Development of a training stand for steganographic protection of files containing financial information using regular expressions and the parallel library of the .NET platform

В современном мире постоянно возрастает объем информации в интернете и возникает потребность в цифровизации данных с помощью различных инструментов и платформ, которые, безусловно, имеют ряд преимуществ и перспектив, но в то же время появляется ряд недостатков. Появляется множество угроз информационной безопасности. Защита данных в наше время играет важную роль, так как нарушение конфиденциальности и раскрытие существенно значимых сведений может повлечь за собой огромные риски и проблемы, как для одного человека, так и для миллионов людей, огромных организаций или страны.

Создание программных продуктов, обеспечивающих надёжную защиту важной информации, является актуальной задачей. Один из способов обеспечения безопасности данных — это использование ассоциативной защиты файлов. Этот метод используется для обработки данных, чтобы предотвратить возможные нарушения конфиденциальности, связанные с ассоциативными связями между информацией и субъектами. Ассоциативная стеганография

Целью работы является разработка учебного стенда в форме программного модуля для защиты файлов с финансовыми данными с использованием регулярных выражений и параллельной библиотеки платформы .NET. Для достижения поставленной цели решены следующие задачи: проанализированы существующие методы защиты, разработан проект программного модуля ассоциативной защиты файлов с финансовыми данными, реализован проект программного модуля защиты файлов с финансовыми данными с использованием регулярных выражений и параллельной библиотеки платформы .NET, проведено тестирование разработанного программного модуля.

Новизна разработки заключается в объединении современных методов информационной безопасности, регулярных выражений и параллельной библиотеки платформы .NET, чтобы обеспечить эффективную защиту финансовых данных по критериям быстродействия и криптостойкости.

Криптография использует математические методы для шифрования данных, чтобы предотвратить их прочтение третьими лицами без знания специального ключа. Существует два типа таких алгоритмов: симметричные и асимметричные.

В симметричном используется один ключ для шифрования и дешифрования. Это означает, что отправитель и получатель должны иметь общий ключ для безопасной передачи данных. Принцип работы симметричного шифрования довольно прост. Сначала данные преобразуются в нечитаемый формат с помощью алгоритма шифрования и общего ключа. Затем зашифрованные данные отправляются получателю. Получатель использует тот же самый ключ для дешифрования данных обратно в исходный формат. Основное преимущество симметричного шифрования заключается в его простоте и высокой скорости обработки данных. Однако есть и недостатки. Главный из них – необходимость обмена общим ключом. Примеры алгоритмов такого типа — ГОСТ 28147-89, ГОСТ 34.12-2018, AES

В асимметричных алгоритмах

Проанализировав и изучив информацию об известных на сегодняшний день приложениях, которые используются в целях защиты какой-либо информации, можно сказать, что все они применяют различные алгоритмы и типы алгоритмов, но преимущественное большинство — симметричный алгоритм AES.

Безусловно, преимущественно то, что алгоритмы ГОСТ 28147-89, ГОСТ 34.12-2018, AES практически не обладают избыточностью, но не следует забывать об их помехоустойчивости. В данных алгоритмах позволяется искажение менее 1% данных в 128-битном блоке. Исходя из исследований можно сказать, что безусловной стегостойкостью они так же не обладают. Кроме криптографических алгоритмов существуют методы сокрытия самого факта передачи сообщения. Такие методы называются стеганографическими.

Стеганография тесно связана с криптографией. Если криптография занимается защитой содержания сообщения, то стеганография — его наличием. В обоих случаях речь идёт о том, чтобы защитить информацию от посторонних глаз. Однако криптография занимается защитой содержания сообщения, а стеганография — его наличием. На рисунке 1 можно увидеть примерную классификацию методов компьютерной стеганографии.

Рисунок 1 - Классификация компьютерной стеганографии

DOI:10.60797/IRJ.2025.158.54.1

Наиболее распространенные стеганографические методы

[4]

,

[5]

– Jsteg, Outguess, F5. Это методы стеганографии, используемые для скрытой передачи информации в графических и звуковых файлах. Jsteg встраивает данные в наименьшие значащие биты изображений, Outguess анализирует статистические свойства файлов, а F5 использует матричное кодирование на основе кода Хэмминга. Эти методы позволяют передавать информацию, не привлекая внимания к скрытым данным и обеспечивая защиту от обнаружения.

