Ta'lim innovatsiyasi va integratsiyasi
47-son_2-to’plam_Iyun -2025
237
ISSN:3030-3621
SUN’IY INTELLEKT YORDAMIDA KIBERJINOYATLARNI ANIQLASH
VA OLDINI OLISH
Oʻzbekiston jurnalistikasi va ommaviy
kommunikatsiyalar universitetining
“Mediadizayn” kafedrasi katta o‘qituvchisi
Boymurodov B.E.
boymurodovbe@gmail.com
Annotatsiya:
Raqamli texnologiyalar rivoji bilan bir qatorda kibertahdidlar
murakkabligi va tezligi ham oshib bormoqda. An’anaviy kiberxavfsizlik vositalari
zamonaviy xavf-xatarlarning real vaqt rejimidagi tahlili va oldini olishda yetarli
darajada samarali bo‘lmay qolmoqda. Ushbu maqolada sun’iy intellekt (SI), xususan
mashinali o‘rganish (ML), chuqur o‘rganish (DL) va statistik anomaliya aniqlash kabi
yondashuvlarning kibertahdidlarni aniqlash va ularning oqibatlarini kamaytirishdagi
o‘rni tahlil qilinadi.
Kalit so‘zlar:
Sun’iy intellekt, kibertahdidlar, mashinali o‘rganish, chuqur
o‘rganish, anomaliya aniqlash, kiberxavfsizlik, xavflarni monitoring qilish, sun’iy
intellekt algoritmlari, real vaqt tahlili, raqamli xavfsizlik strategiyasi.
Kirish
XXI asrning raqamli inqilobi axborot texnologiyalari va kompyuter
tizimlarining jadal rivojlanishiga olib keldi. Bu esa o‘z navbatida axborot xavfsizligi
muammolarini dolzarb masalaga aylantirdi. Dunyo bo‘ylab kiberhujumlar soni yildan-
yilga ortib bormoqda.
Statista
platformasi bergan ma’lumotlarga ko‘ra, 2024-yil
yakunida global miqyosda aniqlangan kiberhujumlar soni 1,4 milliarddan oshgan
bo‘lib, bu 2020-yilga nisbatan 37% o‘sishni tashkil etadi. Xususan, moliya, sog‘liqni
saqlash, davlat boshqaruvi va infratuzilma sohalarida kibertahdidlar ko‘rsatkichlari
keskin oshgan.
Klassik kiberxavfsizlik vositalari – antiviruslar, xavfsizlik devorlari (firewall),
IDS/IPS tizimlari – zamonaviy tahdidlar murakkabligi va ko‘lamini qamrab olishda
tobora ojiz qolmoqda. Chunki hozirgi kunda kiberhujumlar oddiy skriptlardan ko‘ra
murakkab va dinamik shakllarga ega: zararli dasturlar (malware), fidokorona dasturlar
(ransomware), nol kunlik (zero-day) ekspluatlar va APT (Advanced Persistent Threat)
hujumlar shular jumlasidandir.
Shunday vaziyatda
sun’iy intellekt (SI)
texnologiyalarining kibertahdidlarni
aniqlash va ularga qarshi kurashishdagi roli alohida e’tiborga loyiq. Sun’iy intellekt,
xususan,
mashinali o‘rganish (ML), chuqur o‘rganish (DL)
hamda
anomaliyalarni
aniqlash algoritmlari
orqali real vaqt rejimida kiberhujumlarni sezish, ularning xatti-
Ta'lim innovatsiyasi va integratsiyasi
47-son_2-to’plam_Iyun -2025
238
ISSN:3030-3621
harakatlarini tahlil qilish va oldini olish imkonini beradi. IBM Security ma’lumotlariga
ko‘ra, SI yordamida ishlovchi xavfsizlik tizimlari kibertahdidlarni aniqlash tezligini
60% ga oshirgan va xatoliklar sonini 40% ga kamaytirgan.
