Размещено на http://www.allbest.ru/

8

Пермский филиал федерального государственного автономного образовательного учреждение высшего образования

"Национальный исследовательский университет

"Высшая школа экономики"

Факультет экономики, менеджмента и бизнес-информатики

ПРОЕКТИРОВАНИЕ БЕЗОПАСНОЙ АРХИТЕКТУРЫ ПРЕДПРИЯТИЯ: ОНТОЛОГИЧЕСКИЙ ПОДХОД

Выпускная квалификационная работа

по направлению подготовки 38.04.05 «Бизнес-информатика»

образовательная программа

«Информационная аналитика в управлении предприятием»

Мишарин Никита Александрович

Рецензент:

К.т.н., доцент, ФГБОУ ВО «ПГНИУ», доцент кафедры информационных технологи В.Н. Раевский

Научный руководитель:

К.т.н., доцент, доцент кафедры информационных технологий А.И.Дерябин

Пермь, 2020



Аннотация

Автор - Мишарин Никита Александрович, студент 2 курса магистратуры группы ИАУП 18-1 НИУ ВШЭ-Пермь. Тема магистерской диссертации - проектирование безопасной архитектуры предприятия: онтологический подход. В основе теоретических и методологических подходов к созданию безопасной архитектуры предприятия лежит концептуальное представление организации как функционирующей бизнес-системы в условиях динамично изменяющейся внешней среды.

Онтологический подход к проектированию архитектуры позволят динамически изменять любой аспект, путём перепроектирования, без учёта специфики каждой отдельного представления и нотации для него, поскольку графовая структура одинаково пригодна для отображения любой схемы предприятия.

Количество страниц - 73, количество иллюстраций - 25, количество таблиц - 3.



Введение

В данной работе рассматривается проектирование безопасной архитектуры предприятия, с использованием онтологического подхода. Следует дать краткие определения для основных терминов, используемых в исследовании.

Архитектура предприятия - инструмент организации, который позволяет планировать изменения в бизнес-процессах и структуре предприятия, и особенно в части, отвечающей за использование информационных систем (ИС). В архитектуру предприятия включают представления о бизнес-архитектуре, что обеспечивает связь с возможностями оптимизации бизнес-процессов организации. Также затрагиваются и процессы управления информационными технологиями (ИТ) в организации, что выражается в описании технологической архитектуры и архитектуры приложений. Архитектура всегда должна отвечать целям компании и служить её ресурсоёмким планом исполнения.

Выделяют различные уровни архитектуры, в основном опирающие на модель требований различных бизнес-процессов и предметных областей в работе организации. Для повышения эффективности использования ресурсов, предприятия стремятся связать бизнес-цели организации с архитектурой ИС.

Для выбора аппаратных и программных компонентов ИТ-инфраструктуры компании решающее значение все чаще приобретает вопрос комплексной безопасности, куда в том числе входит последствия цифровизации экономики. Поэтому, при разработке архитектуры предприятия следует уделить особое внимание выбору методики ее проектирования, которая должна не только соответствовать предметной области и удовлетворять основным потребностям организации, но и отвечать вопросам безопасности ИС.

Системная архитектура является составной частью всей архитектуры предприятия, она является совокупностью методологических, технических и технологических решений для того, чтобы обеспечить информационную поддержку деятельности любой организации. В ее состав входят архитектура приложений, архитектура данных и технологическая архитектура.

Под архитектурой приложений чаще всего понимают детальное описание программных приложений, используемых для автоматизации бизнес-процессов предприятия, и их взаимодействия между собой.

Архитектура данных, определяется как описание информации о программной и аппаратной инфраструктуры, необходимой для хранения и работы всех бизнес-приложений.

Технологическая архитектура компании представляет собой совокупность программного и аппаратного обеспечения компании, предназначенного для работы с информацией. Именно скорость и надежность работы информационных систем организации являются одними из наиболее значимых факторов, обеспечивающих конкурентоспособность и прибыльность конкретного предприятия, является строгой метрикой эффективности его работы на рынке.

В работе описана архитектура BPMS, SIEM-система, построено абстрактное логистическое ядро, с учётом мета-модели архитектуры бизнес-приложения, рассмотрен конкретный пример реализации онтологии средствами графовой СУБД, кроме того, спроектирована сервис-ориентированная архитектура безопасности, реализуемая за счёт модели рисков ROPE и поддержки мета-объектного протокола для драйвера подключения к базе данных.

Также, был выполнен сравнительный анализ существующих методик проектирования системной архитектуры и был выбран наиболее подходящий вариант для проектирования архитектуры приложений.

В работе представлено описание принципов работы семантики языка ArchiMate, описаны инструменты реализации в программном средстве Archi, исследованы методы верификации модели.

Одним из возможных способов решений проблем безопасности может стать сервис-ориентированный подход, при котором будет построена онтология моделирования человека, его бизнес-процессы, свойства работы и сильные и слабые стороны в рамках предприятия. Возникает проблема переноса компетенций специалиста невербального свойства в базу знаний для онтологии.

Рассмотрим частный случай онтологии деятельности - онтология проектирования. Н.М. Боргест определяет онтологию проектирования как формализованное описание знаний субъектов о процессе проектирования новых или уже известных артефактов, включая знание о самом объекте проектирования, а также тезаурус предметной области.

Актуальность исследования обусловлена тем, что социальные, экономические и культурные изменения, происходящие в нашей стране и в мире, требуют разрешения проблем и вызовов грядущего нового технологического уклада. Промышленность, сфера обслуживания, сельское хозяйство и другие отрасли экономики РФ должны быть оснащены программно-архитектурной средой, отвечающей любым изменениям в структуре предприятий и описывающей всю работу предприятия для эффективного управления и создания индивидуального производства и потребления, а также снижения энергоёмкости и материалоёмкости, характерного для 6 технологического уклада.

