تصمیم وتنفیذ أداة التعلم الآلی لتقییم مخاطر الأمن السیبرانی

زادت الهجمات الإلکترونیة من حیث العدد والشدة ، مما أثر سلبیا على الأعمال التجاریة وخدماتها. على هذا النحو ، لم یعد اعتبار الأمن السیبرانی مجرد مشکلة تکنولوجیة ، ولکن یجب أیضًا اعتباره أمرًا بالغ الأهمیة للاقتصاد والمجتمع. تکافح الحلول الحالیة للعثور على مؤشرات للمخاطر غیر المتوقعة ، مما یحد من قدرتها على إجراء تقییمات دقیقة للمخاطر. تقدم هذه الدراسة طریقة لتقییم المخاطر بالاعتماد على التعلم الآلی ((ML)Machine Learning) ، وهو نهج یستخدم للتقییم والتنبؤ بمدى تعرض الشرکات لمخاطر الأمن السیبرانی. لهذا الغرض ، تم تنفیذ أربع خوارزمیات من خوارزمیات التعلم الالی (light gradient boosting-AdaBoost-CatBoost -Multi Layer Perceptron(MLP))   وتدریبها وتقییمها باستخدام مجموعات بیانات تولیدیة تمثل خصائص أحجام مختلفة من البیانات (على سبیل المثال ، وعدد الموظفین وقطاع الأعمال ونقاط الضعف المعروفة وخبراء الامن السیبرانی ). یُظهر التقییم الکمی الذی أجری على هذا الدراسة الدقة العالیة لنماذج ML وخصوصا MLP  کانت افضل دقة عند عمل  مقارنة مع الاعمال السابقة.