равный 1) означает, что все оценки
согласованы, а минимум (значение 0) – их рассогласованность.
Далее в работе раскрыты аспекты методики решения задач с использованием
ИНС. Каждый нейрон в составе ИНС представляет собой элемент, имеющий вход, и
выход. Уравнение связи для выражения зависимости выходного сигнала (OUT)
нейрона от входного x – однопараметрическая функция произвольного вида:
OUT  w x ,(3)
где w – синаптический вес.
Если на вход нейрона подается несколько входных сигналов (j), то формула
(1) будет иметь вид:
m
OUT   w j x j .(4)
j 1
На практике применяются: пороговая, сигмоидальная и гиперболический тангенс.
Сигмоидальная функция обладает избирательной чувствительностью к сигналам
разного уровня, достигающей максимума вблизи порога срабатывания Θ, где малые
изменения входного сигнала OUT приводят к значительным изменениям выходного
сигнала Y:
Y  f (OUT ) 
1  exp(  OUT ) .(5)
В работе показано, что определение числа нейронов в скрытых слоях, выбор
варианта топологии и методы настройки весов ИНС – являются
трудноформализуемыми задачами, решаемыми в настоящее время путем подбора,
или выбором заведомо избыточного варианта ИНС. С ростом сложности структуры
сети растет ее “гибкость” и точность результатов, но в тоже время возрастают и
объемы вычислений, и трудоемкость настройки весов.
Сигнал на выходе j-го нейрона:
y j ( N )   j ( v j ( N )) ,(6)
где N – итерация обучения, vj(N) – значение, получаемое на входе функции
активации:
m
v j ( N )   w ji ( N ) yi ( N ) ,
i 0
где wji – синаптический вес j-го нейрона i-го слоя.
Дифференцируя (6) по εj(N), yj(N), vj(N), wji(N) и подставляя результаты в
соотношение для сигнала ошибки:
E( N ) 
2 jC
 2j ( N ) ,

получим:
E
  j ( N )’ j ( v j ( N )) y j ( N ) .
w ji
Величина коррекции весов:
E( N )
w ji ( N )  k
w ji ( N ) ,
где k – параметр скорости обучения.
Градиент представим в виде:
EE  j y j v j

w ji  j y j v j w ji .
Для сигмоидальной активационной функции:
 j ( v j ( N )) 
1  exp( av j ( N )) ,
или через yj(N) по (6), избавимся от экспоненты и получим:
’ j ( v j ( N ))  ay j ( N )( 1  y j ( N )) .(7)
Далее показано, что:
max w ji ( N )  yi ( N )  0,5 .
Следовательно, это свойство сигмоидальной функции в алгоритме
использованного метода обратного распространения ошибки вносит наибольший
вклад в его устойчивость при обучении ИНС.
Принцип работы метода обратного распространения ошибки основан на
минимизации ошибки, получаемой как разность получаемых значений
рассогласования выхода сети и заранее известных обучающих наборов:
 1NS

 опт min  OUTi  Ei   ,
(8)
 2N Si 1
где Ns – количество обучающих пар; OUTi – полученное с помощью сети значение
выходного нейрона при i-м наборе обучения; Еi – требуемое значение выходного
нейрона при i-м наборе обучения.
Полная ошибка сети из (8):
NS

