- •Условные сокращения
- •Введение
- •1. Менеджмент риска информационной безопасности
- •1.1. Основные термины и определения
- •1.2. Система менеджмента информационной безопасности
- •1.3. Менеджмент риска информационной безопасности
- •Конец первой и последующих итераций
- •1.3.1. Установление контекста
- •1.3.2. Оценка риска нарушения информационной безопасности
- •1.3.2.1. Анализ риска
- •1.3.2.1.1. Идентификация риска
- •1. Определение (идентификация) активов
- •Реестр информационных ресурсов Компании
- •2. Определение угроз
- •Определение существующих мер и средств контроля и управления
- •Выявление уязвимостей
- •5. Определение последствий
- •1.3.2.1.2. Установление значения риска (количественная оценка риска)
- •1.3.2.2. Оценивание риска
- •1.3.3. Обработка риска
- •1) Снижение риска
- •2) Сохранение риска
- •Предотвращение риска
- •Перенос риска
- •1.3.4. Принятие риска
- •1.3.5. Коммуникация риска
- •1.3.6. Мониторинг и переоценка риска
- •1.4. Стандарты в области управления информационными рисками
- •1.5. Инструментальные средства для управления рисками
- •1.5.9. Гриф 2006
- •1.5.10. АванГард
- •1.6. Контрольные вопросы
- •2. Математические основы принятия решений при управлении рисками
- •2.1. Основные понятия и обобщенная классификация задач принятия решений
- •2.2. Формальное описание моделей принятия решений
- •2.3. Методы экспертных оценок
- •2.3.1. Методологические основы и предпосылки применения методов экспертных оценок
- •2.3.2. Основные типы шкал
- •2.3.3. Методы проведение экспертизы
- •2.3.4. Качественные экспертные оценки
- •2.3.5. Этапы работ по организации экспертной оценки
- •2.3.6. Отбор экспертов и их характеристика
- •2.3.7. Методы опроса экспертов
- •2.3.8. Методы обработки экспертной информации, оценка компетентности и согласованности мнений экспертов
- •2.4. Детерминированные модели и методы принятия решений
- •2.4.1. Постановка многокритериальных задач принятия решений
- •2.4.2. Характеристики приоритета критериев. Нормализация критериев
- •2.4.3. Принципы оптимальности в задачах принятия решений
- •2.4.4. Постановка задач оптимизации на основе комбинирования принципов оптимальности
- •2.4.5. Теория полезности. Аксиоматические методы многокритериальной оценки
- •2.4.6. Метод аналитической иерархии
- •2.4.7. Методы порогов несравнимости электра
- •2.5. Статистические модели и методы принятия решений в условиях неопределенности
- •2.5.1. Статистическая модель однокритериального принятия решений в условиях неопределенности
- •2.5.2. Построение критериев оценки и выбора решений для первой ситуации априорной информированности лпр
- •2.5.2.1. Критерий Байеса-Лапласа
- •2.5.2.2. Критерий минимума среднего квадратического отклонения функции полезности или функции потерь
- •2.5.2.3. Критерий максимизации вероятности распределения функции полезности
- •2.5.2.4. Модальный критерий
- •2.5.2.5. Критерий минимума энтропии математического ожидания функции полезности
- •2.5.2.6. Критерий Гермейера
- •2.5.2.7. Комбинированный критерий. Объединение критериев Байеса-Лапласа и среднего квадратического отклонения функции полезности (потерь)
- •2.5.3. Построение критериев оценки и выбора решений для второй ситуации априорной информированности лпр
- •2.5.3.1. Максиминный критерий Вальда
- •2.5.3.2. Критерии минимаксного риска Сэвиджа
- •2.5.4. Построение критериев оценки и выбора решений для третьей ситуации априорной информированности лпр
- •2.5.4.1. Критерий Гурвица
- •2.5.4.2. Критерий Ходжеса-Лемана
- •2.5.5. Пример оценки отдельных характеристик качества информационной системы в условиях неопределенности
- •2.5.6. Статистическая модель многокритериального принятия решений на основе принципов оптимальности в условиях неопределенности
- •2.5. Методы оптимизации
- •2.7. Контрольные вопросы
- •Заключение
- •Приложение Справочные данные
- •Библиографический список
- •Оглавление
- •394026 Воронеж, Московский просп., 14
2.5.4. Построение критериев оценки и выбора решений для третьей ситуации априорной информированности лпр
Третья ситуация априорной информированности ЛИР определяется наличием факторов, характеризующих два типа промежуточного поведения среды.
Для первого типа характерно наличие у ЛПР некоторой неясной информации об истинных распределениях состояний среды. Какой бы неопределенной эта информация ни была, ЛПР хотя и не может постулировать какую-либо конкретную ситуацию априорной информированности, однако может установить некоторый уровень пессимизма-оптимизма.
Для второго типа предполагается, что ЛПР имеет информацию о состояниях среды, являющуюся промежуточной между первой и второй ситуациями априорной информированности. Данная ситуация априорной информированности лежит между двумя крайними ситуациями, характеризующимися, с одной стороны, полным или частичным знанием распределений вероятностей, а с другой — антагонистическим поведением среды.
2.5.4.1. Критерий Гурвица
Критерии Вальда и Сэвиджа пессимистичны в том смысле, что с каждым решением они связывают состояние среды, приводящее к наихудшим последствиям для принятого ЛПР решения без учета возможных положительных последствий для ЛПР. Положительные и отрицательные последствия поведения среды для ЛПР можно учитывать с помощью взвешенной комбинации наилучшего и наихудшего состояний среды. Такой подход к выбору критерия принятия решений, известный как критерий показателя пессимизма-оптимизма, был предложен Гурвицем. Отличительной особенностью этого критерия является то, что в нем предполагается не полный антагонизм среды, как в критериях Вальда и Сэвиджа, а лишь частичный.
Смысл критерия Гурвица заключается в нахождении оптимального решения или , для которого выполнено условие:
где для функции полезности
для функции потерь
Отметим, что при критерий Гурвица совпадает с критерием Вальда, а при – с максимальным критерием. В первом из этих случаев предполагается, что среда максимально противодействует целям решения, а во втором, наоборот, среда наилучшим образом содействует целям управления. В каждом из этих случаев поведение среды в некотором смысле сравнимо с умным или бездарным противником. Однако если считать, что эти случаи представляют собой крайности, то истинное поведение среды будет промежуточным и может быть охарактеризовано величиной .
При выборе коэффициента могут быть использованы эвристические методы, связанные с опытом и знанием ЛПР особенностей выбора средой своих состояний из множества . Например, чем более сильными или убедительными доводами ЛПР являются соображения о принятии одного из крайних поведений среды, тем ближе будет к единице или нулю. Значение является равновесной точкой отрезка [0, 1]. Для этого значения вполне естественно предполагать, что ЛПР считает cреду в равной степени и антагонистической, и максимально содействующей целям ЛПР. Также ЛПР могут быть рассмотрены различные системы разбиения отрезка [0, 1] значений на полную систему непересекающихся подмножеств с последующим заданием на них вероятностных отношений.
Полезным для выбора ЛПР значения может быть рассмотрение того, как меняются оптимальные решения при изменении от нуля до единицы с некоторым шагом. На основе полученного множества решений ЛПР может оценить последствия выбора различных , затем выбрать величину .