Issn 2072-0297 Молодой учёный Международный научный журнал Выходит еженедельно №28 (132) / 2016 р е д а к ц и о н н а я к о л л е г и я : Главный редактор

22
Информатика
переменная отношения представлена на рисунке 1. 
У пользователя есть возможность запрашивать только 
агрегированные данные, однако он хочет узнать, какова 
площадь квартиры, в которой проживает Мария. Он 
знает, что она работает швеей. Тогда, если сначала он за-
просит число записей, в которых по атрибуту пол будет 
значение женский, а по атрибуту специальность — швея, 
и получит единицу, то он поймет, что в доме есть только 
одна женщина-швея, и, как ему известно, это Мария. 
Тогда запрос о сумме значений атрибута площадь по за-
писям, у которых по атрибуту пол будет значение женский, 
а по атрибуту специальность — швея, выдаст конкретную 
площадь квартиры Марии, причем злоумышленник будет 
точно знать, что за значение он получил.
Рис.
 1. Переменная отношения
Очевидно, что защита статистической базы данных 
в данном случае была нарушена, хотя пользователь не 
вводил запрещенных запросов. Это случилось из-за того, 
что злоумышленник обладал средством слежения, что 
Мария — женщина-швея. К сожалению, чаще всего до-
вольно просто получить подобное средство слежения, за-
щититься от которого почти нельзя. Существуют неко-
торые предположения, как именного можно решить эту 
проблему, но они связаны с большими расходами. Поэ-
тому считается, что необходимо для начала определить, 
что важнее — конфиденциальность данных или возмож-
ность «вычисления статистических показателей для про-
извольных подмножеств данных в базе» [1].
Таким образом, можно сделать вывод, что, несмотря 
на обилие различных подходов в организации защиты 
данных, к ним все равно можно получить несанкциони-
рованный доступ, однако чем больше подобных подходов 
будет предпринято, тем больше вероятность того, что они 
отпугнут злоумышленника и данные останутся в целости 
и сохранности.
Литература:
1.  Дейт, К. Дж. Введение в системы баз данных, 8-е издание: Пер. с англ. / К. Дж. Дейт. — М.: Издательский дом 
«Вильямс», 2008. — 1328 с.: ил. — Парал. тит. англ.
2.  Denning D.E, Denning P. J. Data Security // ACM Comp. Surv. — September 1979. — 11, №  3.
Моделирование нейронных сетей Кохонена на графических процессорах
Козлов Андрей Алексеевич, студент
Московский государственный технический университет имени Н. Э. Баумана
Н
ейросетевые технологии является мощным мате-
матическим аппаратом, что позволяет выявлять 
скрытые закономерности. Подобные задачи необходимо 
решать во многих предметных областях, таких как ме-
дицина, геологическая разведка, анализ сложных эко-
номических систем и тому подобное. При этом, если 
в отдельных областях допустимо проводить обработку ис-
ходных данных в отложенном режиме, то во многих других, 
например, при диагностике актуального состояния техни-
ческой системы, необходимо проводить анализ в режиме 
реального времени или в режиме, близком к нему.
К настоящему моменту времени применение нейро-
сетевых технологий при работе с большими массивами 
данных во многом ограничивалось лабораторными иссле-
дованиями в режиме отложенного времени, поскольку 
программная реализация модели нейронной сети отли-

“Young Scientist”  .  #28 (132)  .  December 2016
23
Computer Science
чалась низкой скоростью работы или требовалась разра-
ботка специализированных аппаратных средств. Поэтому 
ставится задача  —  овладеть типичными современными 
аппаратными средствами и в полной мере задействовать 
их возможности для обеспечения существенного при-
роста производительности нейронной сети.
Реализация нейронной сети Кохонена 
с использованием технологии CUDA
Процесс обучения нейронной сети Кохонена можно 
представить в виде трех этапов: вычисление расстояния 
между представленным на сети образцом и каждым ней-
роном сети (рис. 1), определение победителя и изменение 
весовых коэффициентов. В самоорганизующихся картах 
Кохонена присутствует также дополнительный этап  — 
определение мер соседства.
Для нахождения расстояния может быть использована 
произвольная метрика. Если решаемая задача имеет ге-
ографическую привязку или если осуществляется только 
предварительное ознакомление с предметной областью 
и ее свойства не выяснены, то часто используют евкли-
дову метрику. Тогда расстояние определяется по формуле






