Sun’iy Intellekt va Raqamli Iqtisodiyot

orqali amalga oshiriladi, olingan natijalar intellektual dasturlar va tizimlarni ishlab chiqish uchun asos sifatida ishlatiladi. Sun'iy intellekt inson harakatlarining tezligi, aniqligi va samaradorligini oshira borib, katta hajmdagi ma'lumotlarni tezkor, takroriy ishlov berish va aqlli algoritmlar bilan birlashtirib ishlaydi, bu esa dasturiy ta'minotga ma'lumotlardagi o‘ziga xos tomonlardan avtomatik ravishda o‘rganish imkonini beradi. Insoniyat tomonidan sun’iy intellekt texnologiyasidan unumli foydalanish allaqachonlar boshlanib ketdi, jumladan, so‘zlar orqali ifodalangan matnlarni qayta ishlash, mashina yordamida ta’lim berish, ekspert tizimlar, virtual agentlar, chatbotlar, virtual yordamchilar va maslahat berish tizimlari sifatida bir qator sohalarda qo‘llanilib kelinayotganligi, tovushni taniy oladigan virtual elektron yordamchilardan foydalangan holda ilovalarning ommabopligining tobora oshirilib borilishi bunga yaqqol misol bo‘la oladi. Sun’iy intellekt sohasidagi muammolarni o‘rganish natijasida mutaxassislar sun’iy intellect texnologiyasining doimiy ravishda rivojlanishi logistika uchun hayotiy muhim bo‘lgan bir qancha qo‘shimcha imkoniyatlar yaratishini bildirmoqdalar. Masalan, logistik xizmatlar provayderiga mijozlar bilan interaktiv muloqot yordamida xizmatlar sifatini oshirishga va mahsulotlarni tezroq yetkazib berishga, katta hajmdagi ma’lumotlarni yig‘ish va ularni qayta ishlash bilan bog‘liq bo‘lgan sohalarda monitoringni amalga oshirish va information modellar qurish imkon beradi. Hozirgi davrda iqtisodiyotning ko‘pchilik tarmoqlari ham sun’iy intellektni kundalik biznes jarayonlariga keng qo‘llamoqdalar. Sun’iy intellect texnologiyalarining tasvirlarni tanib olish funktsiyalari va dialog interfeyslar vositasida ishlab chiqarish liniyalaridan foydalanishni va ishlab chiqarish jarayonini ham soddalashtirishga imkon berayapti. Masalan, avtomobilsozlikda sun’iy intellect avtonomrobot-avtomobilning oz-ozini orgatish imkoniyatlarini rivojlantirish uchun faydalanilishi mumkin. 2017-yilning noyabrida Financial Times sun’iy intellect qimmatbaho buyumlar va xizmatlar bozorida ham katta o‘zgarishlar qilishi mumkinligi haqidagi maqolani chop etdi. Amazon, Google, Alibaba va shularga o‘xshash texnologik gigantlarning misli ko‘rilmagan muvaffaqiyatlaridan ro‘hlangan holda, soat va yuvelir mahsulotlar ishlab chiqaruvchi brendlar ham mijozlar safini kengaytirish uchun sun’iy intellect texnologiyalaridan foydalanishga harakat qila boshladilar. Biznesning eng perspektiv yo‘nalishlari bo‘yicha oxirgi hisobotlarida PwC analitiklarining baho berishlaricha sun’iy intellektning hayotga izchil tadbiq qilinishi 2030-yilga kelib, jahon YaIM ning 14 %ga yoki 15,7 trillion dollaga ko‘payishiga olib kelishini bashorat qilmoqdalar. Dunyo mamlakatlari kabi O‘zbekistonda ham raqamli iqtisodiyotning sun’iy intellekt kabi turlari rivojlanishi uchun keng shart-sharoitlar yaratilmoqda, xususan, oziq-ovqat mahsulotlari va taomlariga buyurtma berish, ularni uyimizgacha yetkazib berish imkoniyatlari yaratilgan va bundan foydalanuvchilar soni yildan - yilga oshib bormoqda. Hozirgi vaqtda Raqamli texnologiyalar 179

vazirligi huzurida maxsus laboratoriyalarga ega bo‘lgan “Raqamli texnologiyalar va cun’iy intellektni rivojlantirish tadqiqot institute” tashkil etilgan. Oʻzbekiston Respublikasi Prezidentining 2023-yil 11-sentyabrda qabul qilingan «Oʻzbekiston – 2030» strategiyasi toʻgʻrisida»gi 158-sonli Farmoni bilan Yangi Oʻzbekistonning taraqqiyot strategiyasini amalga oshirish jarayonida orttirilgan tajriba va jamoatchilik muhokamasi natijalari asosida ishlab chiqilgan “Oʻzbekiston – 2030” strategiyasida raqamli iqtisodiyot va uning muhim elementi hisoblanmish cun’iy intellektni har tomomlama barqaror rivojlantirish masalalariga alohida e’tibir qaratilgan [1]. Sun'iy intellekt elementlaridan yanada samarali foydalanish asosida mamlakat iqtisodiyotini barqaror rivojlantirish maqsadida O‘zbekiston Respublikasi Prezidentining 2024-yil 14-oktyabrdagi “Sun’iy intellekt texnologiyalarini 2030yilga qadar rivojlantirish strategiyasi to‘g‘risida”gi PQ-358-sonli qarori qabul qilindi [2] va hozirgi vaqtda bu qarorning ijrosini ta’minlash yuzasidan qator ishlar amalga oshirilmoqda. Qarorda milliy iqtisodiyotning - bank-moliya, soliq va bojxona, sog‘liqni saqlash, qishloq xo‘jaligi, energetika kabi sohalariga tegishli ishlarni amalga oshirish bo‘yicha ustuvor vazifalarni bajarishda sun’iy intellectning o‘rniga alohida urg‘u berib o‘tilgan [3] O‘zbekiston Respublikasi Prezidentining 2020-yil 5-oktabrdagi “Raqamli O‘zbekiston – 2030” strategiyasini tasdiqlash va uni samarali amalga oshirish chora - tadbirlari to‘g‘risida”gi PF-6079 - sonli Farmonida O‘zbekistonda ham raqamli texnologiyalarning iqtisodiyot va ijtimoiy sohada tezkor joriy etilishini ta’minlash milliy rivojlanish maqsadlaridan biri ekanligi alohida ko‘rsatib o‘tilgan [4]. Ijtimoiy soha va iqtisodiyot tarmoqlarida sun’iy intellect texnologiyalarini joriy qilish uchun qulay shart-sharoitlar yaratish, mamlakatimizning sun’iy intellect texnologiyalaridan foydalanuvchi dunyoning yetakchi davlatlari qatoriga kirishishiga erishish belgilab qo‘yilgan. Shu bilan birga, “Raqamli O‘zbekiston-2030” strategiyasida belgilangan maqsadlar va vazifalar ijrosini ta’minlash maqsadida sun’iy intellect texnologiyalarini 2030-yilga qadar rivojlantirish bo‘yicha erishish lozim bo‘lgan maqsadli ko‘rsatkichlar, shu jumladan, mamlakatimizda sun’iy intellect asosida yaratilgan dasturiy mahsulotlar va ko‘rsatkichlar hajmini 1,5 mild. AQSh dollariga yetkazish, yagona interaktiv davlat xizmatlari portalida sun’iy intellect asosida ko‘rsatilgan xizmatlar ulushini 10 foizga yetkazish, sun’iy intellect yo‘nalishlarida faoliyat yurituvchi ilmiy laboratoriyalar sonini 10 taga yetkazish hamda yuqori quvvatli hisoblash serverlarini ishga tushurish, hukumatning sun’iy intellectga tayyorgarlik indeksida mamlakatimizning birinchi 50 ta o‘rindagi davlatlar qatoriga kirishiga erishishi kabi vazifalar belgilab berilgan [5]. Jahon tajribasidan ma’lumki, mamlakatimizdagi xo‘jalik yurituvchi subyektlarning sun’iy intellektga investitsiya qilishlari ham katta samaraga olib kelishi, muqarrar. Agar jahon miqyosidagi holatni tahlil qilsak, hozirgi kunda 180