Онтологический подход к проектированию архитектуры позволят динамически изменять любой аспект, путём перепроектирования, без учёта специфики каждой отдельного представления и нотации для него, поскольку графовая структура одинаково пригодна для отображения любой схемы предприятия.

Онтологический подход предусматривает динамическое перестраивание архитектуры и именно этим и объясняется насущность и актуальность выполнения поставленной цели данной работы. Моделирование в онтологическом подходе позволяет держать всю архитектуру в качестве графовой базы данных или в качестве Лисп приложения, благодаря структуре S-выражений.

Целью данной работы является проектирование безопасной архитектуры предприятия, с использованием онтологического подхода.

Выделим следующие задачи для достижения поставленной цели:

1. Изучить научную литературу на стыке проектирования архитектур и онтологий, в контексте безопасной среды исполнения для ответа на следующие вопросы:

1.1 Как развивалась онтологическая мысль, в контексте философии?

1.2 Как спроектировать тезаурус безопасности?

1.3 Какие стандарты описания онтологий существуют?

Ответы на эти вопросы рассматриваются в 1 главе, в конце которой описывается разработка тезауруса безопасности предприятия широкого профиля.

2. Определить набор необходимым технологий, позволяющих вести разработку онтологий, описывающих архитектуру предприятия широкого профиля;

2.1 Как учесть антропологический фактор в работе предприятия?

2.2 Как вести разработку архитектуры предприятия, средствами Archimate?

Ответы на данные вопросы рассматриваются в главе 2.

3. настроить сопряжение технологий для проектирования архитектуры, с учётом требований и в рамках онтологического подхода.

В 3 главе рассматривается вопрос реализации онтологического подхода с помощью графовой СУБД и языка программирования Лисп, приводится обоснование необходимости использовать функциональный паттерн программирования и поясняется ценность реализованных структур данных в Лисп среде для описания мета-объектов архитектуры любого предприятия. Также в конце приводится описание разработки драйвера поддержки языка Common Lisp для СУБД Neo4j. Приводится сравнение с популярным языком C# и Common Lisp.

Цифровизация - актуальный тренд в политике правительства РФ, а также в среде промышленного производства, сфере услуг и торговле. Цифровизация, кроме всего прочего, предполагает конструирование такой среды взаимодействия между участниками рынка, при которой невозможно единожды спроектировать архитектуру и ограничится небольшими изменениями.

Теоретической и методологической основой работы исследования онтологического подхода явились труд следующих авторов: Боргест, Н.М., Баронов В.В., Калянов Г.Н., Попов Ю.И., Рыбников А.И., Титовский И.Н, Котенко И. В., Степашкин М. В..

Объектом исследования является архитектура предприятия. Предметом исследования - онтологический принцип безопасной архитектуры предприятия.

Выдвинем следующее утверждение в качестве гипотезы. Можно ли, создав онтологию на базе тезауруса индикативных метрик безопасности, обеспечить верификацию и/или определение абстрактных элементов архитектуры предприятия, путём вычисления меры семантической близости элементов онтологии.



Оглавление

Введение

Глава 1.

1.1Философия проектирования онтологий

1.2Стандарты языков описания онтологий

1.3Разработка тезауруса безопасности

Глава 2. Проектирование безопасной архитектуры предприятия

2.1Архитектура ПО и методика проектирования

2.2Паттерны проектирования архитектуры предприятия и язык описания компонентов безопасности и фреймворк TOGAF

2.3Онтологический подход к проектированию, средствами Archimate

Глава 3. Построение архитектуры предприятия, с помощью графовой базы данных

3.1 Основные возможности языка запросов Cypher

3.2 Построение архитектуры предприятия, с помощью онтологического подхода

Заключение

Библиографический список

Приложение

онтологическое проектирование безопасность архитектура предприятия



Глава 1. Философия онтологического проектирования и разработка тезауруса безопасности

Тенденция последнего десятилетия в области онтологий - переход во всемирную паутину. Томас Роберт Грубер в 1993 году определял онтологию как формально-явное описание понятий некой предметной области, а также связей между ними. Онтологии, решающие проблему категоризации сайтов, прежде всего для движков поисковых гигантов (Yahoo! или duckduckgo), обладают огромными таксономиями, что позволяет Консорциуму WWW (W3C) практически напрямую разрабатывать стандарты языков кодирования информации на веб-страницах (RDF (Resource Description Framework)) для задач поиска не только информации, но и знаний. Таксономия определяется Огюстеном Пирамом Декандолем как учение о принципах и практике классификации и систематизации сложноорганизованных иерархически соотносящихся сущностей [17].

Необходимо отметить и использование онтологий в области медицины, например, такие проекты как «snomed» (Price and Spackman 2000) или семантическая сеть Системы Унифицированного Медицинского Языка (the Unified Medical Language System) (Humphreys and Lindberg 1993).

В военном деле также можно наблюдать определённый уровень интереса к онтологиям. Так, министерство обороны США и управление перспективными исследованиями (DARPA) разрабатывает расширение языка разметки RDF - DARPA Agent Markup Language, DAML для качественно-нового взаимодействия агентов (или ботов) в сети.

Программа ООН по развитию (the United Nations Development Program) и компания Dun & Bradstreet работают сообща над онтологией UNSPSC для упрощения работы над информацией, возникающей в ходе международной торговли.

Из-за обилия предметных областей, в рамках которых работают всевозможные предприятия страны провести строгую дифференциацию подходов к проектированию онтологических систем безопасности для широкого круга потребителей, - весьма затруднительно. В связи с этим, разумно подходить к процессу проектирования со стороны выбора обобщающего термина. Таким термином может стать: «онтология проектирования». Это позволит ввести некоторую абстракцию, так необходимую в проектировании тезауруса безопасности для различных предметных областей.

