МЕТОД ПІДТРИМКИ ПРИЙНЯТТЯ РІШЕНЬ ТА ЗАБЕЗПЕЧЕННЯ ГАРАНТОЗДАТНОСТІ ІНФОРМАЦІЙНИХ СИСТЕМ СИТУАЦІЙНИХ ЦЕНТРІВ

Віктор Гречанінов

doi:10.28925/2663-4023.2026.34.1272

Автор(и)

Віктор Гречанінов Інститут проблем математичних машин і систем https://orcid.org/0009-0002-8400-6401

DOI:

https://doi.org/10.28925/2663-4023.2026.34.1272

Ключові слова:

гарантоздатність, інформаційні системи, ситуаційні центри, підтримка прийняття рішень, інтелектуальні технології, багатокритеріальне оцінювання, управління ризиками, база знань, адаптивне прийняття рішень, кібербезпека

Анотація

У статті розглянуто проблему підтримки прийняття рішень щодо забезпечення гарантоздатності інформаційних систем ситуаційних центрів в умовах зростання складності інформаційно-комунікаційної інфраструктури, збільшення кількості дестабілізуючих впливів та підвищення вимог до безперервності функціонування критично важливих сервісів. Актуальність дослідження обумовлена необхідністю підвищення обґрунтованості рішень, які приймаються під час управління станом інформаційних систем ситуаційних центрів, а також потребою врахування великої кількості взаємопов’язаних параметрів функціонування, ризиків і можливих наслідків реалізації загроз. Метою роботи є розроблення методу підтримки прийняття рішень та забезпечення гарантоздатності інформаційних систем ситуаційних центрів на основі комплексного аналізу стану системи, оцінювання ризиків і багатокритеріального вибору альтернатив. Формалізовано процес підтримки прийняття рішень щодо забезпечення гарантоздатності інформаційних систем ситуаційних центрів та розроблено математичну модель, яка враховує поточний стан системи, рівень ризику, доступні ресурси та можливі наслідки реалізації дестабілізуючих впливів. Запропоновано метод, що забезпечує формування множини допустимих альтернатив, їх багатокритеріальне оцінювання та вибір найбільш доцільного рішення з урахуванням впливу на показники гарантоздатності. Розроблено архітектуру інтелектуальної системи підтримки прийняття рішень, яка забезпечує накопичення знань, адаптацію до зміни умов функціонування та підвищення якості прийнятих рішень. На відміну від існуючих підходів, запропонований метод поєднує оцінювання стану інформаційної системи, аналіз ризиків, формування альтернатив та підтримку прийняття рішень у межах єдиного процесу забезпечення гарантоздатності. Результати моделювання підтвердили підвищення обґрунтованості прийнятих рішень, скорочення часу вибору альтернатив та покращення показників гарантоздатності інформаційної системи. Практична цінність роботи полягає у можливості використання запропонованого методу в інформаційних системах ситуаційних центрів для підвищення ефективності управління, стійкості функціонування та забезпечення безперервності надання інформаційних сервісів.

Завантаження

Дані завантаження ще не доступні.

Посилання

Ajayi, O. O., Kurien, A., Djouani, K., & Dieng, L. (2025). Artificial intelligence for infrastructure resilience: Transportation systems as a strategic case for policy and practice. Sustainability, 17(20), Article 8992. https://doi.org/10.3390/su17208992

Leyli-Abadi, M., Bessa, R. J., Viebahn, J., Boos, D., Borst, C., Castagna, A., & Yagoubi, M. (2025). A conceptual framework for AI-based decision systems in critical infrastructures. In 2025 IEEE International Conference on Systems, Man, and Cybernetics (SMC) (pp. 5799-5806). IEEE.

