Застосування нечіткої логіки для оцінки ризиків у системі адаптивного аудиту кібербезпеки

Abstract

У тезах обґрунтовано доцільність інтеграції математичного апарату нечіткої логіки (Fuzzy Logic) у процедури оцінювання ризиків систем адаптивного аудиту кібербезпеки. Доведено, що перехід від бінарних моделей до нечітких дозволяє ефективно оперувати невизначеністю в умовах гетерогенних загроз. Запропоновано удосконалену модель, що трансформує вхідні параметри (рівень загрози, критичність активу, вразливості) у лінгвістичні змінні для обчислення динамічного інтегрального показника ризику. На основі аналізу сучасних досліджень (2023–2025 рр.) показано, що використання баз знань із продукційними правилами та нейро-нечітких мереж (ANFIS) забезпечує точність виявлення аномалій до 99.2% та суттєво знижує рівень хибних спрацьовувань. Результати підтверджують ефективність імплементації даного підходу в контексті міжнародних стандартів ISO/IEC 27001 та

The theses substantiate the integration of fuzzy logic mathematical tools into risk assessment procedures within adaptive cybersecurity audit systems. It is proven that shifting from binary models to fuzzy ones allows effective handling of uncertainty amidst heterogeneous threats. An improved model is proposed that transforms input parameters (threat level, asset criticality, vulnerabilities) into linguistic variables to calculate a dynamic integral risk indicator. Based on an analysis of recent studies (2023–2025), it is demonstrated that using knowledge bases with production rules and neuro-fuzzy networks (ANFIS) ensures anomaly detection accuracy up to 99.2% and significantly reduces false positives. The results confirm the efficacy of implementing this approach within ISO/IEC 27001 and NIST CSF frameworks to enhance critical infrastructure resilience.