AI YORDAMIDA REAL VAQT REJIMIDA TAHDIDLARNI KUZATISH VA ULARGA JAVOB BERISH TIZIMLARI

SCHOLAR ISSN: 2181-4147 VOLUME 3 | ISSUE 9 | 2025 https://t.me/openscholar Multidisciplinary Scientific Journal Oktyabr, 2025 24 DOI: https://doi.org/10.5281/zenodo.17274499 AI YORDAMIDA REAL VAQT REJIMIDA TAHDIDLARNI KUZATISH VA ULARGA JAVOB BERISH TIZIMLARI Eshmurodov Mas’udjon Xikmatillayevich Samarqand davlat arxitektura-qurilish universiteti, 140147, Samarqand, Uzbekistan. ORCID ID: https://orcid.org/0009-0005-0667-8116 [email protected] Elmurodov Bahodir Ergashevich ORCID ID: https://orcid.org/0009-0003-6390-7961 [email protected] Abror Niyatov SamDAQU 1-bosqich magistranti ANNOTATSIYA Axborot texnologiyalarining keng qo‘llanilishi kiberxavfsizlik tahdidlarining ko‘payishiga olib kelmoqda. An’anaviy xavfsizlik vositalari ko‘pincha murakkab va yangi turdagi hujumlarni aniqlashda yetarlicha samarali emas. Shu sababli, sun’iy intellekt (AI) asosida ishlab chiqilgan tizimlar real vaqt rejimida tahdidlarni aniqlash va ularga javob berishda muhim ahamiyat kasb etmoqda. Ushbu maqolada AI yordamida tahdidlarni kuzatish va ularga javob berish tizimlarining metodologiyasi, tajribaviy natijalari va amaliy ahamiyati yoritilgan. Tadqiqot davomida mashinani o‘rganish va chuqur o‘rganish modellari qo‘llanilib, hujumlarni aniqlashda 94,7% aniqlik darajasi hamda 0,8 soniyalik javob berish samaradorligiga erishildi. Natijalar shuni ko‘rsatadiki, AI asosidagi tizimlar an’anaviy xavfsizlik mexanizmlariga nisbatan SCHOLAR ISSN: 2181-4147 VOLUME 3 | ISSUE 9 | 2025 https://t.me/openscholar Multidisciplinary Scientific Journal Oktyabr, 2025 25 tezkor, moslashuvchan va samaraliroq bo‘lib, kiberxavfsizlikni ta’minlashda istiqbolli yechim hisoblanadi. Kalit so‘zlar: Sun’iy intellekt, kiberxavfsizlik, real vaqt rejimi, tahdidlarni aniqlash, mashinani o‘rganish, chuqur o‘rganish, anomaliya aniqlash, avtomatik javob berish. ABSTRACT The widespread use of information technologies has led to a significant increase in cybersecurity threats. Traditional security tools are often insufficient in detecting complex and emerging types of attacks. Therefore, artificial intelligence (AI)-based systems play a crucial role in monitoring threats and providing real-time responses. This paper presents the methodology, experimental results, and practical significance of AI-driven threat detection and response systems. During the study, machine learning and deep learning models were applied, achieving a detection accuracy of 94.7% and an average response time of 0.8 seconds. The findings indicate that AI-based systems are faster, more adaptable, and more efficient compared to traditional security mechanisms, making them a promising solution for ensuring cybersecurity. Keywords: Artificial Intelligence, cybersecurity, real-time monitoring, threat detection, machine learning, deep learning, anomaly detection, automated response. Kirish So‘nggi yillarda axborot texnologiyalarining jadal rivojlanishi bilan bir qatorda kiberxavfsizlik tahdidlari ham sezilarli darajada oshib bormoqda. Dasturiy vositalar, tarmoq infratuzilmalari va IoT qurilmalari keng qo‘llanilishi, ularni kiberjinoyatchilar uchun nishonga aylantirmoqda. An’anaviy xavfsizlik mexanizmlari (firewall, antivirus va IDS tizimlari) ko‘pincha yangi va murakkab hujumlarni vaqtida aniqlashga ojizlik qiladi. Shu sababli, sun’iy intellekt (AI) asosida ishlovchi tizimlar real vaqt rejimida tahdidlarni aniqlash va ularga tezkor javob berishda muhim yechim sifatida qaralmoqda. SCHOLAR ISSN: 2181-4147 VOLUME 3 | ISSUE 9 | 2025 https://t.me/openscholar Multidisciplinary Scientific Journal Oktyabr, 2025 26 Ushbu maqolada AI asosida real vaqt rejimida tahdidlarni kuzatish va ularga javob berish tizimlari, ularning metodologiyasi, tajribaviy natijalari hamda amaliy muhokamasi bayon etiladi. Metodologiya Tadqiqot quyidagi bosqichlarda olib borildi: 1. Ma’lumotlarni yig‘ish – Tarmoq trafigi, tizim loglari va foydalanuvchi faoliyati haqidagi ma’lumotlar to‘plandi. 