КИБЕРҚАУІПТЕРДІ БАҒАЛАУ ЖӘНЕ ҚОРҒАНЫС ШАРАЛАРЫН ТАҢДАУ ҮШІН ГИБРИДТІ ИНТЕЛЛЕКТУАЛДЫ ШЕШІМ ҚАБЫЛДАУДЫ ҚОЛДАУ ЖҮЙЕСІ

Ақпараттық қауіпсіздік жүйелерін таңдау ұйымдық тәуекелдерге, инфрақұрылым ерекшеліктеріне, киберқауіптерге және нормативтік талаптарға байланысты күрделі міндет. Дәстүрлі тәсілдер көбінесе сарапшылық бағалауға және қолмен талдауға негізделетіндіктен, олардың бейімделгіштігі мен икемділігі шектеулі. Бұл жұмыста тәуекелдерді бағалау және қауіпсіздік шараларын ұсыну үшін анық емес логиканы, машиналық оқытуды және ISO стандарттарын біріктіретін гибридті интеллектуалды шешім қабылдауды қолдау жүйесі ұсынылады. Анық емес логика модулі шабуыл жиілігі, осалдық деңгейі және қорғаныс тиімділігі сияқты параметрлер негізінде тәуекелді бағалайды. Есептелген тәуекел деңгейіне сәйкес жүйе ISO/ IEC халықаралық стандарттарына негізделген қауіпсіздік шараларын ұсынады. Сонымен қатар, таңдалған қорғаныс шараларының тиімділігін бағалау үшін Random Forest машиналық оқыту моделі қолданылады. Эксперименттік нәтижелер ұсынылған жүйенің жоғары дәлдік пен бейімделгіштік қасиеттерге ие екенін көрсетті.

1. Apruzzese, G., et al. The Role of Machine Learning in Cybersecurity. Digital Threats: Research and Practice, 4 (1), 1–38 (2022). https://doi.org/10.1145/3545574

2. Kerimkhulle, S., et al. Fuzzy Logic and Its Application in the Assessment of Information Security Risk of Industrial Internet of Things. Symmetry, 15 (10), 1958 (2023). https://doi.org/10.3390/sym15101958

3. Merola, F., Bernardeschi, C., Lami, G. A Risk Assessment Framework Based on Fuzzy Logic for Automotive Systems. Safety, 10 (2), 41 (2024). https://doi.org/10.3390/safety10020041

4. Soori, M., et al. AI-Based Decision Support Systems in Industry 4.0: A Review. Journal of Economy and Technology, 4, 206–225 (2024). https://doi.org/10.1016/j.ject.2024.08.005

5. Singer, P., Friedman, A. Cybersecurity and Cyberwar: What Everyone Needs to Know. Oxford University Press (2014). https://doi.org/10.1093/wentk/9780199918096.001.0001

6. Peltier, T.R. Information Security Policies, Procedures, and Standards. CRC Press (2021).

7. Ahmed, M., Mahmood, A., Hu, J. A Survey of Network Anomaly Detection Techniques. Journal of Network and Computer Applications, 60, 19–31 (2015). https://doi.org/10.1016/j.jnca.2015.11.016

8. Wang, M., et al. Machine Learning for Networking: Workflow, Advances and Opportunities. IEEE Network, 32 (2), 92–99 (2018). https://doi.org/10.1109/MNET.2017.1700200

9. Ludonga, A., Singo, S. Systematic Review Cyber Risk Management: Frameworks, Strategies, and Case Studies in Cybersecurity (2025). https://doi.org/10.5281/zenodo.17372361

10. Zadeh, L.A. Fuzzy Sets. Information and Control, 8 (3), 338–353 (1965). https://doi.org/10.1016/S0019-9958(65)90241-X

11. ISO/IEC 27001:2022 Information Security Management Systems (2022). https://www.iso.org/standard/27001

12. Tukaram, L. Deep Learning in Cybersecurity: Applications, Challenges, and Future Prospects. International Journal of Innovations in Science Engineering and Management, 4 (2), 27–33 (2025). https://doi.org/10.69968/ijisem.2025v4i227-33