ФОРМУВАННЯ ТА ВДОСКОНАЛЕННЯ ПОЛІТИКИ УПРАВЛІННЯ КРИПТОГРАФІЧНИМИ КЛЮЧАМИ НА ОСНОВІ КОНЦЕПЦІЇ GROUNDED AI
DOI:
https://doi.org/10.28925/2663-4023.2026.34.1339Ключові слова:
Grounded AI; управління криптографічними ключами; політика управління ключами; життєвий цикл криптографічних ключів; інформаційна безпека; кібербезпека; адаптивне управління; пояснюваний штучний інтелект.Анотація
Статтю присвячено дослідженню проблем формування та вдосконалення політики управління криптографічними ключами в сучасних інформаційно-комунікаційних системах на основі концепції Grounded AI, яка забезпечує прийняття рішень із використанням перевірених даних, контекстної інформації та механізмів пояснюваності. Показано, що традиційні політики керування ключами, засновані на статичних правилах і фіксованих часових інтервалах ротації, не забезпечують необхідного рівня адаптивності в умовах динамічної зміни стану інформаційного середовища, характеристик користувачів, ресурсів і кіберзагроз. Розглянуто особливості застосування концепції Grounded AI для підтримки процесів генерації, розподілу, зберігання, використання, оновлення, відкликання та знищення криптографічних ключів із урахуванням поточного контексту функціонування системи. Досліджено фактори, що впливають на вибір політики управління ключами, зокрема рівень ризику, критичність інформаційних ресурсів, довіру до суб'єктів взаємодії, характеристики середовища виконання та вимоги нормативних документів. Запропоновано підхід до формування адаптивної політики управління криптографічними ключами, у якому рішення щодо життєвого циклу ключів приймаються на основі інтегрованого аналізу контекстних параметрів, оцінювання ризиків і результатів роботи моделей Grounded AI з можливістю обґрунтування прийнятих рішень. Розроблено концептуальну модель взаємодії компонентів політики, що поєднує модулі моніторингу, оцінювання контексту, аналізу ризиків, формування рекомендацій, пояснення рішень і реалізації керуючих дій. У заключному розділі обґрунтовано переваги запропонованого підходу, які полягають у підвищенні адаптивності, керованості, прозорості та обґрунтованості процесів управління криптографічними ключами, зменшенні ймовірності компрометації ключового матеріалу та підвищенні ефективності функціонування систем криптографічного захисту інформації. За результатами сценарного оцінювання точність прийняття рішень підвищено з 91,8 до 98,4 %, середній час формування керуючої дії зменшено з 214 до 132 мс, а інтегральну ефективність підвищено з 89,6 до 98,1 % порівняно зі статичною політикою.
Завантаження
Посилання
Taherdoost, H., Le, T.-V., & Slimani, K. (2025). Cryptographic techniques in artificial intelligence security: A bibliometric review. Cryptography, 9(1), Article 17. https://doi.org/10.3390/cryptography9010017
Radanliev, P. (2024). Artificial intelligence and quantum cryptography. Journal of Analytical Science and Technology, 15, Article 4. https://doi.org/10.1186/s40543-024-00416-6
Feretzakis, G., Papaspyridis, K., Gkoulalas-Divanis, A., & Verykios, V. S. (2024). Privacy-preserving techniques in generative AI and large language models: A narrative review. Information, 15(11), Article 697. https://doi.org/10.3390/info15110697
Elkhodr, M. (2025). An AI-driven framework for integrated security and privacy in Internet of Things using quantum-resistant blockchain. Future Internet, 17(6), Article 246. https://doi.org/10.3390/fi17060246
Pallakonda, A., Kaliyannan, K., Sumathi, R. L., Raj, R. D. A., Yanamala, R. M. R., Napoli, C., & Randieri, C. (2025). AI-driven attack detection and cryptographic privacy protection for cyber-resilient industrial control systems. IoT, 6(3), Article 56. https://doi.org/10.3390/iot6030056
Swetha, T., Kumaran, U., Meena, V. P., et al. (2025). Leveraging AI for enhanced cybersecurity: A comprehensive review. Discover Applied Sciences, 7, Article 584. https://doi.org/10.1007/s42452-025-06773-0
Islam, S., Basheer, N., Papastergiou, S., et al. (2025). Intelligent dynamic cybersecurity risk management framework with explainability and interpretability of AI models for enhancing security and resilience of digital infrastructure. Journal of Reliable Intelligent Environments, 11, Article 12. https://doi.org/10.1007/s40860-025-00253-3
Ofusori, L., Bokaba, T., & Mhlongo, S. (2025). Explainability and interpretability of artificial intelligence use in cybersecurity. Discover Computing, 28, Article 241. https://doi.org/10.1007/s10791-025-09760-6