2. Oldindan qayta ishlash – Aniq bo‘lmagan, ortiqcha va shovqinli ma’lumotlar filtrlandi, normalizatsiya qilindi. 3. Model tanlash – Mashinani o‘rganish va chuqur o‘rganish usullari qo‘llandi: o Anomaliya aniqlash uchun Autoencoder va Isolation Forest algoritmlari. o Real vaqt hujumlarini tasniflash uchun Recurrent Neural Network (RNN) va LSTM modellari. 4. Javob qaytarish mexanizmi – Tizim potentsial tahdid aniqlanganda: o Administratorni xabardor qilish; o Avtomatik tarzda sessiyani to‘xtatish yoki IP-manzilni bloklash; o Hodisa haqida loglar va hisobot shakllantirish. 5. Sinov muhiti – 1000 dan ortiq tarmoq sessiyasi va hujum ssenariylari asosida model testdan o‘tkazildi. Natijalar Tajriba natijalari quyidagilarni ko‘rsatdi: • Aniqlash aniqligi: AI asosidagi model hujumlarni aniqlashda o‘rtacha 94,7% aniqlik darajasiga erishdi. SCHOLAR ISSN: 2181-4147 VOLUME 3 | ISSUE 9 | 2025 https://t.me/openscholar Multidisciplinary Scientific Journal Oktyabr, 2025 27 • Xatolik darajasi (False Positive Rate): 3,2% atrofida bo‘lib, an’anaviy IDS tizimlariga nisbatan pastroq. • Javob berish vaqti: tahdid aniqlangandan so‘ng avtomatik javob qaytarish 0,8 soniya ichida amalga oshirildi. • Moslashuvchanlik: tizim yangi turdagi hujumlarni ham o‘z vaqtida aniqlay oldi (masalan, nol-kunli ekspluatatsiyalar). Muhokama Tadqiqot shuni ko‘rsatadiki, AI asosidagi tahdidlarni kuzatish tizimlari an’anaviy xavfsizlik vositalariga qaraganda samaraliroq bo‘lib, real vaqt rejimida tezkor va moslashuvchan yechimlarni taqdim eta oladi. Shu bilan birga, ba’zi cheklovlar ham mavjud: • Modelni o‘qitish uchun katta hajmdagi va sifatli ma’lumot talab qilinadi. • Resurs sarfi yuqori bo‘lgani sababli samarali apparat (GPU) zarur. • Hujumchilar tomonidan AI tizimlarini chalg‘itish (adversarial attacks) ehtimoli mavjud. Kelajakda bunday tizimlarni blokcheyn, bulutli xavfsizlik va xatti-harakatlarni modellashtirish bilan integratsiya qilish orqali yanada kuchaytirish mumkin. Xulosa Sun’iy intellekt asosidagi real vaqt rejimida tahdidlarni kuzatish va ularga javob berish tizimlari kiberxavfsizlikning kelajagini belgilab bermoqda. Tadqiqot natijalari bunday tizimlarning samaradorligini tasdiqlab, ulardan amaliyotda foydalanish imkoniyatlarini kengaytiradi. Kelgusida tizimlarning aniqlik darajasini oshirish, resurs sarfini kamaytirish va kiberhujumlarga bardoshliligini kuchaytirish ustida qo‘shimcha tadqiqotlar olib borilishi lozim. SCHOLAR ISSN: 2181-4147 VOLUME 3 | ISSUE 9 | 2025 https://t.me/openscholar Multidisciplinary Scientific Journal Oktyabr, 2025 28 FOYDALANILGAN ADABIYOTLAR RO‘YXATI 1. Buczak, A. L., & Guven, E. (2016). A survey of data mining and machine learning methods for cyber security intrusion detection. IEEE Communications Surveys & Tutorials, 18(2), 1153–1176. https://doi.org/10.1109/COMST.2015.2494502 2. Eshmurodov M.X., Xaydarov J.K., Axmedova A.E.,Islamov K.S. Kiber tahdidlarni aniqlashda mashinaviy o‘rganish texnologiyalarining roli // Modern Science and Research, 4(6), 574–577. 3. Eshmurodov M.X., Shaimov K.M., Elmurodov B.E., G‘aybulov Q.M. Sun’iy intellekt yordamida kiberxavfsizlikni mustahkamlash: zamonaviy yondashuvlar va algoritmlar // Modern Science and Research, 4(5), 1758–1761. 4. M.X.Eshmurodov, I.S.Karimov, Q.M.Gaybulov, B.E.Elmurodov. SI asosida avtomatlashgan kiberhujumlar va ularga qarshi himoya usullari // NEW RENAISSANCE international scientific journal, Volume 2, Issue 6, 2025, ISSN: 30303753, 1225-1227 b. 5. M.X.Eshmurodov, K. M. Shaimov, Q.M.Gaybulov. One-dimensional elliptic equation solution using the straight-line method for heat transfer problems // NEW RENAISSANCE international scientific journal, Volume 2, Issue 4, 2025, ISSN: 30303753, 130-136 b.