Ta'lim innovatsiyasi va integratsiyasi
42-son_4-to’plam_Aprel -2025
ISSN: 3030-3621
11
AXBOROT TIZIMLARIDA KIRISHNI ANIQLASH MODELLARINI
ISHLAB CHIQISHNING AQLLI USULLARI
Begimov O‘ktam Ibragimovich
Alfraganus university “Raqamli texnologiyalari” kafedra mudiri
uktambegimov24@gmail.com
Jovliyev Ulug‘bek Davronovich
Alfraganus university “Raqamli texnologiyalari” fakulteti magistri
Annotatsiya:
Ushbu maqola axborot tizimlarida kirishni aniqlash modellarini
avtomatik ravishda qurishning aqlli usullarini tahlil qiladi. Kirishni aniqlash
modellarining ikki asosiy turi-imzolash asosida va anomaliyalarga asoslangan-
keltirilgan. Maqolada avtomatik model qurish jarayonining to‘rt asosiy bosqichi:
ma’lumot to‘plash, ma’lumotlarni oldindan qayta ishlash, model qurish va uning
baholanishi va optimallashtirilishi ko‘rib chiqiladi. Mashinani o‘rganish va chuqur
o‘rganish kabi zamonaviy texnologiyalar, shuningdek, natijalarga asoslangan
o‘rganish usullari yordamida kirishni aniqlash samaradorligini oshirish mumkinligi
ta'kidlangan. Ushbu tadqiqot, axborot tizimlarining xavfsizligini kuchaytirish va
ruxsatsiz kirishlarni oldini olishda zamonaviy yechimlarni taklif etadi.
Kalit so‘zlar:
Axborot tizimlari, kirishni aniqlash modellar, avtomatik qurish,
aqlli usullar, mashinani o‘rganish, chuqur o‘rganish, anomaliyalarga asoslangan
model, imzolash asosidagi model, ma’lumot to‘plash, ma’lumotlarni qayta ishlash,
modelni baholash va optimallashtirish, xavfsizlik, ruxsatsiz kirish, hujumlardan
himoya.
Annotation:
This article analyzes intelligent methods for automatically building
intrusion detection models in information systems. Two main types of intrusion
detection models-signature based and anomaly-based are presented. The article
examines the four main steps of the automatic model building process: data collection,
data preprocessing, model building, and its evaluation and optimization. It is noted that
the effectiveness of intrusion detection can be improved with the help of modern
technologies such as machine learning and deep learning, as well as results-based
learning methods. This study offers modern solutions to strengthen the security of
information systems and prevent unauthorized access.
Keywords:
Information systems, intrusion detection models, automatic
construction, intelligent methods, machine learning, deep learning, anomaly-based
model, signature-based model, data mining, data processing, model evaluation and
optimization, security, protection against unauthorized access, attacks.
Аннотация:
В данной статье анализируются интеллектуальные методы
автоматического
построения
моделей
обнаружения
вторжений
в
Ta'lim innovatsiyasi va integratsiyasi
42-son_4-to’plam_Aprel -2025
ISSN: 3030-3621
12
информационных системах. Приводятся два основных типа моделей
обнаружения вторжений - на основе сигнатур и на основе аномалий. В статье
рассматриваются четыре основных этапа процесса автоматического построения
модели: сбор данных, предварительная обработка данных, построение модели,
ее оценка и оптимизация. Отмечается, что эффективность обнаружения
вторжений можно повысить с помощью современных технологий, таких как
машинное обучение и глубокое обучение, а также методов обучения,
основанного на результатах. В данном исследовании предлагаются современные
решения для усиления безопасности информационных систем и предотвращения
несанкционированного доступа.
Ключевые слова:
Информационные системы, модели обнаружения
вторжений, автоматическое построение, интеллектуальные методы, машинное
обучение, глубокое обучение, модель на основе аномалий, модель на основе
сигнатур, интеллектуальный анализ данных, обработка данных, оценка и
оптимизация модели, безопасность, защита от несанкционированного доступа,
атаки.
Axborot tizimlari har doim muhim axborotlarni saqlash va ularga kirishni
boshqarish bilan bog‘liq. Kirishni aniqlash modellari (KAM) bu tizimlarga
hujumlardan himoya qilish va ruxsatsiz kirishlarni oldini olishda muhim rol o‘ynaydi.
Ushbu maqolada, axborot tizimlarida kirishni aniqlash modellarini avtomatik ravishda
qurish uchun zamonaviy aqlli usullar tahlil qilinadi.
Kirishni aniqlash modellari ikki asosiy turga bo‘linadi: imzolash asosida va
anomaliyalarga asoslangan. Imzolash asosida ishlovchi modellarda, oldindan
belgilangan qoidalar va imzolar yordamida kirish faoliyatlari tahlil qilinadi. Aksincha,
anomaliyalarga asoslangan modellarda, normal faoliyatdan chetga chiqqan xatti-
harakatlar aniqlanadi.
Avtomatik qurish jarayoni
Ma’lumot to‘plash. Kirishni aniqlash modellari uchun ma’lumot to‘plash
jarayoni birinchi bosqichdir. Bu jarayon avtomatik ravishda turli manbalardan (tarmoq
trafigi, log fayllar va boshqalar) ma’lumotlarni yig‘ishni o‘z ichiga oladi. Ma’lumotlar
to‘plami sifatida tahlil qilish uchun etarlicha katta va xilma-xil bo‘lishi zarur.
