Метод раннього виявлення та прогнозування інцидентів кібербезпеки в інформаційно-комунікаційних системах на основі машинного навчання

Анотація

В сучасних умовах стрімкого зростання кількості та складності кіберзагроз завдання раннього виявлення та прогнозування інцидентів набуває ключового значення для забезпечення кіберстійкості інформаційно-комунікаційних систем (ІКС). Аналіз наукових підходів, відкритих наборів даних і актуальних методів машинного навчання показав наявність системних обмежень, зокрема відсутність часової компоненти, дисбаланс реальних даних, обмежену здатність моделей до узагальнення та низьку ефективність роботи в режимі реального часу. У статті представлено інтегрований метод раннього виявлення та прогнозування інцидентів кібербезпеки, що поєднує графове моделювання структури ІКС, побудову множини поведінкових подій, виявлення аномалій за допомогою алгоритмів машинного навчання та прогнозування розвитку атак із використанням часових нейронних моделей типу LSTM. Метод дозволяє визначати критичні вузли, оцінювати ймовірність поширення інцидентів і формувати множину ризикових подій для проактивного реагування. Запропонований підхід створює підґрунтя для підвищення кіберстійкості ІКС і може бути використаний у системах моніторингу та підтримки інформаційної безпеки. Подальші дослідження будуть спрямовані на експериментальну валідацію методу на реалістичних потокових даних та оцінювання його масштабованості та ефективності у динамічних середовищах