Рассмотрим некоторые причины для разработки онтологий [30]:

1. Возможность повторного использования знаний в различных предметных областях;

2. Для отделения знаний от оперативных данных;

3. Для анализа данных в слабо-связанных областях знаний;

4. Для формирования явных допущений в предметных областях.

Совместное использование людьми или программными агентами общего понимания структуры информации является одной из наиболее общих целей разработки онтологий [35]. В качестве примера можно привести следующую ситуацию. Пусть существуют некоторое количество сайтов по продаже категоризированных товаров одной и той же сферы, использующие один и тот же тезаурус терминов и, соответственно, схожую базовую онтологию. Тогда, компьютерные агенты или программы семантической обработки способны накапливать знания, формируя их из данных с разными источниками получения. Для таких систем нет необходимости в создании ресурсоёмких моделей обучения и переформатирования структур информации, вследствие чего скорость накопления и обработки значительно возрастает [17].

Кроме того, компьютерные агенты могут не только просто хранить знания, но и выступать в роли своего рода автоматизированных входных данных для серверов приложений [29].

Статическая и прямая алгоритмизация задач вычислимости и обнаружения новых свойств в различных предметных областях не позволяет новым пользователям системы накапливать тезаурусы, пригодные для использования не программистами, что приводит к замедлению всех бизнес-процессов и развития предприятия в целом. Вместо этого, гораздо разумнее подойти к проблеме со стороны явных спецификаций знаний предметной области в аппаратно-программном комплексе.

1.1 Философия проектирования онтологий

Онтологию проектирования следует рассматривать как набор методик или некоторую технологию, направленную на моделирование, разработку и внедрение архитектуры организации, ставящей перед собой такие задачи, как выпуск продукции, предоставление услуги или управление территориальной единицей субъекта государства. В качестве примера последнего может выступать как государственные предприятия, так и профильные министерства [14].

Первостепенной задачей проектирования онтологии для любой организации - это разработка классификатора и тезауруса для формирования онтологического репозитория. В конечном счёте, корпоративные варианты архитектур, проектируемых с помощью онтологического подхода, зачастую сводятся к внедрению модели BEOM (Business Entity Ontological Model) [8].

Тенденции последних лет явно диктуют нам устойчивый тренд на повсеместное внедрение некоторой «целостной» картины представления технологической среды обитания человека. К этой тенденции можно отнести зарождение виртуальной реальности, цифровизации промышленных кластеров и появлению профессионалов в широкой специализации, охватывающие сразу несколько научных дисциплин.

Исходя из информации от компании Гартнер за 2019 год, приблизительно 40% задач промышленного производства будут автоматизированы. Такой оптимистичный прогноз возможен только при широком распространении методологий быстрой поставки программных комплексов, а также новых принципах развёртывания систем информационной инфраструктуры. Проектирование архитектуры уже сегодня становится ключевым фактором успешности внедрения технологий.

Методика и набор инструментов проектирования зачастую зависит от прикладной области решения задачи. На сегодняшний день можно выделить 3 устойчивых тренда применения проектирования архитектуры. Первый - автономные системы, включающие робототехнику, бытовую электронику, в том числе носимую и транспортные средства (например, дроны). Второй - построение стратегий на основе изыскания новых знаний в данных. Объём данных растёт каждую секунду, ровно как и востребованность аналитики данных. Третий - развитие инструментов разработки, сопряжённых с искусственным интеллектом. Под последним понимается не столько методы машинного обучения, сколько нейросетевые технологии программной инженерии. Всевозможные анализаторы кода, автодополнения, автоматические агенты советники, обучающиеся под стиль программирования и поставляемые в развитых промышленно-ориентированных средах разработки и инженерных CAD-системах.

Важно различать науку проектирования от онтологии проектирования, поскольку последняя концентрируется на формализации спецификаций и предоставляет возможности для решения вопросов внедрения новых структур данных и способов, так называемой, доставки аппаратно-программных комплексов. Начало XXI века ознаменовала возможность вести долгосрочную и расширяемую картотеку лучших инженерных практик в самых разных отраслях экономики, а развитие компьютерных технологий наконец-то позволили воплотить на практике философские осмысления способов формализации объектов и субъектов в проектировании систем [2]. Так, например, профессор теории проектирования Анна-Мари Уиллис заключает основы онтологии проектирования в онтологии оборудования и систем и в лесеме языка описания, помещая любую семантику в своего рода герменевтический круг. Выделяя каждую сентенцию и слои нод в языке описания оборудования и языке проектирования систем, профессор Анна-Мари Уиллис отмечает взаимообусловленность объяснения и интерпретации результатов, получаемых в ходе применения онтологий в проектировании [1].

В философии существуют три гипотезы о предчувствии познания: объективизм, субъективизм и конструктивизм [3]. Объективизм подтверждает гипотезу о том, что мир существует сам по себе, независимо от наблюдателя. Наблюдатель верит в истинность объективной реальности. Субъективизм подтверждает гипотезу о том, что реальность не существует вне субъекта, наблюдающего за ней, и что до предела каждый наблюдатель имеет свою собственную картину действительности. Что же касается конструктивистской точки зрения, то она допускает предположение, что абсолютной объективности в реальности нет, и реальность существует через ее интерпретацию. В свою очередь, конструктивизм также признает, что интерпретируемые элементы являются частью реальности, которую можно назвать полу объективной. Для Шведина Бориса Яковлевича онтология интерпретируется в соответствии с конструктивистской точкой зрения, которая схематически выражена на рисунке 1 [18].

