Искусственный интеллект и кибербезопасность в транспортной отрасли: вызовы и решения

Обложка

Цитировать

Полный текст

Аннотация

внедрение искусственного интеллекта (ИИ) в транспортную отрасль формирует масштабные информационные потоки, которые становятся основой для инновационного развития и повышения эффективности логистических процессов. Применение ИИ способствует повышению безопасности перевозок, снижению экологических рисков и росту социальной справедливости, однако сопровождается возникновением новых угроз кибербезопасности. Современные кибератаки на основе ИИ включают состязательные примеры, отравление данных, автоматизированное распространение вредоносного ПО и персонализированные фишинговые атаки. Данные угрозы обладают высокой степенью адаптивности и трудностью обнаружения, что создает значительные риски для транспортной инфраструктуры. Дополнительные вызовы связаны с уязвимостью устройств интернета вещей и распространением технологий дипфейков, подрывающих доверие к цифровым коммуникациям. Для противодействия данным рискам необходима разработка многоуровневых механизмов защиты, интеграция когнитивных технологий мониторинга и использование состязательных методов обучения. Особое значение приобретают межведомственное сотрудничество, государственная поддержка и инвестиции в подготовку специалистов по кибербезопасности. Комплексное сочетание технических и организационных мер позволит обеспечить устойчивость транспортных систем к современным киберугрозам и сохранить доверие к цифровой инфраструктуре.

Об авторах

К. С Каримов

Государственный университет просвещения

Список литературы

  1. Serban A., Poll E., Visser J. Adversarial examples on object recognition: A comprehensive survey // ACM Computing Surveys (CSUR). 2020. № 53 (3). P. 1 – 38.
  2. Намиот Д.Е. О кибератаках с помощью систем Искусственного интеллекта // International Journal of Open Information Technologies.2024. № 12 (9). С. 132 – 141.
  3. Montasari R. Cyber threats and national security: the use and abuse of artificial intelligence // Handbook of Security Science. Springer, Cham., 2021. P. 679 – 700.
  4. Себекин С.А. Возможен ли режим контроля за распространением кибервооружений? Подходы России и США // Пути к миру и безопасности. 2021. № 2( 61). С. 139 – 152.
  5. Familoni B.T. Cybersecurity challenges in the age of AI: theoretical approaches and practical solutions // Computer Science & IT Research Journal. 2024. № 5 (3). P. 703 – 724.
  6. Li H., Wu J., Xu H., Li G., Guizani M. Explainable intelligence-driven defense mechanism against advanced persistent threats: A joint edge game and AI approach // IEEE Transactions on Dependable and Secure Computing. 2021. № 19 (2). P. 757 – 775.
  7. Madry A., Makelov A., Schmidt L. et al. Towards Deep Learning Models Resistant to Adversarial Attacks // Архив научных статей ArXiv. 2017. [Электронный ресурс]. URL: https://doi.org/10.48550/arXiv.1706.06083 (дата обращения: 28.04.2024)
  8. Федеральный закон от 27 июля 2006 г. № 152-ФЗ «О персональных данных» (ред. от 28.12.2024) // СПС «Гарант» [Электронный ресурс]. URL: https://base.garant.ru/12148567/ (дата обращения: 18.03.2024)
  9. Козлова Н.Ш., Довгаль В.А. Анализ применения искусственного интеллекта и машинного обучения в кибербезопасности // Вестник Адыгейского государственного университета. Серия 4, Естественно-математические и технические науки. 2023. № 3 (326). С. 65 – 72.
  10. Дацун Д.В. Искусственный интеллект в траектории кибербезопасности // Секция «Технические и компьютерные науки». 2019. Т. 15. № 4. С. 163.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать


Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных

 

Используя сайт https://journals.rcsi.science, я (далее – «Пользователь» или «Субъект персональных данных») даю согласие на обработку персональных данных на этом сайте (текст Согласия) и на обработку персональных данных с помощью сервиса «Яндекс.Метрика» (текст Согласия).