Анотація:

Невпинне зростання обсягу цифрових даних є одночасно ресурсом та викликом для сучасних інформаційних систем. Цифрові сліди, які охоплюють взаємодію користувачів в мережі, мають значний аналітичний потенціал, який значно покращується завдяки штучному інтелекту (ШІ). Однак збір та обробка таких слідів породжують значні питання конфіденційності. Метою цього дослідження є розробка методологічних та технічних рішень для захищеної інформаційної системи, оптимізованої для обробки цифрових слідів, з урахуванням потреб безпеки та конфіденційності. Спочатку досліджуються існуючі методики аналізу цифрових слідів та їх застосування в інформаційних системах. Надалі пропонується нова методологія для захищених інформаційних систем, а також розробляються алгоритми та інструменти на основі ШІ для обробки цифрових слідів. Ефективність та безпека запропонованих рішень оцінюються на практичних прикладах. Передбачається, що результатом стане підвищення рівня захисту інформаційних систем та ефективності їх роботи за рахунок аналізу цифрових слідів користувачів, використовуючи методи аналізу даних, машинне навчання, теорію інформаційної безпеки, практичні тести та експерименти. Ця робота підкреслює критичну роль ШІ у просуванні ідентифікації та відгуку на загрози безпеки в реальному часі, враховуючи етичні та технічні виклики, притаманні аналізу цифрових слідів.

Abstract:

The incessant growth in digital data generation presents both a resource and a challenge for modern information systems. Digital traces, encompassing user interactions online, hold substantial analytical potential, notably improved through Artificial Intelligence (AI). However, their collection and processing raise significant confidentiality concerns. This study aims to design methodological and technical solutions for a secure information system optimized for digital trace processing, balancing both security and privacy needs. Initially, existing digital trace analysis methodologies and their application within information systems are scrutinized. Subsequently, a novel methodology for secure information systems is proposed, alongside the development of AI-driven algorithms and tools for digital trace processing. The effectiveness and safety of the proposed solutions are evaluated through practical examples. The anticipated outcome is an enhanced level of information system protection and operational efficiency via user digital trace analysis, employing data analysis, machine learning, information security theory, practical tests, and experiments. This work underscores the critical role of AI in advancing real-time security threat identification and response, while addressing the ethical and technical challenges inherent in digital trace analysis.