Рисунок 1. Схема конструктивизма Dietz, 2006



Онтология - особый компонент реальности, который служит коммуникативной основой для дискурса по части реальности (объективизма). В то же время онтология - это результат построения, вытекающего из интерпретации разумного агента (субъективизма). Сериализуемые и совместимые термины заимствованы из области ИТ. Сериализуемый атрибут указывает, что кодировка гарантирует, что онтология может использоваться для хранения памяти или транспортировки по сети. Интероперабельность - это атрибут, указывающий на то, что онтология остается правдивой и поддающейся проверке независимо от того, какой когнитивный агент ее интерпретирует, будь то человек или машина. Как уже упоминалось, общепринятым определением термина «онтология» является определение, предложенное Грубером (1993). Другое адаптированное определение, предложенное Борстом (1997): «онтология является формальной, явной спецификой общей концептуализации». С точки зрения онтологической инженерии это определение трактуется Калеро, Руисом и Пьяттини (2006) следующим образом [17].

«Концептуализация» относится к абстрактной модели явления, соответствующие понятия которого были определены [14]:

1. термин «явный» относится к тому факту, что типы используемых понятий и ограничения их использования явно определены;

2. термин «формальный» относится к тому, что онтология должна быть читаемой или интерпретируемой машиной;

3. термин «совместный», связанный с «концептуализацией», несет в себе идею о том, что онтология выражает консенсусное знание, то есть принятое группой.

Kannengiesser U даёт интерпретацию определения онтологии, с точки зрения ее описательной формы. По его мнению, онтология определяет словарный запас области применения, а также правила сочетания терминов и отношений. Онтология позволяет определить расширения словарного корпуса для работы приложений. По существу, онтологии, как системы представления, могут рассматриваться в том же качестве, что и системы концептуального моделирования, например Er-модель для баз данных или язык описания моделей архитектур программного обеспечения - UML [27].

Однако онтология отличается от упомянутых выше проектов следующими свойствами [11]:

1. основная идея онтологий заключается в создании единого стандарта описания лексики словаря некоторой предметной области, для обмена информацией между разными приложениями;

2. онтологии формализуются с помощью логической системы представления, семантика которой задана недвусмысленно;

3. онтология выражается с помощью языка репрезентаций, который служит средой исполнения для программ исследования и проведения рассуждений.

В современном смысле концепция онтологии возродилась примерно в восьмидесятые годы благодаря введению теорий логики в построении систем. Рисунок 2 схематично представляет собой обобщение основных определений онтологии с точки зрения информатики (Гомес-Перес и др.,2003; т. Грубер, 1993; Гуарино, 1995; Лейси, 2005; Штудер, 1998 и др).

Рисунок 2. Обощение основных понятий онтологии



В компьютерной технике и информатике онтология - это артефакт (чаще всего в виде XML-файлов), структура которого позволяет представлять понятия, отношений, аксиом и фактов. Концепт представляет собой представление абстрактной сущности реальности, которую нужно описать. Термин или класс также иногда используются в качестве синонимов концепции [27].

На уровне абстракции мы можем обнаружить объект, или субъект-класс, который изображается в связи с конкретным моментом, наблюдаемой реальности. Действие создания факта из концепции-класса называется - экземпляр. Наконец, аксиома, определяющая понятие, есть утверждение (то есть утверждение, которое предполагается истинным в изображаемой области) об экземплярах в связи с понятиями онтологии.

Концептуально, онтология - это описание реальности и формализация модели, которой, соответствует концептуализация. Процесс интерпретации принимается формальным программным агентом. Агент имеет функцию имитации реальности формальным механизмом дедукции, предметом которого является онтология. Таким образом, онтология является результатом двойной деятельности по моделированию и формализации. Моделирование - это процесс представления реальности, результатом которого является модель знания.

Формализация - это процесс «формирования» концептуальной модели так, чтобы артефакт (онтология) был последовательно и недвусмысленно интерпретирован компьютерным (формальным) агентом. Логика описаний, чья логика предикатов первого порядка является надмножеством, является системой представлений, обычно используемой для формализации онтологий [17].

Понятие онтологии используется в различных сфера науки и философии. Первоначально термин был введен в теории познания, а позднее в информатике: искусственный интеллект, инженерия знаний (IC) например. В первом использовании онтология - это та часть философии, которая интересуется природой и организацией реальности [39]. Наука о бытии, в которой мы стремимся представить мир. В области IC понятие онтологии было введено в 1990-е годы в работах Тома Грюбера, который предложил определение, безусловно, самое популярное из существующих в литературе. Онтология - это явное определение концептуализации [39, 40].

Концептуализация - это абстрактный взгляд на реальные сущности мира, который мы хотим представить, и их отношения. Выражение спецификация «explicite sign» указывает на то, что концептуализация осуществляется недвусмысленно на конкретном языке. Понятия и ограничения, используемые для представления области знаний, должны быть четко определены.

Затем определение Грубера было дополнено Штудером и его коллегами. Они определяют онтологию как формальную и явную спецификацию общей концептуализации. Формальный термин относится к тому, что онтология должна быть понятна машинам, то есть они должны быть способны интерпретировать семантику предоставленной информации. Онтология также должна представлять собой согласованное знание, а также принимаемое сообществом пользователей, чтобы обеспечить более широкое использование. Это определение аналогично тому, которое дано Гуарино, который рассматривает онтологию как специфическую лексику, используемую для описания определенной реальности, а также спецификацию о смысле термина этой лексики. Таким образом, онтология позволяет формально описывать знания, реальные или мнимые, с целью сделать их постоянными, облегчить их обмен и автоматическое использование программами [17].

Согласно Uschold, онтология может принимать различные формы, но она обязательно будет включать в себя словарный запас терминов и спецификацию их значения. Последняя, включает определения и указание на то, как понятия связаны друг с другом, связи коллективно навязывают структуру в области и связывают возможные интерпретации терминов. Таким образом, онтология включает в себя общий для пользователей словарный запас, материализуемый концепциями, а также реляциями. То есть онтология рассматривается как совокупность понятий и свойств, характеризующих объекты сферы реального мира [7].

