Методы повышения показателей качества фильтрации dlp-систем на основе предметно-ориентированной морфологической модели естественного языка

Список использованных сокращений 
БД – база данных 
БПФ – быстрое преобразование Фурье 
ВКФ – взаимокорреляционная функция 
ЕЯ – естественный язык 
ГЗ – грамматики зависимостей 
ГОС – грамматика обобщённых составляющих 
ГП – грамматические переменные 
ГФС – грамматика с фазовой структурой 
ИБ – информационная безопасность 
ИС – информационная система 
ИТ – информационные технологии 
КСГ – контекстно-свободные грамматики 
ЛФГ – лексико-функциональные грамматики 
НСГ – грамматики непосредственно составляющих 
ПС – поисковые системы 
РСПГ – грамматика расширенных сетей переходов 
СЗИ – средства защиты информации 
УГ – унификационные грамматики 
DLP – data leak prevention 
BYOD – bring your own device

---

4 
Введение 
Актуальность темы исследований 
Количество зарегистрированных утечек конфиденциальной информации 
увеличивается с каждым годом. Это связано как с развитием и повсеместным 
распространением информационных систем, применяемых для обработки данных, 
так и с увеличением ценности самих информационных активов компаний. На 
рисунке 1 показан постоянный рост числа зарегистрированных утечек 
конфиденциальной информации с 2006 по 2013 годы [74]. 
Рисунок 1. Число зарегистрированных утечек информации с 2006 по 
2013 годы. 
Самым действенным элементом обеспечения безопасности данных в 
корпоративных информационных системах остается применение технических 
средств защиты информации – прежде всего средств предотвращения утечек 
данных (Data Leak Prevention, DLP) [1]. 
В настоящий момент можно выделить несколько ключевых направлений 
развития информационных систем (ИС), которые неизбежно повлияют на 
идеологию DLP-систем. Во-первых, это принципиальное отличие типов 
информации и требований к ее защите в зависимости от специфики организаций. 
Даже в компаниях, относящихся к одному и тому же сегменту (банки, 
госорганизации, телекоммуникации), структура информационных активов 
неодинакова. 
Во-вторых, наблюдается переход на комуникацию через разновидности 
«социальных сетей» с помощью мобильных устройств. [2] Это накладывает 

---

5 
определенный отпечаток на передаваемые сообщения: по сравнению, к примеру, с 
классической перепиской по e-mail, они короче, их стиль ближе к разговорной 
речи, а также существенно чаще встречаются специфические выражения и 
аббревиатуры. Анализ таких сообщений с помощью статистических методов, 
которые хорошо зарекомендовавали себя в поисковых задачах, затруднителен в 
силу специфики, которая приведена выше. 
Естественно-языковые сообщения, обрабатываемые в корпоративных ИС, 
могут содержать защищаемую информацию как в исходном виде (так, как она 
хранится в виде документов и прочих носителей защищаемой информации), так и 
в измененном – преобразованном в другую формулировку, содержащему 
сокращения, специфические для отрасли компании термины и сленговые 
выражения и т.д.
Для решения задачи выявления 
DLP-системой 
угрозы утечки 
конфиденциальной информации необходимо использование лингвистических 
технологий, позволяющих выявить попытку передачи защищаемых данных как в 
исходном, так и в изменненном виде.
Таким образом, повышение характеристик устойчивости обработки, 
полноты, точности, адекватности идентифицируемых конструкций естетсвенного 
языка (ЕЯ) позволяет увеличить показатели качества обнаружения угроз хищения 
и модификации документов, повысить показатели защищенности информации в 
процессе хранения и обработки и уменьшить вероятностные показатели 
преодоления системы защиты. 
Сложность практической реализации методов автоматической обработки 
естественно языковых текстов и идентификации, содержащихся в них данных, на 
уровне семантики, существенно затрудняет достижения показателей полноты, 
точности вычисления текстовой информации для методов и средств пассивного и 
активного противодействия угрозам информационной безопасности. 
Возникает противоречие между возможностями, которые предоставляют 
современные информационные технологии, и существующим научно-
методическим и математическим обеспечением DLP-систем, реализующих 

---

6 
алгоритмы автоматизированной обработки текстов ЕЯ с целью выявления угроз 
информационной безопасности. 
Следствием неразрешенности этого противоречия является необходимость 
разработки методов повышения показателей качества анализа естественно-
языковых сообщений в DLP-системах. 
Таким образом, обоснование и разработка методов повышения показателей 
качества обнаружения угроз утечки конфиденциальной информации за счет 
повышения показателей качества анализа естественно-языковых сообщений
является актуальной научной задачей.