Ta'lim innovatsiyasi va integratsiyasi
44-son_1-to’plam_May-2025
ISSN: 3030-3621
80
SUN’IY INTELLEKT ASOSIDA AXBOROT XAVFSIZLIGINI TA’MINLASH
Suyunov Akmal Xo’shboq o’g’li
TerDU 1-bosqich magistranti
suyunovakmal27@gmail.com
Annotatsiya:
Ushbu maqolada sun’iy intellekt texnologiyalarining axborot
xavfsizligini ta’minlashdagi o’rni tahlil qilingan. Jumladan, tahdidlarni oldindan
aniqlash va real vaqt rejimida monitoring hamda mashinali o’rganish algoritmlarining
axborot tizimlarida qo‘llanilishi yoritilgan. Shuningdek, ilg’or sun’iy intellektga
asoslangan xavfsizlik tizimlari va ularning samaradorlik jihatlari ko’rib chiqilgan.
Kalit so’zlar:
Axborot xavfsizligi, sun’iy intellekt, kiberxavfsizlik, mashinali
o’rganish, neyron tarmoqlar, tahdidlarni aniqlash, foydalanuvchi xatti-harakatlarini
tahlil qilish, AI asosidagi monitoring.
Kirish.
Bugungi kunda raqamli texnologiyalar va sun’iy intellektning jadal
rivojlanishi axborot xavfsizligini ta’minlashda dolzarb muammolardan biri sifatida
ko’rilmoqda. Hozirda yangi kiberhujumlar, ma’lumotlarni o’g’irlash yoki tizimlarning
buzilish holatlari sodir bo’lmoqda. Shu boisdan axborot xavfsizligini ta’minlashda
sun’iy intellektning o’rni va uning samaradorligini oshirish masalalari va
muammolarini hal etish, butun dunyo bo’ylab muhim ahamiyatga ega bo’lib
bormoqda. AI asosidagi xavfsizlik texnologiyalari, ayniqsa, tahdidlarni aniqlash,
foydalanuvchi xatti-harakatlarini tahlil qilish va real vaqt rejimida monitoring qilish
kabi sohalarda yangi imkoniyatlar yaratmoqda. Hozirgi vaqtda kiberxavfsizlikni
avtomatlashtirish va sun’iy intellektni joriy etish yo’nalishlari muntazam ravishda
mukammallashib bormoqda.
Adabiyotlar
sharhi.
Axborot xavfsizligini ta’minlashda zamonaviy
yondashuvlar borasida sun’iy intellekt (AI) va mashinaviy o’qitish (ML)
texnologiyalari tobora muhim o’rin egallamoqda. So’nggi yillarda ushbu
texnologiyalarga asoslangan xavfsizlik tizimlari kiberhujumlarning oldini olishda
samarali vosita sifatida keng qo’llanilmoqda. Tadqiqotlar shuni ko’rsatmoqdaki,
an’anaviy yondashuvlar — antiviruslar, xavfsizlik devorlari va statik tahlil vositalari
— dinamik va murakkab tahdidlarga qarshi bundan-buyon har doim ham samarali
bo’la olmaydi. Shu sababli, sun’iy intellekt asosidagi xavfsizlik yondashuvlari, global
miqyosda joriy etilmoqda.
Adabiyotlarda sun’iy intellektning katta til modellari (LLM – Large Language
Models) asosida kiberxavfsizlikni ta’minlashga oid ishlanmalar dolzarb mavzu sifatida
bugungi kunda yuzaga kelmoqda. Shu boisdan Xitoylik bir guruh tadqiqiotchilar, Xu
va boshqalar (2024-yil) tomonidan olib borilgan tizimli adabiyotlar sharhida 127 ta
Ta'lim innovatsiyasi va integratsiyasi
44-son_1-to’plam_May-2025
ISSN: 3030-3621
81
asosiy ilmiy ish tahlil qilishgan, LLM’larning zaifliklarni aniqlash, zararli dasturlarni
tahlil qilish, fishing hujumlarini oldindan ko‘rish va tarmoq xavfsizligini baholashdagi
roli aniq ravshan ochib berilgan. Tadqiqotda LLM’larning kiber tahdidlarni
aniqlashdagi samaradorligi ta’kidlangan bo’lsada, tushunarlilik, maxfiylik va
domenlarga moslashtirish kabi muammolar ham keltirib o’tilgan. Quyidagi rasmda siz
yaqinlar oralig’ida fishing hujumlari sonining ortishi keltirib o’tilgan.