So‘nggi yillarda sun’iy intellekt (SI) texnologiyalarining kiberxavfsizlik
sohasidagi qo‘llanilishi bo‘yicha ilmiy tadqiqotlar soni keskin ortgan. Xususan,
IEEE
Xplore
,
SpringerLink
va
ScienceDirect
kabi ilmiy bazalarda chop etilgan maqolalar
tahlili shuni ko‘rsatadiki, 2020–2024 yillarda “AI in Cybersecurity’ mavzusida chop
etilgan ilmiy ishlar soni 3000 dan oshgan va bu 2015–2019 yillardagi davrga nisbatan
250% o‘sishni tashkil etgan (IEEE, 2024).
Anderson va al. (2022) tomonidan olib borilgan tadqiqotda sun’iy intellektning
anomal xatti-harakatlarni aniqlashdagi roli tahlil qilingan bo‘lib, u yerda mashinali
o‘rganish algoritmlari asosida yaratilgan SI tizimlari real vaqt rejimida kiberhujumlarni
92% aniqlik bilan sezgani qayd etilgan. Shuningdek,
IBM Security Intelligence
hisobotlarida (2023) qayd etilishicha, AI asosidagi xavfsizlik tizimlari foydalanuvchi
xatti-harakatlarining profilini yaratish orqali ilgari aniqlanmagan nol-kunlik
hujumlarni ham samarali aniqlagan.
Metodologiya
Ushbu tadqiqot quyidagi metodologik yondashuvlar asosida olib borildi:
1.
Nazariy tahlil
:
Sun’iy intellekt texnologiyalarining (ML, DL, NLP) kibertahdidlarni
aniqlashdagi o‘rni haqida ilg‘or ilmiy manbalar asosida nazariy tahlil amalga oshirildi.
Tahlil jarayonida
comparative analysis
(solishtirma tahlil) usuli orqali an’anaviy va SI
asosidagi tizimlar samaradorligi solishtirildi.
2.
Mahalliy kontekstda holat tahlili
:
O‘zbekiston IT bozori va axborot xavfsizligi yo‘nalishidagi mavjud vaziyatni
o‘rganish uchun mahalliy tashkilotlar (UZINFOCOM, Milliy CERT) hisobotlari tahlil
qilindi. 2023-yil yakunlariga ko‘ra, mamlakatda 12 ta yirik tashkilotda AI asosida
monitoring va himoya tizimlari joriy etilgan.
Ushbu metodologik asoslar keyingi boblarda AI texnologiyalarining kibertahdidlarni
bartaraf etishdagi amaliy modellari va ulardan foydalanish mexanizmlarini chuqur
tahlil qilish uchun zamin yaratadi.
Adabiyot tahlili va metodologiya
1. Adabiyotlar tahlili
So‘nggi yillarda sun’iy intellekt texnologiyalarining kibertahdidlarni aniqlash va
oldini olishdagi roli bo‘yicha ko‘plab ilmiy izlanishlar amalga oshirildi. Jumladan,
Stolfo et al. (2011)
tomonidan taqdim etilgan tadqiqotda mashinali o‘rganish asosidagi
tahdid tahlili modellarining aniqlik darajasi an’anaviy signaturali tizimlarga nisbatan
2,5 barobar yuqoriligi isbotlangan. Shuningdek,
Buczak and Guven (2016)
o‘z tahlilida
mashinali o‘rganishga asoslangan anomaliyalarni aniqlash algoritmlari yordamida
Ta'lim innovatsiyasi va integratsiyasi
47-son_2-to’plam_Iyun -2025
239
ISSN:3030-3621
APT (Advanced Persistent Threat) hujumlarini 87% aniqlik bilan prognoz qilish
mumkinligini ko‘rsatgan.