Эти понятия организованы в виде графа и структурированы иерархическими (или таксономическими) и ассоциативными (или поперечными) отношениями. В дополнение к понятиям и отношениям, онтология определяет правила или ограничения в их определениях и интерпретациях, которые позволяют делать выводы. Исследователь Рош суммировал эти различные определения для цели и конкретной области. Онтология является для инженерного знания представлением моделирования области, разделяемой сообществом актеров. Вычислительный объект, определенный с помощью формализма представления, состоит в основном из набора понятий, определенных в понимании, отношений и логических свойств. (Roche, 2005). Поэтому важно помнить, что онтология состоит из набора понятий и отношений между этими понятиями. Она также может включать ограничения, накладываемые формой представления конкретной реализации или самой предметной области [8].

Онтологии используются в различных приложениях, включая системы с базами знаний (BC) и семантические сети. Благодаря своей способности формально описывать одну или несколько областей, онтологии представляют собой интересный инструмент для поддержки систем на основе знаний. Поскольку создание BC не является простым, онтологии кажутся подходящими для облегчения их построения, повторного использования и совместного использования. С другой стороны, семантическая сеть, целью которой является разработка стандартов и технологий, позволяющих машинам «понимать» и обрабатывать большие объемы информации и услуг, доступных в Интернете, является приложением, в котором широко используются онтологии. Это связано с тем, что большая часть информации, доступной в Интернете, понятна людям, но до тех пор она не была легко интерпретируема машинами, что создает проблемы для поиска и обмена информацией. Для того чтобы ИТ-агенты и программы могли интерпретировать эту информацию и общаться с другими программами для ее интеллектуального использования, они должны быть однозначно определены. В этом контексте онтологии являются подходящей концептуальной системой для описания ресурсов. Таким образом, они являются важным и важным элементом семантической сети. Поэтому появление семантической паутины во многом мотивировало развитие онтологий. В зависимости от его использования онтология может состоять из различных компонентов. Ниже опишем основные составляющие онтологии [17].

Понятие (или классовое значение семантических веб-стандартов) представляет собой набор объектов и их общие свойства. Оно может представлять собой материальный объект, событие, понятие или идею. Понятие определяется термином и обычно имеет интенсион и/или расширение. Интенция обозначает семантику, то есть набор атрибутов и свойств, определяющих понятие. Совокупность объектов, охватывающих понятие, - это его пространство формуляров. Примерами концепций являются: человек, студент, учитель, исследователь, университет и курс, где концепт может быть определен следующим образом:

1.через интенцию: человек, чья профессия состоит в том, чтобы заниматься научными исследованиями;

2.через расширение: совокупность людей, которые подчиняются этому определению.

Эти объекты, описываемые понятием, называются экземплярами понятия. Некоторые работы рассматривают экземпляры как компоненты онтологии, в то время как другие рассматривают сумму онтологии и экземпляров ее концептов как базу знаний. Примерами экземпляров являются: Gayo Diallo (экземпляр исследователя), семантический веб-курс Gayo Diallo (экземпляр курса), университет Бордо (экземпляр университета).

Понятия также могут иметь атрибуты, позволяющие описать их характеристики. В онтологиях могут существовать такие свойства, как эквивалентность, чтобы выразить, что два понятия представляют одно и то же, или дизъюнкция, чтобы выразить несовместимость между двумя понятиями.

В рамках онтологии понятия, таким образом, могут быть связаны между собой отношениями. Отношение - это связь (двоичная, третичная и т. д.) между сущностями, часто выражаемая буквальным термином или символом. Она может быть охарактеризована сигнатурой, которая определяет количество экземпляров понятий, которые в свою очередь связывают отношения, их типы и порядок понятий. Например, отношение сопоставлено экземпляру понятия, если хотя бы один экземпляр понятия является связанным.

Онтология часто представлена иерархией понятий, где последние структурированы в соответствии с отношениями типа «часть» - «целое». Это отношение называют таксономическим, потому как оно связывает высший элемент (более общее понятие) и низший элемент (конкретное понятие). Концепция C1 представляет собой концепцию C2, если расширение C2 включено в расширение C1. То есть любое семантическое свойство C1 также является семантическим свойством C2, или же C2 более специфичен, чем C1.

Для структурирования понятий онтологии также используются понятия мероним (типа «partiede»). Это отношения, в которых происходит пара понятий, одно из которых является частью другого. В демеронимическом отношении свойства вообще не обязательно передаются его частям. Например, учитель или студент являются частью университета, если свойства университета передаются учителю или ученику.

Кроме иерархических и партийных отношений, понятия в одной онтологии могут поддерживать и другие типы отношений: они называются «ассоциативными» или «поперечными» отношениями.

Это ограничения или правила понятий (в данном случае речь идет об аксиоме) или экземпляре (в другом случае речь может идти об утверждении) онтологии, которые считаются всегда истинными. Аксиомы позволяют выводить новые знания из набора фактов. Например, можно определить правило для любого понятия, создав жесткую ссылку на константу. В отличие от понятий и отношений, выражение аксиом требует языка, поддерживающего рассуждения.

Исторически сформировалось множество различных типологий для онтологий самых разных свойств и расширений. В зависимости от охвата предметной области, детализации или уровня формализации, онтологии формируют свою внутреннюю структуру и логику работы метаданных. В то же время множество функций, предлагаемых онтологиями, привело к очень быстрому развитию проектов, лежащий в совершенно иной плоскости и не соответствующим классическим определениям онтологий и способу их использования онтологий. Особенно много подобных проектов встречается в медицинской области.

Приведём несколько классических типологий онтологий.

