АВТОМАТИЗАЦІЯ ПРОЄКТНОГО РІШЕННЯ ЩОДО ВІДНОВЛЕННЯ ПРОГРАМНОГО ЗАБЕЗПЕЧЕННЯ ВНАСЛІДОК ДІЇ КІБЕРАТАК
DOI:
https://doi.org/10.28925/2663-4023.2026.34.1264Ключові слова:
кібербезпека, кібератаки, відновлення програмного забезпечення, автоматизація, формалізація, математична модель, прийняття рішень, штучний інтелектАнотація
У статті розглянуто актуальну науково-прикладну проблему автоматизації процесів відновлення пошкодженого програмного забезпечення внаслідок дії кібератак, що набуває особливої важливості в умовах зростання кількості та складності кіберзагроз. Проведено аналіз сучасних наукових досліджень, який показав, що основними напрямами розвитку є формалізація процесів відновлення на основі математичних моделей, а також застосування методів штучного інтелекту та машинного навчання. Запропоновано представлення процесу відновлення пошкодженого програмного забезпечення у вигляді сукупності взаємопов’язаних задач, організованих за принципом багаторівневої декомпозиції. Кожна задача описується як система множин, що включає вхідні дані, обмеження, варіанти рішень, критерії оцінювання, моделі та процедури їх реалізації. Це дозволяє формалізувати процес прийняття рішень, визначити залежності між задачами та забезпечити їх алгоритмізацію. У роботі також наведено приклад математичної моделі вибору оптимального способу відновлення програмного забезпечення після атак програм-вимагачів. Модель враховує структуру програмної системи, множину дефектів, їх властивості та критичність, а також доступні способи відновлення з урахуванням витрат часу, ресурсів і ризиків. Запропоновано цільову функцію оптимізації з ваговими коефіцієнтами, що дозволяє визначити найефективнішу стратегію відновлення з урахуванням заданих критеріїв. Отримані результати свідчать про доцільність використання формалізованих підходів у поєднанні з інтелектуальними методами для підвищення ефективності процесів відновлення програмного забезпечення. Запропонований підхід створює теоретичну основу для розроблення інтелектуальних систем підтримки прийняття рішень у сфері кібербезпеки. Перспективи подальших досліджень пов’язані з розробкою адаптивних і самоорганізованих моделей, інтеграцією із системами моніторингу та управління інцидентами, а також створенням галузевих баз знань для підвищення точності діагностики та ефективності відновлення.
Завантаження
Посилання
Kozlovskyi, V. V., & Kopiika, O. O. (2020). Analysis of modern cyber threats and methods of information systems protection. Information Protection, 22(3), 45-52.
Lytvynenko, O. V., & Kovalenko, A. P. (2021). Cybersecurity of critical infrastructure: Current state and development prospects. Information Processing Systems, (2), 120-126.
Ilau, M.-C., Baldwin, A., Caulfield, T., & Pym, D. (2025). Modelling and simulating organizational ransomware recovery: Structure, methodology, and decisions. Journal of Cybersecurity, 11(1), Article tyaf035. https://doi.org/10.1093/cybsec/tyaf035
Zhao, M., & Chen, R. (2025). Automated cybersecurity incident response: A reinforcement learning approach. AI and Data Science Journal, 2(1), 23-28.
Leventopoulos, S., Pipyros, K., & Gritzalis, D. (2024). Retaliating against cyber-attacks: A decision-taking framework for policy-makers and enforcers of international and cybersecurity law. International Cybersecurity Law Review, 5, 237-262.
Bondarenko, O. I. (2020). Intelligent decision support systems in cybersecurity. Information Technologies and Security, (1), 15-22.
Zhang, Q., & Chen, M. (2020). AI-driven self-healing cloud systems. IEEE Cloud Computing, 7(3), 40-50.
Kenmogne, L. A., & Mocanu, S. (2024). Explainable AI for process-aware attack detection in industrial control systems. In Proceedings of the 2024 IEEE 10th International Conference on Network Softwarization (NetSoft) (pp. 363-368). IEEE. https://doi.org/10.1109/NETSOFT60951.2024.10588940
Kasali, K., Orekha, P., & Usoro, S. (2025). AI-driven strategies for mitigating cybersecurity threats in U.S. small and medium enterprises (SMEs). International Journal of Computer Science and Information Technologies, 16(3), 110-116.
Petrenko, S. O. (2022). Formalization of software recovery method selection after cyberattacks. Bulletin of the National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute". Series: Informatics, Control and Computer Engineering, (75), 78-85.
Dolhova, N. H., Shapovalova, O. O., & Solodovnyk, H. V. (2025). Decision support system for cybersecurity design of critical infrastructure. Cybersecurity: Education, Science, Technique, 1(29), 348-368.
Dobryshyn, Yu. Ye., Sydorenko, S. M., & Vorokhob, M. V. (2023). Automated decision support system for recovering software damaged by cyberattacks. Cybersecurity: Education, Science, Technique, 4(20), 174-180.
Van der Kleij, R., Cadet, B., & Young, H. (2022). Developing decision support for cybersecurity threat and incident managers. Computers & Security, 113, Article 102535. https://doi.org/10.1016/j.cose.2021.102535
Lu, P., Zhang, L., Liu, M., et al. (2024). Recovery from adversarial attacks in cyber-physical systems: Shallow, deep and exploratory works. ACM Computing Surveys. https://doi.org/10.1145/3653974
Kott, A., Weisman, M. J., & Vandekerckhove, J. (2022). Mathematical modeling of cyber resilience. In Proceedings of the MILCOM 2022 IEEE Military Communications Conference. IEEE. https://doi.org/10.1109/MILCOM55135.2022.10017731
Sözer, H., Tekinerdogan, B., & Aksit, M. (2014). Optimizing decomposition of software architecture for local recovery. Software Quality Journal, 22(4), 703-736.
Tonon, A., Zhang, M., Caglayan, B., Shen, F., Gui, T., Wang, M., & Zhou, R. (2025). RADICE: Causal graph based root cause analysis for system performance diagnostic [Preprint]. arXiv. https://doi.org/10.48550/arXiv.2501.11545
Li, J., Yang, G., & Shao, Y. (2023). Ransomware detection method based on TextGCN. In Proceedings of the 6th International Conference on Artificial Intelligence and Big Data (ICAIBD). Chengdu, China.
Wei, R., Cai, L., Yu, A., & Meng, D. (2021). DeepHunter: A graph neural network based approach for robust cyber threat hunting. In Security and Privacy in Communication Networks (pp. 3-24). https://arxiv.org/abs/2104.09806
Rabzelj, M., Bohak, C., Južnič, L., Kos, A., & Sedlar, U. (2023). Cyberattack graph modeling for visual analytics. IEEE Access, 11, 1-34. https://doi.org/10.1109/ACCESS.2023.3304640
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2026 Юрій Добришин
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
