An Algorithm for Forming an Adaptive Speech-Like Interference to Protect Confidential Speech Information in Office Spaces

Cover Page

Cite item

Full Text

Abstract

Relevant. Current trends in information security research are driven by the growing number of threats associated with the leakage of speech information from premises via acoustic and vibroacoustic channels. Current methods of passive and active protection of premises, based on noise generation and the use of libraries of pre-recorded audio signals, do not always achieve the required level of protection due to a lack of adaptation to the parameters of real speech and the acoustic environment in the premises, as well as due to disregard for regulatory requirements regarding indoor noise levels. All this has necessitated the development of new algorithms for the active protection of office premises from leakage, particularly via acoustic-vibrational channels, based on the use of speech signals from participants in negotiations. The aim of the study is to ensure the required verbal intelligibility coefficient at the boundary of a controlled office area by improving active information protection systems through the development and application of an algorithm for generating speech-like interference that is adaptive to changes in the speech parameters of negotiators, the office environment, and noise level regulations. Information theory and digital signal processing methods were used to solve these problems. In result an algorithm for generating adaptive speech-like interference for use in active information protection systems in offices has been developed. The proposed algorithm for generating adaptive speech-like interference allows it to be generated from the speech signals of negotiators only when they are present, thereby enhancing the interference's masking properties. The novelty of the study lies in the introduction of multichannel procedures for generating adaptive speech-like interference.The theoretical significance of this research lies in expanding our understanding of methods, models, and techniques for adaptive acoustic masking of speech information and developing an algorithm for generating speech-like interference based on speech parameter analysis.Practical significance. The developed algorithm can be implemented using standard computing devices and acoustic systems. This makes it applicable to both current and future active speech protection systems.

About the authors

M. V. Volchikhina

Tambov State Technical University

Email: mariyamoiseeva@mail.ru
ORCID iD: 0009-0004-6476-8614

References

  1. Супрун А.Ф. Техническая защита информации: учеб. пособие для вузов. Часть 1. СПб.: Санкт-Петербургский политехнический университет Петра Великого, 2021. 242 с.
  2. Голубинский А.Н. Расчёт частоты основного тона речевого сигнала на основе полигармонической математической модели // Вестник Воронежского института МВД России. 2009. № 1. С. 81–90. EDN:JXUTKN
  3. Волчихина М.В., Фурсова А.В. Модель адаптации параметров средства защиты информации к параметрам речи субъектов переговоров в помещении офисного типа // Вестник Воронежского института МВД России. 2024. № 1. С. 108–114. EDN:NLOJVC
  4. Волчихина М.В. Метод адаптации параметров средств защиты информации на основе дискретного изменения амплитуды и тембра субъектов переговоров // Вестник Тамбовского государственного технического университета. 2022. Т. 28. № 2. С. 226–234. doi: 10.17277/vestnik.2022. 02.pp.226-234. EDN:AXWBIH
  5. Шелухин О.И. Сетевые аномалии. Обнаружение, локализация, прогнозирование. М.: Горячая линия – Телеком, 2020. 447 с.
  6. Каторин Ю.Ф., Разумовский А.В., Спивак А.И. Защита информации техническими средствами: учеб. пособие. СПб.: НИУ ИТМО, 2012. 416 с.
  7. Царегородцев А.В., Тараскин М.М. Методы и средства защиты информации в государственном управлении. М.: Проспект, 2017. 205 с.
  8. Лыньков Л.М., Голиков В.Ф., Борботько Т.В. Основы защиты информации и управления интеллектуальной собственностью. Минск: БГУИР, 2013. 243 с.
  9. Ворона В.А., Костенко В.О. Способы и средства защиты информации от утечки по техническим каналам // Computational Nanotechnology. 2016. № 3. С. 208–223. EDN:WKNGZD
  10. Хорев А.А. Техническая защита информации. М.: НПЦ «Аналитика», 2008. 436 c.
  11. Бузов Г.А., Калинин С.В., Кондратьев А.В. Защита от утечки информации по техническим каналам. М.: Горячая линия – Телеком, 2005. 415 c. EDN:QMOJMV
  12. ГОСТ Р 50840-95. Передача речи по трактам связи. Методы оценки качества, разборчивости и узнаваемости. М.: Госстандарт России, 1997. 230 c.
  13. Дворянкин С.В., Макаров Ю.К., Хорев А.А. Обоснование критериев эффективности защиты речевой информации от утечки по техническим каналам // Защита информации. Инсайд. 2007. № 2(14). С. 18–25. EDN:TRKKQR
  14. Железняк В.К., Макаров Ю.К., Хорев А.А. Некоторые методические подходы к оценке эффективности защиты речевой информации // Специальная техника. 2000. № 4. С. 39–45. EDN:YPUIBV
  15. Хорев А.А. Способы защиты выделенных помещений от утечки речевой (акустической) информации по техническим каналам: системы виброакустической защиты // Специальная техника. 2013. № 4. С. 31–63. EDN:RINYMP
  16. Макаров Ю.К., Хорев А.А. Методы защиты речевой информации и оценки их эффективности // Защита информации. Конфидент. 2001. № 4. С. 22–33.
  17. Дворянкин С.В., Дворянкин Н.С., Устинов Р.А. Развитие технологий образного анализа-синтеза акустической (речевой) информации в системах управления, безопасности и связи // Безопасность информационных технологий. 2019. Т. 26. № 1. С. 64–76. EDN:VWAQNW
  18. Алексеев В.В., Гриднев В.А., Моисеева М.В., Рыжков А.П., Яковлев А.В. Теоретические основы построения и применения научно-исследовательского комплекса мониторинга характеристик защищенности конфиденциальной информации: монография. Тамбов: Издательский центр ФГБОУ ВО «ТГТУ», 2022. 100 с.
  19. Волчихина М.В. Оценка уровня словесной разборчивости на границе контролируемой зоны офисного помещения артикуляционным методом // Вестник Воронежского института МВД России. 2022. № 2. С. 105–112. EDN:POMJEB

Supplementary files

Supplementary Files
Action
1. JATS XML


Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».