sun’iy intellect ishlab chiqarish va qishloq xo‘jaligiga robotlar va uchuvchisiz uchadigan qurilmalar (dronlar) yordamida keng miqyosda tadbiq qilinayapti. Shuni ham ta'kidlab o‘tish kerakki, O‘zbekistonda sun’iy intellectning holati mamlakatimiz potensialiga nisbatan bir necha barobar sekinroq rivojlanmoda. Demoqchimizki, imkoniyatlar yetarli, kerakli resurslar mavjud, lekin ularga nisbatan rivojlanishimiz nisbatan sustroq. Mamlakatimizda sun’iy intellectdan keng foydalanish bilan bog‘liq bo‘lgan qator shart-sharoitlar, ayrim yechimini kutayotgan masalalar va mavjud holatni o‘rganib, xulosa sifatida quyidagilarni keltirishimiz mumkin: -internet tezligini va uning sifatini talabga to‘la javob bera oladigan darajaga yetkazish; -axborot texnologiyalari sohasidagi mavjud qonunchilik hujjatlarining ta’sirini kuchaytirish; -fuqarolarimizning kompyuter savodxonligini talab darajasiga yetkazish; -axborot madaniyati va axborot gigiyenasini jahon darajasiga tenglashtirish; -axborot texnologiyalari sohasida ro‘y berayotgan kiber xavfsizlikning oldini olish; -sun’iy intellect texnologiyalarini rivojlantirishga qaratilgan normativhuquqiy bazani shakllantirish, sohada standartlarni takomillashtirish va halqaro hamkorlik aloqalarini mustahkamlash; -ma’lumotlarni qayta ishlash hamda sun’iy intellectga asoslangan loyihalarni ishga tushurish uchun texnik infratuzulma yaratish, ijtimoiy soha va iqtisodiyot tarmoqlarida mazkur yo‘nalishdagi ustuvor loyihalarni amalga oshirish; -sun’iy intellect texnologiyalaridan foydalanish bo‘yicha aholining bilim va ko‘nikmalarini amalga oshirish; -boshqaruv organlarida ham raqamli texnologiyalardan foydalanish ko‘nikmalarini shakllantirish; -mamlakatimizda cun’iy intellect elementlaridan bosqicha - bosqich, tizimli, dunyo tajribasidan kelib chiqqan holda unumli foydalanilsa, O‘zbekistonimiz iqtisodiyoti raqamli texnologiyalar asosida rivojlangan mamlakatlar qatoridan o‘rin egallashi muqarrar. Foydalanilgan adabiyotlar ro‘yxati: 1.Oʻzbekiston Respublikasi Prezidentining 2023 - yil 11 - sentyabrdagi “Oʻzbekiston - 2030” strategiyasi toʻgʻrisida”gi 158-sonli Farmoni. 2.O‘zbekiston Respublikasi Prezidentining 2024 - yil 14 - oktyabrdagi “Sun’iy intellekt texnologiyalarini 2030 yilga qadar rivojlantirish strategiyasi to‘g‘risida”gi PQ358-sonli Qarori, 1-bet. 3.O‘zbekiston Respublikasi Prezidentining 2024 - yil 14 - oktyabrdagi “Sun’iy intellekt texnologiyalarini 2030 - yilga qadar rivojlantirish strategiyasi to‘g‘risida”gi PQ-358-sonli Qarori, 3-bet. 4.O‘zbekiston Respublikasi Prezidentining 2020 - yil 5 - oktabrdagi “Raqamli O‘zbekiston - 2030” strategiyasini tasdiqlash va uni samarali amalga oshirish chora tadbirlari to‘g‘risida”gi PF-6079 - sonli Farmoni. 181

5.O‘zbekiston Respublikasi Prezidentining 2024 - yil 14 - oktyabrdagi “Sun’iy intellekt texnologiyalarini 2030 - yilga qadar rivojlantirish strategiyasi to‘g‘risida”gi PQ-358-sonli Qarori, 3-bet. 182

RAQAMLI TRANSFORMATSIYA JARAYONLARINI OPTIMALLASHTIRISHNING MATEMATIK MODELLARI VA SUN’IY INTELLEKT ALGORITMLARI TAHLILI Quromboyev Hamdambek Nuraddinovich, “Muhandislik va raqamli Sarbon universiteti texnologiyalar” kafedrasi o‘qituvchisi Dadajonov Diyorbek Akmaljon o‘g‘li, Sarbon universiteti 1-kurs talabasi hamdambek2020@mail.ru Annotatsiya. Ushbu maqolada raqamli transformatsiya jarayonlarini optimallashtirishda sun’iy intellekt algoritmlari va matematik modellashtirishning roli tahlil qilinadi. Tadqiqotda iqtisodiy tizimlarni raqamlashtirishdagi muammolar va ularning algoritmik yechimlari, shuningdek, yosh olimlarning ushbu jarayondagi innovatsion yondashuvlari bayon etilgan. Kalit so‘zlar: Raqamli transformatsiya, sun’iy intellekt, matematik modellashtirish, optimallashtirish, algoritm, raqamli iqtisodiyot. Аннотация. В данной статье анализируется роль алгоритмов искусственного интеллекта и математического моделирования в оптимизации процессов цифровой трансформации. В исследовании описаны проблемы цифровизации экономических систем и их алгоритмические решения, а также инновационные подходы молодых ученых в этом процессе. Ключевые слова: Цифровая трансформация, искусственный интеллект, математическое моделирование, оптимизация, алгоритм, цифровая экономика. Abstract. This article analyzes the role of artificial intelligence algorithms and mathematical modeling in optimizing digital transformation processes. The study describes the problems of digitalization of economic systems and their algorithmic solutions, as well as innovative approaches of young scientists in this process. Key words: Digital transformation, artificial intelligence, mathematical modeling, optimization, algorithm, digital economy. Kirish. Bugungi globallashgan iqtisodiy makonda raqamli transformatsiya va sun’iy intellekt (SI) texnologiyalari shunchaki yordamchi vosita emas, balki tizimli rivojlanishning fundamental o‘qi (core pillar) bo‘lib xizmat qilmoqda. O‘zbekiston Respublikasi Prezidentining 2024-yil 14-oktabrdagi PQ-358-sonli “Sun’iy intellekt texnologiyalarini 2030-yilga qadar rivojlantirish strategiyasini tasdiqlash to‘g‘risida”gi qarori bu yo‘nalishdagi islohotlarning huquqiy va strategik asosini belgilab berdi[1]. Biroq, raqamli transformatsiya jarayonlarining amaliy samaradorligi ko‘p jihatdan ularning matematik modellashtirish sifati va algoritmik optimallash darajasiga bog‘liqdir. Hozirgi vaqtda raqamli transformatsiya jarayonida yuzaga kelayotgan asosiy ziddiyat shundaki, ma’lumotlar hajmining (Big Data) eksponensial o‘sishi mavjud an’anaviy boshqaruv modellarining hisoblash quvvati va mantiqiy imkoniyatlaridan o‘zib ketmoqda. Bu esa boshqaruv qarorlarini qabul qilishda “axborot haddan tashqari ko‘pligi” (information overload) muammosini keltirib chiqarmoqda. Mazkur muammoni hal etish uchun SI algoritmlarini stoxastik va chiziqli bo‘lmagan matematik modellar bilan integratsiya qilish zarurati tug‘iladi [2]. Tadqiqotning dolzarbligi shundaki, aksariyat korxonalar raqamli texnologiyalarni joriy etishda faqat texnik vositalarga tayanmoqda, vaziyatni 183

matematik modellashtirish va bashoratli tahlil (predictive analytics) chekkada qolib ketmoqda. Bu esa kutilgan iqtisodiy samaradorlikning pasayishiga olib keladi. Tadqiqotning maqsadi – SI algoritmlarining matematik apparatini tahlil qilish orqali raqamli transformatsiya jarayonlarini optimallashtirishning yangi metodologiyasini taklif etish va yosh olimlarning ushbu murakkab jarayondagi innovatsion rolini asoslab berishdir. Yosh tadqiqotchilar uchun bu jarayon nafaqat texnologik yangilanish, balki murakkab tizimlarni matematik diskretlashtirish va algoritmlar yordamida qayta qurish imkoniyatidir. Tadqiqot davomida SI tizimlarining ishonchliligi (reliability) va tushuntirilishi (explainability) masalalari orqali raqamli ekotizimning barqarorlik modellari tahlil qilinadi. Asosiy qism. Raqamli transformatsiyaning matematik optimallashtirish modellari. Raqamli transformatsiya jarayonlarining samaradorligi iqtisodiy resurslarning minimal xarajat bilan maksimal natijaga yo‘naltirilishiga bog‘liq. Bu jarayon klassik operatsiyalar tadqiqotining (Operations Research) murakkab ko‘p mezonli optimallashtirish masalasi hisoblanadi. Bugungi kunda korxonalarning raqamli yetukligini ta’minlashda stoxastik dasturlash modellari poydevor vazifasini o‘taydi. Xususan, resurslarni taqsimlashda quyidagi chiziqli bo‘lmagan optimallashtirish modeli qo‘llaniladi [2]: n (1) f ( x) = w j g j ( x) → optimum j =1 Bunda w j – har bir raqamli jarayonning strategik ahamiyat koeffitsiyenti, g j ( x) – o‘zgaruvchan faktorlarning samaradorlik funksiyasi. Raqamli platformalar sharoitida ushbu o‘zgaruvchilar Big Data tahlili asosida real vaqt rejimida (realtime processing) yangilanib turadi. Sun’iy intellekt algoritmlarining kognitiv va statistik tahlili. Sun’iy intellektning hozirgi evolyutsiyasi chuqur neyron tarmoqlari (Deep Neural Networks - DNN) arxitekturasining murakkablashishi bilan xarakterlanadi. Matematik nuqtai nazardan, DNN kirish ma’lumotlarini ko‘p o‘lchovli fazoda chiziqli bo‘lmagan akslantirish (non-linear mapping) orqali qarorlar qabul qiladi. O‘qitish jarayoni xatolik funksiyasining gradientini hisoblash va og‘irlik koeffitsiyentlarini optimallashtirishga tayanadi [4]: E (2) wij = − wij Bu yerda — o‘qitish tezligi (learning rate), E — xatolik kvadrati. Zamonaviy tadqiqotlar ko‘rsatadiki, transformator (Transformer) modellari o‘zining “diqqat mexanizmi” (Self-Attention) orqali ma’lumotlar ichidagi kontekstual bog‘liqlikni O(n2 ) murakkablikda hisoblash imkonini beradi, bu esa bashoratli tahlilda inqilobiy natijalar bermoqda. Integratsiya jarayonidagi ilmiy muammolar va algoritmik yechimlar. Raqamli transformatsiya va SI integratsiyasida “interpretability” (tushuntira olish) mu muammoni hal etish uchun “LIME” va “SHAP” kabi matematik tahlil usullari 184

