Метод кросплатформної кореляції цифрових слідів для деанонімізації суб’єктів кіберзагроз

Abstract

У тезах розглядається інноваційний метод кросплатформної кореляції цифрових слідів, спрямований на автоматизацію процесів деанонімізації суб’єктів тіньової економіки. Обґрунтовано архітектурну модель розробленого програмного комплексу, що інтегрує мікросервісний підхід (Apache Kafka) та гібридну систему баз даних (MongoDB, Neo4j). Запропоновано алгоритм детермінованої екстракції криптографічних ідентифікаторів із неструктурованих текстів, який усуває колізії форматів між різними блокчейн-мережами.

The paper presents an innovative method of cross-platform correlation of digital footprints aimed at automating the de-anonymization processes of shadow economy subjects. The architectural model of the developed software complex, which integrates a microservice approach (Apache Kafka) and a hybrid database system (MongoDB, Neo4j), is substantiated. An algorithm for the deterministic extraction of cryptographic identifiers from unstructured texts is proposed, eliminating format collisions between various blockchain networks. It is proven that synthesizing communication graphs (Telegram, DarkWeb) and financial transactions exponentially increases the efficiency of realtime cyberspace investigations.