Структурно-функциональная модель теневого сегмента интернета: сравнительный анализ угроз и методов защиты в контексте развития AI-криминала
https://doi.org/10.21683/1729-2646-2026-26-2-68-72
Аннотация
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.
Об авторах
А. В. Аменицкий
Санкт-Петербургский государственный электротехнический университет «ЛЭТИ» им. В.И. Ульянова (Ленина)
Россия
Россия
Аменицкий Алексей Владимирович, аспирант
197022, г. Санкт-Петербург, ул. Проф. Попова, д. 5
Е. Г. Воробьёв
Санкт-Петербургский государственный электротехнический университет «ЛЭТИ» им. В.И. Ульянова (Ленина)
Россия
Россия
Воробьёв Евгений Германович, д.т.н., профессор
197022, г. Санкт-Петербург, ул. Проф. Попова, д. 5
Список литературы
1. Бергман М.К. Белая книга: Глубокая паутина: Обнаружение скрытой ценности. Журнал электронных публикаций. 2001. № 7(1).
2. Чертофф М. Взгляд на теневую сеть с точки зрения государственной политики // Журнал киберполитики. 2017. № 2(1). С. 26-38.
3. Динглдайн Р., Мэтьюсон Н., Сиверсон П. Tor: Онкон-маршрутизатор второго поколения // Труды 13-го симпозиума USENIX по безопасности. 2004.
4. IBM Security. Отчет о ландшафте облачных угроз X-Force. Публикации IBM Security. 2023.
5. 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.
6. Пастор-Галиндо Х., Дзаго М., Несполи П. и др. Теневая сеть как платформа для кибертерроризма: Систематический обзор // Компьютеры и безопасность. 2023. № 124. С. 102965.
7. 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.
8. Миттал С., Джоши А. Кибероружие на основе ИИ: Проблемы обнаружения и атрибуции в экосистеме теневой сети // Журнал кибербезопасности. 2023. № 9(1).
9. Европол и УНИКРИ (UNICRI). Использование теневой сети в преступных целях: Оценка угроз 2023. Издательский офис Европейского союза, 2023.
10. Ван З., Лу З. Фреймворк совместного обучения для мониторинга теневой сети без обмена данными // Труды симпозиума IEEE по безопасности и конфиденциальности. 2024.
11. Гилл Л., Сампат Б. Двусторонний меч: Измерение позитивного и негативного влияния теневой сети на общество // Nature Communications. 2023. Vol.14(1). P. 3456.
Рецензия
Для цитирования:
Аменицкий А.В., Воробьёв Е.Г. Структурно-функциональная модель теневого сегмента интернета: сравнительный анализ угроз и методов защиты в контексте развития AI-криминала. Надежность. 2026;26(2):68-72. https://doi.org/10.21683/1729-2646-2026-26-2-68-72
For citation:
Amenitsky A.V., Vorobyov E.G. The 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 crime. Dependability. 2026;26(2):68-72. (In Russ.) https://doi.org/10.21683/1729-2646-2026-26-2-68-72
Просмотров:
72
JATS XML
ISSN 1729-2646 (Print)
ISSN 2500-3909 (Online)
ISSN 2500-3909 (Online)
Послать статью по эл. почте 