 
С целью повышения скорости обучения операцию из-
влечения квадратного корня можно исключить, так как 
в конечном итоге интерес представляет не собственно 
значение расстояния, а соотношение расстояний.
Рассмотрим модель показанную на рис. 1. Здесь в ка-
честве примера показана сеть, состоящая из восьми ней-
ронов, но общая ее структура при изменении количества 
нейронов существенно не изменится. Предполагается, 
что количество входных нейронов не задана условиями за-
дачи и может быть выбрана произвольно. В этом случае 
она целесообразно задавать, учитывая оптимальное ко-
личество одновременно выполняемых потоков на гра-
фическом ядре. Использование меньшего количества 
нейронов приведет к тому, что графическое ядро будет 
загружено не полностью, следовательно, не будет до-
стигнута максимально возможная производительность 
вычислительной системы. Увеличение числа нейронов ре-
ализуется довольно просто при условии, что их число яв-
ляется кратным количеству одновременно работающих 
потоков. В этом случае каждый элемент будет просчиты-
вать два или более нейронов последовательно. Не реко-
мендуется использовать количество нейронов, некратное 
количеству потоков, поскольку, кроме простоя части 
процессорных элементов, это потребует добавления ус-
ловных операторов, что в технологии CUDA является не-
желательным, учитывая производительность.
Следующий этап — нахождение победителя. Для этого 
необходимо найти наименьшее расстояние и определить 
индекс соответствующего ему нейрона. Этот этап может 
быть представлен в виде задачи восхождения, то есть вы-
числения такого рода, когда на каждом шагу количество 
обрабатываемых данных уменьшается вдвое. Лучшим 
способом разбиения этого этапа на составляющие будет 
разделение массива исходных данных пополам и попарное 
Рис.
 1. Модель карты Кохонена, реализованной по технологии CUDA

«Молодой учёный»  .  № 28 (132)   .  Декабрь 2016  г.
24
Информатика
сравнение между собой элементов, расположенных по-
следовательно в каждой половине массива. Именно такой 
выбор элементов для сравнения связан с особенностями 
организации глобальной и общей памяти [3].
В случае работы с классической сетью Кохонена, обна-
ружив победителя, можно будет сказать, в какой именно 
из нейронов исходное значение должно равняться еди-
нице, а значит, можно сразу приступать к изменению ве-
совых коэффициентов по формуле



 

 
где 
λ — коэффициент скорости обучения.
Этот процесс с вычислительной точки зрения выпол-
няется аналогично этапу определения расстояний, то есть 
каждый элемент просчитывает вес одного нейрона, и эти 
расчеты выполняются параллельно.
Последовательность из этих трех этапов выполняется 
многократно. На каждой итерации на вход подается новый 
образец, который, как правило, избирается произвольно. 
Также общепринятой практикой является постепенное 
уменьшение коэффициента скорости обучения.
Несколько особняком стоит процесс определения 
мер соседства, который используется в самоорганизую-
щихся картах. Его особенность заключается в том, что 
выполнить его можно единовременно перед началом об-
учения сети, поскольку соседство между нейронами не за-
висит от их весовых коэффициентов, а определяется ис-
ключительно, учитывая индексы нейронов и выбранный 
тип координатной сетки  —  прямоугольной или гексаго-
нальной. [5] Из-за сравнительно малого количества ней-
ронов предварительное вычисление мер соседства вполне 
целесообразно, потому таблицу соседства можно хранить 
в общей памяти. При увеличении количества нейронов 
объема общей памяти может оказаться недостаточно. За-
действовать для таблицы соседства глобальную память 
нет смысла, поскольку доступ к ней является одним из 
«узких» мест в архитектуре CUDA. Поэтому в последнем 
случае продуктивным решением будет выполнение рас-
чета соседства между каждым из нейронов и нейроном за-
ново на каждой итерации.
Анализ производительности
Для тестирования были использованы самоорганизую-
щиеся карты Кохонена размером 16х16, 16х32 и 32х32. Они 
содержали три входных сигнала и один выходной. В этом 
случае смысловое наполнение сигналов значения не имеет. 
То есть это могут быть сигналы от датчиков температуры, 
давления, вибрации и т. д. Законы распределения значений 
в сигналах, частота их изменений, взаимная корреляция 
Рис.
 2. Этапы обучения карты Кохонена:  
а — исходное состояние; б — 10 тыс. итераций, в — 200 тыс. итераций, г — 1 млн итераций