Ассоциативная стеганография представляет собой сочетание стеганографии и криптографии, которое изначально было разработано для защиты данных при анализе сцен. Ранние исследования в основном были направлены на управление защищёнными картографическими базами данных. В этом контексте каждый k-битный код (объекта или координат), полученный в результате матричной бинаризации десятичных чисел, преобразуется в k-секционный стегоконтейнер.

Каждая десятичная цифра представляется двоичной матрицей-эталоном размерами m×n, где m=2×n-1. Данные матрицы преобразуются в троичные с помощью маскирования. Матрицы масок сгенерированы для каждого матрицы эталона случайным образом данным алгоритмом. Они определяют позиции тех конкретных битов в эталоне, которые остаются истинными и будут использоваться для дальнейшей идентификации эталона. Таким образом, получается набор масок, которые являются ключом распознавания. Эти биты случайным образом распределены по эталону и располагаются по внешнему контуру и «зигзагу» (примеры приведены на рис. 2). Замаскированные биты подвергаются рандомизации.

Рисунок 2 - Расположение битов по внешнему контуру и «зигзагу»

DOI:10.60797/IRJ.2025.158.54.2

Создается пустой контейнер длиной L=k×(9×n-12) по числу существенных бит эталонов, где n – количество столбцов бинарной матрицы-эталона, и заполняется отрезком псевдослучайной последовательностью (ПСП). Биты эталонов, случайно сохраненные по позициям маскированием, встраиваются в стегоконтейнер, который, как выше упоминалось, заполнен отрезком ПСП — гаммой, сгенерированной при помощи ПСП «Вихрь Мерсенна»

[6]

, с использованием секретного ключа — набором масок. Размер такого ключа определяется количеством эталонов и размерами матриц-эталонов и не зависит от размера сообщения. На рисунке 3 показан принцип формирования стегоконтейнера.

Рисунок 3 - Формирование стегоконтейнера

DOI:10.60797/IRJ.2025.158.54.3

Технологии, которые были выбраны для разработки модуля, были тщательно отобраны после глубокого анализа требований и условий проекта. Обоснование выбранных технологий для разработки связано с современными тенденциями.

В качестве языка программирования был выбран C# для написания кода, потому что он обладает рядом преимуществ и особенностей:

1. C# является объектно-ориентированным языком, что позволяет создавать структурированный и легко читаемый код.

2. C# хорошо интегрируется с платформой .NET, предоставляющей богатый набор библиотек и фреймворков, что значительно ускоряет разработку и повышает её качество, позволяя использовать готовые решения для многих задач — экономит время и усилия на разработке собственных функций.

3. C# имеет удобную среду разработки, такую как Visual Studio. Она является одной из самых мощных и гибких IDE на рынке.

4. C# поддерживает кроссплатформенность.

В разработке программного модуля использована библиотека параллелизма задач (Task Parallel Library — TPL)

Распараллеливание с помощью данного метода уместно применить при проверке на соответствие искомой информации, которую нужно сокрыть, а также при самом сокрытии. Также данную технологию разумно использовать на больших объемах информации из расчета того, что на малый объем большее количество времени уйдет на создание и координацию нескольких потоков. К тому же при незначительных объемах данных потребность в практической реализации данного подхода является сомнительной. В настоящее время почти всё подверглось цифровизации, поэтому можно утверждать, что значимость обработки и защиты больших документов с содержанием финансовых сведений возрастает с большой скоростью.

Конечный результат после сокрытия — это структурированный JSON-файл

Алгоритм работы программного модуля можно представить в следующем виде:

1. На вход получаем текстовый файл с финансовыми сведениями, которые требуется сокрыть.

2. Происходит разбиение данного текста на блоки с помощью максимального размера блока и некого разделителя для последующего распараллеливания обработки.

3. Каждый блок в отдельном потоке подвергается обработке: выполняется поиск и извлечение фрагментов в блоках, проверка на соответствие, а затем сокрытие определенных данных ассоциативной защитой.

