Меню
Том_ 2 № 27 (2025) / 2025-06-28 / Кол. просмотров: 313
Авторы
Ключевые слова
DOI ссылка:
Как цитировать
В статье представлен алгоритм многофакторного прогнозирования сетевых уязвимостей на основе анализа данных из базы CVE (Common Vulnerabilities and Exposures). Цель исследования заключается в разработке и внедрении модели, способной не только выявлять существующие уязвимости, но и предсказывать их появление в будущем с применением формальных методов и машинного обучения. Авторы проводят обзор и сравнительный анализ современных методов прогнозирования, включая статистические подходы, алгоритмы машинного обучения (в частности, Random Forest), кластеризацию и методы искусственного интеллекта. В рамках исследования была разработана программа прогнозирования, использующая данные о типах уязвимостей, степени критичности (CVSS), программном обеспечении и годе обнаружения. Модель, основанная на алгоритме случайного леса, показала высокую точность прогнозирования (94,14%). Проведена визуализация результатов в виде графиков и диаграмм, отражающих динамику и распределение уязвимостей по годам и категориям программного обеспечения. Результаты работы подтверждают эффективность предложенного подхода и демонстрируют потенциал его применения в системах кибербезопасности для раннего предупреждения угроз. В перспективе планируется интеграция более сложных моделей, учет новых факторов и создание системы автоматического уведомления об угрозах.