Логико-математическая интерпретация решений интеллектуальных агентов

Современные системы кибербезопасности сталкиваются с постоянным усложнением архитектуры сетей и увеличением разнообразия атакующих воздействий. В этих условиях особое значение приобретает способность интеллектуальных систем не только эффективно обнаруживать угрозы, но и объяснять принимаемые решения.

Цель работы – разработка и экспериментальная верификация модели RL-агента, способного принимать решения в сетевой среде, интерпретируемые в терминах временной и эпистемической логики.

Результаты. В статье представлен формальный подход к развитию объяснимого обучения с подкреплением (Explainable Reinforcement Learning, XRL) для задач кибербезопасности, включающий разработку математической модели интеллектуального агента, способного выявлять аномалии в сетевом трафике и принимать решения в условиях неопределенности. Предложен метод интерпретации стратегий агента, основанный на использовании временной логики линейных последовательностей (LTL) и эпистемической логики (EL), что обеспечивает прозрачность, формальную проверяемость и объяснимость поведения системы. Демонстрируется, что логико-математическая интерпретация обученных политик позволяет перейти от эмпирических зависимостей к формализуемым свойствам безопасности, живости и причинности, что способствует повышению доверия и надежности систем киберзащиты. В рамках вычислительного эксперимента подтверждена эффективность предложенного подхода: точность обнаружения аномалий достигла 94–96 %, а средняя задержка реакции – менее 0,3 секунды.

Заключение. Полученные результаты свидетельствуют о высокой применимости модели для построения объяснимых, верифицируемых и устойчивых систем кибербезопасности, а также демонстрируют, что логическая интерпретация стратегий способствует повышению прозрачности решений и укреплению доверия к интеллектуальным системам в области защиты информации. Эксперимент показал, что агент способен достигать высокой точности обнаружения угроз при малом времени реакции, а полученные логические формулы успешно проходят проверку на выполнимость спецификаций. Это подтверждает, что логическая интерпретация стратегий повышает прозрачность и доверие к решениям интеллектуальных систем.