С целью разделить текст на блоки, нужно задать какой-либо максимальный размер блока. Но тогда на стыке получившихся блоков может быть нужное соответствие. Следовательно, нужен разделитель, который будет уже иметься в тексте. Например, пробел, либо разделитель будет расставлен пользователем искусственным образом. Тогда в этом случае блоки будут малого размера. Целесообразно применить и то, и другое. В таком случае алгоритм работы будет следующим. Создаются две коллекции: одна коллекция, которая будет являться текущим блоком, и другая коллекция — список для хранения полученных блоков. Каждый символ строки добавляется в текущий блок и проверяется, является ли он разделителем. При проверке символа на разделитель одновременно проверяется: достигнут ли текущий блок максимального размера. Если оба условия выполняются, то текущий блок добавляется в список и очищается. Оставшийся текст, если он есть, также добавляется в список. Блок-схема приведена на рис 6.

Рисунок 6 - Блок-схема алгоритма деления на блоки

DOI:10.60797/IRJ.2025.158.54.6

Из-за избыточности алгоритма, разумно применить подход только для определенных участков текста – финансовых сведений, которые следует сокрыть. Это будет выполняться с помощью регулярных выражений. Полученные блоки параллельно обрабатываются. Соответствия по созданному шаблону в каждом блоке добавляются лист соответствий. Затем каждое соответствие из этого листа так же параллельно подвергается обработке. В раннее созданную конкурентную коллекцию, которая имеет структуру, включающую в себя флаг приватности, индекс блока и соответствия и текст, добавляется новый объект. Если соответствие является искомым выражением, то флаг приватности становится истинным и текст подвергается преобразованию в стегоконтейнер.

В качестве примера искомыми конфиденциальными сведениями в финансовых документах рассматриваются числа. Тогда на рисунке 7 голубым цветом обозначены фрагменты, представляющие собой последовательность символов, после которых не следуют числа, светло-оранжевым фрагменты, которые являются числами.

Рисунок 7 - Представление блоков в процессе параллельной обработки

DOI:10.60797/IRJ.2025.158.54.7

Из этих данных формируется структурированный JSON-контейнер с помощью сериализации объектов, то есть процесса преобразования структуры данных в формат, который может быть сохранён на вторичных устройствах хранения или передан по компьютерным сетям. Этот процесс позволяет воссоздать исходный объект с сохранением его семантики.

Рисунок 8 - Структурированный набор данных

DOI:10.60797/IRJ.2025.158.54.8

Для демонстрации реализации разработанного программного модуля следует определить некоторые входные данные. Пусть важными конфиденциальными сведениями в исходном финансовом документе будут любые числа. Для разбиения текста на блоки за разделитель примется «пробел» и максимальным размером будет значение «10».

Следовательно, решение поставленной задачи достигается следующими шагами:

Шаг 1. Импортируются необходимые пространства и создаются объекты для применения ассоциативного механизма защиты (Stegomask, StegoAlg):

1var stegoMask = new Stegomask(n); 
2var stegoAlg = new StegoAlg(n);

Шаг 2. Читается текстовый файл с данными из заданного в консоли пути «path»:

1Console.WriteLine("Введите название файла");
2string path = Console.ReadLine();
3if (File.Exists(path))
4{
5  using (Stream fs = File.OpenRead(path))
6  using (StreamReader reader = new StreamReader(fs))
7    text = reader.ReadToEnd();
8}
9else Console.WriteLine("Такого файла не существует!");

Шаг 3. С помощью заданного разделителя «separators» и максимального размера блока «blockSize» разбивается входной текст на блоки методом SplitText:

1const int blockSize = 10;
2var separators = new[] { ' ' };
3var textBlocks = SplitText(text, separators, blockSize);

Определение данного метода со всеми входными параметрами:

1static List<string> SplitText(string text, char[] delimiters, int maxBlockSize)
2{
3  var blocks = new List<string>();
4  var currentBlock = new StringBuilder();
5  foreach (var character in text)
6    {
7    currentBlock.Append(character);
8    if (delimiters.Contains(character) && currentBlock.Length >= maxBlockSize)
9    {
10      blocks.Add(currentBlock.ToString());
11      currentBlock.Clear();
12    }
13  }
14  if (currentBlock.Length > 0)
15    blocks.Add(currentBlock.ToString());
16  return blocks;
17}