“Young Scientist”  .  #28 (132)  .  December 2016
25
Computer Science
и другие показатели непосредственно на скорость обучения 
сети не влияют, однако они могут предоставить косвенное 
влияние, так как по меньшей зашумленности и из-за менее 
сложного закона взаимосвязи входных сигналов для обна-
ружения скрытых закономерностей достаточно будет мень-
шего количества итераций во время учебы.
На рис. 2 показана самоорганизующаяся карта на 
разных стадиях обучения. Начальный ее состояние (рис. 2, 
а) представляет собой полностью зашумленных область, 
поскольку начальные веса нейронов, как правило, назна-
чаются случайно. На протяжении обучения карты на ней 
постепенно вырисовываются большие темные и светлые 
пятна, поскольку нейроны с близкими весами стремятся 
приблизиться друг к другу (рис. 2, б), а затем границы об-
ластей становятся четче выраженными, и часто при этом 
можно наблюдать несколько кластеров (рис. 2, в). В про-
должение обучения кластеры становятся все более мел-
кими вплоть до отдельных нейронов (рис. 2, г). Такое по-
ложение, как правило, свидетельствует об определенном 
переобучении сети.
Результат тестирования изображен на рис. 3. В этом 
случае фиксировалось количество учебных итераций, 
а именно — устанавливалось равным 1 млн. И оценива-
лось время, необходимое для их выполнения. Как видим, 
во всех случаях время не превысило 100 с. Подобное ко-
личество итераций во многих случаях будет больше, чем 
нужно для предварительной настройки сети, а полу-
ченное время обучения — вполне приемлемым для ин-
терактивной работы оператора с вычислительной си-
стемой.
Рис.
 3. Продуктивность карты Кохонена, реализованной при использовании технологии CUDA
Также видим, что при уменьшении размера самоорга-
низующейся карты время обучения снижается незначи-
тельно. Например, при переходе от карты размером 32x32 
к карте размером 16x16, то есть за уменьшение количе-
ства нейронов в 4 раза, время обучения снизился при-
мерно на 7%. Такое поведение нейронной сети, реализо-
ванной в соответствии с моделью на рис. 2, согласуется 
с предсказуемой, поскольку одновременно со снижением 
количества нейронов уменьшалось и количество работа-
ющих потоков в GPU.
Размер обучающей выборки в проведенном тести-
ровании равен 65 536. Ключевым здесь является то, 
что такой объем данных уже не может быть размещен 
в общей памяти, следовательно, предполагается, что 
массив образцов обучающей выборки размещен в гло-
бальной памяти видеокарты. Учитывая числовые харак-
теристики современных видеокарт и средние объемы вы-
борок в большинстве задач, эту ситуацию можно считать 
характерной. При увеличении объема обучающей вы-
борки может осуществляться подкачка данных из ОЗУ 
(при необходимости) в память видеокарты непосред-
ственно в процессе вычислений на GPU. Существенного 
влияния на производительность не будет.
Выводы. На этапе разработки модели самоорганизу-
ющейся карты и при выборе ее количественных показа-
телей, таких как количество нейронов и количество эле-
ментов в обучающей выборке, должно быть учтено много 
ограничений и особенностей GPU. В этом случае реали-
зация самоорганизующейся карты Кохонена с использо-
ванием графического процессора на основе технологии 
CUDA позволяет достичь скорости обучения сети около 
105 итераций в секунду, что открывает перспективы ис-
пользования самоорганизующихся карт в системах мяг-
кого реального времени.
Литература:
1.  Кохонен Т. Самоорганизующиеся карты // пер. с англ В. Агеев; под ред. Ю. Тюменцева. — М.: Бином, 2008. — 656 с.
2.  Гергель В. П. Теория и практика параллельных вычислений. — М.: Бином. Лаборатория знаний, 2007. — 424 с.
3.  Олещук О. В., Попель А. Е., Копытчук М. Б. Моделирование полносвязной нейронной сети с использованием 
технологии CUDA// Вестник Национального университета «Львовская политехника». — 2012. — №  747. — 
С. 131–139.

