Кілт сөздер
машиналық оқыту,
түсіндірілетін жасанды интеллект
бұзушылықтарды анықтау
деректер ағыны
нтеллектуалды жүйелер
ауытқулар.
Дәйексөзді қалай келтіруге болады
Аңдатпа
Ақылды технологиялардың, IoT инфрақұрылымдарының және бұлтты қызметтердің қарқынды дамуы киберқауіпсіздік ландшафтының күрделене түсуіне әкелді. Ақылды жүйелер нақты уақыт режимінде үлкен көлемдегі гетерогенді ағынды деректерді жасайтындықтан, киберортада қауіптерді дәл анықтау қиындықтары айтарлықтай артты. Киберқауіптерді анықтау үшін қолданылатын дәстүрлі басып кіруді анықтау жүйелері әдетте статикалық шабуыл қолтаңбаларына сүйенеді және сондықтан киберқауіптердің жаңа түрлерін анықтау мүмкіндігі шектеулі. Бұл зерттеуде машиналық оқыту модельдерін пайдалана отырып, ағынды интеллектуалды жүйелерде нақты уақыт режимінде киберқауіптерді анықтауға арналған түсіндірілетін жасанды интеллект құрылымы, анықтау мүмкіндіктерін жақсарту үшін SHAP және LIME сияқты түсіндірілетін жасанды интеллект әдістерімен біріктірілген. Қауіпсіздікке қатысты деректер ағындары және басқа да ықтимал ауытқулар мен кибершабуылдарды анықтау үшін талданды. Эксперименттік бағалау негізінде ұсынылған модель біріктірілген әдіснамаларға (гибридті түсіндірілетін жасанды интеллект моделі) негізделген, дәлдік, дәлдік, еске түсіру және F1 ұпайын қоса алғанда, бірнеше бағалау көрсеткіштері бойынша әрбір жеке машиналық оқыту модельдерімен салыстырғанда жоғары өнімділікті көрсетті. Жалпы алғанда, бұл жұмыс динамикалық, интеллектуалды ортада киберқауіпсіздікті бақылау шешімдерінің сенімділігін, ашықтығын және практикалық қолданылуын жақсарту үшін машиналық оқытуды және түсіндіруге болатын жасанды интеллект әдістерін қалай пайдалану керектігін көрсетеді.