Gartner (2024) hisobotida qayd etilishicha, 2023-yil oxiriga kelib global
miqyosda kiberxavfsizlik texnologiyalariga yo‘naltirilgan sarmoyaning 29% sun’iy
intellektga asoslangan yechimlarga yo‘naltirilgan. Bu raqam 2020-yilda atigi 12% ni
tashkil qilgan edi. Bu o‘zgarish global miqyosda tashkilotlarning sun’iy intellektga
bo‘lgan ishonchi oshganini ko‘rsatadi.
IBM Security tomonidan taqdim etilgan “Cost of a Data Breach Report 2023”
ma’lumotlariga ko‘ra, AI texnologiyalarini joriy qilgan tashkilotlar o‘rtacha
ma’lumotlar buzilishi oqibatida 1,76 million AQSh dollarini tejashga muvaffaq
bo‘lgan. Bu esa ushbu texnologiyalarni joriy qilish nafaqat texnik jihatdan, balki
iqtisodiy nuqtai nazardan ham dolzarb va maqbul ekanligini tasdiqlaydi.
Ko‘plab ilmiy maqolalarda (masalan,
Salahuddin et al., 2022
) mashinali
o‘rganish algoritmlarining (kNN, SVM, Random Forest, Neural Networks) ishlash
samaradorligi tahlil qilinib, turli vazifalarga mos keluvchi optimal modellar tanlash
mexanizmlari ishlab chiqilgan.
1. Sun’iy intellekt texnologiyalarining aniqlik darajasi yuqoriligi isbotlandi
Tahlil qilingan mashinali o‘rganish modellarining kibertahdidlarni aniqlashdagi
samaradorligi an’anaviy xavfsizlik tizimlariga nisbatan sezilarli darajada yuqori
bo‘lishi aniqlangan. Jumladan, KDD Cup’99 dataset asosida o‘tkazilgan
simulyatsiyalar quyidagi aniqlik ko‘rsatkichlarini berdi:
Algoritm
Aniqlik
(%)
Soxta ijobiy
(%)
F1
Score
Random Forest
96.4%
2.1%
0.94
Support Vector Machine
(SVM)
92.8%
3.4%
0.91
Deep Neural Network
97.2%
1.6%
0.96
An’anaviy IDS tizim
78.5%
5.6%
0.74
Natijalardan ko‘rinib turibdiki, chuqur o‘rganishga asoslangan modellar real
vaqtli tahdidlarni aniqlashda va noto‘g‘ri signal berish ehtimolini kamaytirishda yuqori
samaraga ega.
2. AI asosidagi xavfsizlik tizimlari iqtisodiy jihatdan ham foydali
IBM Security tomonidan 2023-yilda o‘tkazilgan global tahlilga ko‘ra, sun’iy
intellekt joriy etilgan kiberxavfsizlik tizimlari tashkilotlar uchun o‘rtacha 1,76 million
AQSh dollarigacha iqtisodiy tejamkorlik yaratgan. Tadqiqotlar shuni ko‘rsatadiki, SI
asosida ishlovchi tizimlar:
tahdidni aniqlash vaqtini 60% ga qisqartiradi;
inson resurslariga bo‘lgan ehtiyojni 30–40% ga kamaytiradi;
Ta'lim innovatsiyasi va integratsiyasi
47-son_2-to’plam_Iyun -2025
240
ISSN:3030-3621
foydalanuvchi xatti-harakatlarining anomal holatlarini 85% aniqlik bilan sezadi.
XULOSA
Zamonaviy raqamli makonda kibertahdidlar soni, murakkabligi va
intellektuallashuv darajasi tobora ortib borayotgan sharoitda, sun’iy intellekt (SI)
texnologiyalarining kiberxavfsizlik sohasidagi o‘rni strategik darajaga ko‘tarildi.
O‘tkazilgan tahlillar va ilmiy tadqiqotlar sun’iy intellekt vositalari, xususan, mashinali
o‘rganish (ML), chuqur o‘rganish (DL) hamda tabiiy tilni qayta ishlash (NLP)
algoritmlari kibertahdidlarni aniqlashda an’anaviy usullarga nisbatan sezilarli
ustunlikka ega ekanligini tasdiqlaydi.