1-rasm.
Shuningdek, Gaith Rjoub, Jamal Bentahar, Omar Abdel Wahab va
boshqalarning ilmiy izlanishlaridan kelib chiqgan holda, sun’iy intellekt (AI)
modellari, ayniqsa chuqur o’rganish (deep learning) asosidagi tizimlarning “qora quti”
(black-box) xususiyatlari ustida izlanishlar qilingan. Mualliflar tushuntiriladigan
sun’iy intellekt (XAI) yondashuvlarini kiberxavfsizlik sohasida qo’llash
imkoniyatlarini o’rganib, mavjud metodologiyalarni tahlil qilganlar. Ular XAI
yordamida kiber tahdidlarni yaxshiroq tushunish va samarali himoya qilish, choralarini
ishlab chiqish imkoniyatlarini ko’rsatib o’tishganlar.
Hozirda birqancha amaliy ishlar ham olib borilmoqda bularga misol sifatida,
Microsoft kompaniyasi tomonidan yaratilgan (2024-yil) Security Copilot – bu sun’iy
intellekt asosidagi interaktiv yordamchi bo‘lib, u kiberxavfsizlik mutaxassislariga
tahdidlar haqida tezkor va kontekstga asoslangan ma’lumotlarni taqdim etadi.
Yanabir amaliy izlanishlardan biri – bu Trend Micro AI Vositasi (2023-yil) AI
asosida yaratilgan xavfsizlik platformasidir. U mashinaviy o‘qitish (ML) yordamida
tahdidlarni aniqlaydi, xavf darajasini baholaydi va avtomatik tarzda inson omilisiz
qarorlar qabul qilish imkoniyatiga ega.
Ta'lim innovatsiyasi va integratsiyasi
44-son_1-to’plam_May-2025
ISSN: 3030-3621
82
Bundan
tashqari,
blokcheyn
texnologiyasi
ham
ma’lumotlarni
markazlashmagan tarzda saqlash va tranzaksiyalarni buzilmasligini kafolatlashda
muhim rol o’ynaydi. Ralf Merkle tomonidan ilgari surilgan Merkle daraxtlari asosida
qurilgan blokcheyn tizimlari ayniqsa moliyaviy sektorlarda keng qo‘llanilmoqda.
Ammo blokcheyn texnologiyasida ham xesh funksiyalarining zaifliklari va ko’p
resurslar talab qilishi, bu uning salbiy tarafi hisoblanadi. Bu muammolarni AI asosida
tahlil qilish va optimallashtirish yo‘nalishidagi tadqiqotlar dolzarb bo’lib qolmoqda.
Bugungi kunda sun’iy intellekt va mashinaviy o’qitish texnologiyalari
kiberxavfsizlik sohasida tahdidlarni oldindan prognoz qilish, foydalanuvchi va obyekt
xatti-harakatlarini (ing.qisqartmasi – UEBA) aniqlash, g’ayritabiiy xarakatlarni
avtomatik ravishda tanib olish imkonini bermoqda. Xususan, AI asosidagi tahlil
algoritmlari kiberhujumlarning dinamikasini o’rganish va ularga qarshi samarali
choralar ko’rishda katta afzallik bermoqda.
Mavzuning o’rganilganlik darajasi:
Kiberxavfsizlik sohasida sun’iy intellekt
texnologiyalarining qo’llanilishi axborot xavfsizligini ta’minlashda sezilarli ijobiy
natijalar bermoqda. So’nggi yillarda olib borilgan ilmiy izlanishlar va texnologik
yutuqlar, bu boradagi istiqbollarni yaqqol ko’rsatib bermoqda.
Masalan, 2020-yilda S. Buczak va E. Guven tomonidan olib borilgan “A Survey
of Data Mining and Machine Learning Methods for Cyber Security Intrusion
Detection” nomli tadqiqotda mashinaviy o’qitish algoritmlaridan (Decision Trees,
Random Forest, SVM, KNN, va Neural Networks) foydalanilgan holda tarmoqdagi
g’ayritabiiy xarakatlarni aniqlash samaradorligi tahlil qilingan. Tadqiqot natijalari
shuni ko’rsatdiki, AI asosidagi tahdidni aniqlash tizimlari an’anaviy qoida (rule-based)
tizimlarga qaraganda ancha yuqori aniqlik va moslashuvchanlikka ega bo’lib, oldindan
ogohlantirish, o’z-o’zini o’rganish qobiliyati, katta hajmdagi ma’lumotni qayta ishlash,
avtomatik tahlil va xulosalar, hamda bundan tashqari, ba’zi kamchiliklar ham bor,
noaniqlik va yolg’onning ijobiy holatlar, ma’lumotlar to’plamiga qaramlik,
tushuntirishdagi murakkablik (explainability), xavfsizlikning o’ziga xos xatarlaridan
iboratdir.