Типология по объекту концептуализации.

В зависимости от сферы охвата и целей разрабатываются различные типы онтологий: репрезентативные онтологии, онтологии высокого уровня, онтологии общего характера, онтологии домена и онтологии приложений для разработки. Репрезентативные онтологии определяют понятия, участвующие в формализации знаний. Они дают примитивы, необходимые для описания понятий других типов онтологий. Примером онтологии этого типа является Frame Ontology, который объединяет примитивы представления языков на основе фреймов: классы, экземпляры, свойства, отношения, ограничения и т. д. [39].

Онтологии представления используются для определения языков представления. Онтологии высокого уровня или онтологии верхнего уровня предназначены для моделирования концепций высокого уровня абстракции (запись, событие, процесс и т. д.). Онтологии Basic Formal Ontology (BFO) (Grenonet Smith, 2004), Suggested Upper Merged Ontology (СУМО) (Nileset Пиз, 2001) и Descriptive Ontology for Linguistic and Cognitive Engineering (DOLCE) являются примерами этого типа онтологий.

Мета-онтологии описывают генеральные концепции, не зависящие от конкретной области или проблемы. Они описывают общие понятия, действительные (истинные) в разных областях, но менее абстрактные, чем те, которые записаны в онтологиях высокого уровня. Онтологии Сова (Sowa, 2000) и CYC (Lenatet Гуха, 1989), являются примерами мета-онтологий.

Доменные онтологии записывают знания из определенной области. Их понятия часто определяются как специализация понятий онтологий высокого уровня. Доменные онтологии определяются двумя способами. Онтологии, характерные для конкретной области, которые являются специфическими для конкретной области. Пример: (FMA) (Rosseet Mejino Jr., 2003).

Онтологии задач или приложений. Они описывают лексику, относящуюся к задаче или деятельности в области. Как правило, эти онтологии не являются многопрофильными и имеют ограниченный охват. В качестве примера можно привести онтологию планирования задач (Rajpathak и др., 2001), которая направлена на создание приложений для управления рабочими местами.

Типология онтологий по их уникальности.

По уровню детализации можно различать разные типы онтологий:

1.Мелкая детализация: это когда онтология очень детальна. Она позволяет точно описать знания. Часто доменные онтологии, онтологии задач и онтологии приложений относятся к этому типу.

2.Широкая модульность. Например, онтологии высокого уровня. Этот тип онтологии может быть разделен и уточнен в других типах онтологий.

Типология онтологий в соответствии с их уровнем формализации.

Можно также классифицировать онтологии по уровню их формализации. Таким образом, можно выделить:

1. формальные онтологии, созданные на искусственном языке, обладающем семантической формой;

2. неформальные онтологии, заключенные в естественную языковую оболочку. Учёный Штудер и его коллеги также различают легкие онтологии (light-weight ontologies) от тяжелых онтологий (heavy-weight ontologies).

Легкая онтология представляет собой совокупность понятий, структурированных иерархическими и ассоциативными отношениями. Это наиболее часто используемый тип онтологии. Тяжелая онтология помимо аксиом позволяет определять сложные выражения (ограничения на понятия и/или отношения) и предполагает существование системы дедукции. Этот тип онтологии более выразителен, но его внедрение часто обходится дорого.

Метаданные - это данные относительно других данных. Например, информация о документе, такая как имя автора, дата выпуска, название издательства и т. д., является метаданными. В контексте веб-семантики, Бернерс-Ли (1997) определяет метаданные: " машинно понятная информация о веб-ресурсах или других вещах".

Онтологии типа метаданных предназначены для определения лексики домена, но не обязательно для семантики домена. Таким образом, они служат основой для поисковой оптимизации сайтов (SEO), для систем определения местоположения и поиска ресурсов и/или информации.

Стандарт Dublin Core (DC) и его внедрение в язык OWL (DC-OWL) является примером онтологии типа метаданных. Структурированный в соответствии с элементами, представленными в таблице 1, DC-OWL позволяет ссылаться на документы и обрабатывать их с помощью приложений, совместимых с OWL. Были разработаны другие онтологии типа метаданных.

Например, платформа выбора контента в Интернете (PICS), разработанная международным консорциумом W3C в 1995 году, является онтологией, посвященной контролю доступа к содержимому веб-страниц. Что касается vCard file format, предложенный консорциумом Versit (Apple, IBM, AT&T и Siemens), он предназначен для приложений e-business.

Таблица 1. Стандарт Dublin Core

В основе процесса автоматической формализации понятий лежит онтология описания общих понятий (Guarino (1998) и Gуmez-Perezet Al. (2003)). В силу своего общего характера некоторые проекты нацелены на разработку базовых онтологий, доступных для совместного использования (open source) всем сообществом. Наибольший интерес в этой области для данной работы представляет методология «OntoCase».

Разработанная IEEE Standard Upper Ontology (SUO) Working Group, онтология Suggested Upper Merged Ontology (SUMO21), первоначально разработанная в формате обмена знаниями (KIF), также доступна в OWL. Общие понятия, касающиеся «OntoCase» [26]:

- структура, связанная с концепцией, такая как экземпляр и подкласс;

- общие типы, такие как объект и процесс;

- абстракции, включая теорию множеств, атрибуты и отношения;

- единицы измерения;

- понятия, связанные со временем, такие как продолжительность;

- отношения меронимии и голонимии

- основные семиотические отношения

1.2 Стандарты языков описания онтологий

RDF (Resource Description Framework)

Было разработано несколько языков представления и манипулирования онтологиями. В этом разделе рассмотрим краткий обзор тех стандартов и рекомендаций Консорциума World Wide Web (W3C), которые являются наиболее полными и репрезентативными для использования в проектах любой сложности: RDF/RDFS,OWL,OWL 2, SKOS и SPARQL.

