Идентификация абонентских терминалов информационно-телекоммуникационных сетей на основе модели формирования изображений в современных компьютерных системах
Ключевые слова:
идентификация, модель формирования изображений, абонентский терминал, цифровой отпечаток, деанонимизацияАннотация
Одной из важных задач теорий распознавания образов и защиты информации является задача идентификации абонентских терминалов информационно-
телекоммуникационных сетей.
Актуальность данной темы обусловлена необходимостью исследования методов идентификации абонентских терминалов, влияющих на построение систем защиты информации, которая транслируется в информационно-телекоммуникационных сетях.
Основными параметрами, позволяющими уникально идентифицировать абонентские терминалы в сети, являются адресно-коммутационная информация, а также параметры, которые характеризуют программно-аппаратную часть компьютерной системы. На основе этих параметров формируются цифровые отпечатки абонентских терминалов.
Применение пользователями абонентских терминалов анонимных сетей и блокирования методов формирования и сбора параметров цифрового отпечатка не позволяют в ряде случаев достичь требуемой степени достоверности идентификации.
Из-за особенностей формирования цифровых изображений в современных компьютерных системах множество параметров преобразований накладывают свой отпечаток на выходной графический примитив, формируя тем самым цифровой отпечаток абонентского терминала, который зависит от размещения семплов в пикселе, от используемых алгоритмов вычисления степени влияния пикселей, а также от применяемых процедур сглаживания изображений в графической подсистеме.
Предлагается оригинальная модель формирования изображений средствами веб-браузера абонентского терминала, позволяющая повысить степень достоверности идентификации в условиях анонимизации пользователей информационно-телекоммуникационных сетей.
Выявлены особенности формирования цифровых изображений в графических подсистемах современных компьютерных систем. Данные особенности позволяют осуществлять идентификацию в условиях априорной неопределенности относительно режимов и параметров передачи информации.
Литература
2. Mowery K., Bogenreif D., Yilek S., Shacham H. Fingerprinting information in JavaScript implementations // Proceedings of W2SP. 2011. vol. 2. no. 11.
3. Pham K., Santos A.S.R., Freire J. Understanding website behavior based on user agent // Proceedings of the 39th International ACM SIGIR Conference on Research and Development in Information Retrieval. 2016. pp. 1053–1056.
4. Torres C.F., Jonker H., Mauw S. FP-Block: usable web privacy by controlling browser fingerprinting // European Symposium on Research in Computer Security. 2015. pp. 3–19.
5. Xu H., et al. Detecting and characterizing web bot traffic in a large e-commerce marketplace // European Symposium on Research in Computer Security. 2018. vol. 11099. pp. 143–163.
6. Navpreet K. et al. Browser Fingerprinting as user tracking technology // 2017 11th International Conference on Intelligent Systems and Control (ISCO). 2017. pp. 103–111.
7. Queiroz J.S., Feitosa E.L. A Web Browser Fingerprinting Method Based on the Web Audio API // The Computer Journal. 2019. vol. 62. no. 8. pp. 1106–1120.
8. Carpenter L. The A-buffer an Antialiased Hidden Surface Method // IEEE Computer Graphics and applications. 1984. vol. 18. no. 3. pp. 103–108.
9. Crow F.C. Comparison of Antialiasing Techniques // IEEE Computer Graphics and applications. 1981. vol. 1. no. 1. pp. 40–48.
10. Сазонов К.В., Татарка М.В., Шуваев Ф.Л. Метод структурного статистического распознавания режимов работы информационно-вычислительных сетей // Научнотехнический журнал «Информация и космос». 2019. № 1. С. 40–46.
11. Сазонов К.В., Татарка М.В., Шуваев Ф.Л. Метод сокрашения размерности вероятностных суффиксных деревьев // Информация космос. 2018. № 3. С. 55–61.
12. Flach P. Machine learning: the art of science of algorithms that make sense of data // Cambridge University press. 2012. 400 p.
13. Jordan M.I., Mitchell T.M. Machine learning: Trends, perspectives, and prospects // Science. 2015. vol. 349(6245). pp. 255–260.
14. Ayma V.A. et al. Classification algorithms for big data analysis a map reduce approach // The International Archives of the Photogrammetry"in Remote Sensing and Spatial Information Sciences. 2015. vol. 40. no. 3. pp 17.
15. Grolinger K. et al. Challenges for MapReduce in Big Data // IEEE 10th World Congress on Services. 2014. pp. 182–189.
16. Dhillon S., Kaur K. Comparative Study of Classification Algorithms for Web Usage Mining // International Journal of Advanced Research in Computer Science and Software Engineering. 2014. vol. 4(7). pp. 137–140.
17. Nikiforakis N. et al. Cookieless monster: Exploring the ecosystem of web- based device fingerprinting // 2013 IEEE Symposium on Security and Privacy (SP). 2013. pp. 541–555.
18. Khan T.M., Khan M.A.U., Kong Y. Fingerprint image enhancement using multi-scale DDFB based diffusion filters and modified Hong filters // Optik. 2014. vol. 125. no. 16. pp. 4206–4214.
19. Khan M.A.U., Khan T.M., Bailey D.G., Kong Y. A spatial domain scar removal strategy for fingerprint image enhancement // Pattern Recognition. 2016. vol. 60. pp. 258–274.
20. Khan T.M., Khan M.A.U., Kittaneh O., Kong Y. Stopping criterion for linear anisotropic image diffusion: A fingerprint image enhancement case // EURASIP Journal on Image and Video Processing. 2016. vol. 2016. no. 1. pp. 6.
21. Dunbar C., Qu G. A practical circuit fingerprinting method utilizing observability don’t care conditions // Proceedings of the 52nd Annual Design Automation Conference. 2015. pp. 1–6.
22. Dunbar C., Qu G. Satisfiability don’t care condition based circuit fingerprinting techniques // The 20th Asia and South Pacific Design Automation Conference (ASPDAC’15). 2015. pp. 815–820.
Опубликован
Как цитировать
Раздел
Copyright (c) Константин Викторович Сазонов
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Авторы, которые публикуются в данном журнале, соглашаются со следующими условиями: Авторы сохраняют за собой авторские права на работу и передают журналу право первой публикации вместе с работой, одновременно лицензируя ее на условиях Creative Commons Attribution License, которая позволяет другим распространять данную работу с обязательным указанием авторства данной работы и ссылкой на оригинальную публикацию в этом журнале. Авторы сохраняют право заключать отдельные, дополнительные контрактные соглашения на неэксклюзивное распространение версии работы, опубликованной этим журналом (например, разместить ее в университетском хранилище или опубликовать ее в книге), со ссылкой на оригинальную публикацию в этом журнале. Авторам разрешается размещать их работу в сети Интернет (например, в университетском хранилище или на их персональном веб-сайте) до и во время процесса рассмотрения ее данным журналом, так как это может привести к продуктивному обсуждению, а также к большему количеству ссылок на данную опубликованную работу (Смотри The Effect of Open Access).