МОДЕЛЮВАННЯ РИЗИКІВ У КІБЕРБЕЗПЕЦІ КРИТИЧНИХ ІНФРАСТРУКТУР НА ОСНОВІ ML

Анотація

У статті здійснено комплексний аналіз сучасних практик моделювання ризиків у сфері кібербезпеки критичних інфраструктур з використанням алгоритмів машинного навчання (Machine Learning, ML). Особливу увагу приділено проактивному виявленню вразливостей, прогнозуванню загроз і підвищенню кіберстійкості основних секторів: енергетика, транспорт, водопостачання та комунікації. Визначено основні виклики, пов’язані зі зближенням інформаційних та операційних технологій, використанням застарілих систем і зростанням складності кібератак. Наведено приклади реальних інцидентів, що підтверджують стратегічний характер сучасних загроз. Проаналізовано традиційні методи оцінювання ризиків (якісні, кількісні та гібридні) та їхні обмеження. Обґрунтовано доцільність інтеграції ML для адаптивного аналізу великих обсягів даних, виявлення аномалій, класифікації загроз, аналізу шкідливого програмного забезпечення, прогнозної аналітики та управління вразливостями. Розглянуто застосування алгоритмів з учителем (SVM, нейронні мережі), без учителя (кластеризація, виявлення аномалій) та глибокого навчання (CNN, RNN, трансформери). Описано процеси збирання, очищення та інтеграції даних з гетерогенних джерел (мережевий моніторинг, розвідка на основі відкритих даних, тесту- вання на проникнення), побудови моделей (випадковий ліс, метод опорних векторів, згорткові нейронні мережі) та оцінювання їхньої ефективності за метриками точності, прецизійності, F1-міри та площі під ROC-кривою. Визначено основні перешкоди впровадження ML: необхідність високоякісних даних, ризик хибнопозитивних спрацьовувань, вразливість до атак на моделі та складність інтеграції з наявними системами. Запропоновано комплексні стратегії впровадження, зокрема регулярне перенавчання моделей, валідацію результатів, інтерпретацію з урахуванням ймовірності та впливу, ефективну комунікацію ризиків для зацікавлених сторін. Доведено, що інтеграція ML у моделювання ризиків є перспективним напрямом для підвищення кіберстійкості критичних інфраструктур.