RAQAMLI IQTISODIYOT SHAROITIDA AXBOROT XAVFSIZLIGINI TAʼMINLASHNING INNOVATSION MEXANIZMLARINI SUNʼIY INTELLEKT TEXNOLOGIYALARI ASOSIDA TAKOMILLASHTIRISH

Yodgora Ilxamova

Авторы

Yodgora Ilxamova Автор

Ключевые слова:

raqamli iqtisodiyot, axborot xavfsizligi, kiberxavfsizlik, sunʼiy intellekt, mashinaviy oʻqitish, antifrod monitoring, Gordon-Loeb modeli, kiberxavf, SI boshqaruvi, kiberxavfsizlikka investitsiya.

Аннотация

Maqolada raqamli iqtisodiyotda axborot xavfsizligini taʼminlash mexanizmlarini sunʼiy intellekt (SI) texnologiyalari asosida takomillashtirish masalasi koʻrib chiqilgan. Oʻzbekistonda toʻlovlar va davlat xizmatlarining raqamli shaklga oʻtishi bilan kibertahdidlar soni keskin oshdi: milliy segmentdagi resurslarga hujumlar 2022 yildagi qariyb 4,5 mln dan 2023 yilda 11 mln dan oshdi, 2024 yilda esa axborot texnologiyalari yordamida sodir etilgan jinoyatlar umumiy jinoyatlarning 44,4 foizini tashkil qildi. Tadqiqotda ikkilamchi statistik maʼlumotlar tahlili, normativ hujjatlarni qiyosiy oʻrganish va Gordon-Loeb modeli asosida iqtisodiy modellashtirish qoʻllanildi. Tadqiqotning ilmiy yangiligi Gordon-Loeb modelini SI samaradorligi va SI zaifligi parametrlari bilan kengaytirishdan iborat. Maʼlumotlar Kiberxavfsizlik markazi, UZCERT, Ichki ishlar vazirligi, IBM va Jahon iqtisodiy forumining 2022-2026 yillardagi koʻrsatkichlaridan olindi. Modelga SI samaradorligi koeffitsienti hamda SI tizimining oʻz zaifligini ifodalovchi parametr kiritildi. Shartli tijorat banki misolidagi hisob-kitoblar SI himoyaga sarflangan har bir soʻmning qaytimini oshirib, optimal investitsiyani 17,9 foizga, kutilayotgan zararni esa 36,8 foizga kamaytirishi mumkinligini koʻrsatdi. SI modellarini boshqarish tizimi boʻlmasa, umumiy xarajatlarni tejash 18,5 foizdan 13,6 foizgacha pasayadi. Boshqaruvga ketgan xarajat zaiflikning 0,036 dan ortiq oʻsishining oldini olsa, oʻzini qoplaydi. Shu asosda uch darajali mexanizm taklif qilindi. Texnologik daraja anomaliyalarni aniqlash, toʻlovlarni real vaqtda baholash va javob choralarini avtomatlashtirishni oʻz ichiga oladi. Boshqaruv darajasi NIST AI RMF tamoyillari asosida SI modellari reyestri, kirish nazorati va chidamlilik testlarini nazarda tutadi. Iqtisodiy-institutsional daraja xavfga asoslangan byudjetlashtirish, banklar va Kiberxavfsizlik markazi oʻrtasida tahdidlar haqida maʼlumot almashish hamda federativ oʻqitish asosidagi banklararo antifrod modelini qamrab oladi. Natijalardan tijorat banklari, toʻlov tashkilotlari va davlat organlari kiberxavfsizlik xarajatlarini asoslashda hamda 2026-2030 yillarga moʻljallangan Kiberxavfsizlik strategiyasini amalga oshirishda foydalanishi mumkin.

Скачивания

Данные по скачиваниям пока не доступны.

