Sun’iy intellekt asosida aqlli va xavfsiz kompyuter tarmoqlarini boshqarish: Keng qamrovli tahlil va eksperimental baholash

Annotatsiya

Ushbu tadqiqot kompyuter tarmoqlarida sun'iy intellekt (AI) va mashinali o‘rganish (ML) texnologiyalarini qo‘llashning samaradorligini keng qamrovli va eksperimental baholaydi. Dinamik tarmoq muhitida an'anaviy, qoidaga asoslangan boshqaruv usullarining cheklovlari, jumladan, moslashuvchanlikning yetishmasligi va yangi xavflarga qarshi turish qobiliyatining pastligi sababli, o‘z-o‘zini boshqaradigan (self-managing) tarmoq tizimlariga bo‘lgan ehtiyoj ortib bormoqda. Bizning ishimiz tarmoq monitoringi, trafikni boshqarish va kiberxavfsizlikni o‘z ichiga olgan yagona AI asosidagi arxitektura doirasida uchta asosiy muammoni hal qiladi: oldindan nosozliklarni bashorat qilish, anomaliyaga asoslangan hujumni aniqlash va adaptiv trafik muhandisligi. Tadqiqot metodologiyasi CIC-IDS2017 va CICFlowMeter ma'lumotlar to‘plamlari yordamida haqiqiy tarmoq holatlarini o‘z ichiga olgan sinov platformasini o‘z ichiga oladi. Biz Long Short-Term Memory (LSTM) tarmoqlarini nosozlik bashorati uchun, Izolyatsiya O‘rmoni (Isolation Forest) va Gradient Boosting (GB) usullarini anomaliyani aniqlash uchun va Reinforcement Learning (RL) asosida Deep Q-Network (DQN) algoritmini trafikni yo‘naltirish va resurslarni taqsimlash uchun qo‘lladik. Eksperimental natijalar AI asosidagi yondashuvlarning an'anaviy (SNMP asosidagi monitoring, signature-based IDS, statik yo‘naltirish protokollari) usullarga nisbatan sezilarli ustunligini ko‘rsatdi. Xususan, LSTM modeli tarmoq nosozliklarini o‘rtacha 92.3% aniqlik bilan, o‘rtacha hisob bilan 12 daqiqa oldin bashorat qildi. Anomaliyani aniqlash modeli noma'lum hujumlarni aniqlashda 96.7% F1-ballga erishdi, signature-based IDSning 78.2% F1-balliga nisbatan. DQN asosidagi trafik muhandisligi o‘rtacha paket uzatish kechikishini 37% ga, tarmoq o‘tkazuvchanligini esa 28% ga yaxshiladi. Ushbu natijalar AI va MLning kelajakdagining o‘z-o‘zini tiklaydigan va o‘z-o‘zini himoya qiladigan avtonom tarmoqlarini (Self-Healing, Self-Protecting Networks) rivojlantirishdagi hal qiluvchi roli haqida dalil beradi. Biz shuningdek, ma'lumotlar sifatining ahamiyati, modellarni tushunish qiyinligi (explainability) va hisoblash resurslari talabi kabi amaliy to'siqlarni muhokama qilamiz.

Kalit so‘zlar: Kompyuter tarmoqlari, Sun’iy intellekt (AI), Mashinali o‘rganish (ML), Tarmoq xavfsizligi, Anomaliyani aniqlash, Oldindan bashorat qilish, Avtonom tarmoqlar, Mustahkamlashli o‘rganish (RL