sustainНадежностьDependability1729-26462500-3909RAMS Journal Limited liability company10.21683/1729-2646-2026-26-2-68-72sustain-753Research ArticleМЕТОДЫ И СИСТЕМЫ ЗАЩИТЫ ИНФОРМАЦИИ. ИНФОРМАЦИОННАЯ БЕЗОПАСНОСТЬСтруктурно-функциональная модель теневого сегмента интернета: сравнительный анализ угроз и методов защиты в контексте развития AI-криминалаThe structural and functional model of the shadow segment of the Internet: a comparative analysis of threats and protection methods in the context of the developing AI crimeАменицкийА. В.AmenitskyA. V.

Аменицкий Алексей Владимирович, аспирант

197022, г. Санкт-Петербург, ул. Проф. Попова, д. 5

Alexey V. Amenitsky, Postgraduate Student

197022, Saint Petersburg, 5 Prof. Popova St.

arbat365@mail.ruВоробьёвЕ. Г.VorobyovE. G.

Воробьёв Евгений Германович, д.т.н., профессор

197022, г. Санкт-Петербург, ул. Проф. Попова, д. 5

Evgeny G. Vorobyov, Dr. Sci. (Tech.), Professor

197022, Saint Petersburg, 5 Prof. Popova St.

arbat365@internet.ruСанкт-Петербургский государственный электротехнический университет «ЛЭТИ» им. В.И. Ульянова (Ленина)РоссияSaint Petersburg State Electrotechnical University “LETI”Russian Federation2026110620262626872Copyright © Аменицкий А.В., Воробьёв Е.Г., 20262026Аменицкий А.В., Воробьёв Е.Г.Amenitsky A.V., Vorobyov E.G.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.dependability.ru/jour/article/view/753

В статье представлена комплексная структурно-функциональная модель сегментации интернета, выделяющая три отчетливых слоя: Поверхностная сеть (Surface Web), Глубокая сеть (Deep Web) и Теневая сеть (Dark Web). Научная новизна исследования заключается в постановке и решении научной задачи по математической формализации модели, включая структурный анализ с использованием графовых схем и функциональный анализ с определением входных/выходных данных и функций обработки. Предложен многоуровневый фреймворк для оценки киберрисков на стыке технологий искусственного интеллекта (AI) и киберпреступности, с математической моделью расчета рисков. Систематизированы угрозы теневого сегмента и разработана иерархическая модель защитных мер, адаптированная для противодействия AI-усиленным угрозам. Модель формализована как ориентированный граф с функциями агрегации данных и оценки рисков, что позволяет количественно анализировать уязвимости.

The article presents a comprehensive structural and functional model of Internet segmentation that identifies three distinct layers: the Surface Web, the Deep Web, and the Dark Web. The scientific novelty lies in the definition and solution of a scientific problem consisting in the mathematical formalisation of the model, including structural analysis using graph schemes and functional analysis with input/output data and processing functions. The authors propose a multi-level framework for assessing cyber risks at the intersection of artificial intelligence technologies (AI) and cybercrime, as well as a mathematical risk calculation model. The threats of the shadow segment are classified, and a hierarchical model of protective measures adapted to counter AI-enhanced threats is developed. The model is formalised as a directed graph with data aggregation and risk assessment functions, enabling quantitative vulnerability analysis.

Теневая сеть (Dark Web)Глубокая сеть (Deep Web)анонимностькибербезопасностьTor (The Onion Router)оценка рисковкиберпреступностьискусственный интеллектматематическая модельструктурно-функциональный анализDark WebDeep WebanonymitycybersecurityTor (The Onion Router)risk assessmentcybercrimeartificial intelligencemathematical modelstructural-functional analysisReferencesБергман М.К. Белая книга: Глубокая паутина: Обнаружение скрытой ценности. Журнал электронных публикаций. 2001. № 7(1).Bergman M.K. White Paper: The Deep Web: Surfacing Hidden Value. Journal of Electronic Publishing 2001;7(1).Чертофф М. Взгляд на теневую сеть с точки зрения государственной политики // Журнал киберполитики. 2017. № 2(1). С. 26-38.Chertoff M. A Public Policy Perspective of the Dark Web. Journal of Cyber Policy 2017;2(1):26-38.Динглдайн Р., Мэтьюсон Н., Сиверсон П. Tor: Онкон-маршрутизатор второго поколения // Труды 13-го симпозиума USENIX по безопасности. 2004.Dingledine R., Mathewson N., Syverson P. Tor: The Second-Generation Onion Router. In: Proceedings of the 13th USENIX Security Symposium; 2004.IBM Security. Отчет о ландшафте облачных угроз X-Force. Публикации IBM Security. 2023.IBM Security. X-Force Cloud Threat Landscape Report. IBM Security Publications; 2023.Хусари Г., Аль-Шаэр Э. Динамика рынков даркнета: Подход на основе глубокого обучения для прогнозирования новых киберугроз // Труды конференции ACM SIGSAC по компьютерной и коммуникационной безопасности. 2023.Husari G., Al-Shaer E. Darknet Marketplace Dynamics: A Deep Learning Approach for Predicting Emerging Cyber Threats. In: Proceedings of the ACM SIGSAC Conference on Computer and Communications Security; 2023.Пастор-Галиндо Х., Дзаго М., Несполи П. и др. Теневая сеть как платформа для кибертерроризма: Систематический обзор // Компьютеры и безопасность. 2023. № 124. С. 102965.Pastor-Galindo J., Zago M., Nespoli P. et al. The Dark Web as a Platform for Cyberterrorism: A Systematic Review. Computers & Security 2023;124:102965.Лопес К., Лазар А., Кизза Дж. М. Квантовая устойчивость в анонимных сетях: Подготовка Tor к постквантовой эре // IEEE Труды по криминалистике и безопасности информации. 2024. № 19. С. 1234-1247.Lopez C., Lazar A., Kizza J.M. Quantum Resistance in Anonymous Networks: Preparing Tor for the Post-Quantum Era. IEEE Transactions on Information Forensics and Security 2024;19:1234-1247.Миттал С., Джоши А. Кибероружие на основе ИИ: Проблемы обнаружения и атрибуции в экосистеме теневой сети // Журнал кибербезопасности. 2023. № 9(1).Mittal S., Joshi A. AI-Powered Cyberweapons: Detection and Attribution Challenges in the Dark Web Ecosystem. Journal of Cybersecurity 2023;9(1):tyad005.Европол и УНИКРИ (UNICRI). Использование теневой сети в преступных целях: Оценка угроз 2023. Издательский офис Европейского союза, 2023.Europol & UNICRI. The Use of the Dark Web for Criminal Purposes: A Threat Assessment 2023. Publications Office of the European Union; 2023.Ван З., Лу З. Фреймворк совместного обучения для мониторинга теневой сети без обмена данными // Труды симпозиума IEEE по безопасности и конфиденциальности. 2024.Wang Z., Lu Z. A Federated Learning Framework for Collaborative Dark Web Monitoring Without Data Sharing. In: Proceedings of the IEEE Symposium on Security and Privacy; 2024.Гилл Л., Сампат Б. Двусторонний меч: Измерение позитивного и негативного влияния теневой сети на общество // Nature Communications. 2023. Vol.14(1). P. 3456.Gill L., Sampat B. The Double-Edged Sword: Measuring the Positive and Negative Societal Impact of the Dark Web. Nature Communications 2023;14(1):3456.

The authors declare that there are no conflicts of interest present.