Використання методів Data Mining та штучного інтелекту для прогнозування кіберзагроз у фінансових установах

Abstract

Об’єктом дослідження є процеси протидії кіберзагроз та забезпечення захисту інформаційних систем в умовах зростання кіберактивності та цифровізації. Предметом дослідження є методи аналізу та прогнозування кібератак із використанням методів Data Mining та штучного інтелекту для підвищення ефективності систем кіберзахисту. Метою роботи є створення моделі прогнозування кібератак, яка дозволить підвищити ефективність їхнього виявлення та запобігання. Завданням роюоти є: - проаналізувати основні види кібератак, стратегії кіберзлочинців, існуючі системи захисту та їхній вплив на фінансові установи; - дослідити методи Data Mining (класифікація, кластеризація) і ШІ (машинне навчання, глибоке навчання), які застосовуються для аналізу великих обсягів даних; - розробити модель прогнозування на базі алгоритмів Random Forest і LSTM, із використанням Python та бібліотек Scikit-learn і TensorFlow та протестувати модель на синтетичних даних, продемонструвавши високу точність у виявленні аномалій. Актуальність теми зумовлена зростанням кількості та складності кіберзагроз, таких як DDoS, фішинг і ransomware, які загрожують фінансовій стійкості організацій у цифрову епоху 2025 року. Результати дослідження підтверджують ефективність комбінованого підходу Data Mining і ШІ для прогнозування кібератак. Практична новизна: створення програмного коду, що допоможе прогнозувати кібератаки у фінансових установах. Одержані результати можуть бути використані фінансовими установами для раннього виявлення загроз і зменшення економічних та репутаційних втрат.

The object of the research is the processes of counteracting cyber threats and ensuring the protection of information systems amid growing cyber activity and digitalization. The subject of the research is the methods of analyzing and forecasting cyberattacks using Data Mining and artificial intelligence techniques to improve the effectiveness of cybersecurity systems. The purpose of this work is to develop a cyberattack prediction model that will improve the effectiveness of their detection and prevention. The tasks of a bachelor’s degree are: - to analyze the main types of cyberattacks, cybercriminals’ strategies, existing protection systems, and their impact on financial institutions; - to study Data Mining methods (classification, clustering) and AI (machine learning, deep learning) applied to large-scale data analysis; - to develop a forecasting model based on Random Forest and LSTM algorithms using Python with Scikit-learn and TensorFlow libraries, and to test the model on synthetic data, demonstrating high accuracy in anomaly detection. The relevance of the topic is driven by the growing number and complexity of cyber threats such as DDoS, phishing, and ransomware, which endanger the financial stability of organizations in the digital age of 2025. The research results confirm the effectiveness of the combined Data Mining and AI approach for predicting cyberattacks. Practical novelty: development of software code that can help predict cyberattacks in financial institutions. The obtained results can be used by financial organizations for early threat detection and for minimizing economic and reputational losses.