МОДЕЛЬ АДАПТИВНИХ РЕКОМЕНДАЦІЙ ДЛЯ УПРАВЛІННЯ КІБЕРБЕЗПЕКОЮ В IOT-СЕРЕДОВИЩАХ

Анотація

Системи рекомендацій для підтримки прийняття рішень у середовищах Інтернету речей (IoT) відіграють ключову роль у розвитку ефективних інтелектуальних рішень, забезпечуючи адаптивне управління кібербезпекою та оптимізацію ресурсів IoT-платформ. Особлива увага приділяється характеристикам даних IoT, які генеруються з численних джерел, таких як сенсори, комунікаційні пристрої та інші елементи інфраструктури, що формують великий обсяг гетерогенних даних. У роботі досліджуються сучасні методи рекомендацій, включно з колаборативною фільтрацією, підходами на основі контенту, глибокими нейронними мережами та ансамблевим навчанням, а також їх ефективність у реальних IoT-середовищах. Особлива увага приділяється проблемам масштабованості алгоритмів, продуктивності та оптимізації енергоспоживання в малопотужних пристроях. Мета дослідження полягає у розробці моделі адаптивних рекомендацій для підтримки прийняття рішень у IoT-середовищах із високим рівнем кіберзахисту. Для досягнення цієї мети проведено аналіз останніх наукових досліджень та рішень у галузі IoT і систем рекомендацій, вивчено сучасні платформи, що реалізують подібні підходи, визначено технології та методи, придатні для побудови системи рекомендацій, а також створено персоналізовану модель підтримки прийняття рішень. У роботі представлено інтеграцію методів машинного навчання, аналізу великих даних та інтелектуальної обробки інформації для забезпечення адаптивного реагування на кіберзагрози. Результати дослідження демонструють можливості поєднання показників компрометації, моделей інтелектуальних рекомендацій та алгоритмів прогнозування загроз для підвищення безпеки IoT-екосистем. Запропонована модель дозволяє не лише підвищити ефективність виявлення загроз та реагування на них у реальному часі, але й забезпечує інтелектуалізацію процесів управління, автоматизацію обслуговування та персоналізовану підтримку рішень для адміністраторів та користувачів IoT-систем. Дослідження підкреслює наукову та практичну значущість інтеграції адаптивних рекомендацій у сферу кібербезпеки IoT, забезпечуючи базу для подальшого розвитку гібридних рішень із використанням штучного інтелекту та методів обробки великих даних.