Шаг 4. Основным выражением baseRegex будет являться любое число (\d+) и с помощью регулярного выражения regex, шаблоном которого является выражение ({baseRegex})|((.(?!{baseRegex}))*.), выполняется поиск и извлечение из блоков числовых фрагментов или фрагментов, соответствующих любой последовательности символов, за которыми не следуют цифры. Запускается параллельная обработка фрагментов текста:

1var fragments = new ConcurrentBag<CipherDataSet>();
2var regex = new Regex($@"({baseRegex})|((.(?!{baseRegex}))*.)", RegexOptions.Singleline);
3Parallel.ForEach(textBlocks, (block, blockState, i_b) =>
4{
5  var matches = regex.Matches(block).OfType<Match>().ToList();
6  Parallel.ForEach(matches, (match, matchState, i_m) =>
7  {
8    if (Regex.IsMatch(match.Value, baseRegex))
9    {
10      fragments.Add(new CipherDataSet
11      {
12        IsPrivateText = true,
13        Id = new IndexData { block = i_b, match = i_m }.EncryptID(stegoAlg),
14        Text = Encrypt(match.Value, stegoAlg),
15      }); ;
16    }
17    else
18    {
19      fragments.Add(new CipherDataSet
20      {
21        IsPrivateText = false,
22        Id = new IndexData { block = i_b, match = i_m }.EncryptID(stegoAlg),
23        Text = match.Value,
24      });
25    }
26  });
27});

Шаг 5. В конкурентную коллекцию «fragments» добавляются новые объекты. Проверяется условие соответствия регулярному выражению (baseRegex). В положительном случае проверки флаг приватности «IsPrivateText» становится истинным, сам фрагмент подвергается обработке методом Encrypt:

1public struct CipherDataSet
2{
3  [DataMember]
4  public bool IsPrivateText;
5  [DataMember]
6  public string Id;
7  [DataMember]
8  public string Text;
9}

Шаг 6. В методе Encrypt строка text преобразуется в массив байтов с помощью метода Encoding.UTF8.GetBytes(text), создаётся новый поток памяти (ms) и новый поток (c) с использованием предоставленного алгоритма stegoAlg. Записываются данные строки text в стегопоток с помощью метода Write, преобразуется массив байтов encryptedData из стегопотока в массив байтов с помощью метода ToArray(). В итоге метод Encrypt возвращает закодированную строку в виде Base64 с помощью метода Convert.ToBase64String:

1static string Encrypt(string text, StegoAlg stegoAlg)
2{
3  byte[] data = Encoding.UTF8.GetBytes(text);
4  using (var ms = new MemoryStream())
5  {
6    using (Stream c = new StegoStream(ms, stegoAlg))
7    {
8      c.Write(data, 0, data.Length);
9    }
10    var encryptedData = ms.ToArray();
11    return Convert.ToBase64String(encryptedData);
12  }
13}

Вне зависимости от результата проверки, идентификаторы блоков «i_b» и соответствий «i_m» подвергаются обработке методом EncryptID, который в свою очередь определен в структуре «IndexData». В данном методе создаётся экземпляр класса DataContractJsonSerializer, который предназначен для сериализации объектов в формате JSON, задаётся тип сериализуемого объекта как typeof(IndexData). Создаётся новый поток памяти (ms) для записи объекта. Вызывается метод WriteObject для сериализации текущего объекта (this) в поток памяти и получается строковое представление данных, записанных в поток памяти, с помощью метода Encoding.UTF8.GetString. В итоге метод EncryptID возвращает зашифрованную версию идентификатора, вызвав метод Encrypt:

1public struct IndexData
2{
3  [DataMember(Order = 1)]
4  public long match;
5  [DataMember(Order = 2)]
6  public long block;
7  public string EncryptID(StegoAlg stegoAlg)
8  {
9    var serializer = new DataContractJsonSerializer(typeof(IndexData));
10    var ms = new MemoryStream();
11    serializer.WriteObject(ms, this);
12    string data = Encoding.UTF8.GetString(ms.ToArray());
13    return Encrypt(data, stegoAlg);
14  }
15}

Шаг 7. После проделанной параллельной обработки полученные данные (fragments) с помощью метода сериализации SerializeToJson преобразуются в структурированный JSON-файл. Конечный результат сохраняется в новый текстовый файл по указанному пути (privateTextPath):