2N S

i 1
i,(9)
которую можно оптимизировать методами: наискорейшего (градиентного) спуска,
параллельных касательных, сопряженных градиентов, BFGS (Бройдена, Флетчера,
Гольдфарба и Шанно), DFP (Давидона-Флетчера-Пауэлла); их работа кратко
описана в диссертации.
В работе описаны вероятностные методы. В данной работе могут
использоваться методы с построением деревьев решений (Decision Trees), которые в
настоящее время решают следующие типы задач: точное описание объектов,
классификация и регрессия, прогнозирование.
В работе показано, что наибольшая сложность для этого метода – определить
в ситуации неопределенности способ отнесения к тому или иному узлу варианта
решения. В связи с этим рассмотрены алгоритмы: CART –Classification and
regression Tree (Л. Брейман), C 4.5 (Р. Куинлен) QUEST (разработан В. Ло и И. Ши
на основе улучшенного варианта метода рекурсивного квадратичного
дискриминантного анализа). Также рассмотрен алгоритм отсечения ветвей, который
при движении от листов к вершине дерева отсекает или заменяет поддеревьями те
ветви, которые не приведут к возрастанию ошибки.
В конце второй главы приведены выводы о достоинствах и недостатках
методов, пригодных для исследования уровня защищенности систем радиосвязи.
Наиболее подходящим инструментом для проведения исследований является
аппарат ИНС.
В третьей главе было выбрано программное средство для проведения
имитационных экспериментов. Из анализа математических пакетов сделан вывод,
что наиболее подходящей является отечественная разработка NeuroPro,
распространяемая на бесплатной основе. Она содержит необходимый функционал и
не требует навыков программирования.
Далее были проанализированы угрозы системам связи на основе
рассмотренных протоколов и показателей защищенности. Для беспроводных систем
связи увеличение времени противодействия атакам происходит при: усилении
криптозащиты, уменьшении дальности связи, использовании направленных антенн,
уменьшении объема передаваемых данных, изменении частоты и мощности сигнала,
увеличении помехозащищенности аппаратуры и др. В качестве показателей
защищенности систем связи с наземными подвижными объектами могут служить:
взломостойкость, время функционирования до установленного факта взлома, и
другие параметры. Для исследуемых протоколов в работе была определена
возможность реализации угроз (табл. 1).

Таблица 1. Возможность реализации угроз при использовании различных
протоколов видов связи
Технология
BlueAPCO
WiFiGSMLTEDSRC
ToothP25
Угрозы
Подслушивание++++++
Отказ в
++++++
обслуживании
Глушение
клиентской++++++
станции
Глушение
++++++
базовой станции
Угрозы
++++++
криптозащите
Анонимность
++++++
атак
Вирусная атака–––+––
Взлом алгоритма++++++
Косвенные
+––++–
угрозы
Для определения значимости параметров протоколов для построения систем
связи были определены пять наборов оценок. Целью статистической обработки
оценок был выбор тех параметров, которые сильнее влияют на защищенность
протоколов. По выражениям:
1 k x ji
wj   n
 ji
k i 1,
x
j1
где n = 13; k = 5,
определяя величины среднеквадратического отклонения и коэффициента вариации,
вычисляя параметр:
n
 k
S   x ji  0,5k (n  1) 
j1 i 1
в работе определен дисперсионный коэффициент конкордации: W = 0,4 значение
которого показывает, что оценки являются хорошо согласованными.
В итоге значимыми являются следующие параметры: общее количество
каналов, используемая полоса частот, мощность базовой станции, разнос каналов,
идентификация абонента, типичный радиус ячейки, зависимость от ландшафта,
ограничение по доступу, область применения связи, наличие шифрования, оплата за
использование.
Далее были проанализированы условия структурной устойчивости сети связи
с подвижными объектами. Выполнение условия связности графа сети, где ребрам
соответствуют каналы связи, а вершинам базовые и клиентские станции, определяет
возможность передачи информации от источника к приемнику. Для оценки
распределенной в пространстве системы линейной радиосвязи с подвижными
объектами (рис. 1), где БС1 является источником а БС4 – приемником сигнала, была
разработана модель для определения вероятности отказа в обслуживании
беспроводной сети линейного типа при росте числа наземных мобильных
абонентов.
Для открытых систем связи с подвижными объектами количество каналов не
ограничивается, что в результате роста плотности обонентов может привести к
преодолению критической величины для данного протокола связи. Рост зоны охвата
сети приводит к тому, что радиосигналы можно легко перехватить и/или заглушить.
Таким образом, структурная устойчивость таких систем связи снижается с ростом
числа абонентов.

БС1БС2БС3БС4
Источник

Приемник

HохвHохвHохвHохв
1234

Рис. 1. Линейная система связи с подвижными объектами

Получено условие отказа БС при превышении числа каналов Rmax для
определенного протокола связи:
 N1  1  Rmax
N  2  N  N  N
 2121231234  Rmax

 N 3  2  N 23  N123  N 234  N1234  Rmax .

