नमस्कार, हेब्र! हम आपका ध्यान लेख " एक पूर्ण-स्केल सुरक्षा विज़ुअलाइज़ेशन प्रभावशीलता मापन और प्रस्तुति दृष्टिकोण " के अनुवाद पर प्रस्तुत करते हैं ।


अनुवाद के लेखक से

विज़ुअलाइज़ेशन अनुसंधान के उद्देश्य के बारे में निष्कर्ष और ज्ञान प्राप्त करने में विशेषज्ञों को अमूल्य सहायता प्रदान करता है, खासकर यदि ऐसा शोध बड़ी मात्रा में डेटा के प्रसंस्करण से जुड़ा हो। इसी समय, एक नियम के रूप में, विज़ुअलाइज़ेशन के तरीकों का विकल्प रचनात्मक है और किसी भी मात्रात्मक अनुमान के आधार पर एक उचित विकल्प नहीं है। लेख विज़ुअलाइज़ेशन के मात्रात्मक अनुमान प्राप्त करने का प्रयास करता है।

इसके अलावा, यह ध्यान दिया जाना चाहिए कि रूसी भाषा के स्रोतों में दृश्य के अध्ययन पर थोड़ा ध्यान दिया जाता है। लेख में वर्णित अध्ययन ज्ञान के कई क्षेत्रों के चौराहे पर हैं: सूचना सुरक्षा, मनोविज्ञान, डेटा विज्ञान, जो पाठक को पहले से अज्ञात विषयों से परिचित होने की अनुमति देता है। ब्याज की भी दृश्यता के अध्ययन पर एक व्यापक ग्रंथ सूची है।

लेख के पाठ में उपयोग किए जाने वाले मुख्य शब्द इटैलिक में चिह्नित हैं और उनके लिए विदेशी शब्द का अर्थ कोष्ठक में दर्शाया गया है। ऐसे शब्दों की परिभाषा लेख के पाठ के बाद दी गई है।

अमूर्त

क्या सुरक्षा घटनाओं के एक दृश्य प्रतिनिधित्व को प्रभावी बनाता है? हम सूचना सुरक्षा घटनाओं के बारे में संदेशों के अध्ययन, विश्लेषण, समझ के संदर्भ में दृश्य की प्रभावशीलता को कैसे मापते हैं? न केवल तकनीकी स्तर पर, बल्कि सुरक्षा नीति प्रबंधन स्तर पर भी निर्णय लेने के लिए कंप्यूटर हमलों की पहचान और समझ महत्वपूर्ण है। हमारे अध्ययन में दोनों मुद्दों को शामिल किया गया है, जो सुरक्षा घटनाओं (SvEm) के दृश्य की प्रभावशीलता का आकलन करने के लिए हमारे सिस्टम / मंच को पूरक करता है, जो सैद्धांतिक और उपयोगकर्ता-उन्मुख विज़ुअलाइज़ेशन दोनों तरीकों की प्रभावशीलता का मूल्यांकन करने के लिए एक व्यापक दृष्टिकोण प्रदान करता है। इंटरैक्टिव थ्री-डायमेंशनल विज़ुअलाइज़ेशन के उपयोग के माध्यम से, हमारा SvEm प्लेटफ़ॉर्म हमें अपने संयुक्त कार्य के दौरान एक उपयोगकर्ता और कई उपयोगकर्ताओं दोनों की दक्षता बढ़ाने की अनुमति देता है। हमने दृश्य स्पष्टता, दृश्यता, विरूपण दर और उपयोगकर्ता प्रतिक्रिया (देखने) के समय जैसे प्रदर्शन संकेतकों का अध्ययन किया।

SvEm मंच के मुख्य घटक हैं:

• आकार और मोबाइल डिवाइस के प्रदर्शन का संकल्प;
• सुरक्षा घटनाओं की इकाई;
• उपयोगकर्ता अलर्ट के संज्ञानात्मक कार्यकर्ता ;
• धमकी मूल्यांकन प्रणाली;
• कार्यशील मेमोरी (काम मेमोरी लोड) पर लोड;
• रंग प्रबंधन।

सुरक्षा घटनाओं के विज़ुअलाइज़ेशन की प्रभावशीलता के व्यापक मूल्यांकन के लिए हमारे प्लेटफ़ॉर्म का मूल्यांकन करने के लिए, हमने वास्तविक समय में सुरक्षा घटनाओं को विज़ुअलाइज़ करने के लिए वेबप्रागर एप्लिकेशन (वेब ​​और मोबाइल तकनीकों का उपयोग करके) विकसित किया है। अंत में, SvEm विज़ुअलाइज़ेशन का उद्देश्य पर्यवेक्षक की कार्यशील मेमोरी पर भार बढ़ाते हुए एक निरंतर संज्ञानात्मक भार प्रदान करके उपयोगकर्ताओं का ध्यान आकर्षित करना है । बदले में, सुरक्षा घटनाओं का दृश्य सूचना सुरक्षा की स्थिति के बारे में जानकारी के लिए उपयोगकर्ता को अवसर प्रदान करता है। हमारे मूल्यांकन से पता चलता है कि पर्यवेक्षक सुरक्षा घटनाओं के पूर्व ज्ञान ( काम की मेमोरी पर लोड ) के साथ बेहतर काम करते हैं, और यह भी कि परिपत्र दृश्यता उपयोगकर्ता के ध्यान की एकाग्रता को बेहतर ढंग से आकर्षित और बनाए रखती है। इन परिणामों ने हमें सुरक्षा घटनाओं के दृश्य की प्रभावशीलता का आकलन करने से संबंधित भविष्य के अनुसंधान के लिए क्षेत्रों की पहचान करने की अनुमति दी।

सामग्री की तालिका

1 परिचय
2 पृष्ठभूमि और अध्ययन का क्षेत्र
3 संबंधित कार्य
3.1 सूचना के दृश्य निरूपण के मूल्यांकन के लिए तरीके
3.2 मूल्यांकन विधि: रैंकिंग दृश्य प्रतिनिधियों के सहसंबंध
3.3 ग्राफिक तरीके
3.4 दृश्य में त्रुटि
3.5 दृश्य में अनुभूति, धारणा और अंतर्दृष्टि की अवधारणा
4 SvEm प्लेटफॉर्म आरेख
4.1 सिस्टम के सर्वर साइड का आर्किटेक्चर
4.2 सुरक्षा घटनाओं की कल्पना करने के तकनीकी पहलू
4.3 सुरक्षा घटनाओं के संबंध, संबंध और स्थान
4.4 सुरक्षा इमेजिंग के लिए रंग मानक
4.5 सुरक्षा दृश्य के लिए संज्ञानात्मक आवश्यकताएं
5 परिणाम: सुरक्षा दृश्य मंच
5.1 Svmm थ्योरी
5.2 डेटा फ्लो
5.3 उदाहरण 1. वास्तविक समय में सुरक्षा घटनाओं के दृश्य के साथ सहयोग के लिए आवेदन
5.4 उदाहरण 2. लॉकी रैंसमवेयर का दृश्य
5.5 उदाहरण 3. संवर्धित वास्तविकता दृश्य के साथ प्रभावी बातचीत
5.6 प्रदर्शन को फिट करने के लिए दृश्य स्केलिंग
6 SvEm प्लेटफॉर्म का मूल्यांकन और परीक्षण
6.1 SvEm वैचारिक मॉडल
6.2 Svm मंच के प्रदर्शन का परीक्षण
6.3 SvEm उपयोगकर्ता रेटिंग
6.4 संज्ञानात्मक भार का आकलन
6.5 थ्रेट डिटेक्शन सिस्टम
7 निष्कर्ष
8 आभार
9 प्रयुक्त स्रोतों का संदर्भ

1 परिचय

सुरक्षा दृश्य सुरक्षा की स्थिति का अंदाजा लगाने में उपयोगी साबित होते हैं, लेकिन वे कितने प्रभावी हैं? क्या विज़ुअलाइज़ेशन एक महत्वपूर्ण स्थिति में निर्णय लेने में मदद करता है या सिर्फ ध्यान भटकाता है? यह अध्ययन सूचना सुरक्षा के क्षेत्र में दृश्य अभ्यावेदन की प्रभावशीलता और विकास का मूल्यांकन करने का आधार प्रदान करता है।

हमारा मुख्य फोकस विज़ुअलाइज़ेशन धारणा के प्रत्येक चरण में सुरक्षा घटनाओं के दृश्य प्रतिनिधित्व की प्रभावशीलता का एक व्यापक मूल्यांकन करके SvEm प्लेटफॉर्म [11] को बेहतर बनाने पर है। यह माना जाता है कि पाठक को पहले से ही सूचना सुरक्षा के क्षेत्र में दृश्य की समझ है।

हम डेटा प्रोसेसिंग प्रक्रियाओं की उत्पादकता, दृश्य स्पष्टता और साथ ही डेटा के साथ इंटरैक्टिव उपयोगकर्ता के कार्यों के सुविधाजनक उपयोग के मुद्दों पर विचार करते हैं। सुरक्षा घटनाओं के विज़ुअलाइज़ेशन की प्रभावशीलता को मापने के लिए, वेब और मोबाइल प्लेटफ़ॉर्म दोनों का व्यापक मूल्यांकन, साथ ही साथ उपयोगकर्ताओं की प्रतिक्रिया समय, जब उनके साथ बातचीत की आवश्यकता होती है।

उस समय जब उपयोगकर्ता सुरक्षा घटनाओं के कुछ दृश्य प्रतिनिधित्व के साथ बातचीत करता है, हम में रुचि रखते हैं, सबसे पहले, यह समझकर कि विज़ुअलाइज़ेशन सबसे तेज़ी से उपयोगकर्ता का ध्यान कैसे आकर्षित कर सकता है, और दूसरी बात, ध्यान की एकाग्रता की अवधि को कैसे मापें । इसके लिए उपयोगकर्ता के संज्ञानात्मक भार और उसकी कार्यशील मेमोरी पर लोड की प्रभावशीलता की निगरानी करना आवश्यक है। जब संज्ञानात्मक भार कम हो जाता है और कार्यशील मेमोरी पर भार बढ़ जाता है, तो विज़ुअलाइज़ेशन सबसे प्रभावी होता है।

2 पृष्ठभूमि और अध्ययन का क्षेत्र

विज़ुअलाइज़ेशन प्लेटफ़ॉर्म और उपयोगकर्ता इंटरफ़ेस की खोज के उद्देश्य से अधिकांश वैज्ञानिक अध्ययनों में, दक्षता बढ़ाने की धारणा का अर्थ है सार्थक परिणाम प्राप्त करने में लगने वाले समय को कम करके उत्पादकता में वृद्धि करना। हमारे द्वारा विकसित किए गए प्लेटफ़ॉर्म के लिए लेख में, "प्रभावशीलता" की अवधारणा एक समग्र और एकीकृत दृष्टिकोण के रूप में सुरक्षा घटनाओं के विज़ुअलाइज़ेशन से जुड़ी हुई है, जो विज़ुअलाइज़ेशन के साथ उपयोगकर्ता बातचीत के परिणामस्वरूप आवश्यक जानकारी की धारणा को सरल बनाने के लिए डिज़ाइन की गई है।

