Научные статьиM.H.Sayidova, S.U.Pulatova2025
SI ASOSIDA AVTOMATLASHGAN KIBERHUJUMLAR VA ULARGA QARSHI HIMOYA USULLARI
HIMOYA USULLARI · Eshmurodov Mas’udjon Xikmatillayevich · Islamov Karim Sayidmuradovich · Gaybulov Qodirjon Murtozoyevich · Elmurodov Bahodir Ergashevich
Современная наука и исследования · 2 · 2026
Аннотация
This article explores automated cyberattacks implemented using artificial intelligence (AI) technologies and effective defense mechanisms against them. Initially, the types of cyberattacks enabled by AI and their operational principles are reviewed. Then, modern defense approaches-including machine learning, anomaly detection, and AI-based threat prediction-are analyzed. The research results demonstrate the high efficiency of AI technologies in detecting automated threats in the field of cybersecurity. Keywords: artificial intelligence, cyberattack, cybersecurity, machine learning, anomaly, DDoS, phishing. 1. Kirish So‘nggi yillarda raqamli texnologiyalar tez sur’atlar bilan rivojlanmoqda, bu esa yangi turdagi kiberxavflarning paydo bo‘lishiga olib kelmoqda. Sun’iy intellekt (SI) texnologiyalarining ommalashuvi kiberhujumchilar uchun avtomatlashtirilgan, murakkab va tezkor hujumlarni amalga oshirish imkonini bermoqda. Masalan, phishing, DDoS, va zararli dasturiy ta'minotlarni SI asosida avtomatlashtirish orqali keng miqyosda hujumlar amalga oshirilmoqda. Shu bilan birga, SI texnologiyalari himoya tizimlarida ham qo‘llanilib, kiberhujumlarni erta aniqlash va zararsizlantirish imkonini bermoqda. 2. Usul (Metodologiya) Tadqiqotda quyidagi metodologik yondashuvlar qo‘llanildi: 1225 ResearchBib IF - 11.01, ISSN: 3030-3753, Volume 2 Issue 6 • Tahliliy usul: Mavjud adabiyotlar, maqolalar, va tahdidlar bazasi o‘rganildi. • Eksperimental usul: Mashinaviy o‘rganish modellarining ishlashi simulyatsiya qilindi (Random Forest, Deep Neural Networks). • Taqqoslash usuli: An’anaviy xavfsizlik tizimlari bilan SI asosidagi himoya mexanizmlari samaradorligi solishtirildi. Shuningdek, tahdidlarni aniqlashda foydalanilgan asosiy omillar: IP trafik, foydalanuvchi xatti-harakatlari, tizimdagi anomaliyalar va real vaqtli tahdid signalizatsiyasi. 3. Natijalar Tadqiqot natijalariga ko‘ra: • SI yordamida amalga oshirilgan hujumlar tezroq va aniqroq nishon tanlaydi. Ayniqsa, AI- phishing tizimlari foydalanuvchi xatti-harakatlariga moslashtirilgan. Yani sun’iy intellekt (SI) yordamida amalga oshirilgan kiberhujumlar, ayniqsa phishing (firibgarlik yo‘li bilan ma’lumot olish) hujumlari, an’anaviy usullarga qaraganda ancha samarali bo‘ladi. Buning sababi — SI foydalanuvchi xatti-harakatlarini (masalan, qaysi saytlarga tez-tez kirishi, kim bilan ko‘proq yozishishi, qanday turdagi xat yoki fayllarni ochishga moyilligi) tahlil qilib, unga moslashtirilgan yolg‘on xabarlarni yaratadi. Bu esa hujumni yanada ishonarli va samarali qiladi. • Mashinaviy o‘rganish modellaridan foydalangan holda kiberhujumlarni aniqlash aniqligi 92–97% oralig‘ida bo‘ldi. Aynan mashinaviy o‘rganish (Machine Learning – ML) modellaridan foydalangan holda kiberhujumlarni aniqlash samaradorligi juda yuqori bo‘lib, aniqlik darajasi 92% dan 97% gacha yetishi