 N 4  1  N 34  N 234  N1234  Rmax
где N12 – количество мобильных станций, связанных и с БС1, и с БС2, N123 –
количество мобильных станций, связанных и с БС1, и с БС2 и с БС3 и т.д.
Для исследования влияния количества мобильных пользователей разных
типов на устойчивость беспроводной сети связи был разработан алгоритм
формирования обучающего множества. Он представлен на рис. 2.
Координаты новых подключений мобильных абонентов генерировались
случайным образом, с проверкой условия:
r ( X , Y )  H охв ,
где r(X, Y) – евклидово расстояние от абонента до БС, X и Y– координаторы
абонента.
Для проведения эксперимента были использованы следующие исходные
данные: протокол WiFi 802.11, для которого Rmax = 14 каналов; зоны покрытия БС
были приняты одинаковыми: Hi=300/2=150 м. Число абонентов варьировалось в
пределах 15…20 шт. За координаты БС были приняты следующие значения:
(150; 150), (200; 150), (320; 150), (450; 150).
Сделан вывод о корреляции результатов экспериментов с параметрами линии
связи.
Начало

– Координаты узлов
ВводR11, R21, R31, R41;
начальных- радиусы покрытия Hi;
данных- атрибуты (типы узлов);
– Rmax.

Генерация
координат
нового узла

Определение
типа узла
(охваченности
соседними БС)

Наращивание
числа занятых
каналов у
узла(ов)

Число
Нет
занятых каналов
у любого узла
>Rmax ?

Да

НакоплениеБД
результатоврезультатов

Конец

Рис. 2. Структурная схема разработанного алгоритма

В четвертой главе с помощью разработанной методики подбора параметров
ИНС, а также в результате отбора параметров протоколов беспроводной связи для
открытых сетей была решена задача прогнозирования времени устойчивого
функционирования системы связи до ее взлома. Параметры протоколов,
определенные в третьей главе, были поставлены в соответствие входам ИНС, а
выходом являлось время до взлома протокола. Для известных систем связи оно
было определено по дате опубликования методики взлома в открытых источниках
информации: СМИ и сети интернет.
В итоге, с учетом вариации параметров, было составлено 47 наборов данных,
использованных в качестве обучающего множества. Структура ИНС подбиралась,
начиная с конфигурации 11/5/1 (11 – количество входов, 5 – количество скрытых
слоев, 1 – количество выходов) с контролем числа циклов, необходимых для
обучения при дообучении. Наилучшим решением стал вариант ИНС 11/8/1,
минимизирующий среднюю ошибку до значения 1,798 с минимальным количеством
циклов, необходимых для обучения: 52 шт.
Далее были определены значения крутизны для отдельных слоев
0,01; 0,1; 0,1(входной слой, скрытый слой и выходной слой соответственно), при
которых достигалась наименьшая ошибка 1,145 при 100% успешности обучения.
Наилучшим методом оптимизации ошибки при настройке ИНС также оказался
BFGS.
Оценки значимости входов ИНС приведены на рис. 3.

Значимость1,00
0,90,79
0,8
0,70,58
0,60,52
0,50,390,39
0,4
0,30,230,22
0,2
0,050,08
0,10,02
в

