MODELING THE PROCESSES OF DETECTING TECHNICAL MEANS OF UNAUTHORIZED INFORMATION ACQUISITION UNDER CONDITIONS OF INTENTIONAL INTERFERENCE USING THE KULLBACK-LEIBLER DISTANCE

DOI: 10.31673/2409-7292.2026.011799

Abstract

The article develops a mathematical model of the process of detecting technical means of unauthorized information
acquisition (TSNOI) under the influence of intentional interference with a complex structure and non-Gaussian nature. The
model is built on the basis of the one-sided Neumann-Pearson lemma to test two hypotheses and uses the Kullback-Leibler
distance as an information criterion for assessing the detection efficiency. The task of classifying signals for the presence of
TSNOI and the influence of interference, which can be pulsed, adaptive or specially generated using radio electronic
countermeasure methods, is set. To model the process, the stochastic characteristics of signals, their correlation and
unpredictable variability of parameters in time are taken into account. A feature vector is presented for analyzing signals in the
presence of several sources of interference, which allows the use of machine learning methods for automated detection of
TSNOI. Experimental studies have been conducted with discrete and continuous signal and interference distributions, including
binomial, geometric, Poisson, and Laplace distributions, which demonstrate the dependence of the Kullback-Leibler distance
on the power of the TZNOI signal and the nature of the interference. The results show that traditional energy statistics become
uninformative in the presence of persistent intentional interference, while statistics correlating the TZNOI signal and
interference allow us to assess the information separability of hypotheses and provide a basis for adaptive detection algorithms.
The work creates a theoretical basis for the development of automated control systems for technical information protection in
conditions of destructive radio-electronic influence and can be used for the further development of artificial intelligence and
machine learning methods in the field of information protection.
Keywords: technical means of unauthorized information acquisition, intentional interference, stochastic analysis,
Kullback-Leibler distance, machine learning, information security, signal modeling.

References
1. Лаптєв О.А., Марченко В.В. (2025) Застосування завад для захисту інформації від витоку радіоканалом.
Сучасний захист інформації. №1(61). 89-97. https://doi.org/10.31673/2409-7292.2025.013057.
2. Туровський О.Л., Правдивий А.М. (2024) Моделювання сигналів засобів негласного отримання
інформації за допомогою сплайн-функцій. Сучасний захист інформації. №1(57). 22-27. https://doi.org/10. 31673/
2409-7292.2024.010003.
3. Горбенко І.Д., Замула О.А., Хо Чи Лик (2020) Методи пошуку оптимальних за мінімаксним критерієм
систем складних нелінійних дискретних сигналів. Радіотехніка. Вип. 200. 175-187. https://doi.org/
10.30837/rt.2020.1.200.15.
4. Кудряшов В.Є., Макуха Б.А., Самоквіт В.І., Ялоза І.А. (2020) Правила виявлення радіометричного
сигналу при багатоканальному прийомі. Радіотехніка. 2020. Вип. 201. 164-170. https://doi.org/10.30837/ rt.2020.
2.201.15.
5. Хоменко Т.А. (2021) Топологічна ідентифікація систем передачі даних в задачах захисту інформації на
об’єктах інформаційної діяльності. Сучасний захист інформації. №1(45). 26-29. https://doi.org/10.31673/2409-
7292.2021.012629.
6. Горліченко С.О. (2023) Особливості формування технічних каналів витоку інформації від сучасних ІКС.
Ukrainian Scientific Journal of Information Security. Vol. 29. Issue 2, 80-87. https://doi.org/10.18372/2225-5036. 29.
17872.
7. Дакова Л.В., Даков С.Ю., Блаженний Н.В. (2023) Розробка алгоритмів оптимального прийому сигналів
із фазорізнецевою модуляцією високої кратності. Ukrainian Scientific Journal of Information Security. Vol. 30. Issue
1. 46-50. https://doi.org/10.18372/2225-5036.30.18602.
8. Дробик О.В., Лаптєв О.А., Пархоменко І.І., Богуславська О.В., Пепа Ю.В., Пономаренко В.В. (2024)
Розпізнавання радіосигналів на основі апроксимації спектральної функції у базисі передатних функцій
резонансних ланок другого порядку. Сучасний захист інформації. №2(58). 13-23. https://doi.org/10.31673/2409-
7292.2024.020002.
9. Paul Orland (2023) Math for Programmers. Manning Shelter Island. 688. ISBN 978-1-61729-535-5.
10. Novikov O., Ilin M., Stopochkina I., Duduladenko V. (2025) Stealthy Cyberattacks on Control Systems Using
an Adaptive Soft-Constrained Optimization Method. Theoretical and Applied Cybersecurity. Vol. 7 №1. 104-110.
https://doi.org/10.20535/tacs.2664-29132025.1.333440.
11. Ankur A. Patel. Hands-On Unsupervised Learning Using Python (2020) Beijing٠Boston Farnham Sebastopol
Tokyo. O'Reilly Media. 425. ISBN 978-1-49203-564-0.
12. Іванченко С.О., Некоз В.С. (2024) Обґрунтування вирішальної схеми для оцінювання імовірності
детектування електромагнітних сигналів з метою унеможливлення їх виявлення. Ukrainian Scientific Journal of
Information Security. Vol. 30. Issue 2, 212-218. https://doi.org/10.18372/2225-5036.30.19209.