Метод определения источника сообщений на основе обработки времени их поступления

Целью исследования является создание метода определения источника сообщений в приёмнике, позволяющего на основе анализа характеристик распределения времени поступления сообщений повысить достоверность определения источника.

Методы. Аутентификация источника сообщений происходит на основе статистического анализа значений метаданных, которыми в данном исследовании и являются интервалы времени между сообщениями. За основу модели обработки метаданных взята известная модель поступления сообщений от целевого источника в сетях LoRaWAN. При этом определение источника производилось с помощью методов кодирования в режиме сцепления блоков, которые обеспечивают более высокую достоверность идентификации для сообщений небольшой длины, характерных для указанного типа сетей. С помощью численного моделирования были определены закономерностей изменения характеристик времени поступления сообщений в случае возникновения ошибки идентификации. Так же сформулировано правило принятия решения в случае невозможности проведения аутентификации на основе обработки содержимого идентификационных полей. Исследования показали эффективность применения модели определения источника в различных диапазонах параметров формирования последовательностей сообщений.

Результаты. Итогом проведенных исследований является разработка метода аутентификации, основанного на анализе времени поступления сообщений на приёмник, который отличается тем, что в качестве анализируемых данных использует характеристики распределения моментов высоких порядков для рядов временных задержек. Его использование в сочетании с методами кодирования в режиме сцепления сообщений обеспечивает снижение вероятности возникновения ошибки единичной замены сообщения в последовательности в 4 - 6 раз, по сравнению с методами, выполняющими идентификацию только по результатам обработки идентификаторов самих сообщений.

Заключение. Результат экспериментальных исследований показал возможность при помощи разработанного метода повысить достоверность определения аутентичности источника сообщений, возможность снижения числа переспросов, возникающих при обнаружении ошибок, возможность уменьшения размеров дополнительных полей идентификаторов в каждом сообщении. Результирующий эффект будет выражаться в общем повышении пропускной способности канала связи между удаленными компонентами распределенной системы. 

1. Информационная безопасность предприятия / А. В. Бабаш, Е. К. Баранова, Д. Ларин, Н.В. Гришина. М.: Форум, 2018. 118 c.

2. Буренин А.Н., Легков К.Е. Основные проблемы безопасности подсистем обеспечения единым временем элементов систем управления сложными организационнотехническими объектами // T-comm: телекоммуникации и транспорт. 2019. C. 48.

3. Gligor V.D., Donescu P. Fast encryption and authentication: XCBC encryption and XECB authentication modes // Manuscript, August 2002. P. 92–108.

4. Установление доверительного канала обмена данными между источником и приёмником информации с помощью модифицированного метода одноразовых паролей / М.О. Таныгин, Х.Я. Алшаиа, В.А. Алтухова, А.Л. Марухленко // Известия ЮгоЗападного государственного университета. Серия: Управление, вычислительная техника, информатика. Медицинское приборостроение. 2018. № 4(29). С. 63-71.

5. Колегов Д.Н. Общий метод аутентификации HTTP-сообщений в веб-приложениях на основе хеш-функций // Прикладная дискретная математика. Приложение. 2014. № 7. С. 85-89.

6. Вариант разграничения доступа к информационным ресурсам на основе неявной аутентификации / А.Л. Марухленко, А.В. Плугатарев, М.О. Таныгин, Л.О. Марухленко, М.Ю. Шашков // Известия Юго-Западного государственного университета. 2020;24(2):108-121. https://doi.org/10.21869/2223-1560-2020-24-2-108-121

7. Panagiotis Papadimitratos, Zygmunt J. Haas Secure message transmission in mobile ad hoc networks // Ad Hoc Networks. 2003. №1. P. 193–209

8. Shi X., D. Xiao A reversible watermarking authentication scheme for wireless sensor networks // Information Sciences. 2013. Vol. 240. P. 173-183. https://doi.org/10.1016/j.ins.2013.03.031

9. Анализ системы контроля целостности цепочек информационных блоков на основе хэшей / М. О. Таныгин, М.С. Брусов, Е.О. Ефремова, Ю.В. Сухорукова // Инфокоммуникации и космические технологии: состояние, проблемы и пути решения: материалы III Всероссийской научно-практической конференции. Курск, 2019. С.373 – 378.

10. Гузеев А.В. Формирование распределения вероятностей появления отдельных сообщений источника при статистическом кодировании // T-Comm: Телекоммуникации и транспорт. 2010. Т. 4. № 6. С. 12-16.

11. Mytsko E.A., Malchukov A.N., Ivanov S.D. Research of algorithms for calculating the CRC8 checksum in microprocessor systems with a shortage of resources // Devices and systems. Management, control, diagnostics. 2018. No. 6. Р. 22-29.

12. Bankov D., Khorov E., Lyakhov A. On the Limits of LoRaWAN Channel Access. Engineering and Telecommunication (EnT), 2016 International Conference on IEEE. 2016. Pp. 10–14

13. lantado Ferran, Vilajosana Xavier, Tuset Pere et al. Understanding the Limits of LoRaWAN // IEEE Communications Magazine. 2017.

14. Tanygin M.O., Efremov M.A., Tanygina E.A. The Computational Complexity of the Algorithm for Identifying the Source of Data Transmitted by Limited Length Blocks // Proceedings - 2021 International Russian Automation Conference, RusAutoCon 2021, 2021, pp. 298–302.

15. Жукова Г.Н. Карта коэффициентов асимметрии и эксцесса в преподавании теории вероятностей и математической статистики // Концепт: научно-методический электронный журнал. 2015. № 8. С. 56-60.

16. Жукова Г.Н. Идентификация вероятностного распределения по коэффициентам асимметрии и эксцесса // Автоматизация. Современные технологии. 2016. №5. С. 26-33.

17. Vangelista Lorenzo. Frequency Shift Chirp Modulation: The LoRa Modulation // IEEE Signal Processing Letters. 2017. Vol. 24, no. 12. Pp. 1818–1821.

18. Urazbakhtin A.I., Urazbakhtin I.G. Algorithm for checking the homogeneity of the sample and its representativeness to the random process under study // Infocommunication technologies. 2006. V. 4. No. 3. S. 10-14.

19. Tatyana I. Lapina, Ildus G. Urazbahtin Time series forecasting based on data normalization methods // Proceedings Volume 6277, Optical Technologies for Telecommunications 2005; 62770C (2006).

20. Jorke Pascal, Bocker Stefan, Liedmann Florian, Wietfeld Christian. Urban channel models for smart city IoT-networks based on empirical measurements of LoRa-links at 433 and 868 MHz // 2017 IEEE 28th Annual International Symposium on Personal, Indoor, and Mobile Radio Communications (PIMRC) / IEEE. 2017. Pp. 1–6.

21. Таныгин М. О., Хемраев Д., Казакова О. В. Повышение достоверности определения источника фрагментированных сообщений за счёт использования методов анализа времени поступления отдельных фрагментов // Известия Юго-Западного государственного университета. Серия: Управление, вычислительная техника, информатика. Медицинское приборостроение. 2021. Т. 11, № 4. С. 46–60.