у
та
а

ки
т

ия

е
и
и
в

уп
ло
то

ни
нт

яз
ци
ло

аф
ей

ан
ст
с

не
на

св

ва
ан
на

ча

яч

ов
дш

до
бо
ка

зо
ст

я
ка

са

р
ус

ни
н
а

ль
о
с

иф
ла
й
о

ло

но

п
ди
ия

е
во
тв

по
ен
ие

ш
по

з

от
ра
ац
зо
с

Ра

ис
им
ен

ие
че

ик

ть
ба
ая

й

за
ич

ич
ли

пр
ы
ф

ос
ем

ь

чн

ан

ал
и
ко

а
ст

ть
м
нт

ат
у

пи

гр
си

Н
ьз

но
ее

ас
де

пл
О
Ти
ол

ви
бщ

ощ

бл
И

О
За
сп

О
М
О

И

Рис. 3. Оценка значимости входов ИНС

Апробация разработанной методики была произведена для прогнозирования
времени устойчивого функционирования протокола беспроводной связи NFC (Near
Field Communication) для высокочастотной системы связи малого радиуса действия,
разработанного в 2003г. Протокол характеризуется низкой скоростью передачи
данных, малой мощностью передатчика и плохой защищенной канала связи.
Благодаря низкой стоимости комплектующих, протокол NFC нашел применение в
системах доступа. В настоящее время его планируют использовать для проведения
банковских операций с внедрением в мобильные устройства.
Для проверки состоятельности протокола, исходные данные для него были
поданы на вход настроенной ИНС с топологией 11/8/1. В результате прогноза
получено, что с точностью ±2% протокол будет взломан через 23,5 года от 2003 года
(время разработки), то есть время живучести – до 2026…2027 года.
Задача прогнозирования структурной устойчивости сети связи также решалась
с помощью ИНС. Входами ИНС являлись значения N (10 входов), выход –
вероятность превышения Rmax.
Начало

Этап I
Определение(подбор числа слоев и
нейронов)
Обучениеструктур
ИНСe, c

Этап II
(подбор c)
Подбор
параметров
ОбучениеИНС

Варианты
ИНС,Этап III
результаты
Выбор метода
обучения
Обучениеоптимизации

Этап IV
Выбор
наилучшего
варианта ИНС

Конец

Рис. 4. Этапы поиска наилучшего варианта ИНС

В результате проведенных экспериментов по разработанной методике
обучения (см. рис. 4), получены данные, представленные в виде гистограмм на рис.
5 при крутизне сигмоид с = 0,9 и е = ±1 %. Качество прогнозирования настроенной
ИНС контролировалось подсчетом ошибок – ложных срабатываний. Отказы в
обслуживании сети (q) должны наблюдаться в наборах №№ 4, 13, 15, 22 и 39. У
ИНС с двумя скрытыми слоями по 30 нейронов в каждом: 10/30/30/1 – всего одно
ложное срабатывание (девятый набор), с вероятностью 92 %.
Далее с помощью последовательного приближения подбирались значения
крутизны сигмоидов и метода оптимизации. В итоге были получены значения
крутизны 0,1; 0,01; 0,1, при которых на выходе ИНС получено: 6 % неуверенного
прогноза и 2 % – неправильного; это соответствует третьему и первому наборам
соответственно. В качестве наилучшего метода оптимизации ошибки был
экспериментально определен BFGS.
Полученные значения значимости входов ИНС со структурой 10/30/30/1
представлены в таблице 2.
10/1
20/1
30/1
10/5/1
q
10/15/1
100%10/20/1
10/25/1
80%10/30/1
60%10/35/1
10/1
10/40/1
40%
10/10/10/1
20%Структура10/20/10/1
0%10/30/30/110/20/20/1
147 10 13 16 19 22 25 28 31 34 37 40 43 46 4910/20/30/1
№ набора10/30/20/1
10/30/30/1
а)

q

100%
80%
60%10/30/30/1
40%
Структура
20%
0%10/1
147 10 13 16 19 22 25 28 31 34 37 40 43 46 49

№ набора
б)
Рис 5. Результаты прогнозирования с помощью моделирования на ИНС ((а) –
прямой порядок структур ИНС, (б) – обратный порядок структур ИНС)

На решение сети сильнее всего влияют (с вероятностью больше 50 %)
количество мобильных станций в зоне покрытия БС3, БС4, БС2 и БС3
одновременно, БС1, БС2 и БС3 одновременно.

