Завдання 8.

Дослідити наявність трендів в часових рядах методом

Фостера-Стюарта в межах обраного прикладу з галузі інформаційних
технологій засобами програмування мови Python.

Для дослідження обрано програмну реалізацію алгоритму кодування

«BKR»(стара назва «Ceasar_B»). «BKR» - це алгоритм кодування інформації,
який був розроблений у 2022 році. Базою для розробки алгоритму став Шифр
Віженера.
Для початку введемо відому нам з дисципліни «Теорія прийняття рішень»
формулу, завдяки якій ми можемо оцінити ризики безпеки та побачити їх
чисельний результат.
R=P ∙ H ,

Де R – оцінки ризиків інформаційної безпеки,

P – вірогідність реалізації загрози,
H – наслідки реалізації загрози.
Для прикладу візьмемо результати роботи на тему «Оцінка ризиків
безпеки програмної реалізації алгоритму кодування «BKR» методом «Матриця
«Наслідки – вірогідність»» з дисципліни «Теорії прийняття рішень».

Інформаційні Загрози Вірогідність Наслідки Оцінка ризиків

активи Реалізації реалізації інформаційної
загрози Загроз безпеки

Слабкий Видання 1 8 8
логін/пароль себе за
когось
іншого
 За інформаційний актив виступає слабка система захисту облікового
запису користувача, який розділяється на два типи: розробник та користувач.
Дана проблема являється основною загрозою, тому що у разі отримання
зловмисником пароля та логіну розробника, він може отримати
несанкціонований доступ до конфігураційних файлів та до бази даних, де
зберігаються дані про користувачів, алгоритм кодування та про закодовану
інформацію. Така атака може покласти кінець всій праці розробника, тому
цього всіма силами треба уникнути та запобігти.
Оцінювання наслідків реалізації загрози: 0-10
Оцінювання вірогідності реалізації загрози: 0-1
Дане рівняння можна інтерпретувати до лінійного рівняння регресії, але з новий
елементом, тобто b.
Y = A ∙ X + B,

Де A*X – оцінка ризику інформаційної безпеки

B – кількість бюджету та часу, який виділено на покращення програмної
реалізації.
Шкала для визначення кількості бюджету та часу:
Максимально 5
Достатньо 3-4
Мала кількість 1-2
Відсутні 0

1) 0 – виділено нуль ресурсів

2) 1-2 – виділено малу кількість ресурсів
3) 3-4 – виділено достатню кількість ресурсів
4) 5 – виділено максимально можливу кількість ресурсів
 Для подальшої роботи будуть вибрані дві вибірки, які показують кількість
атак у різний період доби (день/ніч). Критерій Фостера-Стюарта буде
використовуватися для одночасної перевірки відсутності тренду як середніх, так
і дисперсій значень часового ряду.

Гіпотеза: Кількість атак не залежить від періоду доби.

Numpy/Scipy:

from math import *

import numpy as np
from scipy.stats import ttest_ind

data1 = np.array([7, 1, 4, 6, 7, 2, 3, 0, 3, 2, 1, 5, 6, 7, 4, 4, 4, 8, 8, 7])

data2 = np.array([0, 1, 8, 2, 7, 6, 3, 5, 3, 2, 1, 5, 1, 1, 5, 5, 5, 7, 7, 7])

u = 0
s = 0

for i in data1:
for j in data2:
if j<i:
u+=1

for i in data1:
for j in data2:
if j>i:
s+=1

print('U = ', u)
print('S = ', s)

n = data1.size

D_s = sqrt(2*np.log(n) - 3.4253)

D_d = sqrt(2*np.log(n) - 0.8456)

print('D(D) = ', D_d)

print('D(S) = ', D_s)

alpha = 0.05

# Нехай альфа(рівень значущості) буде 0.05

t_stat, p = ttest_ind(data1, data2, equal_var = False)
print("t = ", t_stat)
print("p = ", p)

# Якщо p-значення буде менше 0.05, то ми відхиляємо НУЛЬОВУ ГІПОТЕЗУ(H0 => µ1 = µ2

(population mean of n1 is equal to n2))

Результат:

Отже, тепер можна перейти до перевірки гіпотези за допомогою метода

Ст’юдента. Так як р-значення дорівнює 0.6175717194272905, тому гіпотезу не
відхиляємо.

Висновок:
У даній роботі було опрацьовано метод Фостера-Стюарта, який
використовується для одночасної перевірки відсутності тренду як середніх, так і
дисперсій значень часового ряду.