«Молодой учёный»  .  № 28 (132)   .  Декабрь 2016  г.
26
Информатика
4.  CUDA Zone. http://www.nvidia.ru/object/cuda_home_new_ru.html (Last access: 01.12.2016).
5.  Юндин А. С. Использование нейронных сетей для повышения надежности хранения данных // Молодой 
ученый. —  2016. —  №   27.
Сравнительный анализ методов представления 
информации для мобильных устройств
Костенок Кирилл Олегович, студент
Тольяттинский государственный университет
Ключевые слова: мобильные технологии, мобильные устройства, адаптивный дизайн, мобильное прило-
жение, фиксированный дизайн
С
уществует два направления технической реализации 
проектов для мобильных устройств: web-сайт и мо-
бильное приложение. Web-сайты в свою очередь подраз-
делятся на два вида: сайты с использованием «фиксиро-
ванной верстки» и сайты с «адаптивный дизайн» [1].
Термин «фиксированный дизайн» используется для 
обозначения макета страницы, который создается на ос-
нове слоев заданной ширины. Для всех пользователей, 
сайт, построенный на таком макете, будет отображаться 
вполне корректно, однако, при слишком больших разре-
шениях, большая честь экрана остается не занятой [2]. 
В случаи с мобильными устройствами, что может вы-
звать дискомфорт у пользователя. Примером сайта 
с «фиксированным дизайном» является сайт «Тольят-
тинского Государственного Университета» [3], пример 
его отображения на мобильном устройстве представлен 
на рисунке 1.
Термин «адаптивный дизайн» впервые был введен 
Итаном Маркоттом [4] в его статье, представленной пу-
блике в мае 2010 года. Все аспекты адаптивной верстки он 
изложил в своей книге «Responsive Web Design». Данный 
термин был расширен Джеффри Зельдманом, чтобы оно 
покрывало любые подходы, обеспечивающие ясное ви-
зуальное восприятие в независимости от размера экрана 
и разращения матрицы и других ограничений пользова-
тельского устройства [5].
Адаптивный дизайн — это дизайн, оперирующий с не-
сколькими макетами сайта или его разметкой для обеспе-
чения наилучшего его использования на различных, за-
данных за ранее разращениях [6].
Рис.
 1. Сайт «Тольяттинского Государственного Университета» на Samsung Galaxy S II PLUS

“Young Scientist”  .  #28 (132)  .  December 2016
27
Computer Science
Элементы сайта на макетах адаптивного сайта могут 
скрываться, заменяться другими, могут менять свое ме-
стоположение и поведение, а также объединяться в функ-
циональные модульные единицы.
Адаптивный дизайн требует работы с объектной мо-
делью элементов на странице, что подразумевает их смену 
вложенности (иерархии) на различных типах устройств.
Не является обязательным обеспечение одинакового 
вида сайта и его функционала в разных браузерах. Воз-
можно использование новых технологий, не поддержива-
емых старыми версиями программ — потому что дизайн, 
как было сказано выше, адаптируется под определенные 
типы устройств [7].
Для приведения примера поведения адаптивного сайта 
на разных устройствах с разными размерами и разреше-
ниями матриц, мною был выбран salesforce.com. На ри-
сунке 2 представлена его версия на экране с разрешением 
FullHD.
Рис.
 2. SalesForce сайт на FullHD мониторе
Если мы запустим сайт на мобильном устройстве, то 
мы увидим кардинальные изменения в дизайне. Меню, 
присутствующее на экранах с большим разрешением 
спрятано под кнопкой «меню» в левом верхнем углу, что 
не нагромождает экран, но в тоже время позволяет бы-
стро совершить переход между разделами сайта. Эле-
менты сайта приобрели большие габариты, что позво-
ляет без проблем ими воспользоваться даже на маленьких 
экранах. На рисунке 3 продемонстрирован сайт salesforce.
com, запущенный на мобильном телефоне.
Рис.
 3. SalesForce сайт на Samsung Galaxy S II PLUS

