ИНТЕРНЕТ РЕСУРСТАРЫ ДЕРЕКТЕРI НЕГІЗІНДЕ АҚПАРАТТЫҚ ҚАУІПСІЗДІКТІҢ ОСАЛ ТҰСТАРЫН АНЫҚТАУ ҚҰРАЛДАРЫ

Киберқауіптердің күрделенуіне байланысты дәстүрлі осалдықтарды анықтау әдістері өз тиімділігін жоғалта бастады. Бұл зерттеудің мақсаты – форумдар, блогтар және әлеуметтік желілер сияқты тақырыптық интернет-ресурстар деректерін талдау негізінде осалдықтарды анықтауға арналған тәсілді әзірлеу және сынақтан өткізу. Аталған дереккөздер құрылымдалмаған ақпараттың үлкен көлемін қамтиды, сондықтан зияткерлік деректерді талдау әдістерін қолдану қажет. Жұмыста заманауи технологиялар біріктірілген: киберқауіпсіздікке бейімделген алдын ала оқытылған тілдік модель – Security Bidirectional Encoder Representations from Transformers (SecBERT) және динамикалық дамитын нейро-анық емес шығару жүйесі – Dynamic Evolving Neural-Fuzzy Inference System (DENFIS). Ұсынылған жүйе маңызсыз хабарламаларды сүзгіден өткізуге, қауіп туралы индикаторларды және ықтимал осалдықтарды анықтауға мүмкіндік береді. Анық емес логиканы қолдану белгісіз және толық емес ақпаратты тиімді өңдеуге жағдай жасайды. Жүргізілген эксперименттер жоғары дәлдікпен жіктеу және тұрақты шынжырлы кластерлеу нәтижелерін көрсетті (FPC = 0.93; PE = 0.28; XB = 0.042). Жүйе киберқауіптердің белгілерін уақтылы анықтай алатынын көрсетті және мониторинг пен шабуылдарды болжау міндеттері үшін ауқымдауға мүмкіндік бар екенін дәлелдеді. Зерттеу нәтижелері бұл тәсілдің киберқауіптерді уақытылы анықтауға және ақпараттық жүйелердің қауіпсіздігін арттыруға ықпал ете алатынын көрсетеді.

1. Sommer, R., and Paxson, V. Outside the Closed World: On Using Machine Learning for Network Intrusion Detection. Proceedings of the IEEE Symposium on Security and Privacy, 305–316 (2010). https://doi.org/10.1109/SP.2010.25.

2. Bilge, L., and Dumitras, T. Before We Knew It: An Empirical Study of Zero-Day Attacks in the Real World. Proceedings of the ACM Conference on Computer and Communications Security (CCS), 83–94 (2012). https://doi.org/10.1145/2382196.2382284.

3. National Institute of Standards and Technology (NIST). National Vulnerability Database (NVD) (2010). https://nvd.nist.gov/.

4. Zhao, X., Wang, X., and Li, X. Vulnerability Disclosure and Information Verification Delays in Cybersecurity. Journal of Cybersecurity Research, 3 (2), 45–60 (2015).

5. Wang, W., and Lu, Y. Mining Cyber Threat Intelligence from the Dark Web. IEEE Transactions on Information Forensics and Security, 13 (2), 275–286 (2018). https://doi.org/10.1109/TIFS.2017.2761918.

6. O’Connor, N., and Torabi, A. Cyber Threat Intelligence: An Introduction. IEEE Security & Privacy, 13 (3), 19–27 (2015).

7. Cadar, C., Dunbar, D., and Engler, D. KLEE: Unassisted and Automatic Generation of High-Coverage Tests for Complex Systems Programs. Proceedings of the USENIX Symposium on Operating Systems Design and Implementation (OSDI), 209–224 (2008).

8. Yadav, S., Sharma, A., and Gupta, M. Indicators of Compromise Analysis Using Threat Intelligence Platforms. Journal of Cybersecurity, 5 (4), 210–223 (2019). https://doi.org/10.5555/1855741.1855756.

9. Devlin, J., Chang, M.W., Lee, K., and Toutanova, K. BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. Proceedings of NAACL HLT, 4171–4186 (2019). https://doi.org/10.18653/v1/N19-1423.

10. Aghaei, E., Jain, S., Arun, P., and Sambamoorthy, A. SecureBERT 2.0: Advanced Language Model for Cybersecurity Intelligence. Cisco AI, San Jose, CA, USA (2025). {eaghaei, sjain2, parun, asambamo}@ cisco.com.

11. Jin, Y., Jang, E., Cui, J., Chung, J.-W., Lee, Y., and Shin, S. DarkBERT: A Language Model for the Dark Side of the Internet. KAIST, Daejeon, South Korea; S2W Inc., Seongnam, South Korea (2023). {ijinjin, claude}@kaist.ac.kr; {genesith, geeoon19, jwchung, lee}@s2w.inc. https://aclanthology.org/2023.acl-long.415.pdf.

12. Güven, M. A Comprehensive Review of Large Language Models in Cyber Security. International Journal of Computational and Experimental Science and Engineering, 10 (3), 507–516 (2024). https://doi.org/10.22399/ijcesen.469.

13. Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A.N., Kaiser, L., and Polosukhin, I. Attention Is All You Need. Advances in Neural Information Processing Systems (NeurIPS), 5998–6008 (2017). https://doi.org/10.48550/arXiv.1706.03762.

14. Jang, J.S.R. ANFIS: Adaptive-Network-Based Fuzzy Inference System. IEEE Transactions on Systems, Man, and Cybernetics, 23 (3), 665–685 (1993). https://doi.org/10.1109/21.256541.

15. Kasabov, N., and Song, Q. DENFIS: Dynamic Evolving Neural-Fuzzy Inference System and Its Application for Time-Series Prediction. IEEE Transactions on Fuzzy Systems, 10 (2), 144–154 (2002). https://doi.org/10.1109/91.995117.

16. Poletaev, V.S. Informatsionno-analiticheskaya sistema prognozirovaniya ugroz i uyazvimostey informatsionnoy bezopasnosti na osnove analiza dannykh tematicheskikh internet-resursov [InformationAnalytical System for Predicting Cybersecurity Threats and Vulnerabilities Based on Analysis of Thematic Internet Resources] (Ulyanovsk: UlSU, 2024), 172 p. (in Russian)