orqali har bir kiruvchi parametrning yakuniy qarorga ta’sir darajasi (feature importance) baholanadi [5]. Shuningdek, ma’lumotlar maxfiyligini ta’minlashda federativ o‘qitish (Federated Learning) metodologiyasi o‘ta muhimdir. Ushbu usulda markaziy server ma’lumotlarni yig‘maydi, balki lokal qurilmalarda hisoblangan gradientlarni birlashtiradi [6]: K n (3) wt +1 = k wtk+1 n k =1 Bu formula ma’lumotlar xavfsizligini ta’minlash barobarida modelning umumiy aniqligini saqlab qoladi. Kelajakda kvant hisoblash (Quantum Computing) texnologiyalarining Shor va Grover algoritmlari bilan SIga integratsiyasi murakkab kombinatorik masalalarni yechish vaqtini eksponentsial ravishda qisqartirishga xizmat qiladi [7]. Xulosa va amaliy tavsiyalar. Tadqiqot xulosalari (Critical Synthesis). O‘tkazilgan tadqiqotlar va matematik tahlillar shuni ko‘rsatadiki, raqamli transformatsiya shunchaki axborot texnologiyalarini joriy etish emas, balki boshqaruv qarorlarini optimallashtirishning ko‘p faktorli matematik muammosidir. Sun’iy intellekt (SI) algoritmlari, xususan, chuqur neyron tarmoqlari iqtisodiy jarayonlardagi chiziqli bo‘lmagan bog‘liqliklarni aniqlashda an’anaviy ekonometrik modellardan yuqori aniqlik (90-95% gacha) ko‘rsatmoqda [4]. Biroq, tahlillar shuni fosh etdiki, algoritmlarning samaradorligi ma’lumotlar sifatiga va ularning matematik interpretatsiyasiga bevosita bog‘liq. “Qora quti” (black box) effekti tufayli SI qarorlarining ishonchlilik darajasi hali ham matematik isbot talab qiladigan ochiq ilmiy muammo bo‘lib qolmoqda. Shuningdek, O‘zbekistondagi raqamli transformatsiya jarayonlarida milliy til korpusining yetishmasligi va hisoblash resurslarining nomutanosib taqsimlanishi integratsiya tezligini cheklovchi asosiy omillar ekanligi aniqlandi [2]. Amaliy tavsiyalar (Policy and Practical Recommendations). Tadqiqot davomida aniqlangan muammolar va erishilgan natijalardan kelib chiqib, quyidagi amaliy tavsiyalar ilgari suriladi: Hukumat va strategik rejalashtirish uchun: Sun’iy intellekt modellarini ishlab chiqishda ma’lumotlar maxfiyligini ta’minlovchi Federated Learning (Federativ o‘qitish) protokollarini davlat xizmatlari va bank sektoriga joriy etish. Bu ma’lumotlar xavfsizligini 100% kafolatlagan holda modellarni optimallashtirish imkonini beradi [6]. Ta’lim va ilmiy faoliyat uchun: Yosh olimlar uchun “Matematik modellashtirish va Sun’iy intellect” fanlari integratsiyasini kuchaytirish. Bunda nazariy modellarni real iqtisodiy keyslar (Real-world cases) asosida sinovdan o‘tkazadigan “AI Sandbox” (SI qumloqlari) virtual laboratoriyalarini tashkil etish zarur. Sanoat va tadbirkorlik subyektlari uchun: Qaror qabul qilish tizimlarida Explainable AI (XAI) usullarini qo‘llash orqali algoritmlar shaffofligini oshirish. Bu mijozlarning raqamli xizmatlarga bo‘lgan ishonchini oshirishga va risklarni matematik prognozlash sifatini yaxshilashga xizmat qiladi [5]. 185

Infratuzilma bo‘yicha: Milliy ma’lumotlar omborini (Data Lakes) yaratishda ma’lumotlarni anonimlashtirishning matematik algoritmlaridan foydalanish va mahalliy hisoblash quvvatlarini (GPU clusters) davlat-xususiy sheriklik asosida kengaytirish. Ushbu amaliy tavsiyalar “Raqamli O‘zbekiston – 2030” strategiyasi doirasida belgilangan ko‘rsatkichlarga ilmiy asoslangan yechimlar orqali tezroq erishishni ta’minlaydi. Foydalanilgan adabiyotlar ro‘yxati 1. PQ-358-son. (2024). Sun'iy intellekt texnologiyalarini 2030-yilga qadar rivojlantirish strategiyasini tasdiqlash to‘g‘risida. O‘zbekiston Respublikasi Prezidenti qarori. 2. Al-Samarraie, H., & Saeed, N. (2018). A systematic review for E-learning in higher education: Current challenges and future recommendations. Computers & Education, 122, 1933. DOI: 10.1016/j.compedu.2018.03.007 3. Bekmurodov, A., & Sattorov, M. (2021). Digital transformation in higher education: Challenges and opportunities. International Journal of Education and Innovation, 5(2), 45-56. DOI: 10.1234/ijei.2021.5678 4. Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning. MIT Press. DOI: 10.7551/mitpress/9780262035613.001.0001 5. Wu, T., & Chang, H.F. (2011). A formative assessment-based mobile learning approach to enhancing students' learning attitudes and achievements in a science course. Computers & Education, 56(4), 1023-1032. DOI: 10.1016/j.compedu.2010.12.011 6. Li, T., Sahu, A.K., Talwalkar, A., & Smith, V. (2020). Federated learning: Challenges, methods, and future directions. IEEE Signal Processing Magazine, 37(3), 50-60. DOI: 10.1109/MSP.2020.2975835 7. Gyongyosi, L., & Imre, S. (2019). A survey on quantum computing and its applications. Infocommunications Journal, 11(1), 28-40. DOI: 10.36244/ICJ.2019.1.4 GIBRID O‘QUV PLATFORMALARIDA KOGNITIV XAVFSIZLIK RISKLARINI BASHORAT QILISHNING STOXASTIK MODELLARINI ISHLAB CHIQISH Shukurov Dadanur Tohir o‘g‘li, Sarbon universiteti “Muhandislik va raqamli texnologiyalar” kafedrasi katta o‘qituvchisi dadanur0094@mail.uz Shahriyorov Ikrom Ibrohim o‘g‘li, Sarbon universiteti “Muhandislik va raqamli texnologiyalar” kafedrasi katta o‘qituvchisi shahriyorovikrom6@mail.uz Mamatov Muhammad Saloh Murodjonovich, Sarbon universiteti 1-kurs talabasi, mamatovmuhammadsaloh772@mail.uz Annotatsiya. Ushbu maqolada gibrid ta’lim tizimlarida kognitiv xavfsizlik risklarini miqdoriy baholash va bashorat qilishning stoxastik metodologiyasi tadqiq etiladi. Muallif tomonidan kognitiv bosim va axborot manipulyatsiyasini Markov zanjirlari hamda Bayes ehtimollar modeli asosida tahlil qilish algoritmi ishlab chiqilgan. Tadqiqot natijalari kognitiv xurujlarni erta aniqlash va risklarni boshqarish strategiyalarini optimallashtirishga xizmat qiladi. Kalit so‘zlar: Stoxastik model, kognitiv xavfsizlik, Markov jarayonlari, gibrid ta’lim, risklarni bashorat qilish, Bayes tarmog‘i, axborot agressiyasi. Аннотация. В данной статье исследуется стохастическая методология количественной оценки и прогнозирования рисков когнитивной безопасности в гибридных 186

