Підвищення безпеки вебзастосунків з допомогою інноваційних патернів інтеграції штучного інтелекту
Зважаючи на сучасні виклики в забезпеченні безпеки цифрових операцій, особливо у сферах електронної комерції та фінансових транзакцій, предметом вивчення є розроблення спеціалізованої програмної бібліотеки, спрямованої на підвищення безпеки вебзастосунків. Мета дослідження полягає в розробленні про...
Saved in:
| Main Authors: | , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Kharkiv National University of Radio Electronics
2024-03-01
|
| Series: | Сучасний стан наукових досліджень та технологій в промисловості |
| Subjects: | |
| Online Access: | https://itssi-journal.com/index.php/ittsi/article/view/460 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Summary: | Зважаючи на сучасні виклики в забезпеченні безпеки цифрових операцій, особливо у сферах електронної комерції та фінансових транзакцій, предметом вивчення є розроблення спеціалізованої програмної бібліотеки, спрямованої на підвищення безпеки вебзастосунків. Мета дослідження полягає в розробленні програмної бібліотеки, що застосовує методи штучного інтелекту та машинного навчання для аналізу й підвищення рівня безпеки фінансових транзакцій. Використання цих передових технологій сприяє автоматизації виявлення потенційно шахрайських або ризикованих транзакцій, забезпечуючи цим більш високий рівень захисту користувачів. У статті вирішуються такі завдання: аналіз сучасних методів оброблення фінансових транзакцій та ідентифікації можливих загроз безпеці; розроблення UML-схеми класів бібліотеки з оброблення та аналізу фінансових транзакцій; тестування та валідація створеної моделі штучного інтелекту для оцінювання безпеки фінансових транзакцій на реальних фінансових даних. Визначено та застосовано методи машинного навчання за допомогою бібліотеки scikit-learn в Python, алгоритми якої здатні аналізувати великі обсяги інформації та виявляти потенційні ризики з високою точністю, що забезпечує ефективну інтеграцію технологій штучного інтелекту. У роботі досягнуто такі результати: визначено критерії оцінювання ризикованості фінансових транзакцій для ідентифікації потенційних ризиків; описано алгоритм роботи програми, що передбачає процедури визначення та класифікації ризиків транзакцій; запропоновано псевдокод, який ілюструє структуру класів і методів моделі, відкриваючи можливості для її адаптації та масштабування; розроблено методи генерації тестових даних, що відтворюють реалістичні сценарії фінансових транзакцій; проаналізовано результати для оцінювання ефективності розробленої моделі. Висновки. Результати дослідження та тестування дають змогу оцінити реакцію моделі на різноманітні дані та її ефективність у реальних умовах, оскільки в роботі наведено приклади оброблення різних типів транзакцій. Крім того, у дослідженні подано не лише розроблення та валідацію запропонованої моделі, але й перспективи її використання в більших масштабах, інтеграції з наявними вебзастосунками.
|
|---|---|
| ISSN: | 2522-9818 2524-2296 |