TIZIMLI TAHLIL ASOSIDA IOT TIZIMLARIDA MA’LUMOTLARNI QAYTA ISHLASH JARAYONIDA KIBERHUJUMLARNI ANIQLASHNING MATEMATIK MODELINI ISHLAB CHIQISH
Keywords:
Internet of Things (IoT), kiberxavfsizlik, tizimli tahlil, ma’lumotlarni qayta ishlash, kiberhujumlarni aniqlash, matematik model, anomaliyalarni aniqlash, axborot xavfsizligiAbstract
Ushbu maqolada Internet of Things (IoT) tizimlarida ma’lumotlarni qayta ishlash jarayonida yuzaga kelishi mumkin bo‘lgan kiberhujumlarni aniqlash masalasi tizimli tahlil asosida ko‘rib chiqiladi. IoT qurilmalarining soni va ular o‘rtasida almashinadigan ma’lumotlar hajmining ortishi axborot xavfsizligini ta’minlash, shubhali faoliyatni o‘z vaqtida aniqlash hamda ma’lumotlarni qayta ishlash jarayonining ishonchliligini oshirish zaruratini yuzaga keltirmoqda. Tadqiqotning asosiy maqsadi IoT tizimlarida ma’lumotlarni qayta ishlash xususiyatlari, tarmoq parametrlari va xavfsizlik ko‘rsatkichlarini hisobga oluvchi kiberhujumlarni aniqlashning matematik modelini ishlab chiqishdan iborat. Tadqiqot doirasida tizimli tahlil, matematik modellashtirish va anomaliyalarni aniqlash usullaridan foydalanish nazarda tutiladi. Taklif etiladigan modelning samaradorligini aniqlash uchun aniqlash aniqligi, yolg‘on ijobiy natijalar ulushi va qayta ishlash vaqti kabi ko‘rsatkichlarni baholash mumkin. Mazkur tadqiqot natijalari IoT tizimlarida kiberxavfsizlikni ta’minlashga qaratilgan intellektual monitoring va himoya mexanizmlarini takomillashtirish uchun nazariy asos bo‘lib xizmat qilishi mumkin
References
1. Neto E. C. P., Dadkhah S., Ferreira R., Zohourian A., Lu R., Ghorbani A. A. CICIoT2023: A Real-Time Dataset and Benchmark for Large-Scale Attacks in IoT Environment. Sensors, 2023, 23(13), 5941. DOI: 10.3390/s23135941.
2. Meidan Y., Bohadana M., Mathov Y., Mirsky Y., Breitenbacher D., Shabtai A., Elovici Y. N-BaIoT—Network-Based Detection of IoT Botnet Attacks Using Deep Autoencoders. IEEE Pervasive Computing, 2018.
3. Scikit-learn developers. Classification metrics. Scikit-learn rasmiy hujjatlari.
4. Scikit-learn developers. F1 score. Precision va Recall asosida tasniflash sifatini baholash bo‘yicha rasmiy hujjat.
5. Google for Developers. Classification: Accuracy, recall, precision, and related metrics. Mashinaviy o‘qitish modellarini baholash mezonlari va ularning o‘zaro muvozanati.
6. Canadian Institute for Cybersecurity. CIC IoT Dataset 2023. IoT tarmoqlaridagi kiberhujumlar ma’lumotlari va ulardan foydalanish bo‘yicha ma’lumotlar sahifasi.
7. Gʻaniyev S.K., Karimov M.M., Tashev K.A. Axborot xavfsizligi: darslik. — Toshkent: Fan va texnologiya, 2017. — 372 b.
8. Gʻaniyev S.K., Gʻaniyev A.A., Xudoyqulov Z.T. Kiberxavfsizlik asoslari: o‘quv qo‘llanma. — Toshkent: Iqtisod-Moliya, 2021. — 228 b.
9. O‘rinov N.T. Kiberxavfsizlik asoslari: darslik. — Andijon: Ideal Press, 2022. — 296 b.
10. Raxmonov Q.S., Bekkamov F.A. Kiberxavfsizlik siyosati: o‘quv qo‘llanma. — 2023. — 235 b.
11. Nigmatov X. Tarmoq xavfsizligini aniqlash usullari: monografiya. — Toshkent: Fan va texnologiyalar nashriyot-matbaa uyi, 2024. — 222 b.
12. Nigmatov X., Xodjaeva M.S. Axborotlarni himoyalashda intellektual tizimlar: darslik. — Toshkent: Lesson Press, 2022. — 290 b.