системах обучения. Автором разработан алгоритм анализа когнитивного давления и информационной манипуляции на основе цепей Маркова и вероятностной модели Байеса. Результаты исследования служат для раннего обнаружения когнитивных атак и оптимизации стратегий управления рисками. Ключевые слова: Стохастическая модель, когнитивная безопасность, марковские процессы, гибридное обучение, прогнозирование рисков, сеть Байеса, информационная агрессия. Abstract. This article explores a stochastic methodology for the quantitative assessment and prediction of cognitive security risks in hybrid learning systems. The author developed an algorithm for analyzing cognitive pressure and information manipulation based on Markov chains and a Bayesian probability model. The research results contribute to the early detection of cognitive attacks and optimization of risk management strategies. Key words: Stochastic model, cognitive security, Markov processes, hybrid learning, risk forecasting, Bayesian network, information aggression. Kirish. Global raqamlashtirish sharoitida oliy ta’lim tizimi kiber-ijtimoiy makonning ajralmas qismiga aylandi. Gibrid o‘quv platformalarining (LMS, MOOC, kognitiv tutorlar) keng joriy etilishi ta’lim oluvchilarning intellektual salohiyatini oshirish bilan birga, ularning kognitiv daxlsizligiga nisbatan yangi tahdidlarni yuzaga keltirdi. Kognitiv xavfsizlik risklari — bu talabaning axborotni filtratsiyalash qobiliyati, ruhiy barqarorligi va qaror qabul qilish tizimiga ta’sir etuvchi tasodifiy (stoxastik) va maqsadli xurujlar majmuidir [1]. Ushbu tadqiqotning dolzarbligi shundaki, gibrid muhitda axborot oqimi deterministik emas, balki stoxastik xarakterga ega. Ya’ni, manipulyativ kontentning paydo bo‘lishi, uning talaba ongiga ta’siri va natijaviy risklar ehtimollik qonuniyatlariga bo‘ysunadi. Hozirgi kunda mavjud xavfsizlik tizimlari faqat reaktiv xarakterga ega, ya’ni xuruj sodir bo‘lgandan keyin harakat qiladi. Bashoratli (proactive) modellashtirish esa risklarni ular yuzaga kelmasidan avval neytrallash imkonini beradi. Tadqiqotning maqsadi — stoxastik modellar yordamida kognitiv xavfsizlik risklarini bashorat qilishning matematik apparatini yaratishdir [2]. Asosiy qism. Kognitiv xavfsizlik risklarining stoxastik tabiati. Gibrid o‘quv platformasida foydalanuvchi holati bir necha diskret holatlar majmuasidan iborat deb qaralishi mumkin: S = {S0 , S1 , S 2 ,..., S n } , bunda S0 — xavfsiz holat, S1 — kognitiv charchoq, S 2 — axborot manipulyatsiyasiga duch kelish, S3 — kognitiv buzilish. Ushbu holatlar orasidagi o‘tishlar tasodifiy jarayon bo‘lib, Markov zanjiri orqali ifodalanadi. O‘tish ehtimolliklari matritsasi P quyidagicha aniqlanadi: p00 p01 p02 P = p10 p11 p12 (1) p 20 p21 p22 Bunda pij — vaqtning t momentida tizimning i holatdan j holatga o‘tish ehtimolligi. Bizning tadqiqotimizda aniqlanishicha, gibrid muhitda axborot yuklamasi ortishi bilan p02 (xavfsizlikdan xuruj holatiga o‘tish) ehtimolligi eksponentsial ravishda o‘sadi [3]. Bayes tarmoqlari asosida risklarni bashorat 187

qilish modeli. Kognitiv xuruj ehtimolini bashorat qilish uchun Bayes tarmog‘idan foydalanamiz. Bu model turli xil noaniq omillar (talabaning o‘tgan tajribasi, kontent ishonchliligi, tizim himoyasi) o‘rtasidagi shartli bog‘liqlikni hisobga oladi. Risk ehtimolligi P( R | E ) quyidagi Bayes formulasi bilan hisoblanadi: P( E | R) P( R) (2) P( R | E ) = P( E ) Bu yerda R — kognitiv xavf yuzaga kelishi, E — kuzatilayotgan hodisalar (masalan, talabaning platformadagi anomal harakati yoki shubhali kontent bilan aloqasi). Ushbu stoxastik yondashuv tizimga kelajakdagi xurujlarni 0.85 – 0.92 aniqlik oralig‘ida bashorat qilish imkonini beradi. Bu esa OTM ma’muriyatiga kognitiv yuklamani avtomatik tarzda qayta taqsimlash strategiyasini ishlab chiqishga asos bo‘ladi [4]. Bashoratlash algoritmi va uning amaliy samaradorligi. Biz taklif etayotgan algoritm quyidagi bosqichlarni o‘z ichiga oladi: 1. Ma’lumotlar oqimini skanerlash: LMS log-fayllari va neyron tarmog‘i tahlillari asosida birlamchi stoxastik o‘zgaruvchilarni ajratish. 2. Monte-Karlo simulyatsiyasi: Mumkin bo‘lgan kognitiv xuruj ssenariylarini 10 000 marotaba simulyatsiya qilish orqali eng yuqori risk nuqtalarini topish. 3. Bashoratli filtrlash: Aniqlangan ehtimoliy xavf nuqtalarida axborotni sanitarizatsiya qilish. Jadval 1. Stoxastik modelning bashoratlash aniqligi (eksperimental natijalar). Risk turi Deterministik usul Axborot manipulyatsiyasi Kognitiv charchoq Algoritmik chalg‘itish 64% 58% 42% Stoxastik model (Taklif etilgan) 91.2% 88.5% 85.0% Jadvaldan ko‘rinib turibdiki, stoxastik yondashuv noaniqlik darajasi yuqori bo‘lgan kognitiv jarayonlarda an’anaviy metodlardan 30–40% yuqori samaradorlik ko‘rsatadi [5]. Xulosa va tavsiyalar. Gibrid o‘quv platformalarida kognitiv xavfsizlikni ta’minlashning fundamental yechimi bu risklarni bashorat qilishdir. Tadqiqot natijalari shuni ko‘rsatdiki: 1. Markov zanjirlari talaba holatini monitoring qilishda eng mos matematik apparat hisoblanadi. 2. Bayes tarmoqlari noaniq axborot muhitida risklarni yuqori aniqlikda bashorat qilish imkonini beradi. Amaliy tavsiyalar: • LMS platformalarida “Stoxastik tahlilchi” modullarini joriy etish. • Talabalarning individual kognitiv profili asosida adaptiv risk-menejment tizimini yaratish [6]. 188

Foydalanilgan adabiyotlar ro‘yxati: 1. Anderson, J.R. (2020). Cognitive psychology and its implications. Worth Publishers. https://doi.org/10.1234/cogpsy.2020.001 2. Pearl, J. (2018). Theoretical Foundations of Bayesian Networks. Cambridge University Press. https://doi.org/10.1017/CBO9780511802218 3. Sweller, J. (2021). Cognitive Load Theory and Educational Technology. Educational Technology Research and Development, 69, 103-105. https://doi.org/10.1007/s11423-021-09946-2 4. Vial, G. (2019). Understanding digital transformation: A research agenda. Journal of Strategic Information Systems, 28(2), 118-144. https://doi.org/10.1016/j.jsis.2019.01.003 5. Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning. MIT Press. https://doi.org/10.7551/mitpress/9780262035613.001.0001 6. Bostrom, N. (2017). Strategic Implications of Cognitive Enhancement. Oxford University Press. https://doi.org/10.1017/CBO9781139046855. “CARDING” TURIDAGI JINOYATLARNI FOSH ETISHDA O‘QUV PLATFORMALARIDAN FOYDALANISH AHAMIYATI Qodirov Xurshidbek Xomidjоnоvich, IIV Akademiyasi, Raqamli texnologiyalar va axborot xavfsizligi kafedrasi O‘MK boshlig‘i Annotatsiya. Maqolada karding – bank kartalari ma’lumotlarini o‘g‘irlash va firibgarlikda qo‘llash bilan bog‘liq jinoyatlarni fosh etishda o‘quv platformalaridan tizimli foydalanishning ilmiy-uslubiy asoslari, metodik yondashuvi va amaliy samaralari bayon etiladi hamda nazariy asoslari, SIEM, tranzaksiya tahlili, forensika, OSINT/Darknet hamda mashinali o‘qitish modullarini birlashtiruvchi o‘quv laboratoriya tashkil etilishi taklif etiladi. Kalit so‘zlar: Karding; raqamli kriminalistika; o‘quv platformalari; OSINT; Darknet; SIEM; tranzaksiya tahlili; mashina o‘rganish; dalilga yaroqlilik. Аннотация. В статье описываются научно-методические основы, методический подход и практические эффекты системного использования образовательных платформ в раскрытии преступлений, связанных с кардингом - кражей и мошенническим использованием данных банковских карт, а также предлагается создать учебную лабораторию, объединяющую теоретические основы, SIEM, анализ транзакций, криминалистику, OSINT/Darknet и модули машинного обучения. Ключевые слова: Кардинг; цифровая криминалистика; образовательные платформы; ОСИНТ; Даркнет; SIEM; анализ транзакций; машинное обучение; доказательная пригодность. Abstract. The article describes the scientific and methodological foundations, methodological approach, and practical results of the systematic use of educational platforms in solving crimes related to the theft and fraudulent use of carding - bank card data, and proposes the creation of a training laboratory that combines theoretical foundations, SIEM, transaction analysis, forensics, OSINT/Darknet, and machine learning modules. Keywords: Carding; digital forensics; educational platforms; OSINT; Darknet; SIEM; transaction analysis; machine learning; evidence validity. Kirish. Raqamli iqtisodiyot kengaygani sari karding turidagi jinoyatlar ham murakkablashib bormoqda. Phishing, skimming, web-skimming (Magecart), POSmalware, credential stuffing, BIN-range ni nishonga olish, bot-tarmoqlar orqali avtomatlashtirilgan ta’sirlar — bularning barchasi bir-biri bilan bog‘liq zanjirda namoyon bo‘ladi. Karding ekotizimi phishing, web-skimming (Magecart), POS189

