Детальная информация

Объект исследования - процессы обеспечения кибербезопасности в цепочках поставок программного обеспечения и механизмы управления рисками взаимодействия с контрагентами. Предмет исследования - методы, источники и алгоритмы анализа открытых источников для проактивной оценки рисков контрагентов, выявления индикаторов киберинцидентов и формирования обоснованных управленческих решений. Цель работы - разработка и теоретическое обоснование методики применения анализа открытых источников для проактивного выявления киберинцидентов в цепочках поставок программного обеспечения, согласованной с требованиями российских нормативных документов в области управления рисками. Методологическую основу составляют принципы риск-ориентированного подхода, системный анализ, методы ретроспективного моделирования и верификации индикаторов. Результаты исследования: проведён системный анализ современных угроз и векторов атак на цепочки поставок; обоснована возможность раннего обнаружения индикаторов компрометации по открытым данным; разработана формализованная методика АОИ, включающая этапы картирования активов, сбора и нормализации данных, детекции индикаторов риска (6 правил, R1–R6), расчёта интегральной оценки RiskScore и формирования управленческих решений; выполнена экспериментальная апробация на 8 ретроспективных и актуальных кейсах (SolarWinds, CodeCov, Kaseya, XZ Utils, pymafka, RVTools, фишинг PyPI, event stream); предложена архитектура автоматизации методики. Научная новизна заключается в формализации процесса анализа открытых источников как непрерывного цикла оценки рисков с количественным механизмом расчёта интегральной оценки на основе бинарных индикаторов с дифференцированными весами, что переводит анализ публичных данных из области экспертных суждений в формализованный управленческий инструмент. Практическая значимость состоит в возможности внедрения методики в корпоративные процессы управления рисками третьих сторон (TPRM), обеспечивая опережающее обнаружение угроз, сокращение времени реагирования и повышение обоснованности решений по взаимодействию с контрагентами. Степень внедрения: результаты апробации подтвердили готовность методики к интеграции в системы менеджмента информационной безопасности организаций.

Object of research - cybersecurity processes in software supply chains and risk management mechanisms for third-party interaction. Subject of research - methods, sources, and algorithms of open-source intelligence for proactive assessment of counterparty risks, detection of cyberincident indicators, and informed decision-making. Purpose of the work - to develop and theoretically justify a methodology for applying open-source intelligence to proactively identify cyber incidents in software supply chains, aligned with the requirements of Russian regulatory documents in the field of risk management. Methodological foundation comprises risk-based approach principles, systems analysis, retrospective modeling, and indicator verification methods. Results of the study: a systematic analysis of modern threats and attack vectors on supply chains was conducted; the feasibility of early detection of compromise indicators from open data was substantiated; a formalized OSINT methodology was developed, including asset mapping, data collection and normalization, detection of risk indicators (six rules, R1–R6), calculation of the integrated RiskScore metric, and management decision-making; experimental validation was performed on eight retrospective and current cases (SolarWinds, CodeCov, Kaseya, XZ Utils, pymafka, RVTools, PyPI phishing, event stream); an automation architecture for the methodology was proposed. Scientific novelty lies in the formalization of open-source intelligence as a continuous risk assessment cycle with a quantitative scoring mechanism based on binary indicators with differentiated weights, transforming open-data analysis from expert judgment into a formalized management tool. Practical significance is the ability to implement the methodology into corporate third-party risk management (TPRM) processes, providing advanced threat detection, reducing response time, and improving the validity of decisions regarding counterparty interaction. Implementation level: the approbation results confirm the methodology’s readiness for integration into organizational information security management systems.