Järveläinen, J., Dang, D., Mekkanen, M., & Vartiainen, T. (2025). Towards a framework for improving cybersecurity resilience of critical infrastructure against cyber threats: A dynamic capabilities approach. Journal of Decision Systems, 34(1). https://doi.org/10.1080/12460125.2025.2479546

Jovanović, A. S. (2025). Stress-testing the resilience of critical infrastructures exposed to polycrises triggered by emerging risks. International Journal of Disaster Risk Science, 16, 594-617. https://doi.org/10.1007/s13753-025-00663-0

Pasic, A. (2025). Crisis management and resilience of critical infrastructure: SUNRISE project insights. Crisis Management Days. https://ojs.vvg.hr/index.php/DKU/article/view/673

Bîlbîie, I., & Ciolponea, C.-A. (2025). Considerations on cyber situational awareness: Theoretical fundamentals and implementation models. Land Forces Academy Review, 30, 445-453. https://doi.org/10.2478/raft-2025-0043

Kramer, D., Rosique, L., Narotam, A., Bursztein, E., Kelley, P. G., Thomas, K., & Woodruff, A. (2025). Integrating large language models into security incident response. In Proceedings of the Twenty-First USENIX Conference on Usable Privacy and Security (SOUPS ’25) (Article 8, pp. 133-148). USENIX Association.

Hammar, K., Alpcan, T., & Lupu, E. C. (2025). Incident response planning using a lightweight large language model with reduced hallucination (arXiv:2508.05188). arXiv.

Ren, S., Jin, J., Niu, G., & Liu, Y. (2025). ARCS: Adaptive reinforcement learning framework for automated cybersecurity incident response strategy optimization. Applied Sciences, 15(2), Article 951. https://doi.org/10.3390/app15020951

Kostiuk, Y., Skladannyi, P., & Rzaieva, S. (2026). Quality management of SIEM alerts based on risk-oriented assessment and SOC feedback. Ukrainian Information Security Research Journal, 31(3), 151-163. https://doi.org/10.18372/2225-5036.31.21161

Muñoz-Navarro, E., Hernández-Montesinos, J. J., Marqués-Moreno, A., Papadopoulos, L., Karteris, A., & Demestichas, K. (2025). PRAETORIAN: From protection to resilience of critical infrastructures. In I. Gkotsis, D. Kavallieros, N. Stoianov, S. Vrochidis, D. Diagourtas, & B. Akhgar (Eds.), Paradigms on technology development for security practitioners (Security Informatics and Law Enforcement). Springer. https://doi.org/10.1007/978-3-031-62083-6_13

Kostiuk, Y., Rzaieva, S., & Rzaiev, D. (2026). Intelligent analysis of network traffic for detecting information security incidents. Science and Technology Today, 2(56), 1909–1928. https://doi.org/10.52058/2786-6025-2026-2(56)-1909-1928

Dacorogna, M., Debbabi, N., & Kratz, M. (2023). Building up cyber resilience by better grasping cyber risk via a new algorithm for modelling heavy-tailed data. European Journal of Operational Research, 311(2), 707–721. https://doi.org/10.1016/j.ejor.2023.05.003

Kostiuk, Y., Skladannyi, P., Rzaieva, S., Samoilenko, Y., & Korshun, N. (2025). Intelligent control and protection systems in cyber-physical and cloud Smart Grid environments. Cybersecurity: Education, Science, Technique, 2(30), 125–156. https://doi.org/10.28925/2663-4023.2025.30.956

Yazo-Cabuya, E. J., Ibeas, A., & Rey-Caballero, R. (2025). Multi-criteria decision making for risk management in quality management systems. Sustainability, 17(3), Article 1092. https://doi.org/10.3390/su17031092

Dovzhenko, N., Ivanichenko, Y., & Kostiuk, Y. (2025). A methodology for detecting and localizing cyber threats in cloud environments with integrated IoT components based on graph models. Cybersecurity: Education, Science, Technique, 1(29), 762-776. https://doi.org/10.28925/2663-4023.2025.29.938

Klein, T., & Romano, G. (2025). Optimizing cybersecurity incident response via adaptive reinforcement learning. Journal of Advances in Engineering and Technology, 2(1). https://doi.org/10.62177/jaet.v2i1.212