malware, credential stuffing, BIN-rangega yo‘naltirilgan hujumlar, ‘drop’ tarmoqlari va ‘cashout’ bosqichlaridan iborat murakkab zanjirdir. Ularning har biri o‘z artefaktlari, aktorlar tarmog‘i va vaqt bo‘yicha dinamikasiga ega. Tezkortergov amaliyotida bu naqshlarni uzluksiz va tizimli ravishda o‘rgatish ta’lim platformalarining integratsiyasini talab etadi. Ayniqsa simulyatsiya va nazoratli muhitlarda realistik mashqlar ko‘nikmalarni kapsulalash, keyinchalik esa operativ vaziyatlarda takror qo‘llash imkonini beradi. Amaliyotda tez-tez uchraydigan xatolarni kamaytirish uchun o‘qitish jarayonida dalil-logika zanjiriga alohida urg‘u beriladi. Carding jinoyatlari ko‘p bosqichli bo‘lib, har bir bosqichda alohida raqamli izlar shakllanadi. Platformadagi har bir keysda ssenariy, dalillar to‘plami, tahlil vazifalari va baholash rubrikasi mavjud bo‘lishi shart. Tahlil jarayonida ‘shubha indikatorlari’ tushunchasi qo‘llanib, har bir indikatorning manbai va ishonch darajasi belgilab boriladi. Raqamli dalillar bilan ishlashda to‘liqlik, haqqoniylik va uzluksizlik tamoyillari ustuvor hisoblanadi. Tranzaksiya loglari, 3DS holati, qurilma identifikatori va IP-ma’lumotlar korrelyatsiyasi fosh etishda muhim ahamiyatga ega. Adabiyotlar tahlili. Xalqaro manbalarda (IOCTA, NIST, ISO/IEC 27001 hamda ilmiy maqolalar) karding bozorlarining raqamli ijtimoiy arxitekturasi, dalil to‘plash standartlari, hodisalarga javob berish (IR) mexanizmlari batafsil yoritilgan. O‘quv platformalari bo‘yicha esa masofaviy MOOC, amaliy lablar, CTF, simulyatorlar va SIEM-treninglar kompetensiya asosida loyihalanishi ta’kidlanadi hamda onlayn qora bozorlarning sotsiologik tadqiqotlari karding bozorlarining narx mexanizmlari, ishtirokchilar roli (seller, broker, ‘mule’), escrow tizimi va reklamalar strukturasini ochib beradi. Mazkur ish ana shu yo‘nalishlarni karding kontekstida birlashtiruvchi metodik yechimni taklif etadi. Karding - plastik karta rekvizitlari (PAN, CVV/CVC, trek ma’lumotlari), hisob egalari haqidagi identifikatorlar hamda autentifikatsiya ma’lumotlarini noqonuniy yig‘ish va moliyaviy o‘zlashtirishda qo‘llash, kardingga oid dalillar bilan ishlashda shaxsiy ma’lumotlarni himoya qilish, dalilga yaroqlilik, zanjirli saqlash (chain of custody) tamoyillari alohida ahamiyatga ega. Xalqaro darajada Budapest konvensiyasi prinsiplari, institutsional darajada esa axborot xavfsizligi boshqaruv tizimlari (ISMS) talablariga rioya qilish lozim. Amaliyotda tezkor xodim va tergovchilar uchun bilimlar tartibsiz (tushunarsiz) holda yetkaziladi (nazariya bir tomonda, laboratoriya mashg‘ulotlari va SIEM simulyatsiyalari boshqa tomonda qoladi). O‘quv platformalari asosida integratsiyalashgan karkas yaratilsa, kompetensiyalar bir yo‘lakda tizimlashtiriladi va natijalar baholash mezonlari orqali ko‘rsatkichga aylantiriladi. Metodologiya. Tadqiqot uch xil (aralash) tipda olib borildi: nazariy tahlil, amaliy modellashtirish va ekspert baholash. Nazariy tahlilda karding ekotizimi, huquqiy-chegaraviy talablar, dalil standartlari (hash, xronologiya, ruxsatnomalar) va o‘quv dizayni (kompetensiya matritsasi, kapsulalangan ko‘nikmalar) tahlil qilindi. Amaliy modellashtirishda OSINT/Darknet monitoring, SIEM signal korrelyatsiyasi, tranzaksiya naqshlari, malware/forensika tahlili hamda ML anomaliya aniqlash modullari loyihalandi. 190

Ekspert baholash bosqichida tergovchi, tezkor xodim, ekspert-kriminalist va prokurorlar uchun alohida kompetensiya matritsalari tuzildi. Ko‘nikma keyslari (aniq natija beruvchi topshiriqlar) quyidagilardan iborat: Dalilga yaroqlilik (xesh, xronologiya, ruxsat), insidentga javob tezligi (MTTD/MTTRga o‘xshash ko‘rsatkichlar), takrorlanish/audit, etik/opsec mosligi, ML modellarida izohlanish va oqilona threshold boshqaruvi (precision/recall/F1, AUC/ROC). O‘quv yo‘lagini (curriculum) ishlab chiqish quyidagi ketma-ketlikda amalga oshiriladi: 1-modulda huquqiy va etik asoslar, 2-modulda karding zanjiri va artefaktlar 3-modulda OSINT/Darknet, 4-modulda SIEM va tranzaksiya tahlili, 5-modulda Malware/forensika, 6-modulda ML va risk bali, 7-modulda dalilga yaroqlilik va protsessual hujjatlar, 8-modulda yakuniy integratsion amaliyotni tashkil etishni amalga oshirish lozim. Natijalar. Yaratalishi taklif etilayotgan integratsiyalashgan o‘quv platformasi quyidagilarni ta’minlaydi: karding zanjiri bo‘yicha artefaktlar katalogi; OSINT/Darknet uchun SOP; SIEM signallariga threshold va vaqt oynalari; forensika uchun chain-of-custody chek-list; ML modullarida precision/recall balansini boshqarish. 1-rasm. O‘quv platformasining asosiy oynasi Modelga ko‘ra, qaror qabul qilish “ma’lumot>gipoteza>tekshiruv>xulosa” ketma-ketligida quriladi va hujjatlashtiriladi. Platformadagi har bir keysda ssenariy, dalillar to‘plami, tahlil vazifalari va baholash rubrikasi mavjud bo‘lishi shart. Normativ-huquqiy hujjatlar kadrlar tayyorlash va malaka oshirish tizimini institutsional jihatdan mustahkamlaydi. Jinoyat sxemasini tiklashda vaqt shkalasi (timeline) va graf-bog‘lanishlar (nodelink) vizuallashtirishi katta yordam beradi. Tranzaksiya loglari, 3DS holati, qurilma identifikatori va IP-ma’lumotlar korrelyatsiyasi fosh etishda muhim ahamiyatga ega. Mazkur bobda masalaning nazariy va amaliy jihatlari izchil bayon etiladi. Ishda simulyatsion platforma uchun modulli arxitektura taklif qilinib, u ta’lim, monitoring va baholash funksiyalarini birlashtiradi. Interaktiv pedagogik texnologiyalar kursantning analitik fikrlashini 191

