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

Необходимость постоянной автоматической актуализации словаря 
морфологических описаний слов
Для достижения поставленной в работе цели – повышения показателей 
полноты и точности обнаружения DLP-системой угроз информационной 
безопасности – необходимо максимизировать точность 
и полноту 
функции F
DLP
. Из (2.1.2) и (2.2.5) видно, что показатели качества 
и полноту 
существенно зависят от показателей качества на этапе морфологического 
анализа. 
Основной задачей на этапе морфологического анализа (
в (2.2.5)) является 
определение морфологических характеристик каждого слова в передаваемом 
сообщении. Для этого используется морфологический словарь (иначе, словарь 
морфологических описаний слов).
Сообщения, циркулирующие в вычислительных сетях, обрабатываемые с 
целью мониторинга состояния информационной безопасности, имеют ряд 
особенностей. Среди них необходимо отметить небольшую длину и 
использование специфических выражений и аббревиатур [4]. Примером могут 
являться сообщения в интернет-мессенджерах или социальных сетях.
Из этого следует, что во-первых, морфологические словари DLP-системы 
должны помимо «общеизвестных» слов содержать специфичные для компании, 
где развертывается DLP-система, термины и сокращения. Во-вторых, 
естественный язык, особенно устная речь, содежит неологизмы. Поэтому 
словарь морфологических описаний слов DLP-системы также должен 
постоянно пополняться неологизмами. В третьих, в связи со спецификой 
анализируемых текстов, в таком словаре должны быть не только корректные 
словоформы, но и словоформы с типичными ошибками, которые допускаются 
людьми при написании текстов 

---

61 
Задача пополнения словарей морфологических описаний слов является 
довольно трудоемкой. Тем более, эта задача является нетипичной для служб ИБ 
и ИТ, которые, как правило, занимаются обслуживанием DLP-систем. 
Следовательно, необходимо получить способ простого, по возможности 
автоматического пополнения словарей морфологических описаний слов DLP-
системы. 
Работы в этом направлении ведутся уже достаточно давно. Большой вклад в 
рассматриваемом вопросе внес коллектив ЭМИ РАН [26], а также компании АОТ, 
Noolab, RCO и др. [27].
Морфологический словарь может быть формально описан следующим 
образом. 
Пусть W = { w
i 
}, i=1,..., n – множество исходных форм слов БД СЗИ
(база 
данных средства защиты информации). 
Пусть P = { p
j 
}, j=1,..., k – множество парадигм исходных форм слов. 
Каждому элементу множеств P и W соотвествует морфологическое 
описание
, 
. (2.2.9) 
Морфологическим словарем (или словарем морфологических описаний 
слов) будем называть совокупность множеств W, P и D с указанными между 
ними соответствиями (2.2.9). 
Для обнаружения DLP-системой угроз информационной безопасности
необходимо, чтобы морфологический словарь DLP-системы содержал все 
употребляемые на момент передачи сообщения слова и их словоформы: 
. Кроме того, для каждого слова и словоформы должны быть указаны 
соответствующие им морфологические признаки D. 
Как уже упоминалось, «классических» словарей для этого недостаточно, 
необходимое постоянное пополнение новыми словами и словоформами. 
Тогда необходимо найти такие функции f  и g, что 
f

; (2.2.10) 

---

62 
g

 (2.2.11)
где 
– функция, соответствия элементов множества элементам множества 
; g – функция, соответствия элементов множества элементам множества . 
Таким образом, для для повышения показателей полноты и точности 
обнаружения DLP-системой угроз информационной безопасности необходимо 
найти такие функции 
и , чтобы процесс пополнения словарей 
морфологических описаний слов был максимально упрощен и автоматизирован.