इस आलेख में, हम संपूर्ण सुरक्षा विज़ुअलाइज़ेशन प्रक्रिया की प्रभावशीलता को मापते हैं: ग्राफिक डिस्प्ले प्रक्रिया और उपयोगकर्ता इंटरैक्शन प्रक्रिया दोनों। हमें यह भी विश्वास है कि सुरक्षा घटनाओं का दृश्य स्वचालित डेटा विश्लेषण की सुविधा देता है, सुरक्षा घटनाओं (नेटवर्क हमलों) के बारे में कच्चे डेटा से उपयोगी जानकारी प्राप्त करता है। सुरक्षा घटनाओं के दृश्य प्रतिनिधित्व स्पष्ट रूप से और गतिशील रूप से उपयोगकर्ता सुरक्षा घटनाओं को दिखाते हैं, साथ ही साथ एक दूसरे के लिए घटनाओं के संबंध [14] । अन्तरक्रियाशीलता कंप्यूटर हमलों के लिए अंतरिक्ष का एक विचार बनाने के लिए विज़ुअलाइज़ेशन के साथ आवश्यक बातचीत करने में उपयोगकर्ता की रुचि पैदा करती है। विज़ुअलाइज़ेशन भी बड़ी मात्रा में डेटा को संसाधित करने और रुझानों और मॉडल की कल्पना करने की सुविधा प्रदान करता है।

हालांकि, सूचना और प्रदर्शन की प्रस्तुति से जुड़ी समस्याएं हैं, इसलिए इस लेख का उद्देश्य सुरक्षा घटनाओं की दृश्यता के लिए प्रक्रियाओं की प्रभावशीलता को मापना है। हमारा अध्ययन उपयोगकर्ताओं के संज्ञानात्मक ज्ञान और सुरक्षा विज़ुअलाइज़ेशन प्रभावशीलता माप मंच [SvEm ] [11] के बीच एक कड़ी प्रदान करता है। प्रभावशीलता को मापने के लिए हमारा दृष्टिकोण उपयोगकर्ता (लक्ष्य दर्शकों) के साथ नियोजन, डिजाइन, कार्यान्वयन, मूल्यांकन, सत्यापन और बातचीत के चरणों को शामिल करता है।

अगले भाग में, हम विज़ुअलाइज़ेशन की प्रभावशीलता को मापने के मौजूदा शोध के परिणामों को देखते हैं। फिर हम SvEm प्लेटफॉर्म के विकास के परिणामों पर चर्चा करते हैं। अंत में, हम भविष्य के अनुसंधान के लिए निर्देश प्रस्तुत करते हैं।

3 संबंधित कार्य

जबकि उपयोगकर्ता अपनी व्यक्तिगत प्राथमिकताओं और जरूरतों के आधार पर विज़ुअलाइज़ेशन के तरीकों का चयन करते हैं, ऐसे तरीकों की प्रभावशीलता का मूल्यांकन करने की आवश्यकता है। आधुनिक दृष्टिकोण [११] , [१२] , [१ [] , [४०] उपयोगकर्ता के प्रदर्शन, स्पष्टता, छवि गुणवत्ता / विकृति दर और धारणा मूल्यांकन जैसे संकेतक का उपयोग करते हैं ( धारणा मूल्यांकन), दृश्य सहसंबंध माप का एक उपाय, मस्तिष्क गतिविधि (मस्तिष्क गतिविधि माप) का एक उपाय, और विज़ुअलाइज़ेशन कितनी अच्छी तरह मेल खाता है। उपलब्ध स्रोतों पर अधिक विस्तार से विचार करें।

3.1 सूचना के दृश्य निरूपण के मूल्यांकन के लिए तरीके

अधिकांश मूल्यांकन विधियां छवियों के केवल तकनीकी पहलुओं को ध्यान में रखती हैं , जैसे दृश्यता और मान्यता। हालांकि, सबसे पसंदीदा दृश्य अभ्यावेदन हैं जो पर्यवेक्षकों को आकर्षित करते हैं और आगे के स्पष्टीकरण की आवश्यकता के बिना सूचना के सार को स्वतंत्र रूप से व्यक्त करने में सक्षम हैं। अधिकांश कलाकारों और विज़ुअलाइज़ेशन विशेषज्ञों के लिए यह सबसे अपेक्षित परिणाम है। आधार जो विज़ुअलाइज़ेशन में मौजूद है और उपयोगकर्ताओं के बीच दक्षता क्षमताओं को ट्रिगर करने वाले संज्ञानात्मक क्षमताओं को जागृत करता है। इस प्रकार, दक्षता में सुधार करने के लिए, विज़ुअलाइज़ेशन में सुधार के लिए कुछ मूल्यांकन विधियों की आवश्यकता होती है।

3.2 मूल्यांकन विधि: रैंकिंग दृश्य प्रतिनिधियों के सहसंबंध

डेटा सेट पर प्रशिक्षण अभ्यास में सफलतापूर्वक उपयोग किए जाने वाले दृष्टिकोण का उपयोग आमतौर पर उत्पादकता, पारदर्शिता और अखंडता के वैज्ञानिक अनुमान प्राप्त करने के लिए किया जाता है। [12] में हैरिसन ने सहसंबंध विज़ुअलाइज़ेशन की रैंकिंग के लिए वेबर कानून [4] , [15] और धारणा के कानून [15] को लागू करने की संभावना दिखाई। अन्य दृष्टिकोण बिखराव और समानांतर-समन्वयित आरेखों [33] का उपयोग करके चित्रित प्रशिक्षण और सर्वोत्तम डेटा सेटों के सहसंबंध पर विचार करते हैं। हाल के मनोवैज्ञानिक और संज्ञानात्मक अध्ययन [15] ने दिखाया है कि धारणा के नियम [20] कुछ डेटा गुणों के विचार के तहत दृश्य में लोगों की धारणाओं को लागू करने के लिए लागू किए जा सकते हैं। रेंसिंक ने वेबर फिट मॉडल [12] का निर्माण करते समय वेबर के नियम [33] के उपयोग का प्रदर्शन किया। इन अध्ययनों का दावा है कि लोगों और प्रस्तुत आंकड़ों के बीच एक संबंध है। मानवीय धारणा सहसंबद्ध डेटा में संबंधों और उद्देश्य अंतर के बीच अंतर करने में सक्षम है। यह कथन निम्नलिखित रैखिक संबंध द्वारा व्यक्त किया गया है:

$$

$$dp = k \ frac {dS} {S}$$

जहाँ

$$$डीपी$ - धारणा में अंतर परिवर्तन;

$$$k$ - प्रयोगात्मक रूप से प्राप्त सापेक्ष सीमा (वेबर अंश);

$$$डीएस$ - डेटा सहसंबंध में अंतर वृद्धि।

रैंक मानदंड का उपयोग करके कई सांख्यिकीय अध्ययन [12] किए गए:

• विज़ुअलाइज़ेशन और सहसंबंधों के बीच संबंधों का आकलन करने के लिए क्रुस्ल-वालिस परीक्षण [26] ;
• विलकॉक्सन-मैन टेस्ट [16] , [29] विज़ुअलाइज़ेशन के जोड़े की तुलना करने के लिए कसौटी;
• कई तुलनाओं की समस्या को हल करने और झूठी सकारात्मकता को कम करने के लिए बोनफ़्रोनी सुधार [36] ।

यद्यपि सहसंबंधों की रैंकिंग का यह तरीका प्रभावी साबित हुआ है, यह इस कार्य के लिए प्रासंगिक नहीं है।

3.3 ग्राफिक तरीके

अंजीर। 1. प्लेटफार्म E ³ की योजना

इंटरनेट से जुड़े अधिकांश उपकरणों में लॉग इन करने की क्षमता है, जो उच्च गति डेटा संग्रह के लिए अनुमति देता है। इसलिए, डेटा सेट से प्राप्त जानकारी प्रस्तुत करने के लिए विशेष तरीकों के उपयोग की आवश्यकता होती है। उदाहरण के लिए, लेउंग के। I और अपरले डी। मार्क [24] द्वारा विकसित बड़े डेटासेट ई ^{3 का} प्रतिनिधित्व करने के लिए चित्रमय मंच पर विचार करें। विश्लेषणात्मक प्लेटफ़ॉर्म ई ³ आपको डेटा को प्रस्तुत करने के विभिन्न तरीकों की तुलना करने की अनुमति देता है, इस तरह के डेटा की मात्रा को ध्यान में रखता है। अभिव्यक्ति, दक्षता और प्रभावशीलता जैसी प्रमुख विशेषताएं, आपको प्रस्तुति की सटीकता और धारणा के कार्य को रैंक करने की अनुमति देती हैं। अंजीर में। 1 ई ³ प्लेटफॉर्म का एक आरेख दिखाता है, जिस पर एक बड़े डेटा सेट प्रस्तुति प्रणाली के डिजाइन चरणों के साथ प्रमुख घटक और उनके रिश्ते चिह्नित हैं।

3.4 दृश्य में त्रुटि

विज़ुअलाइज़ेशन को मापने के लिए एक अन्य सामान्य विधि में छवि गुणवत्ता या विरूपण को मापने के लिए त्रुटि दर की गणना करना शामिल है। अंजीर में। चित्रा 2 परियोजना की संरचना को दर्शाता है, जिसमें प्रीप्रोसेसिंग, फ़िल्टरिंग, चैनल पृथक्करण और त्रुटियों के संयोजन के चरण शामिल हैं।


अंजीर। 2. त्रुटि संवेदनशीलता का मूल्यांकन करने वाली परियोजना का योजनाबद्ध

इस मॉडल में, दृश्य स्पष्टता और छवि विरूपण द्वारा छवि गुणवत्ता का मूल्यांकन किया जाता है । प्री-प्रोसेसिंग और फ़िल्टरिंग करने से गुणवत्ता / विरूपण माप परिणाम (जो आसानी से एक से दूसरे में परिवर्तित हो जाते हैं) में सुधार होता है।

3.5 दृश्य में अनुभूति, धारणा और अंतर्दृष्टि की अवधारणा

मनोविज्ञान में, दृश्य की प्रभावशीलता को मापना अनुभूति (धारणा), धारणा (धारणा), किसी व्यक्ति की कार्यशील स्मृति पर ध्यान और कार्यभार के आकलन पर आधारित है। उपयोगकर्ता की संज्ञानात्मक क्षमता और कार्यशील मेमोरी पर लोड के बीच तर्कसंगत संबंध मानसिक प्रयासों (मानसिक प्रयास) (छवि 3) के आकलन का उपयोग करके निर्धारित किया जा सकता है। उदाहरण के लिए, एक आदर्श उपयोगकर्ता स्कोर, जिसमें पढ़ने की गति अधिक है और मानसिक प्रयास कम है, क्षेत्र ए (छवि 3) [30] में है ।


अंजीर। 3. मानसिक प्रयास की प्रभावशीलता [30]

इसका अर्थ यह भी है कि उपयोगकर्ता की कार्यशील मेमोरी पर भार अधिक है। उपयोगकर्ता अनुसंधान ने संज्ञानात्मक भार [17] का आकलन करने के लिए उपकरण प्रदान किए हैं, विशेष रूप से, मानसिक प्रयास और उत्पादकता का आकलन करने के लिए तरीके जो विज़ुअलाइज़ेशन दक्षता से जुड़े हैं।