IBM (2023) ma’lumotlariga ko‘ra, AI-integratsiyalashgan xavfsizlik tizimlari
yordamida kiberhujumlarning aniqlanishi o‘rtacha 30–60% tezlashgan, aniqlik darajasi
esa 90% dan ortiqqa yetgan. Shu bilan birga, Gartner prognoziga ko‘ra, 2026-yilga
borib korporativ darajadagi kiberxavfsizlikning 70% dan ortig‘i sun’iy intellekt
texnologiyalariga tayanadi.
Tadqiqotlar quyidagi asosiy xulosalarni beradi:
1.
Sun’iy intellekt kibertahdidlarni oldindan prognozlash va real vaqt
rejimida aniqlash imkonini beradi.
Bu esa tizimlar xavfsizligini nafaqat passiv, balki
aktiv tarzda ta’minlashga xizmat qiladi.
2.
An’anaviy tizimlarga nisbatan AI vositalari yuqori aniqlik, past xatolik
darajasi (False Positive/Negative) hamda o‘z-o‘zini optimallashtirish qobiliyatiga
ega.
Bu esa inson aralashuviga bo‘lgan ehtiyojni kamaytiradi va operativ qaror qabul
qilishni tezlashtiradi.
3.
AI asosidagi xavfsizlik echimlari iqtisodiy jihatdan ham tejamkor
yechim hisoblanadi.
McKinsey (2024) ma’lumotlariga ko‘ra, sun’iy intellekt joriy
etilgan kompaniyalar kiberxavfsizlik infratuzilmasiga bo‘lgan xarajatlarini o‘rtacha
25–35% ga kamaytirishga erishgan.
4.
O‘zbekiston uchun sun’iy intellekt texnologiyalarini bosqichma-bosqich
joriy etish raqamli transformatsiya jarayonlarining uzviy tarkibiy qismi bo‘lishi
kerak.
“Raqamli O‘zbekiston – 2030” strategiyasi doirasida bu borada normativ-
huquqiy baza va texnik salohiyatni shakllantirish ustuvor vazifalardan biri hisoblanadi.
Foydalanilgan manbalar ro‘yxati
1.
Cisco Systems Inc.
(2023).
Cisco Annual Cybersecurity Report: The Role of
Machine Learning in Threat Detection.
– Ushbu hisobotda sun’iy intellekt
texnologiyalarining real vaqtli kibertahdidlarni aniqlashdagi samaradorligi statistik
dalillar
bilan
ko‘rsatib
berilgan.
2.
IBM Security.
(2023).
Cost of a Data Breach Report.
– Ma’lumotlar buzilishi
holatlari va ularning iqtisodiy oqibatlari haqida chuqur tahlil berilgan, AI
Ta'lim innovatsiyasi va integratsiyasi
47-son_2-to’plam_Iyun -2025
241
ISSN:3030-3621
yondashuvlarining xarajatlarni kamaytirishdagi o‘rni ko‘rsatib o‘tilgan.
URL: https://www.ibm.com/reports/data-breach
3.
McKinsey Global Institute.
(2024).
The Future of AI in Cybersecurity.
–
Kompaniyalar orasida AI joriy etilishi bo‘yicha statistik ma’lumotlar va bashoratlar
asosida
tayyorlangan
ilmiy
tahliliy
hisobot.
4.
Gartner Research.
(2024).
Top Trends in Cybersecurity: Artificial Intelligence
Integration 2025.
– Sun’iy intellektning kibermuhitdagi integratsiya jarayoni
bo‘yicha
bashoratlar
keltirilgan.
5.
Statista.
(2024).
Market Forecast of AI in Cybersecurity (2020–2027).
– AI
asosidagi kiberxavfsizlik bozori hajmi va rivojlanish trayektoriyasi haqida aniq
statistik
prognozlar
keltirilgan.
URL: https://www.statista.com/statistics/