1const string privateTextPath = "PrivateText.json";
2SerializeToJson(fragments, privateTextPath);
3static void SerializeToJson(ConcurrentBag<CipherDataSet> fragments, string filePath)
4{
5  try
6  {
7    var serializer = new DataContractJsonSerializer(typeof(ConcurrentBag<CipherDataSet>));
8    using (var fileStream = File.Create(filePath))
9    {
10      serializer.WriteObject(fileStream, fragments);
11    }
12  }
13  catch (Exception ex) { Console.WriteLine(ex.Message); }
14}

Шаг 8. Для восстановления текста из JSON-формата используется метод десериализации DeserializeFromJson, который возвращает коллекцию структуры «ChipherDataSet» с помощью интерфейса IEnumerable:

1static IEnumerable<CipherDataSet> DeserializeFromJson(string filePath)
2{
3  var serializer = new DataContractJsonSerializer(typeof(IEnumerable<CipherDataSet>));
4  using (var fileStream = File.OpenRead(filePath))
5  {
6    return (IEnumerable<CipherDataSet>)serializer.ReadObject(fileStream);
7  }
8}

Шаг 9. Полученная коллекция «fragments2» сортируется с помощью технологии Parallel LINQ:

1SerializeToJson(fragments, privateTextPath);
2var fragments2 = DeserializeFromJson(privateTextPath);
3var orderedFragments = fragments2
4    .AsParallel()
5    .OrderBy(ds =>
6    {
7      var id = new IndexData();
8 
9      id.DecryptID(ds.Id, stegoAlg);
10      return (id.block, id.match);
11    })
12    .Select(ds => ds.IsPrivateText ? Decrypt(ds.Text, stegoAlg) : ds.Text)
13    .ToList();
14StreamWriter sw = new StreamWriter("decr.txt");
15foreach (var fragment in orderedFragments)
16{
17  sw.Write(fragment);
18}
19sw.Close();
20stegoAlg.Dispose();

Метод AsParallel() позволяет одновременно выполнять операции над элементами fragments2. Метод OrderBy в данном случае сортирует согласно результату выражения внутри скобок. Результат выражения зависит от создания объекта IndexData, который затем используется для раскрытия методом DecryptId, применяющий ассоциативный механизм защиты, в основе которого задан экземпляр StegoAlg, идентификатора (Id) и возвращения пары значений (block, match). Эти значения и используются для сортировки элементов массива.

Метод Select преобразует каждый элемент. Если свойство IsPrivateText элемента ds истинно, то функция Decrypt, применяющая ассоциативный механизм защиты, в основе которого задан экземпляр StegoAlg, вызывается для дешифрования текста. В противном случае, возвращается сам текст:

1SerializeToJson(fragments, privateTextPath);
2var fragments2 = DeserializeFromJson(privateTextPath);
3var orderedFragments = fragments2
4    .AsParallel()
5    .OrderBy(ds =>
6    {
7      var id = new IndexData();
8      id.DecryptID(ds.Id, stegoAlg);
9      return (id.block, id.match);
10    })
11    .Select(ds => ds.IsPrivateText ? Decrypt(ds.Text, stegoAlg) : ds.Text)
12    .ToList();
13StreamWriter sw = new StreamWriter("decr.txt");
14foreach (var fragment in orderedFragments)
15{
16  sw.Write(fragment);
17}
18sw.Close();
19stegoAlg.Dispose();

Тело метода DecryptID:

1public void DecryptID(string encryptedData, StegoAlg stegoAlg)
2{
3  string json = Decrypt(encryptedData, stegoAlg);
4  var serializer = new DataContractJsonSerializer(typeof(IndexData));
5  var data = (IndexData)serializer.ReadObject(new MemoryStream(Encoding.UTF8.GetBytes(json)));
6  this.block = data.block;
7  this.match = data.match;
8}

Тело метода Decrypt:

1static string Decrypt(string text, StegoAlg stegoAlg)
2{
3  using (var msInput = new MemoryStream(Convert.FromBase64String(text)))
4  using (var stegoStream = new StegoStream(msInput, stegoAlg))
5  using (var msOutput = new MemoryStream())
6  {
7    stegoStream.CopyTo(msOutput);
8    return Encoding.UTF8.GetString(msOutput.ToArray());
9  }
10}

Отсортированная последовательность объектов преобразуется в список методом ToList. После проделанной работы каждый элемент отсортированного списка записывается в новый файл при помощи класса StreamWriter, который реализует запись потока в строку.

