SUN’IY INTELLEKT YORDAMIDA KIBERXAVFSIZLIKNI MUSTAHKAMLASH: ZAMONAVIY YONDASHUVLAR VA ALGORITMLAR

Аннотация

This article explores the application of artificial intelligence (AI) technologies in the field of cybersecurity, with a focus on modern approaches and machine learning algorithms used to detect, predict, and respond to threats. It also analyzes the effectiveness of AI tools based on practical examples and results. Keywords: Artificial intelligence, cybersecurity, machine learning, threat detection, algorithms, defense systems. 1. Kirish (Introduction) Axborot texnologiyalarining keng rivojlanishi bilan bir qatorda kiberxavf-xatarlar ham tezlik bilan ortib bormoqda. Har yili yuzlab kompaniyalar va foydalanuvchilar zarar ko‘rmoqda. An’anaviy kiberxavfsizlik tizimlari bu tahdidlarning murakkabligi va tez o‘zgaruvchanligiga qarshi yetarli darajada samarali emas. Shu bois, oxirgi yillarda sun’iy intellekt (SI) va mashinaviy o‘rganish algoritmlaridan foydalanish kiberxavfsizlikni mustahkamlashda muhim vositaga aylanmoqda. SI yordamida tizimlar nafaqat mavjud tahdidlarni aniqlaydi, balki yangi, ilgari noma’lum bo‘lgan hujumlarni ham bashorat qila oladi. 2. Usullar (Methods) Ushbu maqolani tayyorlashda quyidagi SI usullari va algoritmlarining kiberxavfsizlikda qo‘llanishi o‘rganildi: • Mashinaviy o‘rganish (ML): tahdidlarni aniqlash va tahlil qilish uchun tasniflash (classification) va klasterlash (clustering) metodlari. • Chuqur o‘rganish (Deep Learning): neyron tarmoqlar orqali kiberhujumlarni real vaqt rejimida aniqlash. 1758 ResearchBib IF - 11.01, ISSN: 3030-3753, Volume 2 Issue 5 • Anomaliyani aniqlash algoritmlari: foydalanuvchi xatti-harakatlaridagi o‘zgarishlar orqali kiberxurujlarni oldindan ko‘rish. • NLP (Natural Language Processing): phishing xabarlarini va zararli e-mail’larni aniqlash. Tadqiqot davomida ochiq ma’lumotlar to‘plami (NSL-KDD dataset, CIC-IDS2017) asosida modellarning aniqlik darajasi (accuracy), sezgirlik (sensitivity) va xatolik darajasi (false positive rate) tahlil qilindi. 3. Natijalar (Results – Expanded) Tadqiqot davomida bir nechta sun’iy intellekt (SI) texnologiyalari va algoritmlarining samaradorligi turli kiberxavfsizlik vazifalari bo‘yicha tahlil qilindi va quyidagi natijalar olindi. a) Tasniflovchi modellarning natijalari Tasniflovchi algoritmlar ichida Random Forest eng yuqori natijani ko‘rsatdi. NSL-KDD ma’lumotlar to‘plami asosida o‘tkazilgan tajribalarda ushbu model: • 96% aniqlik (accuracy) • 94% sezgirlik (recall) • 3.8% noto‘g‘ri ijobiy natija (false positive rate) ko‘rsatdi. Bu model ayniqsa DDoS hujumlari, port scanning va backdoor urinishlarini aniqlashda barqaror natijalarga erishdi. b) Chuqur o‘rganish (Deep Learning – LSTM) natijalari Long Short-Term Memory (LSTM) asosidagi chuqur o‘rganish modelidan anomaliyani aniqlash vazifasida foydalanildi. Bu model real vaqt rejimida tarmoq oqimi (network traffic) asosida tahdidlarni aniqlashga mo‘ljallangan. • 93% ishonchlilik (confidence) • 91% aniqlik • 2.5% noto‘g‘ri rad etish (false negative) holatlari kuzatildi. Model xususan vaqt ketma-ketligi asosida foydalanuvchi xatti-harakatlaridagi o‘zgarishlarni muvaffaqiyatli aniqladi. Bu ayniqsa insider threats va zero-day attacks uchun foydalidir. c) NLP asosidagi phishing aniqlash tizimi Natural Language Processing (NLP) texnologiyasi asosida tuzilgan model zararli xabarlarni (e-mail, matn) tahlil qildi. Bu yerda text classification va semantic analysis yondashuvlari qo‘llanildi. • 92% aniqlik • Yuqori darajadagi kontekstual aniqlash (grammar-based detection) • URL, matn va yozuvdagi psixologik manipulyatsiya uslublarini aniqlashga qodir bo‘ldi. Shu bilan birga, soxta havolalar va ijtimoiy muhandislik (social engineering) asosidagi hujumlar muvaffaqiyatli aniqladi. d) O‘z-o‘zini o‘rganuvchi tizimlar (Self-learning systems) Adaptiv (moslashuvchan) algoritmlar — xususan reinforcement learning va semi- supervised learning asosidagi modellar — kiberxavf-xatarlarning o‘zgaruvchan tabiatiga yaxshi moslashuvchanlik ko‘rsatdi. • Dinamik hujum modellarini aniqlashda ustunlikka ega bo‘ldi. • Agar ma’lumotlar yangilanmasa ham, model ilgari o‘rgangan tajribalar asosida qaror chiqarishda davom etdi. 1759 ResearchBib IF - 11.01, ISSN: 3030-3753, Volume 2 Issue 5 • Aytish mumkinki, bunday tizimlar kiberxavfsizlikni avtomatlashtirish va real vaqtli qaror qabul qilishda muhim ahamiyatga ega. 4. Munozara (Discussion) Natijalar shuni ko‘rsatadiki, sun’iy intellekt asosidagi yondashuvlar kiberxavfsizlik sohasida yuqori samaradorlikka ega. Ayniqsa, real vaqt rejimida ishlovchi chuqur o‘rganish tizimlari foydalanuvchi xatti-harakatlarining noan’anaviy o‘zgarishlarini aniqlashda foydalidir. Shu bilan birga, SI texnologiyalari hali ham quyidagi cheklovlarga ega: • Soxta musbat natijalar (false positives) soni yuqori bo‘lishi mumkin. • Ma’lumotlar maxfiyligi va etik muammolar yuzaga chiqadi. • Modellarni tushunish qiyinligi (black-box muammosi) ba’zi holatlarda muhim qarorlarni asoslashni qiyinlashtiradi. Kelajakda SI algoritmlari yanada optimallashtirilgan, tushunarli va ishonchli bo‘lishi lozim.