Підходи інтеграції штучного інтелекту в системи кібербезпеки

Abstract

Актуальність теми дослідження. Сучасний цифровий простір перебуває в умовах безперервної трансформації, яка супроводжується стрімким зростанням кількості кіберзагроз, їх ускладненням та диверсифікацією. Традиційні підходи до забезпечення інформаційної безпеки, засновані на сигнатурному аналізі та статичних правилах виявлення загроз, дедалі частіше виявляються неспроможними протистояти сучасним атакам, зокрема атакам нульового дня, поліморфному шкідливому програмному забезпеченню та цільовим атакам підвищеної складності (APT). У цьому контексті інтеграція технологій штучного інтелекту в системи кібербезпеки набуває не лише теоретичного, а й гостро практичного значення. За даними аналітичної компанії Cybersecurity Ventures, глобальні збитки від кіберзлочинності у 2024 році перевищили 9,5 трильйона доларів США, і прогнозується подальше зростання цього показника. Водночас кількість непокритих вакансій у сфері кібербезпеки у світі вимірюється мільйонами, що робить автоматизацію та інтелектуалізацію процесів захисту об'єктивною необхідністю. Штучний інтелект дозволяє не лише скоротити час виявлення загроз із годин до секунд, але й забезпечити адаптивне реагування на принципово нові вектори атак без необхідності постійного оновлення правил вручну. Аналіз сучасного стану проблеми. Питання застосування методів машинного навчання та штучного інтелекту в задачах інформаційної безпеки активно досліджуються в науковій спільноті. Значний внесок у розвиток цього напряму зробили такі дослідники, як А. Гудфеллоу, Й. Бенджіо та А. Курвілл, чиї праці з глибокого навчання заклали теоретичне підґрунтя для сучасних систем виявлення аномалій. Роботи Дж. Андерсона присвячені раннім концепціям поведінкового аналізу в мережах, тоді як дослідження Дж. Сомайї та В. Ліса стосуються класифікації мережевих вторгнень методами машинного навчання. Серед сучасних авторів варто відзначити праці Р. Сіддіквї щодо застосування глибоких нейронних мереж для виявлення шкідливого програмного забезпечення, а також дослідження групи авторів під керівництвом Т. Ліма, присвячені ансамблевим методам класифікації кіберзагроз. Теоретичні аспекти UEBA-систем розроблялися М. Дагг та Р. Кентом, тоді як практичні підходи до автоматизованого реагування на інциденти (SOAR) знайшли відображення у дослідженнях фахівців компаній Gartner, IBM та Palo Alto Networks. Незважаючи на значний обсяг наявних публікацій, питання комплексної інтеграції різних підходів ШІ в єдину архітектуру кібербезпеки залишаються недостатньо дослідженими, особливо з урахуванням специфіки сучасних гібридних інфраструктур. Змн. Арк. № документа Підпис Дата Аркуш КНУ.РБ.123.20.05.ВС Розробив Сидорук Перевірив Сенько Н.контроль Кузнєцов Затвердив Купін ВСТУП Літера Аркушів КІ-22-2 6 Проблема дослідження полягає у відсутності систематизованого підходу до інтеграції методів штучного інтелекту в системи кібербезпеки, що враховував би як технічні аспекти реалізації, так і оперативні вимоги реальних середовищ експлуатації. Мета дослідження — проаналізувати існуючі підходи інтеграції штучного інтелекту в системи кібербезпеки, розробити та практично реалізувати модель виявлення кіберзагроз на основі машинного навчання з оцінкою її ефективності. Об'єкт дослідження — процес виявлення та нейтралізації кіберзагроз в інформаційних системах. Предмет дослідження — методи, підходи та інструменти інтеграції технологій штучного інтелекту в системи кібербезпеки. Завдання дослідження: 1. Здійснити огляд технологій штучного інтелекту, що застосовуються у сфері кібербезпеки, та проаналізувати сучасний ландшафт кіберзагроз. 2. Дослідити методи машинного навчання для виявлення аномалій, вторгнень та аналізу поведінки користувачів. 3. Розглянути підходи до автоматизованого реагування на інциденти безпеки. 4. Розробити та налаштувати модель виявлення загроз на основі машинного навчання. 5. Провести тестування розробленої системи та сформулювати рекомендації щодо її впровадження. Практична значущість роботи визначається тим, що розроблена модель виявлення загроз може бути адаптована та впроваджена в реальних корпоративних середовищах для підвищення рівня автоматизації процесів захисту інформації. Сформульовані рекомендації щодо впровадження матимуть цінність для спеціалістів із кібербезпеки, системних адміністраторів та осіб, відповідальних за прийняття рішень у сфері інформаційної безпеки організацій. Методи дослідження. У роботі використано комплекс загальнонаукових та спеціальних методів: системний аналіз — для дослідження архітектурних підходів до інтеграції ШІ; порівняльний аналіз — для зіставлення існуючих рішень і підходів; методи машинного навчання (класифікація, виявлення аномалій, кластеризація) — для побудови моделі виявлення загроз; експериментальний метод — для тестування розробленої системи; методи статистичного аналізу — для оцінювання ефективності моделі. Структура роботи. Дипломна робота складається зі вступу, трьох розділів, висновків та списку використаних джерел.