Библиографические ссылки

1. Anderson, R., & Moore, T. (2006). The economics of information security. Science, 314(5799), 610-613. https://doi.org/10.1126/science.1130992

2. Apruzzese, G., Laskov, P., Montes de Oca, E., Mallouli, W., Brdalo Rapa, L., Grammatopoulos, A. V., & Di Franco, F. (2023). The role of machine learning in cybersecurity. Digital Threats: Research and Practice, 4(1), Article 8. https://doi.org/10.1145/3545574

3. Arp, D., Quiring, E., Pendlebury, F., Warnecke, A., Pierazzi, F., Wressnegger, C., Cavallaro, L., & Rieck, K. (2022). Dos and don’ts of machine learning in computer security. In Proceedings of the 31st USENIX Security Symposium (pp. 3971-3988). USENIX Association.

4. Axmadaliyev, M. E. (2025). Raqamli iqtisodiyotda kiberxavfsizlik muammolari va ularning xalqaro boshqaruv mexanizmlari. Oriental Renaissance: Innovative, Educational, Natural and Social Sciences, 5(9), 64-75.

5. Brundage, M., Avin, S., Clark, J., Toner, H., Eckersley, P., Garfinkel, B., Dafoe, A., Scharre, P., Zeitzoff, T., Filar, B., Anderson, H., Roff, H., Allen, G. C., Steinhardt, J., Flynn, C., Ó hÉigeartaigh, S., Beard, S., Belfield, H., Farquhar, S., ... Amodei, D. (2018). The malicious use of artificial intelligence: Forecasting, prevention, and mitigation. arXiv. https://doi.org/10.48550/arXiv.1802.07228

6. Buczak, A. L., & Guven, E. (2016). A survey of data mining and machine learning methods for cyber security intrusion detection. IEEE Communications Surveys & Tutorials, 18(2), 1153-1176. https://doi.org/10.1109/COMST.2015.2494502

7. Bukht, R., & Heeks, R. (2017). Defining, conceptualising and measuring the digital economy (Development Informatics Working Paper No. 68). Centre for Development Informatics, University of Manchester.

8. European Parliament and Council. (2024). Regulation (EU) 2024/1689 laying down harmonised rules on artificial intelligence (Artificial Intelligence Act). Official Journal of the European Union, L 2024/1689.

9. Ferrag, M. A., Maglaras, L., Moschoyiannis, S., & Janicke, H. (2020). Deep learning for cyber security intrusion detection: Approaches, datasets, and comparative study. Journal of Information Security and Applications, 50, 102419. https://doi.org/10.1016/j.jisa.2019.102419

10. Gazeta.uz. (2025, 5 noyabr). Oʻzbekistonda kiberjinoyatlar umumiy jinoyatlarning salkam yarmini tashkil qilyapti. IIV ularning sodir etilish usullarini ochiqladi. https://www.gazeta.uz/oz/2025/11/05/cybercrime/

11. Gazeta.uz. (2026, 30 sentabr). Mansabdorlar uchun javobgarlik, maktablarda kibergigiyena darslari, milliy SOC markazlari. Oʻzbekiston kiberxavfsizlik sohasida oʻz oldiga qanday vazifalar qoʻymoqda? https://www.gazeta.uz/oz/2026/09/30/cybersecurity/

12. Goodfellow, I. J., Shlens, J., & Szegedy, C. (2015). Explaining and harnessing adversarial examples. In International Conference on Learning Representations (ICLR 2015). https://doi.org/10.48550/arXiv.1412.6572

13. Gordon, L. A., & Loeb, M. P. (2002). The economics of information security investment. ACM Transactions on Information and System Security, 5(4), 438-457. https://doi.org/10.1145/581271.581274

14. IBM. (2024). Cost of a data breach report 2024. IBM Security; Ponemon Institute. https://www.ibm.com/reports/data-breach

15. IBM. (2025). Cost of a data breach report 2025. IBM Security; Ponemon Institute. https://www.ibm.com/reports/data-breach