Kostiuk, Y., Skladannyi, P., Mazur, N., Rzaieva, S., Hnatchenko, D., & Honcharenko, I. (2026). Formal model of adaptive selection of cryptographic parameters for channel protection in corporate computer networks based on dynamic trust assessment. Cybersecurity: Education, Science, Technique, 4(32), 20–44. https://doi.org/10.28925/2663-4023.2026.32.1111
Schneider, J. (2024). Explainable generative AI (GenXAI): A survey, conceptualization, and research agenda. Artificial Intelligence Review, 57, Article 289. https://doi.org/10.1007/s10462-024-10916-x
Skladannyi, P. M., Hulak, H. M., & Kostiuk, Y. V. (2025). Chaotic number generator with fuzzy control for cryptographic systems with dynamic trust. Telecommunication and Information Technologies, 4(89), 137–147. https://doi.org/10.31673/2412-4338.2025.048916
Krishnan, D., Singh, S., & Sugumaran, V. (2025). Explainable AI for zero-day attack detection in IoT networks using attention fusion model. Discover Internet of Things, 5, Article 83. https://doi.org/10.1007/s43926-025-00184-8
Kostiuk, Y. V., & Skladannyi, P. M. (2026). Cryptographic model of trust in security events in SIEM for intelligent formation of network incidents. Modern Information Security, 1(65), 103–118. https://doi.org/10.31673/2409-7292.2026.011393
Kaur, N., & Gupta, L. (2025). Securing the 6G-IoT environment: A framework for enhancing transparency in artificial intelligence decision-making through explainable artificial intelligence. Sensors, 25(3), Article 854. https://doi.org/10.3390/s25030854
Skladannyi, P. M., Kostiuk, Y. V., Sokolov, V. Y., & Kuchakovska, H. A. (2026). Model for dynamic selection of post-quantum cryptographic algorithms in information and communication systems based on integrated risk and efficiency assessment. Telecommunication and Information Technologies, 2, 16–29. https://doi.org/10.31673/2412-4338.2026.029112
Dervisevic, E., Tankovic, A., Fazel, E., Kompella, R., Fazio, P., Voznak, M., & Mehic, M. (2025). Quantum key distribution networks-Key management: A survey. ACM Computing Surveys, 57(10), Article 257, 1–36. https://doi.org/10.1145/3730575
Skladannyi, P., Kostiuk, Y., & Rzaieva, S. (2026). Continuous access evaluation in Zero Trust Access Management based on event-driven security signals and dynamic session management. Mathematical Machines and Systems, 1, 29-46. https://doi.org/10.34121/1028-9763-2026-1-29-46
Velmurugan, M., Ouyang, C., Xu, Y., Sindhgatta, R., Wickramanayake, B., & Moreira, C. (2025). Developing guidelines for functionally grounded evaluation of explainable artificial intelligence using tabular data. Engineering Applications of Artificial Intelligence, 141, Article 109772. https://doi.org/10.1016/j.engappai.2024.109772
Skladannyi, P., & Kostiuk, Y. (2026). Mathematical model of continuous authentication based on dynamic trust in Zero Trust architecture (ZTNA). Information Technology and Security, 14(1), 125–138. https://doi.org/10.20535/2411-1031.2026.14.1.365482
Rajabi, E., & Etminani, K. (2024). Knowledge-graph-based explainable AI: A systematic review. Journal of Information Science, 50(4), 1019-1029. https://doi.org/10.1177/01655515221112844
Kostiuk, Y., Bebeshko, B., Kriuchkova, L., Lytvynov, V., Oksanych, I., Skladannyi, P., & Khorolska, K. (2024). Information protection and data exchange security in wireless mobile networks with authentication and key exchange protocols. Cybersecurity: Education, Science, Technique, 1(25), 229-252. https://doi.org/10.28925/2663-4023.2024.25.229252
Gilliard, E., & Liu, J. (2026). CALIS: AI-driven context-aware encryption for SDN-enabled smart-home IoT. Journal of King Saud University – Computer and Information Sciences. Advance online publication. https://doi.org/10.1007/s44443-025-00404-9
Mohamed, N. (2025). Artificial intelligence and machine learning in cybersecurity: A deep dive into state-of-the-art techniques and future paradigms. Knowledge and Information Systems, 67, 6969-7055. https://doi.org/10.1007/s10115-025-02429-y
Singh, P., Pranav, P., & Dutta, S. (2025). A GA-GAN approach for next-generation cryptographic security with a focus on quantum-resistant cryptography. Discover Computing, 28, Article 82. https://doi.org/10.1007/s10791-025-09594-2
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2026 Геннадій Гулак, Олександр Трофімов
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