«Молодой учёный»  .  № 28 (132)   .  Декабрь 2016  г.
28
Информатика
Между двумя данными методами разработки сайтов 
преимущество имеет «адаптивная верстка», так как есть 
возможность настроить отображение элементов для не-
скольких устройств сразу, что позволяет обойти проблему 
свободного пространства.
Только что проведенный анализ, между сайтом с фикси-
рованным дизайном и сайтом, использующем адаптивную 
верстку, показал, что использование «адаптивной вер-
стки» является более приемлемым способом для пре-
доставления информации или услуг конечному пользо-
вателю. Является ли данный подход оптимальным для 
пользователей мобильных устройств? Для ответа на 
этот вопрос необходимо провести сравнительный анализ 
между адаптивным сайтом и мобильным приложением.
Сравнение будет проводиться по следующим крите-
риям: Интерфейс, быстродействие, интеграция с плат-
формой, необходимость доступа к интернету, мультиплат-
форменность, ресурсы и необходимость публикации.
Дизайн для мобильных приложений жестко диктуется 
авторами операционных систем, на которых работает то 
или иное мобильное устройство. Интерфейс для сайта же, 
разрабатывается опираясь лишь на требования заказ-
чика. В результате жестких требований мобильные при-
ложения более схожи между собой, что позволяет конеч-
ному пользователю быстрее разбираться в интерфейсе 
нового приложения. В случаи с сайтом все начинается 
с нуля.
Мобильное приложение работает значительно бы-
стрее, чем сайт, поскольку выполняется на более низком 
уровне, что сокращает время на обращение к ресурсам 
устройства.
Мобильное приложение имеет большую интеграцию 
с платформой, так как они заранее разрабатываются с ис-
пользованием определенных средств (язык программиро-
вания, IDE и т. д.), что позволяет операционной системе 
вести учет всех приложений. В случаи, если какое-либо 
приложение захочет выполнить действие, на которое оно 
не способно (например, открытие.pdf-файла), то прило-
жение может произвести обращение к ОС, которая са-
мостоятельно найдет другое приложение, способное на 
данную операцию, и передаст управление ей.
Сайт всегда требует доступ к интернету, он просто 
не загрузится, если интернет отсутствует или не доступ 
в зоне нахождения устройства. Мобильные приложения 
на данный счет более гибкие: они могут как требовать до-
ступ к интернету, так и не использовать его вообще.
Поскольку мобильное приложение, как говорилось 
ранее, работает на более низком уровне, чем сайт, то полу-
чение доступа к ресурсам устройства производится значи-
тельно быстрее. Для работы сайт же требуется выделение 
ресурсов не только для хранения и работы сайта, но также 
и браузера, через который происходит доступ к сайту.
Самым большим недостатком мобильных приложений, 
по сравнению с сайтами, является публикация. Мо-
бильное приложение, прежде чем стать доступным поль-
зователю проходит проверку, со стороны магазина, через 
который будет распространяться данное приложение 
(Play Маркет, AppStore). Для публикации сайта необ-
ходим лишь сервер и организация доступа к нему конеч-
ному пользователю.
Результаты сравнительного анализа представлены 
в таблице 1.
Таблица
 1. Сравнительный анализ адаптивного сайта и мобильного приложения
Критии
Сайт с адаптивной версткой
Мобильное приложение
Интерфейс
-
+
Быстродействие
-
+
Интеграция с платформой
-
+
Необходимость доступа к интернету
-
+
Ресурсы
-
+
Публикация
+
-
Несмотря на необходимость публикации и прохождение 
проверок перед появлением мобильного приложения в ма-
газинах, использование данного метода предоставления ин-
формации, по сравнению с сайтом, является наилучшим.
Литература:
1.  Бизнес-журнал, 2014/06 — Тюменская область. [Текст]. — «Бизнес-журнал», 2014. — 48 с.: ил.
2.  Тольяттинский Государственный Университет. [Электронный ресурс]. — Режим доступа: http://www.tltsu.ru.
3.  Статья Responsive Web Design by Ethan Marcotte. [Электронный ресурс]. — Режим доступа: http://alistapart.
com/article/responsive-web-design.
4.  Итан Маркотт — персональный сайт. [Электронный ресурс]. — Режим доступа: http://ethanmarcotte.com.
5.  Android & iOS: концепции распространения приложений и вопросы безопасности [Электронный ресурс] Блог 
компании Доктор Веб, 2013 — Режим доступа: http://habrahabr.ru/company/drweb/blog/143971.

