Модели оценки ценности информации

Предположим, что имеется информация, которая представлена в виде конечного множества элементов, и задача заключается в оценке данной информации в денежном эквиваленте. При использовании аддитивной модели определение ценности базируется на экспертных оценках компонент данной информации, и при объективности денежных оценок её компонент подсчитывается искомая величина — их сумма в денежном эквиваленте. Основная проблема заключается в том, что количественная оценка компонент информации часто оценивается необъективно, даже при её оценке высококвалифицированными специалистами — причина заключается в неоднородности компонент информации в целом. Для решения этой проблемы принято использовать иерархическую относительную шкалу, которая представляет собой линейный порядок, с помощью которого сравниваются отдельные компоненты защищаемой информации по ценности одна относительно другой. Случай единой шкалы равносилен тому, что все компоненты, имеющие равную порядковую оценку, равноценны одна относительно другой.

В качестве примера можно рассмотреть следующую ситуацию. Пусть даны ${\displaystyle n}$ объектов: ${\displaystyle O_{1},\dots ,O_{n}}$ оценка производится по пятибалльной шкале (1—5); результат оценки экспертами — вектор ценностей объектов каждого относительно другого: ${\displaystyle (3,1,\dots ,4)}$. Предположим, что изначально определена цена одного из объектов (для определённости, рассмотрим цену первого объекта) — например, ${\displaystyle 150}$ денежных единиц.

Исходя из этого, вычисляется стоимость одного балла ${\displaystyle C_{1}/k=50}$ ден.ед., где k — оценка первого объекта в баллах, и аналогичным образом производится оценка в денежных единицах других объектов: ${\displaystyle C_{2}=50}$ ден.ед., и т. д. Сумма стоимостей компонент информации даёт сумму — стоимость всей информации.

Рассмотрим обратную ситуацию. Если известна конечная стоимость информации, то исходя из неё можно обратным преобразованием (с помощью балльного распределения) определить стоимость каждой компоненты информации.

Предположим, что произведена оценка стоимости информации с помощью аддитивной модели оценки стоимости информации. Оценка возможных потерь основывается на уже известных стоимостей компонент информации, исходя из прогнозирования возможных угроз компонентам информации. Возможность каждой угрозы оценивается с помощью вероятностных оценок соответствующих событий: подсчитывается сумма математических ожиданий потерь для каждой из компонент по распределению возможных угроз. В качестве примера можно рассмотреть следующую ситуацию. Пусть даны n объектов: ${\displaystyle O_{1},\dots ,O_{n}}$, стоимости которых ${\displaystyle C_{1},\dots ,C_{n}}$. Предположим, что при ущербе одному объекту стоимость других объектов не снижается, и что для каждого из объектов: ${\displaystyle p_{i}}$ — вероятность нанесения ущерба объекту ${\displaystyle O_{i}}$. Функция потерь ущерба для ${\displaystyle O_{i}}$ следующая:

${\displaystyle W_{i}=C_{i}}$, если объекту i нанесён ущерб,

${\displaystyle W_{i}=0}$, в другом случае.

Оценка случая реализации потерь от реализации угроз объекту i равна ${\displaystyle EW_{i}=p_{i}C_{i}}$. Вследствие принятых предположений, общая потеря системы подсчитывается как сумма потерь по компонентам: ${\displaystyle W=W_{1}+\ldots +W_{n}}$. В таком случае ожидаемые потери (как средний риск) определяются выражением: ${\displaystyle EW=\Sigma p_{i}C_{i}}$. Существуют методы, реализующие автоматизированную оценку риска, некоторые из них перечислены ниже. В данной статье рассмотрены получившие широкое распространение методы проведения анализа рисков: CRAMM, RiskWatch, ГРИФ.

Существуют случаи, когда не имеется необходимости или возможности установки соответствия ценности информации в денежных единицах (например, информация личного характера, военная или политическая информация, оценка которой в денежном эквиваленте может быть неразумной), но при этом может иметь смысл сравнительная оценка отдельных информационных компонент одной компоненты относительно другой. В качестве примера можно рассмотреть ситуацию в государственных структурах, где информация разбивается по грифам секретности. В свою очередь, грифы секретности представляют собой порядковые шкалы ценностей, например: несекретно, для служебного пользования, секретно, совершенно секретно, особой важности (НС, ДСП, С, СС, ОВ); по американской системе: unclassified, confidential, secret, top secret (U, Conf, S, TS). Чем выше класс грифа, тем большую ценность имеет защищаемая информация, в связи с чем по отношению к ней применяются более высокие требования по её защите от несанкционированного доступа.

Модель решётки ценностей — это обобщение порядковой шкалы. Предположим, что дано ${\displaystyle SC}$ — конечное частично упорядоченное множество относительно бинарного отношения ${\displaystyle <}$, то есть для каждых ${\displaystyle A,B,C}$ выполняется:

1. рефлексивность: ${\displaystyle A>A,}$
2. транзитивность: ${\displaystyle A<B,B<C=>A<C,}$
3. антисимметричность: ${\displaystyle A<B,B<A=>A=B.}$

По определению, для А, B∈SC элемент C=A⊕B∈SC называется наименьшей верхней границей (верхней гранью), если:

1. ${\displaystyle A<=C,B<=C}$,
2. ${\displaystyle A<=D,B<=D=>C<=D}$ для всех ${\displaystyle D\in SC}$.

При этом необязательно существование самого элемента ${\displaystyle A\oplus B}$. Если выполнено условие существования наименьшей верхней границы, то из антисимметричности следует единственность. По определению, элемент ${\displaystyle E=A\otimes B\in SC}$ называется наибольшей нижней границей для А, B∈C (нижней гранью), если

1. ${\displaystyle E<A,E<B,}$
2. ${\displaystyle D<A,D<B=>D<E.}$

Существование этой нижней границы также не является обязательным. Если она существует, то из антисимметричности следует единственность. По определению, ${\displaystyle (SC,<)}$ называется решёткой, если для любых ${\displaystyle A,B\in SC}$ существует ${\displaystyle A\oplus B\in SC}$ и ${\displaystyle A\otimes B\in SC}$.

• Грушо А. А., Тимонина Е. Е. Ценность информации // Теоретические основы защиты информации. — М.: Издательство Агентства «Яхтсмен», 1996. — С. 52-55.
• Симонов С. Современные технологии анализа рисков в информационных системах // PCWEEK. — 2001. — № 37.

• Перечень сведений, отнесенных к государственной тайне