Розмір шрифта:
ЗАСТОСУВАННЯ МЕТОДІВ ПОЯСНЮВАНОГО ШТУЧНОГО ІНТЕЛЕКТУ ДЛЯ МОНІТОРИНГУ ТА ОЦІНКИ РИЗИКІВ У ГЕТЕРОГЕННИХ МЕРЕЖАХ
Остання редакція: 2026-05-27
Анотація
У роботі досліджено актуальну проблему інтеграції методів пояснюваного штучного інтелекту (XAI) у
системи виявлення вторгнень (IDS) для сучасних гетерогенних середовищ, таких як IoT-мережі, хмарні
застосунки та інтелектуальні транспортні системи (ICV). Проаналізовано ефективність алгоритму XGBoost
у виявлении мережевих аномалій та роль методів інтерпретації (SHAP, LIME) у подоланні проблеми «чорної
скриньки», що властива складним моделям машинного навчання. Визначено, що прозорість прийняття рішень
ШІ є критичним фактором для верифікації загроз фахівцями з кібербезпеки та мінімізації ризиків помилкових
спрацювань у критичній інфраструктурі. На основі аналізу сучасних фреймворків запропоновано комплексну
стратегію захисту, яка поєднує високу точність класифікації з детальною аргументацією кожного виявленого
інциденту.
системи виявлення вторгнень (IDS) для сучасних гетерогенних середовищ, таких як IoT-мережі, хмарні
застосунки та інтелектуальні транспортні системи (ICV). Проаналізовано ефективність алгоритму XGBoost
у виявлении мережевих аномалій та роль методів інтерпретації (SHAP, LIME) у подоланні проблеми «чорної
скриньки», що властива складним моделям машинного навчання. Визначено, що прозорість прийняття рішень
ШІ є критичним фактором для верифікації загроз фахівцями з кібербезпеки та мінімізації ризиків помилкових
спрацювань у критичній інфраструктурі. На основі аналізу сучасних фреймворків запропоновано комплексну
стратегію захисту, яка поєднує високу точність класифікації з детальною аргументацією кожного виявленого
інциденту.
Ключові слова
кібербезпека, пояснюваний штучний інтелект (XAI), виявлення вторгнень (IDS), IoT, XGBoost, хмарні технології, оцінка ризиків, інтерпретованість.
Посилання
An xgboost-based intrusion detection framework with interpretability analysis for iot networks [Electronic resource] /
Yunwen Hu [et al.] // Applied sciences. – 2026. – Vol. 16, no. 2. – P. 980. – Mode of
access: https://doi.org/10.3390/app16020980 (date of access: 02.03.2026). – Title from screen.
[2] Explainable artificial intelligence (XAI) for intrusion detection and mitigation in intelligent connected vehicles: a review
[Electronic resource] / Cosmas Ifeanyi Nwakanma [et al.] // Applied sciences. – 2023. – Vol. 13, no. 3. – P. 1252. – Mode of
access: https://doi.org/10.3390/app13031252 (date of access: 02.03.2026). – Title from screen.
[3] Sowjanya Y. FBZX: A novel explainable AI based security model for iot healthcare systems / Yemineni Sowjanya,
S. Gopalakrishnan, R. Diner Kumar // Third international conference on augmented intelligence and sustainable systems
(ICAISS). – 2025. – No. 2025. – P. 106–110.
Yunwen Hu [et al.] // Applied sciences. – 2026. – Vol. 16, no. 2. – P. 980. – Mode of
access: https://doi.org/10.3390/app16020980 (date of access: 02.03.2026). – Title from screen.
[2] Explainable artificial intelligence (XAI) for intrusion detection and mitigation in intelligent connected vehicles: a review
[Electronic resource] / Cosmas Ifeanyi Nwakanma [et al.] // Applied sciences. – 2023. – Vol. 13, no. 3. – P. 1252. – Mode of
access: https://doi.org/10.3390/app13031252 (date of access: 02.03.2026). – Title from screen.
[3] Sowjanya Y. FBZX: A novel explainable AI based security model for iot healthcare systems / Yemineni Sowjanya,
S. Gopalakrishnan, R. Diner Kumar // Third international conference on augmented intelligence and sustainable systems
(ICAISS). – 2025. – No. 2025. – P. 106–110.
Повний текст:
PDF