InfoVis द्वारा अनुसंधान [40] , [34] , [35] ने प्रौद्योगिकी मूल्यांकन के एक उपाय के रूप में अंतर्दृष्टि का उपयोग करने की संभावना दिखाई। रोशनी [40] को किसी चीज़ की सटीक और गहरी समझ के माप के रूप में परिभाषित किया गया है, जो कि खोज की माप की एक इकाई है। रोशनी अक्सर विशेष रूप से निर्दिष्ट कार्यों को हल करने के पाठ्यक्रम में नहीं आती है, लेकिन, एक नियम के रूप में, अंतर्दृष्टि प्राप्त करने के प्रारंभिक लक्ष्य के बिना अनुसंधान का एक उप-उत्पाद है।

समझदारी प्रक्रिया [32] भी अंतर्दृष्टि का निर्धारण करने में एक महत्वपूर्ण भूमिका है [32] , हालांकि इस काम में उपयोग किए जाने वाले मॉडल "सूचना-योजना-अंतर्दृष्टि-उत्पाद" में घटक के रूप में अंतर्दृष्टि शामिल है।

इसी तरह के काम के परिणामों को संक्षेप में, हम देखते हैं कि विज़ुअलाइज़ेशन की प्रभावशीलता का आकलन न केवल प्रौद्योगिकी को प्रभावित करता है, बल्कि उस व्यक्ति को भी जो विज़ुअलाइज़ेशन का उपयोग करता है। इस खंड में विज़ुअलाइज़ेशन दक्षता से संबंधित प्रमुख क्षेत्रों की जांच करने के बाद, अब हमें विज़ुअलाइज़ेशन मूल्यांकन पद्धति में वास्तविक शोध के स्थान की स्पष्ट समझ है। हालांकि, हमारा मंच सुरक्षा घटनाओं के बारे में परिचालन जानकारी के संबंध में माप दक्षता के आकलन से संबंधित सूचना की सुरक्षा के क्षेत्र में दृश्य तक सीमित है।

4 SvEm प्लेटफॉर्म आरेख

एक मंच को लागू करने के लिए जो सुरक्षा घटनाओं के दृश्य की प्रभावशीलता का मूल्यांकन करेगा, एक महत्वपूर्ण चरण डिजाइन चरण है। इसलिए, इस खंड में हम अपने मंच का डिज़ाइन समाधान प्रस्तुत करते हैं। SvEm सुरक्षा विज़ुअलाइज़ेशन प्रभावशीलता मूल्यांकन प्लेटफ़ॉर्म में निम्नलिखित घटक होते हैं: मोबाइल डिस्प्ले की कार्य सतह, सुरक्षा घटना ऑब्जेक्ट, उपयोगकर्ता चेतावनी इवेंट, एक खतरे का आकलन प्रणाली, रैम लोडिंग और एक रंग प्रबंधन घटक। इन घटकों की चर्चा नीचे की गई है।

4.1 सिस्टम के सर्वर साइड का आर्किटेक्चर

SvEm सुरक्षा ईवेंट विज़ुअलाइज़ेशन प्लेटफ़ॉर्म के सर्वर भाग की संरचना को स्थिर और गतिशील (वास्तविक-समय) विज़ुअलाइज़ेशन स्क्रिप्ट दोनों को समायोजित करने के लिए डिज़ाइन किया गया है। यह डेटाबेस के साथ काम करते समय होने वाली सभी विश्लेषण प्रक्रियाओं का प्रबंधन करता है, साथ ही विधानसभा और जानकारी के एकत्रीकरण के दौरान भी होता है। हमारे सिस्टम का आर्किटेक्चर निम्न तकनीकों का उपयोग करके बनाया गया है: विंडोज प्रोगर (लॉगिंग टूल), रेडिस, मोंगोडीबी, नोडज और वेबजीएल। विंडोज प्रोगर (विंडोज [21] के लिए लिनक्स प्रोगर वर्जन) एक सिस्टम लेवल (कर्नेल लेवल) इवेंट लॉगिंग टूल है जिसे वर्तमान में कंप्यूटर और क्लाउड सिस्टम में सुरक्षा पर ध्यान केंद्रित करके विकसित किया जा रहा है।Redis [2] कैश और डेटाबेस के बीच विंडोज प्रोग्गर और mongoDB के बीच कनेक्शन की सुविधा देता है। सभी डेटा स्थायी रूप से mongoDB [3] में संग्रहीत होते हैं , जबकि नोड्ज [39] और वेबलग [ 5] , [31] विज़ुअलाइज़ेशन प्लेटफ़ॉर्म के क्लाइंट भाग के इंटरफ़ेस की जटिलता को कम करते हैं।

सर्वर भाग की वास्तुकला को उनके भंडारण का प्रबंधन करते समय डेटा प्रोसेसिंग प्रक्रिया की विशेषताओं को ध्यान में रखते हुए बनाया गया है। विज़ुअलाइज़ेशन स्क्रिप्ट के परिणामस्वरूप पूर्व-संसाधित डेटा बनाया जाता है। उदाहरण के लिए, वास्तविक समय में, फ़ाइलों के निर्माण, संशोधन और विलोपन के स्रोतों को ट्रैक करने और कल्पना करने के लिए कंप्यूटर सिस्टम के कर्नेल लॉग में एक रिकॉर्ड बनाया जाता है ।

, - . - , , , , . . 4 , SvEm.


अंजीर। 4. SvEm

, , . .

4.2 सुरक्षा घटनाओं की कल्पना करने के तकनीकी पहलू

दृश्य अभ्यावेदन विकसित करते समय, मोबाइल डिवाइस के आयामों को ध्यान में रखा जाना चाहिए। उदाहरण के लिए, iPhone 6s Plus के लिए 122 मिमी की ऊंचाई और 68 मिमी (छवि 5) की चौड़ाई के साथ 1920 x 1080 पिक्सल के प्रदर्शन प्रतिबंध एक दृश्य प्रतिनिधित्व में प्रदर्शन नियंत्रण रखना आवश्यक बनाते हैं।


अंजीर। 5. मोबाइल डिवाइस के प्रदर्शन पैरामीटर।

नियंत्रण में संसाधित डेटा की मात्रा को विनियमित करने के लिए तत्व शामिल होते हैं, दृश्य विधि और दृश्य के प्रकार का चयन करते हैं जो स्क्रीन आकार को सबसे अच्छी तरह से फिट करते हैं।

इन सीमाओं की एक स्पष्ट समझ सुरक्षा घटना दृश्य डेवलपर्स को बहुआयामी और / या परिपत्र प्रदर्शन की संभावना को ध्यान में रखने की अनुमति देती है। इस तरह की परियोजनाएं बड़ी संख्या में सुरक्षा घटना डेटा विशेषताओं को शामिल करने की अनुमति देंगी।

4.2.1 इमेजिंग परियोजना ट्रैकिंग (रोपण दृश्य डिजाइन)

की प्रक्रिया पर नज़र रखने (रोपण) [38] कंप्यूटर हमले स्रोत की परिभाषा के साथ संबद्ध सुरक्षा संदर्भ जानकारी में। सुरक्षा घटनाओं के दृश्य में, इस प्रक्रिया की छवि एक जटिल कार्य है। इनपुट डेटा का पर्याप्त सेट और ट्रैकिंग प्रक्रिया की स्पष्ट समझ की आवश्यकता होती है । हमारी ट्रैकिंग परियोजना का उद्देश्य स्रोत और हमले के उद्देश्यों के बीच एक पथ का निर्माण करना है। कंप्यूटर हमले के स्रोत की पहचान करने पर ध्यान केंद्रित किया गया है, क्योंकि अधिकांश प्रक्षेप पथ पीड़ितों से संबंधित हैं। वास्तविक ट्रैकिंग डेटा के आधार पर हमारी ट्रैकिंग विज़ुअलाइज़ेशन परियोजना के बावजूद , ट्रैकिंग प्रक्रिया को पूरी तरह से कल्पना करना असंभव है।। इसलिए, हम भविष्य कहनेवाला विश्लेषिकी के लिए टेम्पलेट्स का एक सेट प्रदान करते हैं, जिसके माध्यम से विज़ुअलाइज़ेशन का उपयोग करके उच्च स्तर से ट्रैकिंग के लिए प्रमुख हमले पहचानकर्ताओं के बीच बिंदुओं को जोड़ा जा सकता है।

4.2.2 सिद्ध दृश्य डिजाइन

प्लेटफ़ॉर्म की एक अन्य प्रमुख विशेषता बड़ी मात्रा में एकत्रित आंकड़ों के आधार पर स्रोतों का कुशल प्रदर्शन है। डेटा की एक बड़ी मात्रा को मोबाइल प्लेटफ़ॉर्म के लिए विज़ुअलाइज़ेशन में बदल दिया जाता है, स्क्रीन के स्केलिंग और सीमित कार्य क्षेत्र की आवश्यकता को ध्यान में रखता है।

हमारा मंच सुरक्षा घटनाओं के उपयोगकर्ताओं को सचेत करने के लिए डेटा के संक्षिप्त सारांश के साथ ट्रैकिंग विज़ुअलाइज़ेशन परियोजनाओं और स्रोतों का उपयोग करता है । मैपिंग स्रोत सुरक्षा विशेषज्ञों और अंतिम उपयोगकर्ताओं के लिए महत्वपूर्ण है कि वे स्थिति को कम रखें। अंजीर में। चित्रा 6 हमले के समय, प्रकार और स्रोत के बारे में जानकारी के साथ स्रोतों के दृश्य की एक परियोजना प्रस्तुत करता है ।


अंजीर। 6. मोबाइल डिवाइस के लिए स्रोतों की विज़ुअलाइज़ेशन की परियोजना।

यह परिपत्र परियोजना प्रदान की गई जानकारी के लिए उपयोगकर्ता का ध्यान आकर्षित करने और अधिक जानकारी के लिए टैब पर आंदोलनों की संख्या को कम करने के लिए डिज़ाइन की गई है।

4.2.3 विज़ुअलाइज़ेशन परियोजनाओं के प्रकार

विज़ुअलाइज़ेशन की प्रभावशीलता का एक और महत्वपूर्ण पहलू उपयोगकर्ताओं (पर्यवेक्षकों) को प्रदर्शित आंकड़ों को देखने के लिए आवश्यकताओं के आधार पर विज़ुअलाइज़ेशन परियोजनाओं के लिए कई विकल्पों में से चुनने का अवसर प्रदान कर रहा है। यह आपको व्यापक दर्शकों की जरूरतों को पूरा करने की अनुमति देता है।

वास्तविक समय में सुरक्षा घटनाओं की कल्पना करने वाले तत्व के रूप में, हमारा बुनियादी ढांचा दृश्य परियोजनाओं के लिए निम्नलिखित विकल्प प्रदान करता है : [६] : "कर्ल (सर्पिल)", "स्फियर" और "ग्रिड"।

जैसा कि अंजीर में दिखाया गया है।7, परियोजना "कर्ल (सर्पिल)" गेस्टाल्ट सिद्धांत / निरंतरता के नियम [37] पर आधारित है ।


अंजीर। 7. « ()»

« , ». , /, , .

«» /, . . 8 ( ).