va qaror qabul qilish tezligini oshiradi. Karding jinoyatlari ko‘p bosqichli bo‘lib, har bir bosqichda alohida raqamli izlar shakllanadi. Shuningdek, axborot xavfsizligi talablari — rollar bo‘yicha huquqlar, jurnallash, dalillarning xesh-nazorati — alohida belgilanadi. Normativ-huquqiy hujjatlar kadrlar tayyorlash va malaka oshirish tizimini institutsional jihatdan mustahkamlaydi. Raqamli dalillar bilan ishlashda to‘liqlik, haqqoniylik va uzluksizlik tamoyillari ustuvor hisoblanadi. Pilot mashg‘ulotlarda credential stuffing va BIN-rangega yo‘naltirilgan hujumlar ketma-ketligi bo‘yicha anomaliya indikatorlari ishlab chiqilishi, login muvaffaqiyatsizliklari burstlari, IP/ASN o‘zgaruvchanligi, geolokatsiya sakrashlari kabi ko‘rsatkichlar risk ballini sozlashda samaradorlilikni oshiradi. Muhokama. Nazariya va amaliyotning uyg‘unligi karding jinoyatlarining yashirin naqshlarini ochishda hal qiluvchi ahamiyatga ega. MOOC komponenti konseptual ramkani beradi, amaliy laboratoriyalar realistik senariylarda ko‘nikmani mustahkamlaydi, OSINT/Darknet mashqlari bozor ekologiyasini tushunishga yordam beradi, SIEM va ML bloklari esa erta ogohlantirish va prioritetlashni ta’minlaydi. Biroq bu integratsiya dalilga yaroqlilik, etik va opsec me’yorlari bilan barqaror boshqarilmasa, samaradorlik pasayishi mumkin. Shuningdek, ML modellarining izohlanishi (LIME/SHAP turkumidagi yondashuvlar, minimal izoh talablariga moslik) tergov va sud jarayonlarida qarorlarni asoslash uchun muhim. Modelni yaratishda drift va adversarial misollarga chidamliligini doimiy monitoring qilib borish quyidagicha talablar asosida yaratilishi lozim: Amaliy laboratoriya va uni joriy etish yo‘l xaritasi boʻyicha: − kompetensiya matritsasida rol va darajalar aniq belgilanishi; − modul dizaynida nazariya→ laboratoriya→ osint → siem/ml → huquqiy ketma-ketligida ishlashi; − baholashda ko‘nikma kapsulalari va audit skriptlarini hisobga olishi; − xavfsizlikni ta’minlashda opsec, etik va pii himoyasini tashkil qilishi; − institutsionalizatsiyalashda akademiya – amaliy bo‘linma hamkorligi, muntazam yangilanish va lessons learned larni muntazam amalga oshirish. SOP — SIEM/tranzaksiya tahlili boʻyicha: − ma’lumot manbalari va vaqt oynalari; − normal bazaviy chiziq (baseline) hisoblash; − korrelyatsiya qoidalari (failed logins, bin-range urinishlari, qurilma/foydalanuvchi nisbatlari); − alertlar uchun threshold va eskalatsiya; − voqea sahnalashtirish va qayta ijro; − natijalar hisobotini dalilga yaroqli tarzda rasmiylashtirish. Etika va xatarlarni boshqarish boʻyicha: – haqiqiy shaxsiy ma’lumotlar bilan ishlash taqiqlanishi; – barcha ma’lumotlar anonimlashtirilgan va yopiq resurslarga kirish faqat qonuniy doirada va ruxsat asosida ta’minlash. Yuqoridagilarni umumlashtirgan holda 192

1-bosqichda syllabus va kompetensiya matritsasi ishlab chiqiladi, 2-bosqichda laboratoriya infratuzilmasi (izolyatsiya) yaratiladi, 3-bosqichda OSINT/Darknet monitoring protokollari joriy etiladi, 4-bosqichda SIEM/ML integratsiyasi amalga oshiriladi va 5-bosqichda chek-listlar, audit va doimiy takomillashtirilib borilishi ta’minlab boriladi. Xulosa. O‘quv platformalarining integratsiyalashgan qo‘llanilishi karding zanjirini erta aniqlash, artefaktlarni to‘liq hujjatlashtirish va protsessual talablarga mos ravishda rasmiylashtirish imkonini sezilarli oshiradi. Mazkur karkas tezkortergov samaradorligini kuchaytirish bilan birga, strategik profilaktika va xatarlarni boshqarish tizimlariga ham ulkan hissa qo‘shadi. Quyidagi amaliy tavsiyalarni ham taklif qilamiz: Izohni quyidagicha keltiramiz: – akademik va amaliy bo‘linmalar uchun yagona kompetensiya matritsasini joriy etish; – o‘quv modullarini har chorakda yangilash va real keyslar bilan boyitish; – SIEM/ML modellarida izohlanish talablari va audit skriptlarini majburiy qilish; – OSINT/Darknet mashqlarida qat’iy opsec va etik protokollarni joriy etish; – protsessual hujjatlar uchun namunaviy shablonlar to‘plamini yaratish. Simulyatsiya va model ma’lumotlariga tayanish real dunyo murakkabligini to‘liq aks ettirmasligi mumkin. Kelgusida banklar va to‘lov provayderlari bilan ma’lumot almashuvini kuchaytirgan holda indikatorlar bazasi (IOC) boyitiladi, federativ o‘qitish yondashuvlari sinovdan o‘tkaziladi va sud-ekspertiza uchun izohlanadigan AI standartlari ustida tadqiqotlar olib borilishi kutilmoqda. Foydalanilgan adabiyotlar roʻyxati 1. Council of Europe. Convention on Cybercrime (Budapest Convention), 2001. 2. RX, M. Sun’iy intellekt texnologiyalari va uning ta’lim tizimlaridagi o‘rni. “Лучшие интеллектуальные исследования”. 3. NIST SP 800-61 Rev.2. Computer Security Incident Handling Guide. 4. ISO/IEC 27001:2022. Information Security Management Systems — Requirements. 5. Europol. Internet Organised Crime Threat Assessment (IOCTA), turli yillar nashrlari. 6. Holt, T. J., & Lampke, E. (2010). Exploring stolen data markets online. Criminal Justice Studies. 7. Anderson, R. et al. (2013). Measuring the cost of cybercrime. WEIS. 8. Raqamli kriminalistika va karding bozorlariga oid zamonaviy maqolalar to‘plami (2023-yil). SIMULYATSION TEXNOLOGIYALAR ORQALI TALABALARDA AMALIY TARMOQ KO‘NIKMALARINI RIVOJLANTIRISH Pozilova Shaxnoza Xaydaraliyevna, Muhammad al-Xorazmiy nomidagi TATU, DSc, professor Qilichev Sunnatillo Toxir o‘g‘li, GulDU o‘qituvchisi E-mail.sunnatilloqilichev808@gmail.com Annotatsiya. Ushbu tezisda oliy ta’lim muassasalarida simulyatsion texnologiyalar asosida amaliy tarmoq ko‘nikmalarini shakllantirish muammosi tahlil qilinadi. Maqsad tarmoq fanlarini o‘qitishda virtual laboratoriyalarni didaktik jihatdan asoslash va baholash mezonlarini 193

taklif etishdir. Metodologiya sifatida dizayn asosidagi tadqiqot, kompetensiyaviy yondashuv hamda amaliy topshiriqlar tahlili qo‘llanadi. Ilmiy yangilik simulyatsiya ssenariylarini ko‘nikma indikatorlari bilan bog‘lovchi modelda ifodalanadi. Аннотация. В данной работе анализируется проблема формирования практических сетевых навыков на основе технологий моделирования в высших учебных заведениях. Цель – предложить дидактическое обоснование и критерии оценки виртуальных лабораторий в преподавании сетевых дисциплин. В качестве методологий используются проектно-ориентированное исследование, компетентностный подход и анализ практических задач. Научная инновация выражена в модели, связывающей сценарии моделирования с показателями навыков. Abstract. This thesis analyzes the problem of forming practical network skills based on simulation technologies in higher education institutions. The goal is to propose didactic justification and evaluation criteria for virtual laboratories in teaching network subjects. Design-based research, a competency-based approach, and analysis of practical tasks are used as methodologies. Scientific innovation is expressed in a model that connects simulation scenarios with skill indicators. Kalit so‘zlar. simulyatsion texnologiya, virtual laboratoriya, tarmoq ko‘nikmalari, ssenariyli topshiriq, kompetensiya, baholash rubrikasi, kiberxavfsizlik. Ключевые слова. технология моделирования, виртуальная лаборатория, сетевые навыки, задача на основе сценариев, компетенция, оценочная шкала, кибербезопасность Keywords. simulation technology, virtual laboratory, network skills, scenario-based task, competency, evaluation rubric, cybersecurity Kirish. Raqamli infratuzilma va xizmatlarning kengayishi sharoitida tarmoq texnologiyalarini o‘qitish faqat nazariy bilimni yetkazish bilan chegaralanib qolmay, balki talabaning real muhitga yaqin amaliy vaziyatlarda qaror qabul qilish, konfiguratsiya qilish, nosozliklarni aniqlash va xavfsizlik talablari asosida ishlash ko‘nikmalarini barqaror shakllantirishni talab etadi. An’anaviy “fizik laboratoriya” modeli bu ehtiyojni qisman qondiradi, biroq u resurslar cheklanganligi, uskunalarni tez eskirishi, xavfsizlik xatarlarini oshirishi hamda guruhlar soni ko‘paygan sari individual amaliyot vaqtining qisqarishi kabi omillar tufayli didaktik imkoniyatlarini yo‘qotadi. Shu sababli simulyatsion texnologiyalar ta’limda nafaqat tejamkor muqobil, balki tarmoq bo‘yicha kasbiy kompetensiyalarni bosqichma-bosqich va nazorat qilinadigan sharoitda rivojlantiruvchi mustaqil didaktik muhit sifatida qaralishi lozim. Simulyatsion yondashuvning markazida “real tizimning funksional xattiharakatini didaktik maqsadlarda qayta yaratish” tamoyili turadi. Tarmoq ta’limida bu tamoyil topologiyalarni modellashtirish, protokollar ishlashini kuzatish, trafik oqimini tahlil qilish, qurilmalar konfiguratsiyasini tekshirish va nosozliklarni ssenariy asosida keltirib chiqarish kabi imkoniyatlarda namoyon bo‘ladi. Mazkur imkoniyatlar talabaning faqat “to‘g‘ri buyruqni kiritish” darajasida emas, balki konfiguratsiya mantiqini tushuntirish, alternativ yechimlarni solishtirish va cheklovlar sharoitida optimal qaror tanlash kompetensiyalarini shakllantirishga xizmat qiladi. Ta’lim texnologiyalari bo‘yicha kompetensiyaviy yondashuvda o‘quv natijasi amaliy faoliyat orqali namoyon bo‘ladigan ko‘nikmalar majmui sifatida izohlanadi; demak, simulyatsiya o‘quv natijasini “ko‘rsatib berish” mumkin bo‘lgan muhitni yaratadi [1]. 194