Ma’lumotlarni oldindan qayta ishlash. Yig‘ilgan ma’lumotlar oldindan qayta
ishlanishi kerak. Bu jarayonda shovqinlarni olib tashlash, normalizatsiya va
xususiyatlarni ajratish kabi amallar amalga oshiriladi. Ma’lumotlar to‘g‘riligini
ta’minlash kirishni aniqlash samaradorligini oshiradi.
Model qurish. Avtomatik model qurish jarayoni mashinani o‘rganish (MO) va
chuqur o‘rganish (CO) algoritmlaridan foydalanadi. Masalan, qaror daraxtlari, neyron
tarmoqlar va boshqa algoritmlar yordamida kirishni aniqlash modellarini yaratish
Ta'lim innovatsiyasi va integratsiyasi
42-son_4-to’plam_Aprel -2025
ISSN: 3030-3621
13
mumkin. Ushbu algoritmlar ma’lumotlar to‘plamidan o‘rganib, kelajakdagi xatti-
harakatlarni oldindan bashorat qilish imkonini beradi.
Modelni baholash va optimallashtirish. Qurilgan modelning samaradorligini
baholash uchun uni test ma’lumotlari bilan sinovdan o‘tkazish zarur. Baholash
natijalari asosida modelni optimallashtirish, ya’ni parametrlarni o‘zgartirish va
algoritmni yaxshilash amalga oshiriladi. Bu jarayon avtomatik ravishda o‘zgarishi
mumkin.
Aqlli usullar
1. Mashinani o‘rganish. Mashina o‘rganish algoritmlari yordamida kirishni
aniqlash modellari yaratish jarayoni avtomatlashtiriladi. Bu algoritmlar avvalgi
ma'lumotlarga asoslanib, yangi kiritishlarga javob berishni o‘rganadi.
2. Chuqur o‘rganish. Chuqur o‘rganish texnologiyalari murakkab xatti-
harakatlarni aniqlashda samarali. Neyron tarmoqlari yordamida anomaliyalarni
aniqlash va ularga mos ravishda model qurish mumkin.
3. Natijalarga asoslangan o‘rganish. Bu usul, modelning natijalaridan o‘rganib,
yangi strategiyalar ishlab chiqishga imkon beradi. Natijalarga asoslangan o‘rganish
jarayonida model doimiy ravishda o‘zini yangilab boradi.
Xulosa
Axborot tizimlarida kirishni aniqlash modellarini avtomatik ravishda qurish aqlli
usullar yordamida samaradorligini oshiradi. Ushbu jarayon, ma’lumotlarni to‘plashdan
tortib, modelni baholash va optimallashtirishgacha bo‘lgan bosqichlarni o‘z ichiga
oladi. Kelajakda bu usullar yanada rivojlanib, axborot tizimlarining xavfsizligini
yanada kuchaytirishga yordam beradi.
Avtomatik qurish jarayonidagi aqlli usullar nafaqat samaradorlikni oshiradi,
balki tizimlar xavfsizligini ham kuchaytiradi. Kelajakda bu usullarni yanada
rivojlantirish, shuningdek, ularni real vaqt rejimida qo‘llash, axborot tizimlarining
xavfsizlik darajasini yanada oshirishga yordam beradi. Shunday qilib, kirishni aniqlash
modellarini ishlab chiqish va ularni yangilash jarayonlari axborot tizimlarining
mudofaasini mustahkamlashda muhim ahamiyatga ega bo‘ladi.
Axborot tizimlarida kirishni aniqlash modellarini avtomatik ravishda qurish
zamonaviy xavfsizlik strategiyalarining ajralmas qismidir. Ushbu maqolada tahlil
qilingan usullar, masalan, mashinani o‘rganish va chuqur o‘rganish, kirish
faoliyatlarini samarali aniqlash va ruxsatsiz kirishlarni oldini olishda katta
imkoniyatlar taqdim etadi. Model qurish jarayoni ma’lumotlarni to‘plashdan boshlab,
ularni qayta ishlash, modellash va baholashgacha bo‘lgan bir qator bosqichlarni o‘z
ichiga oladi.
Foydalanilgan adabiyotlar.
1.
Bishop, C. M., Pattern Recognition and Machine Learning. Springer, 2006.
2.
Goodfellow, I., Bengio, Y., & Courville, A., Deep Learning. MIT Press, 2016.
Ta'lim innovatsiyasi va integratsiyasi
42-son_4-to’plam_Aprel -2025
ISSN: 3030-3621
14
3.
Hodge, V. J., & Austin, J., “A survey of outlier detection methodologies” Artificial
Intelligence Review, 22(2), 2004, 85-126.
4.
Tan, P. N., Steinbach, M., & Kumar, V. (2019). Introduction to Data Mining.
Pearson.
5.
Zhou, Z.-H., Ensemble Methods: Foundations and Algorithms. CRC Press, 2012.
6.
Sommer, P., & Paxson, V., “Outside the closed world: On using machine learning
for network intrusion detection”, IEEE European Symposium on Security and
Privacy, 2010, 305-320.
7.
Li, W., & Li, Q., “Anomaly detection based on deep learning: A survey”,
International Journal of Information Security, 17(6), (2018), 599-619.
8.
Ahmed, M., Mahmood, A. N., & Hu, J. (2016). “A survey of network anomaly
detection techniques”, Journal of Network and Computer Applications, 60, 201-
217.
9.
Zhang, Y., & Zheng, Y.,“A deep learning approach for intrusion detection”, Journal
of Information Security and Applications, 42, (2018) 150-157.
10.
Kull, M., & Flach, P., “Beyond accuracy: F-measure, the lack of consistency and
the importance of being precise”, Machine Learning, 95(2), (2014), 203-234.