अंजीर। 8. प्रोजेक्ट विज़ुअलाइज़ेशन "स्कोप"

यह विधि सरल और सीधी है, और मोबाइल डिवाइस की डिस्प्ले सेटिंग्स के आधार पर विज़ुअलाइज़ेशन को बढ़ाया जा सकता है। कोई फर्क नहीं पड़ता कि आप कितनी फ़ाइलों या प्रक्रियाओं को दिखाना चाहते हैं, गोलाकार दृष्टिकोण एक दृश्य बनाता है जिसमें सभी भाग पूरे का योग हैं।

ग्रिड विज़ुअलाइज़ेशन प्रोजेक्ट विज़ुअलाइज़ेशन के लिए एक बहु-स्तरीय दृष्टिकोण को लागू करता है, जिसमें विज़ुअलाइज़ेशन ग्रिड के अग्रभूमि में नई फाइलें दिखाई देती हैं। यह डिजाइन पर्यवेक्षकों का ध्यान नई फाइलों / ब्याज की प्रक्रियाओं की ओर आकर्षित करता है। पर्यवेक्षक का निरंतर ध्यान उन्हें ध्यान में रखता है, जबकि एक ही समय में अन्य सूचना तंत्र के लिए अवसर छोड़ते हुए पर्यवेक्षक को सूचना प्रसारित करने के लिए। अंजीर में। चित्र 9 फाइलों और प्रक्रियाओं के लिए कई परतों के साथ एक उदाहरण ग्रिड परियोजना को दर्शाता है।


अंजीर। 9. विज़ुअलाइज़ेशन की परियोजना "ग्रिड" इसके

अलावा, हम चित्र में दिखाए गए "नेस्टेड रिंग्स" (परिपत्र-स्तरित) परियोजना प्रदान करते हैं। 10।


अंजीर। 10. मोबाइल डिवाइस के लिए लॉकी रैंसमवेयर विज़ुअलाइज़ेशन प्रोजेक्ट।

प्रोजेक्ट आपको कई विशेषताओं और विभिन्न फ़ाइलों और प्रक्रियाओं की श्रेणियों को लिंक करने की अनुमति देता है। इस मामले में प्रभावशीलता परतों के बीच संक्रमण में प्रकट होती है, जिससे पर्यवेक्षक विभिन्न फाइल सिस्टम को देखने और समझने की अनुमति देते हैं। बहु-स्तरीय विज़ुअलाइज़ेशन के निर्माण के दृष्टिकोण का उपयोग करने से हमें सूचना पदानुक्रम और सूचना संबंधों के दोनों विभिन्न स्तरों से एक-दूसरे से संबंधित होने की अनुमति मिलती है।

4.2.4 खतरा मूल्यांकन घटक

एक खतरे का मूल्यांकन घटक जो खतरों की पहचान और कल्पना करता है, SvEm बुनियादी ढांचे का एक अन्य महत्वपूर्ण घटक है। हमारे खतरे का मूल्यांकन ढांचा (चित्र 11) विसंगतियों, मैलवेयर और कस्टम डिटेक्शन तंत्र को कवर करता है।


अंजीर। 11. खतरे के विश्लेषण तंत्र की योजना।

डेटा सेट को परीक्षण / प्रशिक्षण और रिकॉर्ड किए गए डेटा [10] और ज्ञात खतरों के हस्ताक्षर डेटाबेस काउपयोग करके फ़िल्टर कियाजाता है। विसंगति का पता लगाने के लिए एल्गोरिथ्म के अनुसार किया जाता है, जिसमें मूल्यांकन और सत्यापन पर अनुभाग में चर्चा की जाएगी। हमारे मूल डेटा सेट में ज्ञात (पूर्व में पता लगाया गया) खतरे, उपयोगकर्ता द्वारा भरे गए लॉग, साथ ही ज्ञात खतरे मॉडल और व्यवहार पैटर्न शामिल हैं। यह नियंत्रण और निगरानी के लिए एक बेहतर वातावरण बनाता है।

4.3 सुरक्षा घटनाओं के संबंध, संबंध और स्थान

4.3.1 सार

अनिवार्य रूप से, रिश्ते (संस्थाओं रिश्ते) और सुरक्षा क्षेत्र (सुरक्षा परिदृश्य) हमारे ऑपरेटिंग मंच के मुख्य घटक हैं। के लिए संस्थाओं में शामिल हैं: खतरों के विषयों, दुर्भावनापूर्ण पेलोड के साथ छेड़छाड़ की आईपी पते और कई अन्य। ये वस्तुएं इस बात के लिए रुचि रखती हैं कि SvEm की प्रभावशीलता को मापने का सिद्धांत कैसे काम करता है। हमारे प्लेटफ़ॉर्म का प्रदर्शन कम से कम समय में विज़ुअलाइज़ेशन का उपयोग करके इन संस्थाओं की पहचान करने की क्षमता से प्रभावित होता है ।

4.3.2 संपूर्ण संबंध

संपूर्ण संबंध , जिन्हें लिंक के रूप में भी जाना जाता है , हमारे मंच के लिए महत्वपूर्ण हैं। समारोह इकाई संबंधों सहयोगी संस्थाओं को एक साथ। ये लिंक भी उपयोगकर्ता की संज्ञानात्मक कार्यों को सक्रिय है, उसे छिपा जानकारी को समझने के लिए और संभावित योगदान मदद करने के लिए अंतर्दृष्टि राज्य की सुरक्षा के बारे।

4.3.3 सुरक्षा घटनाओं में अंतर

सुरक्षा रिक्त स्थान एक विशिष्ट सुरक्षा घटना पर अपनी मानसिक छवियों को केंद्रित करने के लिए उपयोगकर्ताओं (पर्यवेक्षकों) के लिए एक घटना क्षेत्र और वातावरण बनाते हैं। परिचित स्थान उपयोगकर्ता को विज़ुअलाइज़ेशन के साथ अपने इंटरैक्शन के क्षेत्र को मानसिक रूप से सीमित करने में मदद करता है।

4.4 सुरक्षा इमेजिंग के लिए रंग मानक

. , , . , «» «» , . . 12: «, , , , ».


अंजीर। 12. सुरक्षा घटनाओं को देखने के लिए रंग मानक।

इन रंगों को दो समूहों में विभाजित किया गया है: प्राथमिक और माध्यमिक। रंगों के मुख्य समूह हैं: लाल, पीला, हरा और नीला। एक अतिरिक्त समूह में शामिल हैं: बैंगनी और नारंगी। इंटरपोल अधिसूचना प्रणाली [1] , [18] के अनुरूप रंग योजनाओं का उपयोग करके कानून प्रवर्तन एजेंसियों द्वारा सुरक्षा कार्यक्रमों के दृश्य के लिए अतिरिक्त रंगों का इरादा है। उदाहरण के लिए, नारंगी रंग का उपयोग केवल अवैध सामग्री के कारोबार को प्रदर्शित करने के लिए किया जाता है और इसे एक स्वतंत्र प्रकार का दृश्य माना जाता है।

रंग मानक का उद्देश्य विशेष रूप से डिज़ाइन किए गए आरामदायक वातावरण में परिचित होने में आसानी प्रदान करना है। डेवलपर के दृष्टिकोण से, यह सही ढंग से समझना महत्वपूर्ण है कि एक दृश्य में रंग सुरक्षा घटनाओं की विशेषताओं से कैसे संबंधित हैं। यह सुरक्षा घटनाओं को प्रस्तुत करते समय संभावित ओवरले समस्याओं के कारण दृश्य प्रबंधन की गलत व्याख्या से बचने के लिए रंग प्रबंधन की आवश्यकता पैदा करता है।

4.5 सुरक्षा दृश्य के लिए संज्ञानात्मक आवश्यकताएं

सूचना प्रसंस्करण एक प्राकृतिक मानव कार्य है जिसे प्रौद्योगिकी का उपयोग करके नियंत्रित नहीं किया जा सकता है। हालांकि, ऐसे तरीके हैं जो सुरक्षा घटनाओं के एक विशिष्ट दृश्य के नियंत्रण के रूप में प्रसंस्करण जानकारी में उपयोग किए जा सकते हैं। को कम करने के उद्देश्य से इस तरह के तरीकों का उपयोग संज्ञानात्मक विकृति (संज्ञानात्मक पूर्वाग्रह) [13] है, जो अक्सर एक गलत धारणा है, निर्णय और विसंगत गलत निष्कर्ष पर ले जाया जाता।

इसलिए, हमारे SvEm प्लेटफॉर्म के डिजाइन का सबसे महत्वपूर्ण हिस्सा सुरक्षा घटनाओं के दृश्य में संज्ञानात्मक मनोवैज्ञानिक विशेषताओं की परिभाषा है। यह आपको उपयोगकर्ता कार्यों की कल्पना करने की पूरी प्रक्रिया की प्रभावशीलता के लिए आवश्यकताओं को निर्धारित करने की अनुमति देता है।

के लिए आवश्यकताएँसंज्ञानात्मक लोड , काम कर स्मृति पर लोड , संज्ञानात्मक activators उपयोगकर्ता।

निम्नलिखित मनोवैज्ञानिक कार्यों को भी परिभाषित किया गया है:

• ध्यान के स्तर पर (ध्यान देने की प्रक्रिया);
• सबथ्रेशल्ड ध्यान के स्तर पर (पूर्व-चौकस प्रक्रिया);
• मानसिक प्रयास के स्तर पर (स्मृति के लिए)।

सुरक्षा घटना विज़ुअलाइज़ेशन एप्लिकेशन के दृष्टिकोण से, पर्यवेक्षक सतर्क कार्यकर्ताओं को पर्यवेक्षक को प्रस्तुत दृश्य के साथ जोड़ने के लिए डिज़ाइन किया गया है। इन activators हम मामले बुलाया अस्थायी रूप से रोक (अर्द्ध स्थायी होल्ड) और स्थायी प्रतिधारण (स्थायी होल्ड)। मूल्यांकन अनुभाग (खंड VI) दिखाएगा कि वे हमारे मंच में क्या महत्वपूर्ण भूमिका निभाते हैं।

5 परिणाम: सुरक्षा दृश्य मंच

5.1 Svmm थ्योरी

चलो हमारे SvEm एल्गोरिथ्म के अधिक विस्तृत विवरण के साथ शुरू करते हैं। SvEm एल्गोरिथ्म निम्नलिखित संकेतकों पर आधारित है:

• विकृति का सैद्धांतिक अनुमान ($$डी एस वी ई एम );$d_{svem}$
• समय का सैद्धांतिक मूल्यांकन ($$$t_{svem}$ )।

विकृति और समय के सैद्धांतिक अनुमानों की गणना क्रमशः सूत्र (1) और (2) द्वारा की जाती है:

$$

$$d_{svem}=\frac{(w*h)/Sv_f*d_n}{Cl*t_{me}*n_{clicks}}>50\%\qquad(1)$$

$$

$$t_{svem}=\frac{(Cl*t_{me})}{n_{clicks}*Sv_f/d_n}\leq0,25 \qquad(2)$$

जहाँ

$$डब्ल्यू * एच - मोबाइल डिवाइस के काम की सतह के आयाम;$w*h$

$$एस वी एफ - दृश्य सुरक्षा तत्वों की संख्या (उदाहरण के लिए, एक संक्रमित आईपी पैकेट, टाइमस्टैम्प, आदि);$Sv_f$

$$घ n -nसुरक्षा घटनाओं के दृश्य के क्षेत्र के आयाम है,$d_n$

$$$Cl$ – ( );

$$$t_{me}$ – (, );

$$$n_ {क्लिक}$ - दृश्य के साथ बातचीत की संख्या।

SvEm सैद्धांतिक अनुमान विरूपण गति और समय पर आधारित हैं। इस तथ्य के बावजूद कि विरूपण गुणांक 50% है, हमारी समग्र रेटिंग को "उच्च" या "कम" रेटिंग के संबंध में मापा जाता है, जो इसे अधिक यथार्थवादी बनाता है। निम्नलिखित कारक विकृति की दर को प्रभावित करते हैं:

• फोन का आकार और संकल्प;
• उपयोगकर्ता ज्ञान;
• उपयोगकर्ता क्लिक करता है

SvEm समय को अपेक्षाकृत स्थिर मापा जाता है: 0.25 सेकंड [27] , मनोविज्ञान में ज्ञात न्यूनतम समय जिसे किसी व्यक्ति को अपनी धारणा की प्रक्रिया में जानकारी को समझने की आवश्यकता होती है। इस प्रकार, हमारे कुल स्कोर की गणना एक औसत के रूप में की जाती है और अन्य मापों से कई परिणामों के साथ तुलना की जाती है।

अनुप्रयोग प्रदर्शन, साथ ही डेटा प्रबंधन विधियाँ, विकृति संकेतक और समय के अंतिम मूल्यों की गुणवत्ता में सुधार को ध्यान में रखते हुए कार्यान्वित की जाती हैं। हमारे एप्लिकेशन के दृश्य स्थान में डेटा के प्रदर्शन का प्रबंधन जटिल हार्डवेयर विज़ुअलाइज़ेशन गणना करते समय संतुलन प्राप्त करने के लिए किया जाता है।

संज्ञानात्मक भार ( $$$Cl$ ) और कार्यशील मेमोरी पर लोड ( $$$t_ {me}$ ) की गणना सैद्धांतिक अध्ययन के पिछले परिणामों के आधार पर की जाती है। हमारे SvEm एल्गोरिथ्म प्रसिद्ध तरीकों को लागू करता है।

5.2 डेटा फ्लो

SvEm प्लेटफ़ॉर्म के फायदों में से एक प्रक्रिया के दौरान डेटा को प्रबंधित करने की क्षमता है: वेबलॉग तकनीक का उपयोग करके विज़ुअलाइज़ेशन को आउटपुट करने के लिए डेटाबेस में लिखने से। अंजीर में। 13 एक डेटा प्रवाह आरेख है जो सर्वर साइड के मुख्य घटकों को दर्शाता है।


अंजीर। 13. डाटा प्रोसेसिंग के परिणाम

Progger, Redis, और MongoDB का उपयोग करना डेटा प्रवाह पर आवश्यक नियंत्रण प्रदान करता है। बड़ी संख्या में डेटा को सुरक्षा विज़ुअलाइज़ेशन इंटरफ़ेस में स्थानांतरित किया जाता है, जो उपयोग किए गए मोबाइल प्लेटफ़ॉर्म की सुविधाओं (उपकरण की शक्ति, प्रदर्शन आकार और रिज़ॉल्यूशन की कंप्यूटिंग) को ध्यान में रखता है। यह हमारे विश्लेषण परिदृश्यों को सरल प्रस्तुति रूपों के उपयोग के माध्यम से दृश्यता में सुधार करने के लिए उचित रूप से डेटा को स्केल करने की अनुमति देता है।

आइए हमारे मंच का उपयोग करने के कई उदाहरणों पर विचार करें। प्लेटफ़ॉर्म के परीक्षण के दौरान प्राप्त आंकड़ों के विश्लेषण के परिणामों के आधार पर उदाहरण विकसित किए जाते हैं। उदाहरणों का एक वीडियो प्रदर्शन निर्दिष्ट लिंक पर देखा जा सकता है: SvEm सुरक्षा विज़ुअलाइज़ेशन प्लेटफ़ॉर्म (https://wiki.dataprivacyfoundation.org/index.php/Visual_Progger) का उपयोग करने का एक उदाहरण ।

5.3 उदाहरण 1. वास्तविक समय में सुरक्षा घटनाओं के दृश्य के साथ सहयोग के लिए आवेदन

विजुअलप्रोगर सुरक्षा लॉग विज़ुअलाइज़ेशन टूल हमारी टीम द्वारा प्रोगर [21] द्वारा दर्ज की गई घटनाओं के इतिहास की जांच करने के लिए बनाया गया था। VisualProgger सुरक्षा घटनाओं के वास्तविक समय दृश्य पर केंद्रित है और आपको दृश्यता , उच्च प्रदर्शन और संज्ञानात्मक कार्यकर्ताओं के उपयोग के कारण विश्लेषण की दक्षता बढ़ाने की अनुमति देता है। डेटा के विश्लेषण के दौरान, एनिमेटेड विज़ुअलाइज़ेशन और समय पर अधिसूचना तंत्र का उपयोग करके किया गया, सुरक्षा की स्थिति के बारे में महत्वपूर्ण जानकारी सामने आई।

VisualProgger की कार्यक्षमता: VisualProgger वास्तविक समय में और पहले से रिकॉर्ड किए गए डेटा दोनों के लिए सुरक्षा घटनाओं की कल्पना करने के लिए कार्य प्रदान करता है, उदाहरण के लिए, लाल और नीली टीमों (हमला करने और बचाव) [10] के बीच साइबर अभ्यास के दौरान। एक वास्तविक समय दृश्य स्क्रिप्ट में, हमने एक अधिसूचना पद्धति विकसित की और लागू की, जो हमें उपयोगकर्ता के ध्यान की एकाग्रता को बढ़ाने की अनुमति देती है। हमने इस विधि को "SvEm संज्ञानात्मक कार्यकर्ता" (SvEm: संज्ञानात्मक-सक्रियकर्ता) कहा है। निम्नलिखित कार्यकर्त्ता कार्यान्वित होते हैं :

1. " अस्थाई पकड़ ": चित्र में दिखाया गया एनिमेटेड फ़ंक्शन। 14, पर्यवेक्षक का ध्यान आकर्षित करने के लिए कम से कम 3 सेकंड के लिए सबसे महत्वपूर्ण (संदिग्ध) फाइलों को अस्थायी रूप से छिपाने की अनुमति;
2. " स्थायी पकड़ ": एक दुर्भावनापूर्ण (संदिग्ध) फ़ाइल का संकेत करते हुए फ़ाइल का एक निरंतर रंग सूचक। लाल या पीले रंग का उपयोग इस बात पर निर्भर करता है कि फ़ाइल कितनी महत्वपूर्ण है;
3. क्रिटिकल-फाइल डिटेक्ट: अलर्ट पहचानकर्ता जो पर्यवेक्षक का ध्यान आकर्षित करता है;
4. " ध्वनि चेतावनी ": एक वैकल्पिक चेतावनी पहचानकर्ता जो पर्यवेक्षक का ध्यान आकर्षित करती है (विशेष रूप से रंगीन नेत्रहीन लोगों के लिए)।

अंजीर। 14. एक्टिविस्ट का प्रदर्शन "अस्थायी प्रतिधारण"

माना जाता है कि SvEm संज्ञानात्मक कार्यकर्ताओं का उपयोग मुख्य रूप से फाइलों और दुर्भावनापूर्ण विशेषताओं को प्रदर्शित करने के लिए किया जाता है जो सूचना सुरक्षा के दृष्टिकोण से महत्वपूर्ण हैं। प्रदर्शित डेटा की फ़ाइलों और विशेषताओं को बेहतर जानकारी सामग्री प्रदान करके निर्णय लेने में मदद करने के लिए सुरक्षा घटनाओं के कुछ दृश्य प्रतिनिधित्व में परिवर्तित किया जाता है।

5.4 उदाहरण 2. लॉकी रैंसमवेयर का दृश्य

अंजीर में दिखाए गए लॉकी रैंसमवेयर की सुरक्षा घटनाओं का दृश्य। 15 नेस्ट रिंग्स प्रोजेक्ट का उपयोग करता है, जो विशेष रूप से केवल दृश्य के प्रदर्शन पर उपयोगकर्ता का ध्यान केंद्रित करने के लिए डिज़ाइन किया गया है।


अंजीर। 15. लॉकिंग रैंसमवेयर एन्क्रिप्टेड फाइलों का विज़ुअलाइज़ेशन

नेस्ट रिंग्स परियोजना आपको मोबाइल प्लेटफार्मों पर परतों के रूप में एक दूसरे के शीर्ष पर डेटा की व्यवस्था करने की अनुमति देती है। इस तरह, संक्रमित प्रणाली के पुस्तकालयों, प्रक्रियाओं और फाइलों का वर्गीकरण प्रदर्शित किया जा सकता है। हमले के कार्यान्वयन के दौरान उन्हें एन्क्रिप्ट करने से पहले रैंसमवेयर प्रोग्राम द्वारा लॉकी फ़ाइलों (.docx, .png, .jpeg, .xlsx, आदि) का पता लगाने की क्षमता को ट्रैक करने की क्षमता उपयोगकर्ता को रैनसमवेयर का एक स्पष्ट विचार देती है। एन्क्रिप्टेड फ़ाइलों को फिर लाल रंग में हाइलाइट किया जाता है ताकि यह दिखाया जा सके कि किस फ़ाइल को एन्क्रिप्ट किया गया है।

लाल रंग में चिह्नित एन्क्रिप्टेड फाइलें (महत्वपूर्ण फाइलें) पर्यवेक्षकों (जब होवरिंग, क्लिकिंग और अन्य कार्यों) द्वारा आगे के विश्लेषण के लिए चुनी जा सकती हैं (चित्र 16)।


अंजीर। 16. लॉक रैंसमवेयर द्वारा एन्क्रिप्ट की गई फ़ाइलों के बारे में घटनाओं को देखने का दृश्य

इन विशेषताओं के लिए धन्यवाद, उपयोगकर्ता विज़ुअलाइज़ेशन का उपयोग करके इंटरैक्टिव अनुसंधान करने में रुचि रखते हैं, जो विज़ुअलाइज़ेशन के साथ उपयोगकर्ता की बातचीत को भी बढ़ाता है।

5.5 उदाहरण 3. संवर्धित वास्तविकता दृश्य के साथ प्रभावी बातचीत

सूचना सुरक्षा दृश्य के क्षेत्र में संवर्धित वास्तविकता (एआर) उपयोगकर्ता को एक दिलचस्प अनुभव देता है और उसके लिए नए अवसर खोलता है। यह दृश्य के उपयोग के माध्यम से सुरक्षा घटनाओं पर पर्यवेक्षक का ध्यान आकर्षित करता है। रंग व्याख्याओं के साथ 3-आयामी दृश्य के साथ पर्यवेक्षकों को प्रदान करना कम मानसिक प्रयास [28] के साथ उच्च विश्लेषण गति में योगदान देता है। बदले में, पर्यवेक्षक सुरक्षा का आवश्यक ज्ञान प्राप्त करने के लिए अतिरिक्त विवरण सीखना चाहते हैं।

संवर्धित वास्तविकता का हमारा विज़ुअलाइज़ेशन (चित्र। 17) मोबाइल फोन उपयोगकर्ताओं को लाल-नीली टीमों (हमले / रक्षा) के साइबर अभ्यास की कल्पना करने के लिए व्यक्तिगत मोबाइल प्लेटफार्मों का उपयोग करने की अनुमति देता है।


अंजीर। 17. संवर्धित वास्तविकता के विज़ुअलाइज़ेशन के ग्राहक भाग की परियोजना

एक संवर्धित वास्तविकता अनुभव का निर्माण सूचना को देखने के लिए पर्यवेक्षक की क्षमता को बढ़ाता है [41] । इस प्रकार, एआर-विज़ुअलाइज़ेशन का उपयोग करके चयनित सही जानकारी के लिए धन्यवाद, पर्यवेक्षक बड़ी मात्रा में डेटा को संसाधित करने और बेहतर निर्णय लेने में सक्षम थे जो सुरक्षा में वृद्धि करने में योगदान करते हैं।

