
188 Глава 11. Каналы утечки информации при эксплуатации ЭВМ
Предварительную балансировку можно применить и для компонентов спектра сигна-
ла градиентометра. Предположим, что спектр содержит две составляющие: стабильную
помеховую и сигнальную, которая возникает в случае включения диктофона.
Проведем “обучение” прибора в условиях, когда достоверно отсутствуют диктофоны.
При этом можно оценить статистические характеристики фона, в частности, его спектр —
шаблон
S(f,0). На этапе обнаружения измеряется разность между текущим спектром и по-
роговым спектром-шаблоном:
С(f,t) = S(f,t) – S(f,0). Сглаживая во времени разностный
спектр, получим критериальную функцию
[С(f,t)] = [S(f,t)] – [S(f,0)]. Правило обнару-
жения при этом формулируется как превышение критериальной функции спектрального
порога:
С(f,t) > С(t)
Значение порога определяется уровнем помех, собственными шумами каналов обна-
ружителя, временем накопления информации, а также заданной вероятностью обнару-
жения и допустимой вероятностью ложной тревоги.
Данная процедура эквивалентна балансировке каждого из спектральных градиенто-
метров, при этом разбалансировка является следствием появления сигнала. С другой
стороны критеральная функция является, по существу, градиентом во времени. Индика-
тором появления диктофона является возникновение неравномерности во времени и
возрастание градиента выше порогового уровня. При этом частоты диктофона и помехи
могут совпадать.
Если бы все сводилось к стабильному фону, который можно запомнить перед сеан-
сом контроля, то задача обнаружения была бы решена. Необходимо было бы в течение
достаточно длительного времени обучать систему окружающей обстановке. Однако ре-
ально дела обстоят сложнее. Во время контроля возникают дополнительные помехи или
фоновые компоненты: от транспорта, изменения параметров сети, офисной техники. По-
этому шаблон за время сеанса контроля существенно устаревает. Сама модель стабиль-
ного фона, к сожалению, является лишь условностью, которая на практике часто не со-
блюдается. Поэтому приходится привлекать дополнительные алгоритмы: распознавание
событий и многоканальную адаптивную фильтрацию.
Распознавание событий
Процедура обучения, рассмотренная ранее, сама по себе является первым этапом
распознавания события, связанного с работающим диктофоном. Однако в процессе об-
наружения помимо работы диктофона встречается еще целый ряд событий, которые мо-
гут привести к превышению порога и вызвать сигнал тревоги, например, включение но-
вого компьютера, вибрация, импульсная помеха, звонок телефона, помехи транспортные
и т.д.
Поэтому ОД должен все эти события идентифицировать для того, чтобы организо-
вать адекватную реакцию системы: при кратковременных помехах обнаружение на по-
меховых компонентах спектра должно отключаться, при долговременных — должны
вносить изменения в шаблон.