“Young Scientist”  .  #28 (132)  .  December 2016
29
Computer Science
6.  Адаптивный и отзывчивый веб-дизайн. [Электронный ресурс]. —  Режим доступа: http://itkeys.ru/respon-
sive-and-adaptive-design.
7.  Адаптивный веб-дизайн: что это такое, зачем он нужен и его принципы [Электронный ресурс]. — Режим до-
ступа: https://test.ru/2013/07/11/adaptive-web-design.
Современные аналитические методы защиты информации корпоративных систем
Кошелев Семён Олегович, ассистент;
Ищенко Кирилл Иванович, студент
Дальневосточный федеральный университет (г. Владивосток)
В статье рассматриваются основные проблемы поддержания актуальности систем защиты информации 
предприятия, для чего необходим анализ защищенности системы, а так же приведены направления для ана-
литической деятельности в организации.
Ключевые слова: защита информации, информационная безопасность, аналитическая деятельность, ор-
ганизационная документация аналитический отчет
В 
настоящее время информационные технологии разви-
ваются гораздо быстрее, чем разрабатывается и обнов-
ляется нормативно-правовая база и руководящая докумен-
тация, действующие на территории Российской Федерации. 
Поэтому для поддержания актуальной системы защиты 
информации, на предприятии необходимо также приме-
нять методики, описанные в международных стандартах, 
таких как ISO 15408 (Общие критерии оценки безопас-
ности ИТ), 17799 (Информационные технологии  —  Тех-
нологии безопасности  —  Практические правила менед-
жмента информационной безопасности), 9001 (Системы 
менеджмента качества. Требования), при этом эффективно 
оценивать информационные риски и сопоставлять их с эко-
номическими возможностями предприятия.
Постоянный мониторинг и анализ системы защиты 
информации позволяет всегда иметь представление о её 
текущем состоянии и вырабатывать рекомендации для 
устранения выявленных недостатков. Рассмотрим под-
робнее что же такое «Анализ системы защиты инфор-
мации» и для чего он применяется. Одно из его опреде-
лений [1] — это комплексное изучение фактов, событий, 
процессов, явлений, связанных с проблемами защиты 
информации, в том числе данных о состоянии работы 
по выявлению возможных каналов утечки информации, 
о причинах и обстоятельствах, способствующих утечке 
и нарушениям режима секретности (конфиденциаль-
ности) в ходе повседневной деятельности предприятия». 
Следовательно, аналитическая работа предназначена для 
выработки комплекса мер и рекомендаций, которые на-
правлены на предотвращение нарушения свойств защи-
щаемой информации (таких как конфиденциальность, 
целостность и доступность), важной для предприятия, 
а также эта работа обязана включать в себя прогнозиро-
вание действий вероятного злоумышленника.
Аналитические работы в области защиты информации 
на предприятии могут проводиться по направлениям, ко-
торые приведены в курсе лекций А. В. Артемова [2]. Рас-
смотрим каждое из них:
1) «Комплексный анализ информационных систем 
(ИС) компании и подсистемы информационной безопас-
ности на правовом, методологическом, организационно-у-
правленческом, технологическом и техническом уровнях. 
Анализ рисков». Данный пункт предполагает оценку со-
ответствия типовым требованиям международных стан-
дартов ISO, требованиям документации ФСТЭК и тре-
бованиям предприятия-заказчика. Сюда же включается 
анализ документооборота, работы, основанные на ана-
лизе рисков, и различные инструментальные исследо-
вания, например исследование информационной системы 
или сети на предмет наличия уязвимостей.
2) «Разработка комплексных рекомендаций по мето-
дологическому, организационно-управленческому, техно-
логическому, общетехническому и программно-аппарат-
ному обеспечению режима ИС компании». Разработка 
рекомендаций может проводиться на различных уровнях 
организации безопасности, как на общеорганизаци-
онном  —  например дополнение политики безопасности 
предприятия, концепции защиты информации — так и на 
низком — например частный вариант защиты определен-
ного типа охраняемой информации на предприятии.
3) 
«Организационно-технологический анализ ИС 
компании». Данный анализ предполагает оценку на со-
ответствие требованиям нормативно-правовой базы 
Российской Федерации по отношению к системе за-
щиты информации предприятия в области организацион-
но-технологических норм и проверку документооборота 
предприятия категорий «Для служебного пользования» 
и «Конфиденциально» на соответствие требованиям ор-
ганизационной документации в области информационной 
безопасности предприятия. При этом данная докумен-
тация (например, такие документы как политика инфор-
мационной безопасности предприятия, перечень обраба-

«Молодой учёный»  .  № 28 (132)   .  Декабрь 2016  г.