mumkin. Bu shuni anglatadiki, ML modellari tizimdagi harakatlar (trafik, foydalanuvchi xatti-harakati, login urinishlari va h.k.) asosida tahdidlarni aniq ajrata oladi va ularni oddiy faoliyatdan farqlay oladi. Bu modellar o‘rganish bosqichida minglab yoki millionlab real tahdid namunalarini (malware, DDoS, port scanning va boshqalar) ko‘rib chiqadi. O‘rgatilganidan so‘ng, ular yangi, ilgari ko‘rilmagan hujumlarni ham anomal xatti-harakatlar orqali aniqlashga qodir bo‘ladi. • Real vaqtli monitoring va anomaliyani aniqlash usullari tahdidlarni erta bosqichda aniqlash imkonini berdi. Real vaqtli monitoring (real-time monitoring) va anomaliyani aniqlash (anomaly detection) usullari zamonaviy kiberxavfsizlik tizimlarining eng muhim komponentlaridan hisoblanadi. Ular tizimdagi barcha faoliyatni uzluksiz kuzatib boradi va har qanday odatdan tashqari (anormal) xatti-harakatni avtomatik ravishda aniqlaydi. Bu yondashuvlar tahdidlarni juda erta-hujum hali to‘liq amalga oshmay turib, sezish imkonini beradi. • An’anaviy tizimlar tahdidni aniqlashda 15–20 daqiqa vaqt olgan bo‘lsa, SI asosidagi tizimlar bu ishni 1–3 daqiqada bajara oldi. An’anaviy (klassik) kiberxavfsizlik tizimlari ya’ni signaturalar asosida ishlaydigan antiviruslar, qo‘lda sozlangan firewallar yoki IDS (Intrusion Detection System) tizimlari tahdidni aniqlashda ko‘p hollarda statik qoidalar va insonga bog‘liq tekshiruvlarga tayangan. Bu esa tahdidni aniqlash va unga javob berish vaqtini 15–20 daqiqagacha cho‘zilishiga sabab bo‘lgan. Bunga qarama-qarshi ravishda sun’iy intellekt (SI) asosida yaratilgan xavfsizlik tizimlari avtomatik tahlil, xulq-atvor (behavioral) modellari, va anomaliyalarni real vaqtda aniqlash imkoniyatiga ega. Ular tizimdagi g‘ayritabiiy xatti-harakatni tezda ilg‘ab, 1–3 daqiqa ichida tahdid haqida signal berishi yoki avtomatik himoya chorasini ko‘rishi mumkin. 1226 ResearchBib IF - 11.01, ISSN: 3030-3753, Volume 2 Issue 6 4. Munozara SI asosida avtomatlashtirilgan kiberhujumlar xavfsizlik sohasidagi mavjud yondashuvlarga jiddiy tahdid solmoqda. Bunday hujumlar murakkabligi, moslashuvchanligi va tezligi bilan ajralib turadi. Ammo SI asosidagi hi
Доказательный фрагмент
«This article explores automated cyberattacks implemented using artificial intelligence (AI) technologies and effective defense mechanisms against them.»
Образец извлечения
Демо-превьюThis article explores automated cyberattacks implemented using artificial intelligence (AI) technologies and effective defense mechanisms against them. Полный текст публикации CiteX не хранит — доступ к первоисточнику открывается по DOI согласно лицензии издателя и выбранному плану.
- Цитирований
- 0
- Просмотров
- 0
- Тип
- Журнал
- Страна
- Узбекистан
- Ключевые слова
- artificial intelligence, cyberattack, cybersecurity, machine learning, anomaly, kiberhujum, DDoS, kiberxavfsizlik, phishing., sun’iy intellekt, mashinaviy o‘rganish, anomaliya
Смежные источники
Общество и инновацииKhosiyat MAMATKULOVA2024
Академические исследования в современной наукеKhudaiberdiyeva Arafat Israilovna, Ph.D Professor hudayberdiyevaarofat@gmail.com +12026
Научные статьиI.B.Yangiboyev, E.X.Berdanov +22025