Методы прогнозирования и оценки эффективности защиты информации в сложных системах обработки данных

Целью работы является разработка гибридной модели прогнозирования уязвимостей и оценки эффективности защиты информации в DevOps-ориентированных системах. В исследовании использована комбинация методов машинного обучения (LSTM-сети), статистического анализа (метод Монте-Карло) и теории надежности (FTA, HARA). Экспериментальные исследования проведены на распределенной системе обработки платежных данных. В результате удалось достичь сокращения времени обнаружения угроз на 34% и повышения точности прогнозирования инцидентов до 89.2%. Коэффициент эффективности защиты при этом вырос с 0.67 до 0.83. Разработанная методология внедрена в CI/CD-конвейер SaaS-платформы для финансового сектора, что подтверждает ее практическую значимость.