RDF4 (Resource Description Framework) является одним из стандартов представления знаний (Lassila и др., 1998). Это рекомендация W3С для описания ресурсов и их метаданных. Основан на синтаксисе xml (eXtended Markup Language), язык RDF используется для описания знаний в виде ресурсов, свойств и значений.

RDFS (Resource Description Framework Schema)

Это базовая схема, включающая обычно используемые семантические объекты (классы, подклассы, свойства, суб-свойства и т. д.) для структурирования домена. Rdfs5-это расширение RDF, позволяющее определить понятия, используемые в описаниях и типовых ограничениях для объектов и значений триплетов. Rdfs5 является также языком определения словарей, обеспечивающим описание классов и свойств, представленных в ресурсах RDF. Другими словами, RDF является экземплярами RDFS. Классы и свойства в моделируемом домене определяются как экземпляры примитивов Class Property - RDFS соответственно. С другой стороны, примитивы subClass и subРroperty позволяют определять иерархические отношения между классами и между proprieties - RDF соответственно.

Другие примитивы, такие как Domain Ranges, также используются для указания доменов и ко-доменов отношений. Таким образом, RDF и RDFS позволяют описывать ресурсы в виде графов триплетов. Однако они страдают от некоторых ограничений, поскольку они не позволяют выразить:

1.алгебраические свойства, такие как транзитивность и симметрия;

2.сочетание классов с операторами объединения, пересечения и комплементарности;

3.дизъюнкция;

4.ограничение мощности: то есть количество значений, которые может иметь данное свойство.

Таким образом, эти два языка не позволяют представлять эти аксиомы и использовать их для выполнения дедукций. В результате был предложен другой язык, OWL (Web Ontology Language), чтобы восполнить этот недостаток.

OWL (язык веб-онтологии)

В целях расширения выразительности языка RDFS рабочая группа W3C по онтологиям WebOnt6 рекомендовала язык Owl7 как стандарт для представление онтологий. OWL-это язык, основанный на языке DAML+OIL (McGuinness и др., 2002). В дополнение к конструкторам для описания более сложных классов и свойств, OWL включает в себя инструменты сравнения свойств и классов. Он позволяет выражать такие свойства, как эквивалентность, дизъюнкция между классами, мощность, симметрия, транзитивность отношений и т. д. Это язык, основанный на логике описания (Baader и др., 2003), который также предлагает новые примитивы для определения классов с помощью механизмов набора (пересечение классов, объединение классов, дополнение класса). Он также позволяет делать вычеты. Таким образом, OWL может использоваться для явного представления онтологии. Кроме того, позволяя связывать онтологии, OWL позволяет учитывать распределенный аспект онтологий. Благодаря своей выразительной силе и силе рассуждения он остается мощным языком описания онтологий.

SKOS (простая система знаний)

W3C в августа 2009 года разработала SKOS 9. SKOS является моделью данных онтологий, предназначенной для поддержки RTO (recovery time objective - допустимое время восстановления данных). Кроме того, SKOS позволяет очень подробно описать лексический уровень любого ресурса. SKOS 9 обеспечивает механику для поддержки представления структурированных словарей. Каждая концепция определяется как класс RDFS с набором свойств. Понятие имеет URI для его идентификации, предпочтительный термин (или по одному на язык в случае многоязычного ресурса), а также, возможность интегрировать синонимические термины и определения. Термины (или метки) являются строками символов. Понятия связаны друг с другом в соответствии с отношениями обобщения/специализации.

SKOS формально определяется как онтология OWL (его элементы являются классами и свойствами OWL). SKOS является простым и интуитивно понятным и может использоваться самостоятельно для представления простых систем (например, тезаурусов) или в сочетании с другими формальными языками, такими как OWL, для описания более сложных моделей (например, формальная онтология безопасности архитектуры предприятия) (Jupp и др., 2008). Как только знания описываются на официальных языках, они должны быть доступны и пригодны для использования компьютерными системами и/или агентами. В этом смысле были разработаны специальные языки запросов к этим структурированным данным. В следующем разделе мы опишем наиболее часто используемый инструмент для обработки содержимого базы данных RDF: SPARQL.

SPARQL (SPARQL Protocol And RDF Query Language)

Как и язык SQL, SPARQL - это язык запросов, предназначенный для запроса к онтологиям, построенным по стандарту RDF. Он стал рекомендацией W3C с января 2008 года. SPARQL использует графические шаблоны для определения триплетов, которые удовлетворяют условиям запросов. В принципе, с помощью этого языка можно получить доступ к любым данным в Интернете, представленным в формате RDF. SPARQL использует синтаксис, основанный на SQL, и поэтому очень похож на этот язык. Общая схема запроса SPARQL имеет следующую форму (см. Рисунок 3).

Рисунок 3. Пример структуры запроса SPARQL.

Запрос SPARQL позволяет извлекать триплеты из графа RDF, проверяющего некоторые условия, определенные в его предложении. SPARQL также имеет другие зарезервированные семантики, такие как логические операторы (объединение, пересечение), фильтрации по значениям для выражения более сложных, но более конкретных запросов. SPARQL часто используется в сочетании с языками программирования, такими как Java для обработки данных RDF в приложениях.



1.3 Разработка тезауруса безопасности

Необходимо разработать тезаурус безопасности для формализации архитектурных компонентов безопасности, которые можно будет применять в процессе проектирования архитектуры предприятия широкого профиля. Ключевыми аспектами безопасности являются антропологические, то есть зависящие от, так называемого, людского фактора и технические, иными словами, ошибки и уязвимости в информационных системах.

