РОЛЬ МАШИННОГО ОБУЧЕНИЕ И БОЛЬШИХ ДАННЫХ В КИБЕРБЕЗОПАСНОСТИ Текст научной статьи по специальности «Компьютерные и информационные науки»

with some individuals and communities lacking access to or proficiency in using technology. Bridging this gap is essential for an inclusive and equitable society.

Ethical Implications: The use of digital systems raises ethical concerns, such as data privacy, algorithmic bias, and the potential for misinformation or manipulation. Balancing innovation with responsible use is crucial.

Conclusion: Digital systems have become an integral part of the 21st century landscape, transforming society, industry, and the way we live. They have empowered individuals, driven economic growth, and created new opportunities. However, it is important to navigate the challenges and ethical implications associated with digital systems to ensure their beneficial use and a sustainable future. As technology continues to evolve, digital systems will undoubtedly shape the trajectory of human civilization in profound and transformative ways. References:

1. Калеро К., Морага М.А., Бертод М.Ф. (20133). На пути к модели устойчивого развития программного продукта. Университет Малаги,

2. Пензенштадлер Б. (2016). Внедрение зеленого: разработка требований для зеленого в программных системах и через них. Калифорнийский университет.

3. Моббс П. (2012). Практическое руководство по устойчивым информационным технологиям. (APC), Южная Африка.

4. Роль региональных организаций в укреплении доверия в информационном пространстве / The Shanghai Организация сотрудничества, 24 января 2019 г. - Режим доступа: eng.sectsco.org/news/20190124/506016.html.

5. Ott, Nikolas. "Organization for Security and Co-operation in Europe 2019 Chairmanship OSCE-wide cyber/ICT security conference Opening remarks." (2019).

6. Hunting Malware in the Deep Web / Infosec Institute, 10 February 2015. - Access mode: https://resources.infosecinstitute.com/hunting-malware-deep-web.

©Toylyyeva А., Atayeva A., 2024

Аннаева Айлар., преподавательница, Международный университет нефти и газа имени Ягшигельды Какаева,

Агамурадов Рахат., студент, Акмырадов Абдулла., студент, Ашыров Гелдимырат., студент, Международный университет нефти и газа имени Ягшигельды Какаева,

г. Ашхабад, Туркменистан

РОЛЬ МАШИННОГО ОБУЧЕНИЕ И БОЛЬШИХ ДАННЫХ В КИБЕРБЕЗОПАСНОСТИ

Аннотация

В современном мире кибербезопасность становится все более важной проблемой. Традиционные методы защиты информации уже не справляются с растущим объемом и сложностью киберугроз. В связи с этим, машинное обучение (МО) и большие данные (БД) становятся все более

НАУЧНЫЙ ЖУРНАЛ «CETERIS PARIBUS»_ISSN (p) 2411-717X / ISSN (e) 2712-9470_№5 / 2024

востребованными инструментами для обеспечения кибербезопасности. В этой статье мы рассмотрим роль МО и БД в кибербезопасности. Мы обсудим, как эти технологии могут быть использованы для обнаружения кибератак, предотвращения взломов, защиты данных и автоматизации задач по обеспечению безопасности.

Ключевые слова

машинное обучение, большие данные, кибербезопасность, обнаружение кибератак, защита данных,

автоматизация задач по обеспечению безопасности.

Annayeva Aylar., lecturer, Yagshygeldi Kakayev International University of Oil and Gas,

Agamyradov Rahat., student, Akmyradov Abdylla., student, Ashyrov Geldimyrat., student, Yagshygeldi Kakayev International University of Oil and Gas,

Ashgabat, Turkmenistan

THE ROLE OF MACHINE LEARNING AND BIG DATA IN CYBERSECURITY

Annotation

In today's world, cybersecurity is becoming an increasingly important issue. Traditional methods of information protection can no longer cope with the growing volume and complexity of cyber threats. In this regard, machine learning (MO) and big data (DB) are becoming increasingly popular tools for cybersecurity. In this article, we will look at the role of MO and DB in cybersecurity. We will discuss how these technologies can be used to detect cyber attacks, prevent hacking, protect data, and automate security tasks.

Keywords

machine learning, big data, cybersecurity, cyberattack detection, data protection,

automation of security tasks.