Таким образом, при восстановлении текста сначала разбивается fragments2 на части, которые обрабатываются параллельно. Затем части сортируются согласно определенному критерию, и, наконец, собирает их обратно в отсортированный список текстовых строк.

Для разбиения текста на блоки за разделитель принимался «пробел» и максимальным размером было значение «10». Результат работы программного модуля для случая, описанного выше, с исходными данными текстового файла (рис. 9) приведен на рисунке 10 — защищенный структурированный JSON-файл, на рисунке 11 — файл с восстановленным текстом.

Рисунок 9 - Демонстрационный пример для финансового документа

DOI:10.60797/IRJ.2025.158.54.9

Рисунок 10 - Демонстрационный пример защищенного JSON-файла

DOI:10.60797/IRJ.2025.158.54.10

Рисунок 11 - Демонстрационный пример восстановленного файла

DOI:10.60797/IRJ.2025.158.54.11

Для тестирования данного разработанного программного модуля можно поставить следующие задачи:

- тестирование на разных объемах;

- тестирование модуля с помощью последовательной и параллельной обработки;

- тестирование различных регулярных выражений.

В целях тестирования модуля с исследованием затраченного времени используется класс из пространства имён System.Diagnostics Stopwatch. Он предназначен для точного измерения времени выполнения операций.

Тестирование производилось на различных объемах текстовых файлов, которые имеют финансовые сведения. Были сгенерированы различные файлы, фрагмент одного из них представлен на рисунке 10. Выполнение процедур проводилось на процессоре Intel Core i5-1135G7 с базовой частотой 2,4 ГГц под управлением ОС Windows 10 Pro.

Результаты экспериментов сокрытия файлов различных размеров показали следующие временные показатели, которые представлены в таблице 1. В данных экспериментах целью сокрытия были любые числовые данные. Они были внедрены в произвольные позиции в текст этих файлов. Максимальным размером блока так же было выбрано значение 10, разделителем — пробел.

Результаты экспериментов, показавшие время восстановления текста в файл представлены в таблице 2. Исходя из полученных результатов, можно сказать, что на раскрытие данных и восстановление его обратно в текст уходит в 1,5–2 раза больше времени, а в некоторых случаях даже и больше, чем на сокрытие данных.

Для более наглядного сравнения и показателя эффективности распараллеливания обработки следовало провести опыты с последовательной обработкой. Фрагменты кода, где происходило распараллеливание блоков по нескольким потокам и поиск соответствий, были адаптированы в последовательную обработку, то есть параллельные методы были заменены последовательными. Тестирование производилось на тех же файлах, что и при параллельном тестировании. Время работы сокрытия данных на разных объемах приведено в таблице 3.

Для того чтобы оценить эффективность распараллеливания сокрытия данных, целесообразно представить получившиеся временные результаты последовательной и параллельной обработки в одной таблице 4. Проведенные эксперименты показали, что параллельное сокрытие данных происходит быстрее почти в 2 раза по сравнению с последовательным. Однако следует отметить, что при малом размере файла последовательная обработка будет происходить быстрее из-за ряда причин, указанных ранее в главе 2. На малый объем большее количество времени уходит на создание и координацию нескольких потоков, поэтому наблюдается более медленная обработка. Данную ситуацию можно наблюдать при тестировании документа размеров 2 КБ.

Исходя из того, что целью работы является разработка некой библиотеки ассоциативной защиты файлов c финансовыми данными, а не какого-либо приложения с пользовательским интерфейсом, то такого интерфейса в данной работе представлено не будет. Однако следует отметить, что для тестирования регулярных выражений и демонстрации работы модуля, используется консоль — интерфейс командной строки, который предоставляет возможность задать тип информации, которую нужно сокрыть. Примерный вариант набора конфиденциальных финансовых данных и персональных данных представлен на рисунке 12. Тестирование регулярных выражений, соответствующих некоторым типам данных, приводится далее.

Рисунок 12 - Пример для выбора данных в консоли

DOI:10.60797/IRJ.2025.158.54.16

Для поиска любых чисел регулярное выражение будет выглядеть следующим образом «\d+». Тестирование для данного типа было проведено множество раз выше.