बहु-रंगीन क्षेत्रों (चित्र। 17) का उपयोग करते हुए, हमले के विभिन्न पहलुओं को व्यक्त करते हुए, एक नकली कंप्यूटर हमले का वास्तविक समय में प्रदर्शन किया जाता है। इंटरैक्टिव एआर-विज़ुअलाइज़ेशन के साथ बातचीत के माध्यम से, उपयोगकर्ता लाल टीम द्वारा किए गए कंप्यूटर हमलों की विशेषताओं को समझ सकता है।

5.6 प्रदर्शन को फिट करने के लिए दृश्य स्केलिंग

मोबाइल प्लेटफार्मों पर लगाए गए प्रतिबंधों को देखते हुए, साथ ही साथ लगातार एकत्र किए गए डेटा की बड़ी मात्रा के कारण, कंप्यूटर हमलों की कल्पना करने के लिए विज़ुअलाइज़ेशन के लिए विशेष दृष्टिकोण की आवश्यकता होती है। समानांतर निर्देशांक [9] , [19] के साथ एक आरेख ने तीन आयामी विज़ुअलाइज़ेशन डिज़ाइन बनाना संभव बना दिया है जिसमें सभी आवश्यक डेटा वॉल्यूम शामिल हैं। अंजीर में। चित्र 18 अनुप्रयोग, सिस्टम और नेटवर्क परतों के बीच सुरक्षा डेटा के साथ नेटवर्क ट्रैफ़िक का वितरण दिखाता है।


चित्रा 18. समानांतर निर्देशांक के साथ एक चार्ट का उपयोग करके सुरक्षा घटनाओं के बहुआयामी दृश्य।

6 SvEm प्लेटफॉर्म का मूल्यांकन और परीक्षण

6.1 SvEm वैचारिक मॉडल

हमने कंप्यूटर प्रौद्योगिकी और मनोविज्ञान के क्षेत्र में वैज्ञानिक अनुसंधान के परिणामों के आधार पर SvEm मॉडल का निर्माण किया, जिसमें निम्नलिखित मुख्य घटकों के लिए दक्षता को मापने के लिए एक एकीकृत दृष्टिकोण के आवेदन में शामिल थे:

• उपयोगकर्ता;
• दृश्य;
• उपयोगकर्ता (उपयोगकर्ता अनुभूति) की संज्ञानात्मक धारणा ।

इसने हमें एक वैचारिक मॉडल विकसित करने की अनुमति दी जो सुरक्षा घटनाओं की कल्पना करने में उपयोगकर्ताओं द्वारा प्राप्त अनुभव को ध्यान में रखता है। अंजीर में। चित्र 19 में SvEm मॉडल दिखाया गया है, जिसमें दक्षता के उपरोक्त सभी घटक हैं: उपयोगकर्ता, दृश्य और संबंधित कारक, उपयोगकर्ता की संज्ञानात्मक धारणा।


अंजीर। 19. SvEm मॉडल "उपयोगकर्ता", "विज़ुअलाइज़ेशन" और "उपयोगकर्ता की संज्ञानात्मक धारणा" के घटकों के बीच के संबंध को दर्शाता है।

इन घटकों के चौराहों पैटर्न निर्धारित करते हैं जो दृश्यता से सुरक्षा ज्ञान निकालने के लक्ष्यों को चिह्नित करते हैं।

SvEm मॉडल के केंद्र में एक तंत्र है जिसके द्वारा संज्ञानात्मक धारणा , उपयोगकर्ता और दृश्य के संयोजन के परिणामस्वरूप धारणा उत्पन्न होती है। धारणा की प्रक्रिया में उपयोगकर्ता द्वारा किए गए अवलोकन के परिणामस्वरूप, उप-थ्रेशोल्ड ध्यान (पूर्व-चौकस) के स्तर पर अनुरोध उत्पन्न होते हैं। सुरक्षा घटनाओं के दृश्य की तुलना करने के मामले में, उपयोगकर्ता (पर्यवेक्षक) से उत्पन्न मानसिक प्रयास उसकी संज्ञानात्मक क्षमताओं का उपयोग करते हैं, जो सोचने की प्रक्रिया में शामिल हैं। यह पूरी प्रक्रिया उपयोगकर्ता की कार्यशील मेमोरी पर लोड करती है , जो विशेष रूप से प्रस्तुत सुरक्षा घटनाओं के दृश्य पर निर्भर करती है। उपयोगकर्ता के बीच संबंध, उपयोगकर्ता की संज्ञानात्मक धारणा और विज़ुअलाइज़ेशन को देखते हुए, हमारे प्रभावी विज़ुअलाइज़ेशन के तरीके उपयोगकर्ता और प्रस्तुत विज़ुअलाइज़ेशन के बीच अंतिम संबंध बनाते हैं। नतीजतन, विरूपण और / या समय निर्धारित किया जाता है। SvEm अंतर्दृष्टि की घटना तब होती है जब SvEm मॉडल के सभी घटकों का मिलान किया जाता है, और मानसिक प्रयास के मूल्य को निम्न के रूप में परिभाषित किया जाता है, जो उपयोगकर्ता को संसाधित करने के लिए सुरक्षा घटनाओं के बारे में सही जानकारी के रूपांतरण और संचरण की ओर जाता है।

6.2 Svm मंच के प्रदर्शन का परीक्षण

हमने निम्नलिखित क्षेत्रों में SvEm प्लेटफॉर्म के प्रदर्शन का परीक्षण किया:

• दृश्य की कल्पना;
• सर्वर और क्लाइंट भाग के बीच डेटा ट्रांसफर का प्रदर्शन;
• संज्ञानात्मक सक्रियण मानचित्रण का मूल्यांकन।

विज़ुअलाइज़ेशन डिस्प्ले विज़ुअलाइज़ेशन परीक्षण अनुप्रयोग विकास के स्तर पर किया गया था। इसमें सिक्योरिटी विज़ुअलाइज़ेशन स्टैंडर्ड (SCeeVis) के आधार पर डेटा प्रोसेसिंग नोड्स के आर्किटेक्चर को डिजाइन करना शामिल था। उदाहरण के लिए, वेबजीएल 3 डी ग्राफिक्स तकनीक का उपयोग उपयोगकर्ता इंटरफ़ेस को बड़ी मात्रा में जानकारी संसाधित करते समय इंटरेक्टिव दृश्य देखने की नई संभावनाएं देता है। एप्लिकेशन के आर्किटेक्चर ने बड़ी मात्रा में डेटा को संसाधित करने और क्लाइंट पक्ष पर प्रस्तुत करने की अनुमति दी।

अंजीर में। 20 डेटा ट्रांसमिशन के दौरान प्रदर्शन का अनुमान दिखाता है।


अंजीर। 20. VisualProgger अनुप्रयोग प्रदर्शन मूल्यांकन

प्रदर्शन का मूल्यांकन करने के लिए, विभिन्न निष्पादन योग्य फ़ाइलों (.exe) द्वारा औसत डेटा ट्रांसफर टाइम (मिलीसेकंड में) विभिन्न प्रकारों और आकारों के डेटा को प्रसारित करते समय दर्ज किया गया था।

6.3 SvEm उपयोगकर्ता रेटिंग

मूल्यांकन के दौरान, निम्नलिखित निष्कर्ष प्राप्त किया गया था: दृश्य प्रभावी होने के लिए, उच्च पढ़ने के प्रदर्शन के लिए कार्यशील मेमोरी पर भार महत्वपूर्ण है। SvEm प्लेटफॉर्म की प्रभावशीलता का मूल्यांकन करने के लिए, उपयोगकर्ता प्रतिक्रियाओं का उपयोग किया गया था। रंग मानक ने रिश्तों को वर्गीकृत और ट्रैक करके व्यवहार के पैटर्न को तेजी से संसाधित करने में सक्षम करके उपयोगकर्ता के अनुभव को बेहतर बनाने में मदद की है। यदि उपयोगकर्ता रंग मानक जानते थे, तो वे विज़ुअलाइज़ेशन दृष्टिकोण की तुलना में घटना बिंदुओं के बीच लिंक को तेजी से संसाधित कर सकते थे, जो कि रंग के बजाय सुरक्षा विशेषताओं का उपयोग करते थे।

हमारे मंच में SvEm संज्ञानात्मक कार्यकर्ताओं के समावेश ने सुरक्षा घटनाओं को ट्रैक करते समय ध्यान आकर्षित करने के लिए एक तंत्र प्रदान किया है। यह स्वचालित रूप से पर्यवेक्षक की संज्ञानात्मक क्षमताओं को उत्तेजित करता है, उसे प्रस्तुत दृश्य के साथ बातचीत करने के लिए प्रेरित करता है।

6.4 संज्ञानात्मक भार का आकलन

मनोविज्ञान के क्षेत्र में पिछले शोध ने उपयोगकर्ता प्रशिक्षण, और सैद्धांतिक साक्ष्य [7] , [8] में महत्वपूर्ण योगदान दिया, जिससे उपयोगकर्ताओं के संज्ञानात्मक भार में सुधार हुआ। धारणा, अनुभूति और SvEm मंच के बीच संबंधों को निर्धारित करने के लिए, हमने संज्ञानात्मक भार और काम करने वाले मेमोरी लोड को निर्धारित करने की विधि के साथ-साथ उपयोगकर्ता धारणा और अनुभूति प्रक्रियाओं के बीच संबंध की अवधारणा से संबंधित एक प्रसिद्ध मनोवैज्ञानिक दृष्टिकोण का उपयोग किया। दृष्टिकोण उन स्थितियों में लागू किया गया था जहां उपयोगकर्ता की चेतना सुरक्षा घटनाओं के दृश्य के साथ बातचीत के दौरान वस्तुओं (जैसे सुरक्षा नोड्स की छवियों) का अनुभव करने में सक्षम थी। तदनुसार, उपयोगकर्ता सुरक्षा नोड्स की प्रस्तुत छवियों से संबंधित कीवर्ड के बारे में सोच सकते हैं, जिससे उनकी धारणा में सुधार हो सकता है, जो बदले में विज़ुअलाइज़ेशन के साथ बातचीत करने में पिछले अनुभव के साथ जुड़ा हुआ है। प्रस्तुत सुरक्षा घटना में इस प्रक्रिया को कार्यशील मेमोरी पर एक उच्च भार के साथ किया गया था।


अंजीर। 21. पर्यवेक्षकों में कार्यशील मेमोरी पर संज्ञानात्मक भार और भार के अनुमानों की तुलना

इस प्रकार, हमने उपयोगकर्ता के साथ विभिन्न प्रयोग किए और निम्नलिखित परिणाम प्राप्त किए (चित्र 21)। प्रयोग ने संज्ञानात्मक लोड के प्रदर्शन की गति और पर्यवेक्षकों की कार्यशील मेमोरी पर भार का प्रदर्शन किया: कार्यशील मेमोरी पर भार में वृद्धि के साथ, संज्ञानात्मक भार भी बढ़ गया, लेकिन सीमा को बनाए रखा। अंजीर में। सबसे अच्छी फिट की 21 पंक्तियों से पता चलता है कि दोनों विशेषताएं रैखिक हैं, और संज्ञानात्मक भार में एक निरंतर लोड सीमा (क्षमता) है, इसलिए, कार्यशील मेमोरी पर प्रदर्शन भार को ओवरलैप नहीं करता है। सुरक्षा घटनाओं के दृश्य का विश्लेषण करते समय उपयोगकर्ता (पर्यवेक्षक) के लिए यह एक आदर्श स्थिति है।