Воспользуемся рядом методологических подходов к разработке онтологий. Рассматриваемые лучшие практики, рекомендуют составить некоторый сценарий использования и отметить ключевые аспекты онтологии перед её проектированием. Последуем данной рекомендации. Общей целью построения онтологии уязвимостей является реализация тезауруса безопасности, способного не только к накоплению разно-форматной информации, но и пригодного для организации экспертной системы принятия решения по анализу архитектуры предприятия с точки зрения реализации 2 компонентов безопасности. Первый компонент - антропологический. Он предусматривает реализацию работы персонала с бизнес-процессами предприятия таким образом, при котором возможности ошибок по невнимательности, рабочей халатности и случайной неосмотрительности сводятся к возможному минимуму. Второй компонент - технологический. Он предусматривает важнейший аспект современной информационной безопасности - технологию управления информацией и событиями безопасности (Security Information and Event Management, SIEM).

В системах управления информацией и событиями безопасности (SIEM) важным аспектом, влияющим на скорость обработки и качество анализа данных, является способ их представления и хранения. Для этой цели в работе предлагается использовать один из популярных в настоящее время стандартов в области безопасности SCAP.

Как правило, при построении модели данных на основе этого стандарта для SIEM-систем применяется реляционный поход. Он является не лучшим решением для сложной модели с большим количеством связей, которая в процессе управления безопасностью должна подвергаться разностороннему и глубокому анализу. В качестве альтернативы в работе для представления информации и событий безопасности предлагается использовать онтологический подход. Концептуальная схема проектируемой онтологии представлена на рисунке 4.

Рисунок 4. Логическое ядро онтологии

В настоящий момент существует множество различных стандартов представления данных безопасности. Одним из популярных является протокол SCAP, который разрабатывается компанией Mitre и американским Национальным институтом по стандартизации и технологиям (National Institute of Standards and Technology). SCAP - это спецификация, которая объединяет ряд стандартов для унифицированного управления данными по безопасности. SCAP позволяет составить список используемых в системе платформ и приложений, задать особенности их конфигурации, неблагоприятно влияющие на защищенность, специфицировать список уязвимостей, оценить неблагоприятное влияние конфигураций и уязвимостей, выявить наиболее критичные уязвимости (обнаружить присутствие уязвимостей и присвоить им оценки критичности).

SCAP включает в себя следующие стандарты:

1. «Общее перечисление платформ» (Common Platform Enumeration - CPE) для задания программно-аппаратного обеспечения;

2. «Общее перечисление конфигураций» (Common Configuration Enumeration - CCE) для представления особенностей программно-аппаратной конфигурации, неблагоприятно влияющих на защищенность;

3. «Общие уязвимости и дефекты» (Common Vulnerabilities and Exposures - CVE) для описания списка уязвимостей данных продуктов;

4. «Cистема оценки уязвимостей» (Common Vulnerabilities Scoring System - CVSS), используемая для определения неблагоприятного влияния конфигураций и уязвимостей, выявления наиболее критичных уязвимостей, на основе чего потом проводится исправление ошибок.

Рассмотрим наиболее известные инструменты инженерии онтологий для построения, редактирования, отображения и объединения онтологий, URL и основные характеристики соответствий между ними (см. Таблицу 2).

Таблица 2 - Инструментальные средства онтологий

Имя	Описание	URL
Ontolingua	Поддержка совместной разработки	http://www.ksl.stanford.edu/ software/ontolingua/
WebOnto	Поддержка совместного просмотра	http://webonto.open.ac.uk
Protege	Создание, просмотр, поддержка	http://protege.stanford.edu
OntoSaurus	Web-браузер баз знаний LOOM	http://www.isi.edu/isd/ ontosaurus.html
ODE, WebODE	Создание, методология Methontology	http://delicias.dia.fi.upm.es/ webODE/
KADS22	Проектирование моделей знания по методологии CommonKADS.	http://www.swi.psy.uva.nl/ projects/kads22/index.html
OntoEdit	Разработка и поддержка онтологий	http://www.ontoprise.de/ products/ontoedit
OilEd	Поддержка рассуждения	http://oiled.man.ac.uk
i.com	Поддержка интеллектуального концептуального моделирования	http://www.inf.unibz.it/ ~franconi/icom/
PROMPT	Приложение объединения к Protege	http://protege.stanford.edu/ plugins/prompt/
Chimaera	Инструмент объединения, на основе редактора онтологий Ontolingua	http://www.ksl.stanford.edu/ software/chimaera/
OntoMerge	Инструмент объединения и рассуждения	http://cs-www.cs.yale.edu/homes/ dvm/daml/ontology-translation.html
OntoMorph	Преобразование символических знаний	http://www.isi.edu/~hans/ontomorph

Наиболее подходящим для целей работы является программный пакет - Protege. Чаще всего логика отношений между сущностями предметной области трудновыразима в реляционном представлении. Так как, реляционные БД хорошо масштабируются только в том случае, если располагаются на единственном сервере. Когда ресурсы этого сервера закончатся, необходимо будет добавить больше машин и распределить нагрузку между ними. И вот тут сложность реляционных БД начинает играть против масштабируемости. Если попробовать увеличить количество серверов не до нескольких штук, а до сотни или тысячи, сложность возрастет на порядок, и характеристики, которые делают реляционные БД такими привлекательными, стремительно снижаются к нулю. Шансы использовать их в качестве платформы для больших распределенных систем под архитектуру предприятий и/или гос корпораций весьма призрачны.

Чтобы оставаться конкурентоспособными, вендорам облачных сервисов приходится как-то бороться с этим ограничением, потому что какая ж это облачная платформа без масштабируемого хранилища данных. Поэтому у вендоров остаётся только один вариант, если они хотят предоставлять пользователям масштабируемое место для хранения данных. Нужно применять другие типы баз данных, которые обладают более высокой способностью к масштабированию, пусть и ценой других возможностей, доступных в реляционных БД.

...