Нечёткая модель оценки защищённости подсистемы удалённого мониторинга в промышленном Интернете вещей с учётом непреднамеренных инсайдерских угроз

Авдеева А.А.1 , Леонова В.А.1 , Линникова А.А.1
1 Ростовский государственный экономический университет (РИНХ), Ростов-на-Дону, Россия

Статья в журнале

Информатизация в цифровой экономике (РИНЦ, ВАК)
опубликовать статью | оформить подписку

Том 7, Номер 2 (Апрель-июнь 2026)

Цитировать эту статью:

Авдеева, А. А. Нечёткая модель оценки защищённости подсистемы удалённого мониторинга в промышленном Интернете вещей с учётом непреднамеренных инсайдерских угроз / А. А. Авдеева, В. А. Леонова, А. А. Линникова // Информатизация в цифровой экономике. – 2026. – Т. 7, № 2. – DOI 10.18334/ide.7.2.126234. – EDN MTUMRC.
Avdeeva, A. A., Leonova, V. A., Linnikova, A. A. (in press). (2026). A fuzzy model for assessing the security of a remote monitoring subsystem in the Industrial Internet of Things under unintentional insider threats. Informatization in the Digital Economy, 7(2). https://doi.org/10.18334/ide.7.2.126234

Аннотация:
В статье рассматривается задача оценки защищённости подсистемы удалённого мониторинга технологического оборудования в промышленном Интернете вещей с учётом непреднамеренных действий внутренних пользователей. Объектом исследования является подсистема удалённого мониторинга, обеспечивающая сбор, передачу и отображение технологических данных в распределённой производственной среде. Предмет исследования составляют методы формализации и оценки угроз, обусловленных некорректными действиями операторов и обслуживающего персонала, не преследующих умышленной цели нарушения безопасности. Предлагается нечёткая модель оценки защищённости подсистемы, основанная на системе лингвистических переменных, описывающих вероятность возникновения ошибок персонала, критичность контролируемых узлов и эффективность реализованных организационно‑технических мер защиты. Для вычисления интегрального показателя уровня защищённости используются правила нечёткого вывода, позволяющие учитывать неопределённость и неоднородность исходных данных. На модельном примере демонстрируется применение предложенной модели к анализу типовых сценариев эксплуатации подсистемы удалённого мониторинга. Полученные результаты подтверждают возможность использования разработанного подхода для обоснования приоритетов усиления защиты и совершенствования регламентов работы персонала.

Ключевые слова: промышленный Интернет вещей, подсистема удалённого мониторинга, непреднамеренные инсайдерские угрозы, оценка защищённости, нечёткая модель, информационная безопасность

JEL-классификация: L63, C63, M15, C45

JATS XML

Источники:

