Гибридная система динамической оценки рисков на основе искусственного интеллекта с применением методов объяснимого ИИ для сертификации кибербезопасности составных продуктов

Hybrid AI-Based dynamic risk assessment framework with explainable AI practices for composite product cybersecurity certification
Shareeful Islam, Bilal Sardar, Eleni-Maria Kalogeraki, Kostas I. Lampropoulos, Spyridon Papastergiou
2026-02-10

Европейская схема сертификации кибербезопасностиобъяснимый искусственный интеллектсертификация кибербезопасностидинамическая оценка рисковпрогнозирование эксплуатации уязвимостей
Сертификация кибербезопасности, как правило, опирается на результаты оценки рисков для определения подходящих мер контроля и оценки полноты этих мер с точки зрения выполнения требований безопасности и обеспечения общего уровня безопасности. Приоритизация соответствующих уязвимостей имеет ключевое значение для поддержки оценки рисков и общей оценки соответствия. Однако контекст безопасности постоянно меняется вследствие вариаций поверхности атак, эксплуатации уязвимостей и нормативно-правовой среды — факторов, которые существенно влияют на процесс оценки соответствия. В настоящем исследовании предлагается гибридная система на основе искусственного интеллекта, объединяющая ансамблевое обучение с GPT-3.5 для эффективного управления рисками при оценке соответствия кибербезопасности составных продуктов в рамках Европейской схемы сертификации кибербезопасности. В ней реализуются методы объяснимого искусственного интеллекта (XAI) с использованием SHAP и LIME для выявления наиболее значимых признаков, влияющих на прогнозирование уязвимостей, а также применяется маржинальный анализ для количественной оценки сокращения разрыва между требуемым и фактическим уровнями защищённости с целью проверки адекватности мер контроля безопасности и выполнения требований на основе рассчитанных уровней риска. Это способствует внедрению XAI в контекст сертификации кибербезопасности, расширяя его применение за пределы общих сценариев использования приложений на основе ИИ. Для оценки предложенной системы были проведены промышленный пилотный сценарий на базе инфраструктуры службы тестирования и интеграции P-NET 5G/6G, а также эксперимент с использованием набора данных. Результаты показывают, что гибридная модель достигла точности 89% при прогнозировании показателя эксплуатации уязвимостей, обеспечив точный расчёт рисков для оценки соответствия. Кроме того, анализ XAI показал, что выявленные меры контроля безопасности демонстрируют адекватную эффективность при выполнении сопоставленных функциональных требований безопасности. В конечном счёте предложенная система обеспечивает количественную проверку эффективности мер контроля безопасности, позволяя аудиторам прослеживать логическую цепочку...
1
В пилотном сценарии на инфраструктуре тестирования и интеграции P-NET 5G/6G и в эксперименте на наборе данных гибридная модель достигла точности 89% при прогнозировании оценок эксплуатации уязвимостей.
2
Маржинальный анализ количественно оценивает разрывы между требуемым и фактическим состоянием безопасности для проверки достаточности мер защиты и соответствия требованиям безопасности.
3
Методы объяснимого ИИ SHAP и LIME выявляют наиболее значимые признаки, влияющие на прогнозы эксплуатации уязвимостей, обеспечивая прозрачность расчёта рисков и возможность аудита.
4
Анализ с применением объяснимого ИИ показал, что исследованные меры защиты адекватно обеспечивают соответствие сопоставленным функциональным требованиям безопасности и позволяют количественно подтвердить их эффективность.
5
В работе предложена гибридная платформа оценки рисков кибербезопасности, объединяющая ансамблевое обучение и GPT-3.5 для сертификации составных продуктов в рамках Европейской схемы сертификации кибербезопасности.

составные продукты, проходящие оценку соответствия требованиям к кибербезопасности в рамках Европейской схемы сертификации кибербезопасности, на примере инфраструктуры P-NET 5G/6G Testing and Integration Service

динамическая оценка рисков кибербезопасности, прогнозирование эксплуатации уязвимостей и интерпретируемая проверка достаточности мер безопасности и выполнения требований безопасности

Publication Details
Publication Date
2026-02-10
Journal
Publisher
ISSN
Cited by
9
Access Type
Author Information
Authors
Shareeful Islam
Bilal Sardar
Eleni-Maria Kalogeraki
Kostas I. Lampropoulos
Spyridon Papastergiou
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%