Skladannyi, P., Kostiuk, Y., Rzaieva, S., Samoilenko, Y., & Savchenko, T. (2025). Development of modular neural networks for detecting different classes of network attacks. Cybersecurity: Education, Science, Technique, 3(27), 534-548. https://doi.org/10.28925/2663-4023.2025.27.772

Lin, X., Zhang, J., Deng, G., Liu, T., Zhang, T., Guo, Q., & Chen, R. (2025). IRCopilot: Automated incident response with large language models (arXiv:2505.20945). arXiv.

Rzaieva, S. L., Lytvyn, O. S., Skladannyi, P. M., Kostiuk, Y. V., & Rzaiev, D. O. (2026). A model of adaptive cybersecurity management for information and communication systems based on a risk-oriented approach. Mathematical Machines and Systems, 2, 92-109. https://doi.org/10.34121/1028-9763-2026-2-92-109

Alavizadeh, H., Jang-Jaccard, J., Enoch, S. Y., Al-Sahaf, H., Welch, I., Camtepe, S. A., & Kim, D. S. (2022). A survey on threat situation awareness systems: Framework, techniques, and insights. ACM Computing Surveys, 55(5), Article 107. https://doi.org/10.1145/3530809

Kostiuk, Y., Skladannyi, P., Sokolov, V., & Rzaieva, S. (2025). Intelligent system for simulation modeling and research of information objects. In Proceedings of the 1st Workshop on Software Engineering and Semantic Technologies (SEST 2025), co-located with the 15th International Scientific and Practical Programming Conference (UkrPROG 2025) (CEUR Workshop Proceedings, Vol. 4053, pp. 237-251). CEUR-WS.org.

Aghazadeh Ardebili, A., Lezzi, M., & Pourmadadkar, M. (2024). Risk assessment for cyber resilience of critical infrastructures: Methods, governance, and standards. Applied Sciences, 14(24), Article 11807. https://doi.org/10.3390/app142411807

Kostiuk, Y. (2025). Multi-agent system for detecting and counteracting attacks on the enterprise information system. In Insider threats and security in corporations (pp. 205-232). https://doi.org/10.36690/ITSC-205-232

Maček, D., Magdalenić, I., & Begičević Ređep, N. (2021). A model for the evaluation of critical IT systems using multicriteria decision-making with elements for risk assessment. Mathematics, 9(9), Article 1045.

Kostiuk, Y., Skladannyi, P., Sokolov, V., & Vorokhob, M. (2025). Models and technologies of cognitive agents for decision-making with integration of artificial intelligence. In Proceedings of the Modern Data Science Technologies Doctoral Consortium (MoDaST 2025) (CEUR Workshop Proceedings, Vol. 4005, pp. 82-96). CEUR-WS.org.

Kure, H. I., Islam, S., & Mouratidis, H. (2022). An integrated cybersecurity risk management framework and risk prediction for critical infrastructure protection. Neural Computing and Applications, 34(18), 15241-15271.

Kostiuk, Y., Skladannyi, P., Sokolov, V., Hulak, H., & Korshun, N. (2024). Models and algorithms for analyzing information risks during the security audit of personal data information systems. In Proceedings of the Third International Conference on Cyber Hygiene & Conflict Management in Global Information Networks (CH&CMiGIN’24) (CEUR Workshop Proceedings, Vol. 3925, pp. 155-171). CEUR-WS.org.

Sarker, I. H. (2024). Introduction to AI-driven cybersecurity and threat intelligence. In AI-driven cybersecurity and threat intelligence: Cyber automation, intelligent decision-making and explainability (pp. 3-19). Springer Nature Switzerland.

Pliekhov, O. (2026). AI-driven message prioritization for offline BLE mesh networks in disaster response scenarios [Preprint]. SSRN. https://doi.org/10.2139/ssrn.6428398