1. Аникин И.В. Нечеткая оценка факторов риска информационной безопасности // Безопасность информационных технологий. – 2016. – № 1. – c. 78-87. – url: https://bit.spels.ru/index.php/bit/article/view/35.
2. Аникин И.В. Методы и алгоритмы количественной оценки и управления рисками безопасности в корпоративных информационных сетях на основе нечеткой логики // Системная инженерия и информационные технологии. – 2023. – № 3(12). – c. 93-113. – doi: 10.54708/2658-5014-SIIT-2023-no3-p93.
3. Айдинян А.Р., Цветкова О.Л. Оценка рисков информационной безопасности автоматизированной системы с помощью нейро-нечеткой логики // Вестник Донского государственного технического университета. – 2023. – № 2. – c. 15-24. – doi: 10.21822/2073-6185-2023-50-2-15-24.
4. Ощепков Н.В., Кротова Е.Л. Анализ методов противодействия угрозам для промышленного интернета вещей // Международный научно-исследовательский журнал. – 2024. – № 7(145). – doi: 10.60797/IRJ.2024.145.14.
5. Безопасность интернета вещей (IoT) в бизнесе. Группа компаний «Инфарс». [Электронный ресурс]. URL: https://infars.ru/blog/bezopasnost-interneta-veshchey-iot-v-biznese/ (дата обращения: 13.04.2026).
6. Виды инсайдерских угроз и методы противодействия им. Ngrsoftlab.ru. [Электронный ресурс]. URL: https://www.ngrsoftlab.ru/tpost/r2724cank1-vidi-insaiderskih-ugroz-i-metodi-protivo (дата обращения: 13.04.2026).
7. Глушенко Г.И. Методы нечёткой логики в оценке рисков информационной безопасности // Бизнес-информатика. – 2017. – № 3(41). – c. 65-74.
8. Гарбук С.В., Правиков Д.И., Полянский А.В., Самарин И.В. Обеспечение информационной безопасности АСУ ТП с использованием метода предиктивной защиты // Вопросы кибербезопасности. – 2019. – № 3(31). – c. 63-71. – doi: 10.21681/2311-3456-2019-3-63-71.
9. IoT на производстве – угроза для промышленности. Habr.com. [Электронный ресурс]. URL: https://habr.com/ru/companies/pt/articles/869174/ (дата обращения: 13.04.2026).
10. Ощепков Н.В., Кротова Е.Л. Анализ методов противодействия угрозам для промышленного интернета вещей // Международный научно-исследовательский журнал. – 2024. – № 7(145). – doi: 10.60797/IRJ.2024.145.14.
11. Киберугрозы для промышленности: industrial IoT. Ptsecurity.com. [Электронный ресурс]. URL: https://ptsecurity.com/research/analytics/kiberugrozy-dlya-promyshlennosti-industrial-iot/ (дата обращения: 13.04.2026).
12. Классификация инсайдерских угроз: вероятные сценарии. ComKAS.ru. [Электронный ресурс]. URL: https://comkas.ru/tech/ins2.html (дата обращения: 13.04.2026).
13. Методика моделирования угроз для объектов критической информационной инфраструктуры. Asplabs.ru. [Электронный ресурс]. URL: https://asplabs.ru/articles/metodika-modelirovaniya-ugroz-dlya-obektov-kii/ (дата обращения: 13.04.2026).
14. Методика оценки угроз безопасности информации. Евразийская ассоциация специалистов по защите информации (ЕВРААС). [Электронный ресурс]. URL: https://www.evraas.ru/resources/metodika-otsenki-ugroz-bezopasnosti-informatsii/ (дата обращения: 13.04.2026).
15. Саматов К. Методы обеспечения информационной безопасности для промышленных IoT систем. Информационная безопасность. [Электронный ресурс]. URL: https://www.itsec.ru/articles/metody-obespecheniya-ib-dlya-promyshlennyh-iot-sistem (дата обращения: 13.04.2026).
16. Кириллова А.Д. Оценка рисков информационной безопасности АСУ ТП промышленных объектов методами когнитивного моделирования // Системная инженерия и информационные технологии. – 2023. – № 4(13). – c. 77-93. – doi: 10.54708/2658-5014-SIIT-2023-no3-p77.
17. Промышленный интернет вещей (IIoT): что это такое и как он работает. Surf.ru. [Электронный ресурс]. URL: https://surf.ru/promyshlennyj-internet-veshchej-iiot/ (дата обращения: 13.04.2026).
18. Промышленный IoT: риски и защита в цифровую эпоху. Os.kaspersky.ru. [Электронный ресурс]. URL: https://os.kaspersky.ru/blog/iot-risks-and-protection-in-the-digital-age/ (дата обращения: 13.04.2026).
19. Что такое КИИ: безопасность критической информационной инфраструктуры. Securityvision.ru. [Электронный ресурс]. URL: https://www.securityvision.ru/blog/kii-chto-eto/ (дата обращения: 13.04.2026).
20. Bhamare D., Zolanvari M., Erbad A., Jain R., Khan Kh., Meskin N. Cybersecurity for industrial control systems: a survey // Computers & Security. – 2020. – p. 101677. – doi: 10.1016/j.cose.2019.101677.
21. Industrial control network security risk assessment method based on multilayer fuzzy system: патент CN112327767B. Patents.google.com. [Электронный ресурс]. URL: https://patents.google.com/patent/CN112327767B/en (дата обращения: 13.04.2026).
22. Risk Assessment for Industrial Control Systems. Nsfocusglobal.com. [Электронный ресурс]. URL: https://nsfocusglobal.com/risk-assessment-for-industrial-control-systems/ (дата обращения: 13.04.2026).