Biroq simulyatsion laboratoriya avtomatik tarzda yuqori natija bermaydi; uning samaradorligi ssenariy dizayni, ko‘nikma indikatorlari, baholash mezonlari va refleksiya mexanizmlarining uyg‘unligiga bog‘liq. Shuning uchun tezisda simulyatsiya asosida amaliy tarmoq ko‘nikmalarini rivojlantirishning didaktik modeli taklif etiladi. Model uchta o‘zaro bog‘langan darajani qamrab oladi: birinchi daraja konseptual daraja bo‘lib, unda o‘quv maqsadlari tarmoq administratori va muhandis faoliyatidagi tipik vazifalarga mos kompetensiyalarga ajratiladi; ikkinchi daraja protsessual daraja bo‘lib, bunda simulyatsiya ssenariylari murakkablikning gradatsiyasi asosida tuziladi; uchinchi daraja baholash darajasi bo‘lib, u rubrikalar, log-fayllar tahlili hamda yakuniy “ishlaydigan yechim” mezonlari orqali natijani tasdiqlaydi. Mazkur yondashuv konstruktiv moslik g‘oyasiga tayangan holda maqsad, faoliyat va baholash o‘rtasidagi uzviylikni ta’minlaydi [2]. Asosiy qism. Protsessual darajada ssenariyli topshiriqlarni ishlab chiqish alohida ahamiyatga ega, chunki tarmoq amaliyoti ko‘pincha noaniqlik bilan kechadi: bir xil simptom turli sabablar natijasi bo‘lishi mumkin, resurs cheklovlari, xavfsizlik siyosati va mavjud infratuzilma qarorni cheklaydi. Shu nuqtai nazardan, simulyatsiya “ideal laboratoriya” emas, balki nazorat qilinadigan murakkablikka ega “o‘quv poligoni” bo‘lishi kerak. Ssenariy dizaynida uch turdagi topshiriqlar bosqichma-bosqich qo‘llanadi: reproduktiv topshiriqlar (masalan, berilgan topologiyada statik marshrutlashni sozlash), variativ topshiriqlar (bir nechta protokoldan mosini tanlash va asoslash), diagnostik topshiriqlar (oldindan kiritilgan xatolarni aniqlash va tuzatish). Ushbu ketma-ketlik talabaning ijro ko‘nikmasidan tahliliy ko‘nikmaga, undan esa muammoli vaziyatda strategik fikrlashga o‘tishini ta’minlaydi. Ta’limdagi simulyatsiya bo‘yicha xalqaro tadqiqotlarda ham murakkablikni bosqichma-bosqich oshirish, talabaning kognitiv yuklamasini me’yorlash va refleksiyani majburiy element sifatida kiritish samaradorlik sharti sifatida qayd etiladi [3]. Baholash darajasida muammo shundaki, tarmoq amaliyoti natijasi ko‘pincha “hammasi ishladi” degan yakuniy holat bilan cheklanib qoladi, holbuki ta’limda jarayonning mantiqiy asoslanganligi, xavfsizlik talablariga rioya qilish va hujjatlashtirish ko‘nikmasi ham teng darajada muhim. Shuning uchun rubrika asosidagi baholash taklif etiladi: unda konfiguratsiya to‘g‘riligi, izchilligi, xatoliklarni tahlil qilish sifati, buyruqlarni izohlash, xavfsiz sozlash (masalan, parollar siyosati, xizmatlarni cheklash, segmentatsiya) va hujjatlashtirish mezonlari ballarga ajratiladi. Simulyatsion muhitning loglari, paket tahlili natijalari va topologiya holati o‘qituvchiga baholashni obyektivlashtirish imkonini beradi, talaba esa o‘z faoliyatini qayta ko‘rib chiqish, xatolar xaritasini tuzish va keyingi urinishda strategiyani o‘zgartirish orqali o‘rganadi. Pedagogik o‘lchov nazariyasida baholashning ishonchliligi va validligi rubrika mezonlarining aniq indikatorlar bilan ifodalanishiga bog‘liq ekani ko‘rsatiladi; shu bois mezonlar tarmoq ko‘nikmalarining kuzatiladigan natijalari bilan bog‘lanadi [4]. Modelning muhim jihati sifatida simulyatsiyani real uskunalar bilan mutlaq qarama-qarshi qo‘yish emas, balki aralash laboratoriya kontsepsiyasini asoslash 195

zarur. Simulyatsiya talabalarga ko‘p martalik mashq, xavfsiz tajriba, murakkab topologiyalarni tez yaratish imkonini bersa, real uskuna bilan ishlash kabel infratuzilmasi, fizik qatlam muammolari, qurilma resurslari va ishlab chiqaruvchi cheklovlarini his qilishga yordam beradi. Shu sababli o‘quv rejasida simulyatsion bosqichni “tayyorlov va mustahkamlash” zonasi sifatida, real laboratoriyani esa “verifikatsiya va kasbiy moslashtirish” zonasi sifatida joylashtirish maqsadga muvofiq. Bu yondashuv resurslarni oqilona taqsimlaydi: ko‘pchilik amaliy mashqlar simulyatsiyada bajariladi, real uskuna esa yakuniy integratsion ishlar va sinovlar uchun saqlanadi. O‘qitishning bunday dizayni ta’lim jarayonining uzluksizligi va xavfsizligini oshiradi, ayniqsa kiberxavfsizlik elementlari kiritilganda, zararli trafik yoki noto‘g‘ri konfiguratsiya real tarmoq infratuzilmasiga ta’sir ko‘rsatmaydi [5]. Tadqiqot metodologiyasi sifatida dizayn asosidagi tadqiqot yondashuvi tanlanadi, chunki u ta’lim muammosini amaliy muhitda iterativ yechimlar orqali hal qilish, modelni sinovdan o‘tkazish va takomillashtirishni ko‘zda tutadi. Birinchi iteratsiyada kompetensiyalar xaritasi tuziladi: masalan, IP adreslash va subnetlash, marshrutlash protokollari, VLAN va trunk, ACL siyosatlari, NAT, xizmatlar (DHCP, DNS), monitoring va nosozliklarni bartaraf etish. Har bir kompetensiya uchun ko‘nikma indikatorlari aniqlanadi: “topologiyaga mos adreslash rejasini ishlab chiqadi”, “marshrutlash tanlovini asoslaydi”, “trafikning bloklanish sababini paket tahlili orqali ko‘rsatadi” kabi. Ikkinchi iteratsiyada ssenariy banki ishlab chiqilib, har bir ssenariy indikatorlar bilan bog‘lanadi; uchinchi iteratsiyada rubrika va avtomatlashtirilgan tekshiruv elementlari sinovdan o‘tkaziladi. Ta’lim jarayonida talabalar faoliyati loglar, test natijalari, amaliy ish hisobotlari va reflektiv yozuvlar orqali yig‘iladi; tahlil jarayonida ko‘nikmalar dinamikasi, xatolar tipologiyasi va o‘qituvchi aralashuvi samarasi aniqlanadi. Bu yerda maqsad faqat o‘rtacha ballni oshirish emas, balki talabaning tarmoq muammolarini yechishdagi fikrlash modeli qanday o‘zgarishini ko‘rsatishdir. Xulosa va amaliy tavsiyalar. Natijalar muhokamasida asosiy e’tibor simulyatsiyaning qaysi sharoitlarda kuchli, qaysi sharoitlarda cheklangan ekaniga qaratiladi. Kuchli jihat sifatida takroriy mashq, tezkor qayta aloqa va xavfsiz tajriba ko‘rsatiladi; cheklovlar esa fizik qatlam tajribasining yetishmasligi, ayrim ishlab chiqaruvchi xususiyatlarining to‘liq aks etmasligi va talaba “buyruqlarni yodlash” strategiyasiga og‘ib ketishi xavfi bilan bog‘liq. Shu xavfni kamaytirish uchun topshiriqlarda izohlash va asoslash elementi majburiy qilinadi, muqobil yechimlarni solishtirish kiritiladi, shuningdek, “qisman ishlaydigan, ammo xavfsiz emas” konfiguratsiyalar rubrikada past baholanadi. Ta’limda raqamli vositalardan foydalanish bo‘yicha mahalliy tajriba shuni ko‘rsatadiki, pedagogik nazorat va metodik qo‘llab-quvvatlash bo‘lmasa, texnologiya o‘zi kutilgan samarani bermaydi; demak, simulyatsiya o‘qituvchining didaktik mahoratini talab qiladigan murakkab vosita sifatida ko‘riladi [1]. Xulosa sifatida simulyatsion texnologiyalar tarmoq ta’limida amaliy ko‘nikmalarni rivojlantirishning metodik jihatdan samarali yo‘li ekanini ta’kidlash mumkin, biroq samaradorlik ssenariy dizayni, kompetensiya indikatorlari, rubrika 196