Sun’iy intellektni qo’llash bo’yicha bir juft olimlar, J. Sommer va J. Paxson
(2010-yil) tomonidan olib borilgan “Outside the Closed World: On Using Machine
Learning for Network Intrusion Detection” nomli tadqiqotda sun’iy intellekt va
mashinaviy o’qitish algoritmlarini tarmoqdagi kiberhujumlarni aniqlashda qo’llash
imkoniyatlari chuqur tahlil qilingan. Ushbu ish mashinaviy o’qitish algoritmlarining
haqiqiy (real-world) muhitda qo’llanilganda qanday natijalar berishini va qanday
muammolarga duch kelinishini aniq ravshan yoritib bergan. Tadqiqotchilar real
muhitdagi murakkabliklar, noto’g’ri xabarlar (false positives), va sun’iy test muhitlari
bilan real tarmoq o’rtasidagi tafovutlarni chuqur va aniq o’rganishgan.
Ta'lim innovatsiyasi va integratsiyasi
44-son_1-to’plam_May-2025
ISSN: 3030-3621
83
Yana bir muhim tadqiqotchi — Somya Ranjan Sahoo va uning hamkasblari
tomonidan olib borilgan ishda (2022-yil) AI va ML texnologiyalarining
kiberxavfsizlikdagi tadbiq qilinishi chuqur tahlil qilingan. Ular o’z maqolalarida
mashinaviy o’qitish algoritmlaridan foydalangan holda zararli dasturlarni aniqlash va
tahdidlarni tasniflash imkoniyatlarini ko’rib chiqqanlar. Shunga qaramasdan bu
tadqiqotda ham kamchiliklarni ko’rishimiz mumkin, izohlanish muammosi, resursga
talabchanlik, soxta ijobiy holatlar ba’zi holatlarda xakerlik faoliyati deb noto’g’ri
signal berishi mumkin, bu esa noto’g’ri xavfni baholashga olib keladi.
Kelajakda kiberxavfsizlik sohasida sun’iy intellekt va mashinaviy o‘qitish
texnologiyalarining rivojlanishi davom etadi. Yangi algoritmlar va metodologiyalar
ishlab chiqilish, tizimlarni yanada samarali va xavfsiz qilishga yordam beradi.
Shuningdek, sohada boshqa innovatsion texnologiyalar ham kiberhujumlarni oldini
olishda muhim o’rin egallaydi.
Tahlil va natijalar:
Axborot xavfsizligini ta’minlashda ko’plab ilmiy ishlar va
dasturlar yaratilgan va yaratilmoqda, Mashhur sun’iy intellekt texnologiyalari va
ularning qo’llanilishi va imkoniyatlari ortib bormoqda va davom etadi. Quyidagi
jadvalda to’rta sun’iy intellektga asoslangan texnologiya keltirilgan.
1-jadval
Texnologiya
Vazifasi
Afzalliklari
Machine Learning
Tahdidlarni aniqlash
Moslashuvchanlik,
tezlik
Deep Learning
Noaniqlikni tahlil qilish Kengaytirilgan aniqlik
LLM (ChatGPT kabi)
Xavfsizlik
so‘rovlari
tahlili
Keng bilim bazasi
XAI
Izohlanadigan qarorlar
Ishonchni oshiradi
Quyidagi jadvalda uchta mashhur sun’iy intellekt modelining phishing e-
maillarini aniqlashdagi samaradorligi ko‘rsatilgan. Bu modellar real vaqtda ishlovchi
kichik dataset asosida sinovdan o’tkazilgan. Statistik ma’lumotlar asosida Random
Forest modeli eng yuqori aniqlikni ko’rsatgan bo’lsa ham, resurslarga talab yuqoriligi
sabab uni kichik tizimlarda to‘liq ishlatish cheklanishi mumkin.
