ІНТЕГРОВАНИЙ ПІДХІД ДО МОДЕЛЮВАННЯ ЗАГРОЗ У СИСТЕМАХ ШТУЧНОГО ІНТЕЛЕКТУ

Анотація

У роботі обґрунтовано актуальність моделювання загроз для систем штучного інтелекту в умовах зростання автономності моделей та появи нових векторів атак. Показано, що традиційні методи не враховують специфіку штучного інтелекту, що створює потребу у комплексному підході, здатному охопити весь життєвий цикл системи. Методологічну основу інтегрованого підходу становить поєднання міжнародних стандартів і галузевих практик: ISO/IEC 42001:2023 забезпечує керованість і аудит, NIST AI RMF 1.0 задає процесний цикл Govern–Map–Measure–Manage, MITRE ATLAS наповнює моделі реалістичними сценаріями атак, CSA MAESTRO додає багатошарову архітектурну декомпозицію, а OWASP GenAI Security Project пропонує операційні артефакти та інструменти пріоритезації. Такий синтез дозволяє інтегрувати стратегічні політики, технічні таксономії та практичні плейбуки в єдиний керований процес. Запропонований підхід робить моделювання загроз безперервним і доказовим, забезпечуючи трасовність від загрози до контролю та метрик ефективності. Він враховує технічні й соціотехнічні ризики, включаючи вплив на користувачів і суспільство, та підтримує профільну адаптацію для різних типів систем – від LLM до агентних платформ. Інтеграція з CI/CD-процесами та автоматизація перевірок підвищують швидкість реагування та знижують витрати на безпеку. Наукова новизна полягає у формуванні цілісного бачення, що поєднує керованість, процесну дисципліну, архітектурний аналіз і операційні інструменти. Практична значущість полягає у можливості застосування підходу для розробки комплексних стратегій захисту, сумісних із міжнародними нормами та придатних до сертифікаційної перевірки. Інтегрований підхід створює основу для масштабного впровадження ШІ з доведеним рівнем безпеки та довіри під час моделювання загроз. Він не лише підвищує стійкість систем, а й формує стандартизований контур управління ризиками, що відповідає сучасним викликам кіберзахисту.