Автоматизація процедур внутрішнього аудиту ризиків кібербезпеки за допомогою засобів машинного навчання та великих даних

Анотація

Українські підприємства активно інтегрують цифрові технології в бізнес-процеси, що супроводжується зростанням кількості кіберзагроз та підвищує вимоги до ефективності внутрішнього аудиту для своєчасного виявлення аномалій та мінімізації потенційних втрат. Метою статті є розроблення моделі автоматизації процедур внутрішнього аудиту ризиків кібербезпеки на основі методів машинного навчання та технологій великих даних із визначенням критеріїв оцінювання їх ефективності. Методи. У роботі використано загальнонаукові методи аналізу, синтезу, індукції та дедукції для узагальнення теоретичних підходів до автоматизації внутрішнього аудиту ризиків кібербезпеки, моделювання – для розроблення структури автоматизованої системи, експерименту – для перевірки результативності запропонованої моделі на практичних даних. Результати. Охарактеризованоособливості автоматизації процедур внутрішнього аудиту ризиків кібербезпеки з використанням технологій машинного навчання та аналізу великих даних, що дає змогу підвищити точність і швидкість виявлення кіберінцидентів та оцінити загрози. Встановлено, що сучасні підходи до внутрішнього аудиту в українських і міжнародних практиках формуються на базі стандартів ISO (серія ISO/IEC 27001), NIST Cybersecurity Framework (CSF), COBIT 2019/ISACA, ITAF/ISACA, COSO (ERM 2017), що забезпечує структуровану основу для контролю кіберризиків і підтримки управлінських рішень. З’ясовано, що класифікаційні алгоритми Random Forest та SVM є ефективними для автоматизованого виявлення інцидентів безпеки, а методи кластеризації K-means і DBSCAN допомагають ідентифікувати аномалії в поведінці користувачів та мережевих потоках. Показано, що застосування методів глибинного навчання для аналізу багатовимірних кіберзагроз і технологій обробки природної мови для опрацювання текстових політик та аудиторських звітів передбачає комплексну ідентифікацію та оцінювання ризиків кібербезпеки. Доведено, що впровадження цифрового аудиторського двійника, адаптивного ризик-скорингу в реальному часі, self-learning аудит-контролів та ШІ-асистента внутрішнього аудитора окреслює інтеграцію алгоритмів аналізу даних у систему управління інформаційною безпекою підприємства та збільшує ефективність безперервного моніторингу ризиків. Висновок. Визначено, що інтеграція методів машинного навчання та технологій великих даних у процедури внутрішнього аудиту ризиків кібербезпеки гарантує підвищення точності ідентифікації та прогнозування загроз, а також трансформацію аудиту з ретроспективного контролю у формат безперервного моніторингу й адаптивного управління ризиками.