2-jadval
Model
Aniqlik (%)
Afzalliklari
Kamchiliklari
Decision Tree
85
Soddalik,
izohlanish
Overfittingka
moyil
Random Forest
91
Yuqori aniqlik,
barqarorlik
Resurs talabchan
Ta'lim innovatsiyasi va integratsiyasi
44-son_1-to’plam_May-2025
ISSN: 3030-3621
84
Naive Bayes
78
Tezlik,
kam
resursga ehtiyoj
Past
aniqlik,
murakkab
holatlarda zaif
Sun’iy intellekt modellari bugungi kunda bir qancha yirik kompaniya va
tashkilotlar tomonidan keng miqyosda qo’llanilmoqda. Masalan, Google va Microsoft
o’zlarining email xizmatlarida AI asosida fishing e-maillarni filtrlaydi. Statista (2024)
ma’lumotlariga ko’ra, 2023-yilda butun dunyo bo’ylab aniqlangan fishing
hujumlarining soni 4,7 milliondan oshgan. Bu ko’rsatkich 2020-yilga nisbatan qariyb
ikki baravarga oshganini ko’rsatadi. Bunday tahdidlarning ko’payishi AI yordamida
avtomatik tahlil va filtr tizimlarining ahamiyatini yanada oshiradi.
Xulosa va takliflar.
Ushbu maqolada sun’iy intellekt texnologiyalarining
axborot xavfsizligini ta’minlashdagi o’rni va ahamiyati tahlil qilindi. AI va ML
algoritmlari yordamida tahdidlarni oldindan aniqlash, tahlil qilish va oldini olish
imkoniyatlari ko’rib o’tildi. LLM (katta til modellari) va XAI (izohlanadigan sun’iy
intellekt) texnologiyalari esa nafaqat tahdidlarni aniqlashda, balki ularning sabablarini
tushuntirishda muhim o’rin egallaydi.
Shuningdek, yuqorida taqdim qilinganidek, yirik texnologik kompaniyalar
(masalan, Google va Microsoft) AI texnologiyalaridan phishing hujumlariga qarshi
kurashishda faol foydalanmoqda. 2023-yilda butun dunyo bo’ylab aniqlangan fishing
hujumlar soni 4,7 millionga yetgani (Statista, 2024) bu texnologiyalarning
dolzarbligini yana bir bor isbotlaydi.
Adabiyotlar ro’yhati
1.
Russell, Stuart J., and Peter Norvig.
Artificial intelligence: a modern approach
.
pearson, 2016.
2.
Goodfellow, Ian, et al.
Deep learning
. Vol. 1. No. 2. Cambridge: MIT press, 2016.
3.
Stallings, William.
Network security essentials: applications and standards
.
Pearson Education India, 2003.
4.
Shukla, Sameer. "Synergizing Machine Learning and Cybersecurity for Robust
Digital Protection." (2023).
5.
Abawajy, Jemal, and Andrei Kelarev. "A multi-tier ensemble construction of
classifiers for phishing email detection and filtering."
Cyberspace Safety and
Security: 4th International Symposium, CSS 2012, Melbourne, Australia, December
12-13, 2012. Proceedings 4
. Springer Berlin Heidelberg, 2012.
6.
Doshi, Rohan, Noah Apthorpe, and Nick Feamster. "Machine learning ddos
detection for consumer internet of things devices."
2018 IEEE Security and Privacy
Workshops (SPW)
. IEEE, 2018.
Ta'lim innovatsiyasi va integratsiyasi
44-son_1-to’plam_May-2025
ISSN: 3030-3621
85
7.
Ribeiro, Marco Tulio, Sameer Singh, and Carlos Guestrin. "" Why should i trust
you?" Explaining the predictions of any classifier."
Proceedings of the 22nd ACM
SIGKDD international conference on knowledge discovery and data mining
. 2016.
8.
Nakamoto, Satoshi. "Bitcoin: A peer-to-peer electronic cash system." (2008).
9.
Toyirov, A. X., M. J. Zaripova, and F. T. Jumaev. "The use of virtual computers in
teaching of information disciplines."
World science
1.3 (3) (2015): 13-16.
Web manbalar
1.
https://apwg.org/trendsreports/
2.
https://www.statista.com/statistics/1493550/phishing-attacks-global-number/
3.
https://www.statista.com/statistics/266155/number-of-phishing-attacks-worldwide/