Для поиска даты используется выражение «\b(?<month>\d{1,2})[./-](?<day>\d{1,2})[./-](?<year>\d{2,4})\b». В текстовом файле для тестирования данного выражения находятся 3 даты разного формата. В целях проверки корректной работы данного шаблона, в полученном JSON-файле поиском не было обнаружено дат, которые имеются в исходном файле, также можно увидеть, что флагов приватности со значением истинны всего три, столько же, сколько и дат (рисунок 13).

Рисунок 13 - Пример JSON-файла при сокрытии дат

DOI:10.60797/IRJ.2025.158.54.17

Для поиска банковской карты используется выражение «\s+(\d{4}\s*)(\d{4}\s*)(\d{4}\s*)(\d{4}\s*)\b». Следует отметить, что для данного случая разделителем блока является перенос строки «\n». В исходном текстовом файле номер карты встречается один раз (рисунок 14). С помощью истинного флага приватности, аналогично предыдущему случаю, можно проверить, что данный шаблон отработал корректно. Проверка по истинному флагу приватности показан на рисунке 15, проверка на присутствие не сокрытого номера карты показана на рисунке 16.

Рисунок 14 - Пример исходного файла при тестировании шаблона

DOI:10.60797/IRJ.2025.158.54.18

Рисунок 15 - Проверка флага при сокрытии номера банковской карты

DOI:10.60797/IRJ.2025.158.54.19

Рисунок 16 - Поиск номера карты на предмет проверки правильной работы

DOI:10.60797/IRJ.2025.158.54.20

Исходя из того, какие финансовые данные нужно сокрыть, работу программного модуля можно модифицировать под регулярные выражения, которые будут соответствовать этим конфиденциальным данным.

Результаты тестирования показали, что разработанный программный модуль ассоциативной защиты файлов с финансовыми данными с использованием регулярных выражений и параллельной библиотеки платформы .NET работает корректно и эффективно.

Проведенная работа позволила разработать программный модуль ассоциативной защиты файлов с финансовыми данными с использованием регулярных выражений и параллельной библиотеки платформы .NET. Этот модуль не только демонстрирует эффективные методы защиты информации, но и служит ценным учебным инструментом для изучения современных технологий стеганографии, криптографии

Результаты тестирования показали, что параллельное сокрытие данных происходит быстрее почти в 2 раза по сравнению с последовательным, что подтверждает эффективность применения Task Parallel Library для обработки больших объемов данных. Однако при работе с малыми файлами (например, 2 КБ) последовательная обработка оказывается быстрее из-за накладных расходов на управление потоками. Этот аспект может быть использован в учебном процессе для объяснения принципов оптимизации и выбора подхода в зависимости от объема данных.

Использование регулярных выражений обеспечило гибкость системы, позволяя адаптировать модуль для поиска и сокрытия различных типов конфиденциальных данных, таких как номера банковских карт, даты и суммы. Это делает модуль полезным для обучения студентов работе с текстовыми шаблонами и автоматизированной обработкой информации. Параллельное программирование, реализованное на платформе .NET, наглядно демонстрирует преимущества многопоточной обработки, что особенно актуально в современных условиях роста объемов данных.

В учебных целях модуль может быть использован для: 

- изучения основ стеганографии и криптографии; 

- освоения работы с регулярными выражениями и параллельными вычислениями;

- практического применения принципов обработки больших данных; 

- разработки и тестирования алгоритмов защиты информации. 

Перспективы развития модуля включают: 

- реализацию пользовательского интерфейса для удобства использования в учебных лабораторных работах; 

- расширение набора регулярных выражений для охвата более широкого спектра финансовых и персональных данных; 

- интеграцию дополнительных алгоритмов шифрования для сравнения их эффективности; 

- разработку методических материалов и примеров для использования в образовательных программах. 

Таким образом, разработанный модуль представляет собой не только эффективное решение для защиты данных, но и мощный инструмент для обучения. Его применение в учебном процессе позволит студентам получить практические навыки в области информационной безопасности, параллельного программирования и обработки данных, что соответствует современным требованиям к подготовке IT-специалистов. Дальнейшее развитие модуля может быть направлено на создание специализированных курсов и лабораторных практикумов, способствующих углубленному изучению технологий защиты информации.