6.5 थ्रेट डिटेक्शन सिस्टम

प्रोगर का उपयोग करके एकत्र किए गए डेटा को फ़िल्टर करने के लिए, विसंगतियों और मैलवेयर का पता लगाने के लिए प्रसिद्ध हस्ताक्षर एल्गोरिदम का उपयोग किया गया था। वास्तविक आंकड़ों के आधार पर, हमने निम्नलिखित एल्गोरिदम का चयन किया है जो हमारी अपेक्षाओं को पूरा करता है: स्थानीय बाहरी कारक (LOF) [22] , DBscan [23] और K- निकटतम पड़ोसी (KNN) [25] । इससे हमें खतरे का पता लगाने वाली मूल्यांकन प्रणाली के प्रदर्शन का परीक्षण करने की अनुमति मिली। सामान्य कार्रवाई में 10 से 80 की सीमा में स्कोर होगा, और असामान्य व्यवहार को नकारात्मक मूल्य के रूप में व्यक्त किया जाएगा। इसी तरह, सिस्टम पर संदिग्ध फाइलें भी एक संग्रहीत हस्ताक्षर डेटाबेस के आधार पर स्कैन की जाती हैं। अंजीर में। 22 सामान्य और असामान्य व्यवहार और दुर्भावनापूर्ण प्रविष्टियों को दर्शाता है।


अंजीर। 22. विसंगति पहचान प्रणाली के परिणाम

इसके अलावा, सिस्टम पर फ़ाइलों को स्कैन करने और पूर्व-कॉन्फ़िगर लॉग इतिहास होने से ज्ञात फ़ाइल पथों को निर्धारित करने में मदद मिलती है। इसलिए, यदि कोई ज्ञात या संदिग्ध फ़ाइल कहीं और दिखाई देती है, तो यह स्वचालित रूप से पीले या लाल रंग में चिह्नित होती है।

हमने तैयार वास्तविक डेटा सेटों पर हमारे खतरे के मूल्यांकन प्रणाली के प्रदर्शन का विश्लेषण किया। विसंगतियों और दुर्भावनापूर्ण हस्ताक्षरों का पता लगाने के लिए कई एल्गोरिदम को फिल्टर के रूप में इस्तेमाल किया गया था। विसंगतियों और दुर्भावनापूर्ण फ़ाइलों का मूल्यांकन करने के लिए, हमारी मूल्यांकन प्रणाली प्रोगर एप्लिकेशन (ईवेंट लॉगिंग तंत्र) का उपयोग करती है। निम्न रंग योजना को ब्याज की फ़ाइलों की छवि के लिए चुना गया था: दुर्भावनापूर्ण डेटा (लाल रंग), संदिग्ध डेटा (पीला रंग), पता लगाने योग्य परिचालन जानकारी (नीला रंग) और वैध डेटा (हरा रंग)।

7 निष्कर्ष

लेख सुरक्षा घटनाओं की कल्पना करने के लिए मंच की प्रभावशीलता का आकलन करने के लिए एक व्यापक दृष्टिकोण प्रस्तुत करता है, यह दर्शाता है कि उपयोगकर्ताओं के तकनीकी पहलुओं और मनोवैज्ञानिक विशेषताओं दोनों को ध्यान में रखते हुए विधियां। एक वैचारिक मॉडल को " उपयोगकर्ता ", " विज़ुअलाइज़ेशन ", और " उपयोगकर्ता की संज्ञानात्मक धारणा " घटकों की बातचीत को चित्रित करते हुए प्रस्तुत किया गया था, जो सुरक्षा घटनाओं की प्रभावशीलता के प्रभाव के अनुमान को प्राप्त करने और सुधारने की अनुमति देता है। SvEm के संज्ञानात्मक कार्यकर्ताओं का उपयोग आपको उपयोगकर्ताओं के ध्यान की एकाग्रता बढ़ाने और उनके ध्यान की मात्रा बढ़ाने की अनुमति देता है। हमने अपने SvEm प्लेटफॉर्म को मौजूदा प्लेटफॉर्म और बेसिक डेटासेट के आधार पर रेट किया है। , , .

7.1

भविष्य में, हम अन्य क्षेत्रों (स्वास्थ्य सेवा, वित्तीय शिक्षा, आदि) के उपयोगकर्ताओं के लिए हमारे मंच की प्रभावशीलता का और अधिक मूल्यांकन करना चाहते हैं, साथ ही साथ यह भी विश्लेषण करेंगे कि मंच के साथ बातचीत करते समय वे कैसे प्रतिक्रिया करते हैं।

8 आभार

लेखक मार्क ए विल, कैमरन ब्राउन, मीना मुंगरो, वाइकाटो साइबरस्पेसिटी रिसर्चर्स (सीआरओडब्ल्यू लैब) के सदस्यों और नानयांग पॉलिटेक्निक इंस्टीट्यूट, सिंगापुर से हमारे प्रशिक्षुओं [यशायाह वोंग, जिया चेंग यिप, वेन जियांग गुओ, शिन ली युआन] के योगदान को धन्यवाद देना चाहेंगे। यह परियोजना STRATUS ("क्लाउड सेवाओं के प्रावधान में पारदर्शिता, ट्रस्ट और उपयोगकर्ता ओरिएंटेशन के लिए सुरक्षा प्रौद्योगिकियां") ( https://stratus.org.nz ) द्वारा समर्थित है, जो न्यूजीलैंड के व्यापार, नवाचार और रोजगार विभाग द्वारा वित्त पोषित एक विज्ञान निवेश परियोजना है। । (Mbie))। यह काम न्यूजीलैंड और प्रशांत फैलोशिप प्रोग्राम (NZAid) द्वारा आंशिक रूप से समर्थित भी था।

9 प्रयुक्त स्रोतों का संदर्भ

1. एम। एंडरसन। दुनिया की पुलिसिंग: इंटरपोल और अंतरराष्ट्रीय पुलिस सहयोग की राजनीति। क्लेरेंडन प्रेस ऑक्सफोर्ड, 1989।

2. जेएल कार्लसन। लड़ाई में रेडिस। मैनिंग प्रकाशन कंपनी, ग्रीनविच, सीटी, यूएसए, 2013।

3. के। चोडोरो। MongoDB: निश्चित गाइड: शक्तिशाली और स्केलेबल डेटा संग्रहण। ओ'रेली मीडिया, इंक।, 2013।

4. एच। चू और एस। फ्रेंकोनेरी। छोटे संग्रहों की गणना से कानून का उल्लंघन होता है। मनोवैज्ञानिक बुलेटिन और समीक्षा, 21 (1): 93–99, 2014।

5. जे। कांगो, ए। सेगुरा, एल। काबोंगो, ए। मोरेनो, जे। पोसादा और ओ। रुइज़। वास्तविक समय में वेबलॉग के साथ वॉल्यूमेट्रिक डेटा का इंटरएक्टिव विज़ुअलाइज़ेशन। 3 डी वेब प्रौद्योगिकी पर 16 वें अंतर्राष्ट्रीय सम्मेलन की कार्यवाही में, पृष्ठ 137-146। एसीएम, 2011।

6. EOOD और एम। एंजेलोव। लर्निंग WebGL के लिए 20 प्रभावशाली उदाहरण Three.js, Nov. 2017।

7. सी। फायरस्टोन और बीजे स्कोल। नैतिकता और पजामा के लिए बढ़ी हुई दृश्य जागरूकता? धारणा बनाम शीर्ष-डाउनफेक्सेस में स्मृति। अनुभूति 136: 409-416, 2015।

8. सी। फायरस्टोन और बीजे स्कोल। अनुभूति धारणा को प्रभावित नहीं करती है: "टॉप-डाउन" प्रभावों के लिए सबूत का मूल्यांकन। व्यवहार और मस्तिष्क विज्ञान, 39, 2016।

9. वाई.-एच। फुआ, एमओ वार्ड, और ईए रंडेनस्टीनर। बड़े डेटासेट की खोज के लिए पदानुक्रमित समानांतर निर्देशांक। विज़ुअलाइज़ेशन'99 पर सम्मेलन की कार्यवाही में: दस साल का जश्न मनाते हुए, पृष्ठ 43-50। आईईईई कंप्यूटर सोसाइटी प्रेस, 1999।

10. जे। गारे, आरके को, जे। खो, एस। सुवाडी, एमए विल और एम। एपेरले। हमले के व्यवहार के लिए नए ज़ीलैंड साइबर सुरक्षा चुनौती की कल्पना करना। ट्रस्टकॉम / बिगडेटा / आईसीईएस, 2017 आईईईई में, पृष्ठ 1123-1130। IEEE, 2017।

11. जे गारे और आरकेएल को। दृश्यता और डेटा प्रोवेंस ट्रेंड्स फॉर डिसिजन सपोर्ट इन साइबर स्पेस, पृष्ठ 243-270। स्प्रिंगर इंटरनेशनल पब्लिशिंग, चम, 2017।

12. एल। हैरिसन, एफ। यांग, एस। फ्रेंकोनेरी, और आर। चांग। वेबर के नियम का उपयोग करके सहसंबंध की रैंकिंग विज़ुअलाइज़ेशन। विज़ुअलाइज़ेशन और कंप्यूटर ग्राफिक्स पर IEEE लेनदेन, 20 (12): 1943-1952, 2014।

13. एमजी हसल्टन, डी। नेटल और डीआर मुर्रे। संज्ञानात्मक पूर्वाग्रह का विकास। विकासवादी मनोविज्ञान की पुस्तिका, 2005।

14. जे। हीर, एफबी वीएगास, और एम। वॉटनबर्ग। मल्लाह और आवारा: अतुल्यकालिक सहयोगी जानकारी दृश्य का समर्थन करते हैं। कंप्यूटिंग सिस्टम में मानव कारकों पर SIGCHI सम्मेलन की कार्यवाही, पृष्ठ 1029-1038। एसीएम, 2007।

15. वीएसी हेनमोन। संवेदनाओं में अंतर के उपाय के रूप में धारणा का समय। संख्या 8. विज्ञान प्रेस, 1906।

16. आरवी होग और एटी क्रेग। गणितीय आँकड़ों का परिचय। (5 ”” संस्करण)। ऊपरी सैडल नदी, न्यू जर्सी: अप्रेंटिस हॉल, 1995।

17. डब्ल्यू। हुआंग, पी। ईड्स, और एस.एच. हांग। ग्राफ विज़ुअलाइज़ेशन की प्रभावशीलता को मापने: एक संज्ञानात्मक लोड परिप्रेक्ष्य। सूचना विज़ुअलाइज़ेशन, 8 (3): 139-152, 2009।

18. जेजे इम्हॉफ और एसपी कटलर। इंटरपोल: दुनिया भर में कानून प्रवर्तन का विस्तार। एफबीआई एल। एन्फोर्समेंट बुल।, 67:10, 1998।

19. ए। इनसेलबर्ग और बी। डिम्सडेल। बहु-आयामी ज्यामिति को देखने के लिए समानांतर निर्देशांक। कंप्यूटर ग्राफिक्स 1987 में, पृष्ठ 25-44। स्प्रिंगर, 1987।

