Необходимо зарегистрироваться, чтобы получить доступ к полным текстам статей и выпусков журналов!
- Название статьи
- Вероятность ранней косвенной утечки в анклавах данных: от порога обнаруживаемости к распределению времени до компрометации
- Авторы
- Галманов Павел Александрович galmanov.pa@phystech.edu, студент, инженер-исследователь, старший IT-инженер, Московский физико-технический институт (НИУ); АО «ОКБ САПР»; АО «Сбербанк-Технологии», Московская обл., г. Долгопрудный, Россия; Москва, Россия
- В разделе
- ТЕХНИЧЕСКАЯ ЗАЩИТА ИНФОРМАЦИИ. Доверенная среда
- Ключевые слова
- косвенные утечки / безопасность / ИТ-конвейер / "слепая" обработка данных / марковская модель / порог утечки
- Год
- 2026 номер журнала 1 Страницы 40 - 48
- Индекс УДК
- 004.048
- Код EDN
- VEEZUS
- Код DOI
- 10.52190/2073-2600_2026_1_40
- Финансирование
- Тип статьи
- Научная статья
- Аннотация
- Предложена вероятностная постановка задачи ранней косвенной утечки для систем "слепой" обработки данных. Ранняя косвенная утечка понимается как компрометация до достижения порога обнаруживаемости или при заранее заданном ограничении на число запросов. Вводятся две характеристики: вероятность pA(N) успешного восстановления защищаемого атрибута при бюджете запросов N и распределение времени до компрометации t. Для линейно-гауссовой модели получены аналитические выражения для pA(N) и рекурсивный метод вычисления распределения t на основе марковского представления траектории ошибки. Введена нормировка по порогу вероятности успеха и предложен протокол оценки эффективного уровня шума по повторным запросам для построения кривых риска и выбора лимитов на число запросов. Показано, что ограничение числа запросов ниже порога обнаруживаемости не устраняет риск, а лишь плавно его снижает.
- Полный текст статьи
- Для прочтения полного текста необходимо купить статью
- Список цитируемой литературы
-
Конявский В. А., Конявская-Счастная С. В., Росс Г. В. и др. Технология "слепой" обработки привлекаемых данных в системах машинного обучения // Вопросы защиты информации. 2024. № 2. С. 17-32. DOI: 10.52190/2073-2600_2024_2_17.
Galmanov P., Konyavskiy V. A Regularized Inverse-Problem Framework for Assessing Indirect Leakage Risk in Privacy-Preserving Data Enclaves // Artificial Intelligence and Human-Computer Interaction. Frontiers in Artificial Intelligence и Applications. - IOS Press, 2026. P. 116-222. DOI: 10.3233/FAIA251755.
Fredrikson M., Jha S., Ristenpart T. Model Inversion Attacks that Exploit Confidence Information and Basic Countermeasures // ACM CCS15. 2015. DOI: 10.1145/2810103.2813677.
Dwork C., Roth A. The Algorithmic Foundations of Differential Privacy // FnT in TCS. 2014. V. 9(3-4). P. 211-407. DOI: 10.1561/0400000042.
Галманов П. А. Подход регуляризованных обратных задач к оценке риска возникновения косвенной утечки в анклавах данных // Вопросы защиты информации. 2025. № 4. С. 25-30. DOI: 10.52190/2073-2600_2025_4_25.
Cox D. R., Oakes D. Analysis of Survival Data. - London: Chapman & Hall, 1984.
Klein J. P., Moeschberger M. L. Survival Analysis: Techniques for Censored and Truncated Data, 2nd ed. - New York (NY): Springer, 2003.
Kay S. M. Fundamentals of Statistical Signal Processing. - V. I: Estimation Theory. - Englewood Cliffs (NJ): Prentice Hall, 1993.
Casella G., Berger R. L. Statistical Inference. - 2nd ed. - Pacific Grove (CA): Duxbury, 2002.
Vershynin R. High-Dimensional Probability: An Introduction with Applications in Data Science. - Cambridge (UK): Cambridge University Press, 2018.
Shiryaev A. N. Probability-1 - 3rd ed. New York (NY): Springer, 2016.
Durrett R. Probability: Theory and Examples. 5th ed. - Cambridge (UK): Cambridge University Press, 2019.
Norris J. R. Markov Chains. - Cambridge (UK): Cambridge University Press, 1997.
Robert C. P., Casella G. Monte Carlo Statistical Methods. - 2nd ed. New York (NY): Springer, 2004.
Devroye L., Lerasle M., Lugosi G., Oliveira R. I. Sub-Gaussian Mean Estimators // Annals of Statistics. 2016. V. 44(6). P. 2695-2725. DOI: 10.1214/16-AOS1440.
- Купить
- 500.00 руб
