Обеспечение целостности телеметрической информации о состоянии сложного технического объекта

Актуальность исследования обусловлена необходимостью повышения защищенности передаваемой на предприятие-изготовитель телеметрической информации, позволяющей анализировать состояние бортовых подсистем, возникающие сбои и неисправности, а также обнаруживать возможные воздействия злоумышленника. На основе алгоритмов предиктивной аналитики телеметрической информации могут быть выявлены неисправности и предотказные состояния бортовых подсистем и системы автоматического управления газотурбинным двигателем летательного аппарата. Оперативный сбор и анализ телеметрии позволяет специалистам наземных технических служб планировать ремонтные и профилактические мероприятия. Накапливаемая в течение длительного периода телеметрия позволяет непрерывно адаптировать цифровые модели подсистем, блоков и модулей летательного аппарата, с использованием которых возможна значимая поддержка принятия решений в случае технического сбоя. В связи с этим, целью работы является повышение вероятности выявления несанкционированной модификации передаваемых данных телеметрии о состоянии сложного технического объекта – системы автоматического управления газотурбинным двигателем. Основным методом исследования данной проблемы является интеллектуальный анализ многомерных временных рядов параметров, характеризующих состояние бортовых систем летательного аппарата. В статье разработана структура системы мониторинга целостности телеметрической информации, передаваемой с борта летательного аппарата, основанная на анализе согласованности многомерных временных рядов. Выполняется сравнение телеметрии с борта летательного аппарата и выходов цифровой модели сложного технического изделия. На выходе системы формируется оценка вероятности нарушения целостности переданных на предприятие-изготовитель данных. Материалы статьи представляют практическую ценность для повышения уровня защиты информации при ее передаче с борта летательного аппарата на предприятие-изготовитель.

1. Васильев В.И., Жернаков С.В. Классификация режимов работы ГТД с использованием технологии нейронных сетей. Вестник УГАТУ. 2009;12(1):53–60.

2. Васильев В.И., Жернаков С.В., Муслухов И.И. Бортовые алгоритмы контроля параметров ГТД на основе технологии нейронных сетей. Вестник УГАТУ. 2009;12(1):61–74.

3. Боев Н.М., Шаршавин П.В., Нигруца И.В. Построение систем связи беспилотных летательных аппаратов для передачи информации на большие расстояния. Известия ЮФУ. Технические науки. 2014;3(152):147–158.

4. Гуревич О.С. и др. Беспроводная демонстрационная система управления ГТД. Системы автоматического управления авиационными газотурбинными двигателями: Труды ЦИАМ №1346. 2010:46–58.

5. Bhoopathi Rapolu Internet of aircraft things: an industry set to be transformed. Доступно по: https://aviationweek.com/aerospace/connected-aerospace/internet-aircraft-things-industry-set-be-transformed (дата обращения: 10.12.2022).

6. Hugo Teso Aircraft Hacking. Practical Aero Series. n.runs Professionals. 2013. Доступно по: http://conference.hitb.org/hitbsecconf2013ams/materials/ (дата обращения: 10.12.2022).

7. Bandyopadhyay D., Sen J. Internet of things: Applications and challenges in technology and standardization. Wireless personal communications. 2011;58(1):49–69.

8. Niggemann O. et al. Data-Driven Monitoring of Cyber-Physical Systems Leveraging on Big Data and the Internet-of-Things for Diagnosis and Control. DX. 2015:185–192.

9. Gao W. et al. On SCADA control system command and response injection and intrusion detection. 2010 eCrime Researchers Summit. IEEE. 2010:1–9.

10. Zhang Y. et al. Distributed intrusion detection system in a multi-layer network architecture of smart grids. IEEE Transactions on Smart Grid. 2011;2(4):796–808.

11. Bigham J., Gamez D., Lu N. Safeguarding SCADA systems with anomaly detection. International workshop on mathematical methods, models, and architectures for computer network security. Springer, Berlin, Heidelberg. 2003:171–182.

12. He Q., Blum R.S. Smart grid monitoring for intrusion and fault detection with new locally optimum testing procedures. 2011 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP). 2011:3852–3855.

13. Kim M. et al. Design of a steady-state detector for fault detection and diagnosis of a residential air conditioner. International journal of refrigeration. 2008;31(5):790–799.

14. Guzairov M.B. et al. The concept of integrity of telemetric information about the state of an aircraft power plant monitoring. 2019 International Conference on Electrotechnical Complexes and Systems (ICOECS). IEEE. 2019:1–6.

15. Фрид А.И., Вульфин А.М., Берхольц В.В. Способ мониторинга целостности телеметрической информации о состоянии двигателя летательного аппарата. Безопасность информационных технологий. 2020;27(4):65–76.

16. Фрид А.И., Вульфин А.М., Берхольц В.В. Патент № 2740544 C1 Российская Федерация, МПК G06F 21/31. Способ и система мониторинга целостности данных: № 2020122967: опубл. 15.01.2021.

17. Frid A.I. et al. Architecture of the security access system for information on the state of automatic control systems of aircraft. Acta Polytechnica Hungarica. 2020;17(8):151–164.

18. Frid A.I., Vulfin A.M., Berkholts V.V. Analysis of the methods of constructing information attack models for the system of telemetric information transmission. Информационные технологии интеллектуальной поддержки принятия решений (ITIDS'2018). 2018:226–229.

19. Frid A.I. et al. The architecture of the web application for protected access to the informational system of processing critically important information. Computer Science and Information Technologies (CSIT'2017). 2017:16–22.

20. Guzairov M.B. et al. Simulation modelling of the transmission system of the telemetric information on the status of the on-board aircraft status. Data Science. IV International Conference on Information Technology and Nanotechnology. 2018:105–111.

21. Berkholts V.V. et al. The structure of secure system for collection, storage and processing of telemetric information on the state of aircraft subsystems. Industrial 4.0. 2018;3(4):209–212.

22. Гузаиров М.Б. и др. Защищенный доступ к базе данных о состоянии систем автоматического управления (САУ) авиационными ГТД через веб-приложение. Информация и безопасность. 2017;20(3):410–413.

23. Гвишиани А.Д. Нечеткие сравнения и распознавание аномалий на временных рядах. Кибернетика и системный анализ. 2008;44(3):3–18.

24. Ярушкина Н.Г., Афанасьева Т.В., Перфильева И.Г. Интеллектуальный анализ временных рядов: учебное пособие. Ульяновск: УлГТУ; 2010. 320 с.

25. Armstrong J.S., Collopy F. Error measures for generalizing about forecasting methods: Empirical comparisons. International journal of forecasting. 1992;8(1):69–80.

26. Загоруйко Н.Г. Прикладные методы анализа данных и знаний. Новосибирск: ИМ СО РАН; 1999. 270 с.