20. एम। के। और जे। हीर। वेबर के नियम के अलावा: सहसंबंध की रैंकिंग विज़ुअलाइज़ेशन पर एक दूसरा नज़र। विज़ुअलाइज़ेशन और कंप्यूटर ग्राफिक्स पर IEEE लेनदेन, 22 (1): 469-478, 2016।

21. आरके को और एमए विल। प्रोगर: क्लाउड डेटा प्रोविज़न ट्रैकिंग के लिए एक कुशल, छेड़छाड़ करने वाला स्पष्ट कर्नेलस्पेस लॉगर। क्लाउड कंप्यूटिंग (CLOUD) में, 2014 IEEE 7 वें अंतर्राष्ट्रीय सम्मेलन, पृष्ठ 881-889। IEEE, 2014।

22. ए। लाज़रेविक, एल। एरतोज़, वी। कुमार, ए। ओज़गुर, और जे। श्रीवास्तव। नेटवर्क घुसपैठ का पता लगाने में विसंगति का पता लगाने की योजनाओं का एक तुलनात्मक अध्ययन। डेटा खनन पर 2003 SIAM अंतर्राष्ट्रीय सम्मेलन की कार्यवाही में, पृष्ठ 25-36। SIAM, 2003।

23. के। लेउंग और सी। लीकी। समूहों का उपयोग करते हुए नेटवर्क घुसपैठ का पता लगाने में अज्ञात विसंगति का पता लगाना। कंप्यूटर साइंस-वॉल्यूम 38 पर बीसवीं आठवीं ऑस्ट्रेलियाई सम्मेलन की कार्यवाही में, पृष्ठ 333-342। ऑस्ट्रेलियाई कंप्यूटर सोसायटी, इंक। 2005।

24. वाईके लेउंग और एमडी एपेरले। E3: बड़े डेटा सेट के लिए चित्रमय प्रस्तुति तकनीकों की मीट्रिक की ओर। मानव-कंप्यूटर सहभागिता पर अंतर्राष्ट्रीय सम्मेलन में, पृष्ठ 125-140। स्प्रिंगर, 1993।

25. वाई। लियाओ और वीआर वेमुरी। घुसपैठ का पता लगाने के लिए k- निकटतम पड़ोसी क्लासी फिल्टर का उपयोग। कंप्यूटर और सुरक्षा, 21 (5): 439-448, 2002।

26. पीई मैककिट और जे नजब। क्रुशल-वालिस टेस्ट। मनोविज्ञान के कोर्सिनी एनसाइक्लोपीडिया, 2010।

27. टी। ओकोशी, जे। रामोस, एच। नोज़ाकी, जे। नकाज़वा, एके डे और एच। तोकुडा। एटलिया: स्मार्ट फोन पर अवरोधी सूचनाओं के कारण उपयोगकर्ता के संज्ञानात्मक भार को कम करना। परवेज़िव कंप्यूटिंग एंड कम्युनिकेशंस (PerCom), 2015 IEEE इंटरनेशनल कॉन्फ्रेंस, पेज 96-104 पर। IEEE, 2015।

28. टी। ओल्सन, ई। लेगर्सम, टी। कोर्ककैनैन, और के। वी। आननैन-वेनियोमैटिला। मोबाइल संवर्धित वास्तविकता सेवाओं के उपयोगकर्ता अनुभव की उम्मीद: शॉपिंग सेंटर के संदर्भ में एक उपयोगकर्ता अध्ययन। व्यक्तिगत और सर्वव्यापी कंप्यूटिंग, 17 (2): 287–304, 2013।

29. DA O. ¨Ozt¨urk और DA Wolfe। एक बेहतर स्थान पर सेट दो-नमूना mannwhitney-wilcoxon परीक्षण। सांख्यिकी के कनाडाई जर्नल, 28 (1): 123-135, 2000।

30. एफ। पास, जेई तुवीनन, एच। टाबर्स, और पीडब्लू वैन गर्वेन। संज्ञानात्मक भार माप को संज्ञानात्मक भार सिद्धांत को आगे बढ़ाने के साधन के रूप में। शैक्षिक मनोवैज्ञानिक, 38 (1): 63–71, 2003।

31. टी। पेरिस। WebGL: ऊपर और चल रहा है। ओ रेली मीडिया, इंक।, 2012।

32. पी। पिरोली और एस कार्ड। संज्ञानात्मक कार्य विश्लेषण के माध्यम से पहचान योग्य के रूप में विश्लेषक प्रौद्योगिकी के लिए सेंसमेकिंग प्रक्रिया और उत्तोलन बिंदु। खुफिया विश्लेषण, खंड 5, पृष्ठ 2-4, 2005 पर अंतर्राष्ट्रीय सम्मेलन की कार्यवाही में।

33. आरए रेंसिंक और जी बाल्ड्रिज। बिखराव में सहसंबंध की धारणा। कंप्यूटर ग्राफिक्स फोरम में, वॉल्यूम 29, पेज 12031210। विली ऑनलाइन लाइब्रेरी, 2010।

34. पी। सरैया, सी। नॉर्थ, और के। दुका। जैव सूचना विज्ञान विज़ुअलाइज़ेशन के मूल्यांकन के लिए एक अंतर्दृष्टि-आधारित पद्धति। विज़ुअलाइज़ेशन और कंप्यूटर ग्राफिक्स पर IEEE लेनदेन, 11 (4): 443–456, 2005।

35. पी। सरैया, सी। नॉर्थ, वी। लैम और केए ड्यूका। दृश्य विश्लेषण का एक अंतर्दृष्टि-आधारित अनुदैर्ध्य अध्ययन। विज़ुअलाइज़ेशन और कंप्यूटर ग्राफिक्स पर IEEE लेनदेन, 12 (6): 1511-1522, 2006।

36. ईडब्ल्यू वेइस्टीन। बोनफ्रोनी सुधार। 2004।

37. एम। वार्टहाइमर। जेस्टाल्ट का एक संक्षिप्त परिचय, प्रमुख सिद्धांतों और सिद्धांतों की पहचान करना। साइकोल फोर्श, 4: 301-350, 1923।

38. डीए व्हीलर और जीएन लार्सन। साइबर हमले की विशेषता के लिए तकनीक। तकनीकी रिपोर्ट, DEFENSE ANALYZES ALEXANDRIA VA, 2003 के लिए संस्थान।

39. जेआर विल्सन और जे कार्टर। नोड। js सही तरीका: व्यावहारिक, सर्वर-साइड जावास्क्रिप्ट जो तराजू। व्यावहारिक बुकशेल्फ़, 2013।

40. जेएस यी, वाई-ए। कांग, जेटी स्टैस्को, और जेए जैको। अंतर्दृष्टि को समझना और विशेषता देना: सूचना दृश्य का उपयोग करके लोग कैसे अंतर्दृष्टि प्राप्त करते हैं? बीयॉन्ड समय और त्रुटियों पर 2008 कार्यशाला की कार्यवाही में: सूचना विज़ुअलाइज़ेशन के लिए उपन्यास निकासी तरीके, पृष्ठ 4. एसीएम, 2008।

41. एफ झोउ, एचबी-एल। दुह, और एम। बिलिंगहर्स्ट। संवर्धित वास्तविकता ट्रैकिंग, बातचीत और प्रदर्शन में रुझान: इस्मार के दस वर्षों की समीक्षा। मिश्रित और संवर्धित वास्तविकता पर 7 वीं IEEE / ACM अंतर्राष्ट्रीय संगोष्ठी की कार्यवाही में, पृष्ठ 193202। IEEE कंप्यूटर सोसाइटी, 2008.

लेख के लेखक के बारे में



जेफरी गारे,



रयान को, पीएचडी, साइबरस्पेस लेबोरेटरी पोस्टग्रेजुएट छात्र, कंप्यूटर विज्ञान विभाग, यूनिवर्सिटी ऑफ व्यकटो, न्यूजीलैंड,



मार्क मार्क, मार्क साइबर सिक्योरिटी लेबोरेटरी, डिपार्टमेंट ऑफ कंप्यूटर साइंस, वाइकाटो यूनिवर्सिटी, न्यूजीलैंड। अपरली (मार्क एपेरले), पीएचडी, कंप्यूटर विज्ञान विभाग के प्रमुख, यूनिवर्सिटी ऑफ वाइकाटो (न्यूजीलैंड)

लेख में प्रयुक्त शब्द और परिभाषा

ध्यान संवेदी या मानसिक घटनाओं पर मानसिक प्रयास की एकाग्रता है। (रॉबर्ट सोलसो - कॉग्निटिव साइकोलॉजी)

धारणा हमारी संवेदी प्रणाली के माध्यम से और जो हम पहले से ही अनुभव के माध्यम से दुनिया के बारे में जानते हैं, उसका एक सामान्य परिणाम है। (रॉबर्ट सोलो - संज्ञानात्मक मनोविज्ञान)

दृश्य स्पष्टता - विशेष रूप से निर्मित या चयनित ग्राफिक (आरेख, टेबल), कलात्मक और दृश्य (चित्र, प्रतिकृतियां), प्राकृतिक (पर्यावरणीय वस्तुएं) दृश्य धारणा के लिए डिज़ाइन किए गए, एक साधन के रूप में उपयोग किए जाते हैं। परीक्षण प्रक्रिया में विषय की गतिविधि की निगरानी और मूल्यांकन करना।

संज्ञानात्मक लोड (संज्ञानात्मक लोड)

1. , , . (Paas F. et al." Cognitive load measurement as a means to advance cognitive load theory //Educational psychologist. — 2003. — . 38. — №. 1. — . 63-71)

2. .

(cognitive bias) – . ( . . )

(attention span) – , - - . ( . — .: -. .. . 2002.)

अंतर्दृष्टि / अंतर्दृष्टि / ज्ञान (अंतर्दृष्टि) - कार्य के सार में सहज अंतर्दृष्टि। (रॉबर्ट सोलसो - संज्ञानात्मक मनोविज्ञान)

उप-दहलीज ध्यान (पूर्व-चौकस) - 200 स्क्रीन से कम की गति से मॉनिटर स्क्रीन पर एक उत्तेजना की बेहोश पहचान। (Http://humanoit.ru/blog/166)

मानसिक प्रयास (मानसिक प्रयास) - संज्ञानात्मक लोड है, जो संज्ञानात्मक को संदर्भित करता है, जो वास्तव में काम की जरूरतों को पूरा करने के लिए आवंटित किया जाता है के पहलू; इस प्रकार, हम मान सकते हैं कि यह वास्तविक संज्ञानात्मक भार को दर्शाता है। मानसिक प्रयास को मापा जाता है, जबकि अनुसंधान प्रतिभागी एक कार्य ([40]) पर काम कर रहे हैं

, मूल के इतिहास का विज़ुअलाइज़ेशन (provenance visualization) – .

(attribution visualization) – .

(semi-permanent hold) – , , () 3 , .

(cognitive activator) – .

(working memory load) – , .

/ (एट्रिब्यूशन) - किसी हमलावर या मध्यस्थ की पहचान और / या स्थान का निर्धारण करने की प्रक्रिया जिसके द्वारा वह कार्य करता है।

स्थायी पकड़ (स्थायी पकड़) - एक संज्ञानात्मक उत्प्रेरक, जो फ़ाइल का एक निरंतर रंग सूचक है, जो एक दुर्भावनापूर्ण (संदिग्ध) फ़ाइल का संकेत देता है।