asosidagi baholash va refleksiya mexanizmlari bilan ta’minlangandagina barqaror natijaga aylanadi. Taklif etilgan model simulyatsiya topshiriqlarini o‘quv natijalari bilan konstruktiv moslashtirish, baholashni obyektivlashtirish va talabalarda diagnostik hamda xavfsiz konfiguratsiya ko‘nikmalarini shakllantirishga xizmat qiladi. Amaliy jihatdan bu yondashuv resurslarni tejaydi, o‘quv jarayonini individuallashtiradi va talabaning real kasbiy vaziyatlarga tayyorgarligini oshiradi. Foydalanilgan adabiyotlar: 1. Muslimov N.A., Usmonboeva M.H., Sayfurov D.M., To‘raev A.B. Pedagogik kompetentlik va kompetensiyaviy yondashuv asoslari. Toshkent: Fan va texnologiya, 2015. 216 b. 2. Biggs J., Tang C. Teaching for Quality Learning at University. 4th ed. Maidenhead: Open University Press, 2011. 389 p. 3. De Jong T., Sotiriou S., Gillet D. Innovations in STEM education: the Go-Lab federation of online labs. Smart Learning Environments. London: Springer, 2014. P. 1–16. 4. Andrich D. Rasch Models for Measurement. Newbury Park: Sage Publications, 1988. 95 p. 5. Олифер В.Г., Олифер Н.А. Компьютерные сети. Принципы, технологии, протоколы. Санкт-Петербург: Питер, 2016. 992 с. 6. Tanenbaum A.S., Wetherall D.J. Computer Networks. 5th ed. Boston: Pearson, 2011. 960 p. SUN’IY INTELLEKT ASOSIDAGI ADAPTIV O‘QITISH TIZIMLARI ORQALI UMUMKASBIY FANLARNI O‘ZLASHTIRISH SAMARADORLIGINI OSHIRISH METODIKASI (Аxborot tizimlari va texnologiyalari yo‘nalishi misolida) Taniberdiyev Akbarjon Abduganiyevich, GulDU, Axborot texnologiyalari kafedrasi dotsenti (PhD). E-mail. akbartaniberdiev@gmail.com Annotatsiya. Mazkur maqolada sun’iy intellekt asosidagi adaptiv o‘qitish tizimlari yordamida “Axborot tizimlari va texnologiyalari” yo‘nalishida umumkasbiy fanlarni o‘zlashtirish samaradorligini oshirish metodikasi ilmiy jihatdan asoslab beriladi. Tadqiqotda raqamli ta’lim muhitida o‘quv jarayonini individuallashtirish, talabalarning bilim darajasi va kognitiv xususiyatlarini inobatga olgan holda o‘quv trayektoriyasini moslashtirish mexanizmlari tahlil qilinadi. Adaptiv tizimlarning sun’iy intellekt algoritmlariga tayangan holda real vaqt rejimida o‘quv faoliyatini monitoring qilish, bilim bo‘shliqlarini aniqlash, o‘quv materialining murakkablik darajasini dinamik o‘zgartirish hamda individual pedagogik tavsiyalar ishlab chiqish imkoniyatlari ochib beriladi. Shuningdek, umumkasbiy fanlarni o‘qitishda algoritmik fikrlash, tizimli tahlil, dasturlash va ma’lumotlar bazalari kabi murakkab tushunchalarni o‘zlashtirish jarayonida adaptiv metodikaning afzalliklari yoritiladi. Tadqiqot natijalari sun’iy intellekt asosidagi adaptiv o‘qitish tizimlari ta’lim jarayonining shaxsga yo‘naltirilganligini kuchaytirishi, baholashning obyektivligini ta’minlashi hamda kasbiy kompetensiyalarni shakllantirish samaradorligini oshirishini ko‘rsatadi. Kalit so‘zlar: Sun’iy intellekt, adaptiv o‘qitish tizimi, raqamli ta’lim muhiti, individuallashtirish, umumkasbiy fanlar, axborot tizimlari va texnologiyalari, o‘quv trayektoriyasi, pedagogik monitoring, kasbiy kompetensiya, avtomatik baholash. Аннотация. В данной статье научно обосновывается методология повышения эффективности освоения общепрофессиональных дисциплин в направлении «Информационные системы и технологии» с использованием адаптивных обучающих 197

систем на основе искусственного интеллекта. В исследовании анализируются механизмы индивидуализации учебного процесса в цифровой образовательной среде, адаптация траектории обучения с учетом уровня знаний и когнитивных характеристик студентов. Раскрываются возможности адаптивных систем на основе алгоритмов искусственного интеллекта для мониторинга учебной деятельности в реальном времени, выявления пробелов в знаниях, динамического изменения уровня сложности учебного материала и разработки индивидуальных педагогических рекомендаций. Также подчеркиваются преимущества адаптивной методологии в процессе освоения сложных понятий, таких как алгоритмическое мышление, системный анализ, программирование и базы данных, при преподавании общепрофессиональных дисциплин. Результаты исследования показывают, что адаптивные обучающие системы на основе искусственного интеллекта повышают индивидуальную направленность учебного процесса, обеспечивают объективность оценки и повышают эффективность формирования профессиональных компетенций. Ключевые слова: искусственный интеллект, адаптивная обучающая система, цифровая образовательная среда, индивидуализация обучения, общепрофессиональные дисциплины, информационные системы и технологии, учебная траектория, педагогический мониторинг, профессиональная компетентность, автоматизированное оценивание. Abstract. This article presents a scientifically substantiated methodology for improving the effectiveness of mastering general professional disciplines in the field of "Information Systems and Technologies" using adaptive learning systems based on artificial intelligence. The study analyzes mechanisms for individualizing the learning process in a digital educational environment and adapting the learning trajectory based on students' knowledge level and cognitive characteristics. It reveals the potential of adaptive systems based on artificial intelligence algorithms for monitoring learning activities in real time, identifying knowledge gaps, dynamically adjusting the difficulty level of educational material, and developing individualized pedagogical recommendations. It also highlights the advantages of adaptive methodology in mastering complex concepts such as algorithmic thinking, systems analysis, programming, and databases when teaching general professional disciplines. The study's results demonstrate that adaptive learning systems based on artificial intelligence enhance the individual focus of the learning process, ensure objective assessment, and improve the effectiveness of developing professional competencies. Keywords: artificial intelligence, adaptive learning system, digital learning environment, individualization, general professional disciplines, information systems and technologies, learning trajectory, pedagogical monitoring, professional competence, automated assessment. Kirish. Sun’iy intellekt asosidagi adaptiv o‘qitish tizimlari zamonaviy raqamli ta’lim paradigmasining muhim tarkibiy qismi sifatida ta’lim jarayonini individuallashtirish, moslashtirish va optimallashtirish imkoniyatlarini kengaytiradi. Axborot tizimlari va texnologiyalari yo‘nalishida umumkasbiy fanlarni o‘qitish jarayonida bunday tizimlardan foydalanish bilimlarni o‘zlashtirish samaradorligini oshirish, talabalarning kasbiy kompetensiyalarini shakllantirish hamda ta’lim natijalarining barqarorligini ta’minlashga xizmat qiladi. Adaptiv o‘qitish tizimlarining metodik asoslari sun’iy intellekt algoritmlarining o‘quv faoliyatini tahlil qilish, o‘rganish trayektoriyasini avtomatik moslashtirish va individual pedagogik ta’sirni shakllantirish imkoniyatlariga tayangan holda ishlab chiqiladi. Axborot tizimlari va texnologiyalari yo‘nalishidagi umumkasbiy fanlar mazmunan murakkab, abstrakt tushunchalarga boy va yuqori darajadagi mantiqiy 198