Страница обновлена: 24.07.2026 в 20:01:44

 
 

A fuzzy model for assessing the security of a remote monitoring subsystem in the Industrial Internet of Things under unintentional insider threats

Avdeeva A.A., Leonova V.A., Linnikova A.A.

Journal paper

Informatization in the Digital Economy
Volume 7, Number 2 (April-June 2026)

Citation:

Avdeeva, A. A., Leonova, V. A., & Linnikova, A. A. (in press). (2026). A fuzzy model for assessing the security of a remote monitoring subsystem in the Industrial Internet of Things under unintentional insider threats. Informatization in the Digital Economy, 7(2). https://doi.org/10.18334/ide.7.2.126234

Abstract:
The article considers the problem of assessing the security of the subsystem of remote monitoring of technological equipment in the Industrial Internet of Things under unintentional insider threats. The object of the study is a remote monitoring subsystem that provides the collection, transmission and display of technological data in a distributed production environment. The subject of the research is methods of formalization and assessment of threats caused by incorrect actions of operators and maintenance personnel who do not intentionally aim to violate security. A fuzzy subsystem security assessment model is proposed based on a system of linguistic variables describing the likelihood of personnel errors, the criticality of controlled nodes, and the effectiveness of implemented organizational and technical protection measures. To calculate the integral indicator of the security level, fuzzy inference rules are used, which allow for uncertainty and heterogeneity of the input data. A model example demonstrates the application of the proposed model to the analysis of typical scenarios for the operation of a remote monitoring subsystem. The results obtained confirm the possibility of using the developed approach to substantiate priorities for strengthening protection and improving staff work regulations.

Keywords: Industrial Internet of Things, remote monitoring subsystem, unintentional insider threats, security assessment, fuzzy model, information security

JEL-classification: L63, C63, M15, C45

References:

Anikin I.V. (2016). Fuzzy Assessment of Information Security Risk Factors. Bezopasnost informatsionnyh tekhnologiy. 23 (1). 78-87.

Anikin I.V. (2023). Methods and Algorithms for Quantitative Assessment and Management of Security Risks in Corporate Information Networks Based on Fuzzy Logic. Sistemnaya inzheneriya i informatsionnye tekhnologii. 5 (3(12)). 93-113. doi: 10.54708/2658-5014-SIIT-2023-no3-p93.

Aydinyan A.R., Tsvetkova O.L. (2023). Assessment of Information Security Risks of Automated System Using Neuro-Fuzzy Logic. Vestnik Donskogo gosudarstvennogo tekhnicheskogo universiteta. 23 (2). 15-24. doi: 10.21822/2073-6185-2023-50-2-15-24.

Bhamare D., Zolanvari M., Erbad A., Jain R., Khan Kh., Meskin N. (2020). Cybersecurity for industrial control systems: a survey Computers & Security. 89 101677. doi: 10.1016/j.cose.2019.101677.

Garbuk S.V., Pravikov D.I., Polyanskiy A.V., Samarin I.V. (2019). Ensuring APCs Information Security Using the Predictive Protection Method. Voprosy kiberbezopasnosti. (3(31)). 63-71. doi: 10.21681/2311-3456-2019-3-63-71.

Glushenko G.I. (2017). Fuzzy logic methods in information security risk assessment. Biznes-informatika. (3(41)). 65-74.

Kirillova A.D. (2023). Assessment of Information Security Risks of Automated Process Control Systems for Industrial Facilities Using Cognitive Modeling Methods. Sistemnaya inzheneriya i informatsionnye tekhnologii. 5 (4(13)). 77-93. doi: 10.54708/2658-5014-SIIT-2023-no3-p77.

Oschepkov N.V., Krotova E.L. (2024). An Analysis of Methods to Counter Threats to the Industrial Internet of Things. Mezhdunarodnyy nauchno-issledovatelskiy zhurnal. (7(145)). doi: 10.60797/IRJ.2024.145.14.

Oschepkov N.V., Krotova E.L. (2024). An Analysis of Methods to Counter Threats to the Industrial Internet of Things. Mezhdunarodnyy nauchno-issledovatelskiy zhurnal. (7(145)). doi: 10.60797/IRJ.2024.145.14.

Risk Assessment for Industrial Control SystemsNsfocusglobal.com. Retrieved April 13, 2026, from https://nsfocusglobal.com/risk-assessment-for-industrial-control-systems/