Таблица 2. Полученные значимости входов ИНС со структурой 10/30/30/1
Число
занятыхN1N2N3N4N12N23N34N123 N234
каналов
Значимость 0,018 0,296 0,546 0,753 0,191 0,737 0,22110,096

В заключении сформулированы основные результаты диссертационной
работы:
− разработан метод определения показателей защищенности систем связи с
наземными подвижными объектами. Это позволило на стадии разработки систем
повысить скорость и объективность производимого анализа, снизить трудозатраты
на 15% относительно методики с использованием экспертных оценок.
− разработан алгоритм настройки искусственных нейронных сетей для
определения показателей защищенности систем связи, который позволяет
подстраивать веса нейронов в соответствии с решаемой задачей, повышая точность
прогноза и снижая ее время обучения на 20 %;
− разработан алгоритм прогнозирования устойчивости беспроводной сети
в изменяющихся условиях, который отличается от известных подходов
сокращением времени получения пользователем необходимых данных;
− с помощью разработанной методики была решена задача определения
времени устойчивого функционирования системы связи до ее взлома.
Таким образом, разработанные алгоритмы и метод в целом позволяют
сократить время анализа защищенности беспроводных систем связи, построенных
на базе известных и вновь разрабатываемых протоколов передачи информации, а
также проводить мониторинг систем связи при изменении оперативной
обстановки.

ПЕРЕЧЕНЬ ОПУБЛИКОВАННЫХ АВТОРОМ РАБОТ ПО ТЕМЕ
ДИССЕРТАЦИИ

Публикации в изданиях из перечня, рекомендованного ВАК:
1. Чжао Лэй, Карманов А.Г., Конев А.С. Прототип алгоритма посадки
беспилотного летательного аппарата в условиях сложного рельефа // Информация и
Космос, том №2, 2015. С. 96-98.
2. Чжао Лэй, Карманов А.Г., Бондаренко И.Б., Ткачев К.О. Оценка живучести
сложных информационных систем связи с подвижными объектами // Информация и
Космос, том №3, 2015. С. 36-41.
3. Чжао Лэй, Карманов А.Г., Бондаренко И.Б., Ткачев К.О. Определение
вероятности отказа в обслуживании при росте числа наземных подвижных объектов
открытой системы связи линейного типа // Информация и Космос, том №1, 2016. С.
62-66.
4. Чжао Лэй, Иванова Е.А., Карманов А.Г., Бондаренко И.Б. Обзор методов,
применяемых при проектировании защищенных систем связи геоинформационных
систем // Информация и Космос, том №2, 2017. С. 53-56.
5. Чжао Лэй. Модели оценки защищенности системы связи с наземными
подвижными обьектами // Информация и Космос, том №4, 2019. С. 90-93.

Публикации в прочих изданиях:
6. Чжао Лэй, Карманов А.Г., Бондаренко И.Б., Ткачев К.О. Оценивание
живучести систем связи линейного типа с наземными подвижными
объектами // Известия высших учебных заведений. Приборостроение, том 59, №3,
2016. С.173-180.
7. Чжао Лэй, Карманов А.Г., Бондаренко И.Б., Ткачев К.О. Разработка модели
угроз информационной безопасности при организации системы связи с наземным
подвижным объектом // Актуальные вопросы науки и техники: Сборник научных
трудов по итогам II международной научно-практической конференции. Самара, 7
апреля 2015 г. С. 194-196.
8. Чжао Лэй. Безопасный интернет в китайской народной республике //
Актуальные проблемы организации и технологии защиты информации: Сборник
научных трудов по итогам межвузовская научно-практической конференции. Санкт-
Петербург, 30 ноября 2012 г. С. 60-61.
9. Чжао Лэй, Карманов А.Г., Бондаренко И.Б., Ткачев К.О. Исследование
живучести систем связи линейного типа с подвижными обьектами на транспорте //
Сборник трудов V Всероссийского конгресса молодых ученых. Санкт-Петербург,
Университет ИТМО, 2016. С. 24-27.
10. Чжао Лэй, Карманов А.Г., Бондаренко И.Б., Ткачев К.О. Анализ угроз
информационной безопасности при организации системы связи с наземным
подвижным обьектом // Сборник трудов IV Всероссийского конгресса молодых
ученых. Санкт-Петербург, Университет ИТМО, 2015. С. 78-80.
11. Чжао Лэй. Безопасная информационная технология в Китае // Сборник
трудов II Всероссийского конгресса молодых ученых. Санкт-Петербург,
Университет ИТМО, 2013. С. 44-45.