Введение. Кибербезопасность - это защита информационных систем от несанкционированного доступа, использования, раскрытия, изменения, разрушения или нарушения конфиденциальности, целостности и доступности. С ростом числа интернет-пользователей, устройств и приложений киберугрозы становятся все более сложными и изощренными. Традиционные методы защиты информации, такие как антивирусное программное обеспечение и брандмауэры, уже не справляются с этой задачей. Машинное обучение и большие данные - это две мощные технологии, которые могут помочь решить проблему кибербезопасности. МО - это область искусственного интеллекта, которая позволяет компьютерам учиться без явного программирования. БД - это большие объемы данных, которые трудно обрабатывать традиционными методами.

Основная часть. В современном мире киберугрозы становятся все более интенсивными, что обуславливает необходимость использования передовых методов для их противодействия. Машинное обучение (МО) и анализ больших данных (БД) играют в этом ключевую роль, предоставляя мощные инструменты для защиты информационных систем и сетей. МО и БД могут быть использованы для решения различных задач в области кибербезопасности, таких как:

Анализ данных: МО может быть использовано для анализа сетевого трафика, журналов событий и других данных, чтобы выявить подозрительную активность, которая может указывать на

киберугрозу. Анализ БД может помочь ИБ-специалистам выявить уязвимости и потенциальные угрозы, которые могли бы остаться незамеченными при использовании традиционных методов.

Обнаружение вторжений: МО может быть использовано для создания систем обнаружения вторжений (IDS), которые могут автоматически обнаруживать и блокировать кибератаки. МО-алгоритмы способны анализировать большие объемы данных, выявляя паттерны и аномалии, которые могут указывать на кибератаки. Это позволяет обнаруживать угрозы на ранних стадиях, до того, как они причинят ущерб. Анализ БД может помочь в выявлении вредоносного ПО, фишинговых сайтов и других угроз путем сравнения данных с известными образцами.

Защита от вредоносного ПО: МО может быть использовано для создания систем защиты от вредоносного ПО (anti-malware), которые могут обнаруживать и удалять вредоносные программы с компьютеров и сетей.

Аутентификация: МО может быть использовано для создания систем аутентификации, которые могут более точно идентифицировать пользователей и предотвращать несанкционированный доступ. В рамках такой функции МО-алгоритмы могут анализировать поведение пользователей для выявления подозрительной активности, которая может указывать на внутреннюю угрозу или компрометацию учетной записи. Это помогает в предотвращении инсайдерских атак и утечек данных. МО-модели могут быть использованы для создания персонализированных профилей безопасности для каждого пользователя или устройства. Это позволяет адаптировать меры защиты к индивидуальным рискам каждого пользователя.

Прогнозирование киберугроз: МО может быть использовано для прогнозирования киберугроз, что позволяет организациям заранее принимать меры по защите своих систем. МО-модели могут прогнозировать кибератаки, анализируя исторические данные и текущие тенденции. Это позволяет превентивно принимать меры по защите систем. Анализ БД может помочь в выявлении уязвимостей в системах и сетях, что позволяет устранить их до того, как они будут использованы злоумышленниками.

Также машинное обучения широко применяется в автоматизации реагирования. МО-системы могут автоматически реагировать на кибератаки, блокируя вредоносный трафик, изолируя зараженные системы и уведомляя специалистов по безопасности. Это позволяет сократить время и усилия, необходимые для реагирования на инциденты, что минимизирует ущерб.

Заключение. МО и БД являются перспективными инструментами для повышения эффективности кибербезопасности. Несмотря на некоторые недостатки, такие как сложность, стоимость и проблемы с конфиденциальностью, преимущества МО и БД в области кибербезопасности перевешивают их. В будущем МО и БД будут играть все более важную роль в обеспечении кибербезопасности.

Список использованной литературы:

1. Хакимов А. А. Роль искусственного интеллекта в кибербезопасности //Universum: технические науки. - 2023. - №. 11-1 (116). - С. 58-59.

2. Козлова Н. Ш., Довгаль В. А. Анализ применения искусственного интеллекта и машинного обучения в кибербезопасности //Вестник Адыгейского государственного университета. Серия 4: Естественно-математические и технические науки. - 2023. - №. 3 (326). - С. 65-72.

3. Чернышов Ю. Ю. Актуальные направления исследований с использованием машинного обучения в задачах кибербезопасности //Безопасность информационного пространства. - 2023. - С. 11-16.

©Аннаева А., Агамурадов Р., Акмырадов А., Ашыров Г., 2024