Sun’iy Intellekt va Raqamli Iqtisodiyot

So‘zning hujjatlar to‘plamidagi muhimlik darajasi esa quyidagi formula bilan hisoblanadi:[8] 𝐷 𝐼𝐷𝐹(𝑤) = log 𝑑𝑓(𝑤) bu yerda: • 𝐷— hujjatlar umumiy soni • 𝑑𝑓(𝑤)— so‘z uchraydigan hujjatlar soni Natijada so‘zning yakuniy vazni quyidagicha aniqlanadi: 𝑊(𝑤) = 𝑇𝐹(𝑤) × 𝐼𝐷𝐹(𝑤) Har bir gapning muhimlik darajasini aniqlash uchun gap tarkibidagi so‘zlarning vaznlari yig‘indisi hisoblanadi: 𝑆𝑐𝑜𝑟𝑒(𝑆𝑖 ) = ∑ 𝑊(𝑤) 𝑤∈𝑆𝑖 bu yerda 𝑆𝑐𝑜𝑟𝑒(𝑆𝑖 )— i-gapning ahamiyat darajasi.[9] Hisoblash natijasida barcha gaplar muhimlik darajasiga ko‘ra tartiblanadi. Eng yuqori qiymatga ega bo‘lgan gaplar matnning asosiy mazmunini ifodalaydi. Agar annotatsiya uzunligi 𝑘ta gap bilan cheklansa, u holda quyidagi to‘plam tanlanadi: 𝐴 = {𝑆𝑖1 , 𝑆𝑖2 , . . . , 𝑆𝑖𝑘 } bu yerda 𝐴— yakuniy annotatsiya. Taklif etilayotgan algoritmning ishlash ketma-ketligi quyidagi pseudokod orqali ifodalanadi. Algorithm UzbekExtractiveAnnotation(Text T, k) Input: T – matn k – annotatsiyaga olinadigan gaplar soni Output: A – matn annotatsiyasi 1. T ni gaplarga ajratish → S = {S1, S2, …, Sn} 2. Har bir gapni so‘zlarga ajratish 3. Stop-so‘zlarni olib tashlash 4. Har bir so‘z uchun TF qiymatini hisoblash 5. Har bir so‘z uchun IDF qiymatini hisoblash 6. So‘z vaznini hisoblash: W(w) = TF(w) × IDF(w) 7. Har bir gap uchun score hisoblash: Score(Si) = Σ W(w) 8. Gaplarni score bo‘yicha tartiblash 9. Eng yuqori k ta gapni tanlash 10. Tanlangan gaplarni asl tartibda joylashtirish 11. Annotatsiya A ni hosil qilish Return A Algoritmning umumiy ishlash jarayoni 1-rasmda keltirilgan blok-sxema orqali tasvirlangan 399

1-rasm. Extractive annotatsiya algoritmining blok-sxemasi Yuqorida keltirilgan blok-sxema stop-so‘zlarni aniqlash va matnni qayta ishlash jarayonining asosiy bosqichlarini ko‘rsatadi. Ushbu jarayon matnni dastlabki tozalashdan boshlanib, tokenizatsiya, so‘zlar chastotasini aniqlash va semantik ahamiyati past bo‘lgan birliklarni ajratib olish bosqichlarini o‘z ichiga oladi.[10] Xulosa. Mazkur maqolada o‘zbek tilidagi matnlarni avtomatik annotatsiyalashning extractive usulga asoslangan algoritmik modeli taklif etildi. Bu yondashuv matnni oldindan qayta ishlash, so‘zlarning statistik ahamiyatini aniqlash hamda gaplarni muhimlik darajasiga ko‘ra baholash bosqichlariga asoslanadi. Algoritmda TF–IDF usulidan foydalanish orqali matndagi muhim so‘zlar aniqlanib, ular asosida gaplarning ahamiyati hisoblab chiqildi. Natijada eng yuqori bahoga ega bo‘lgan gaplar tanlab olinib, matnning qisqa va mazmunli annotatsiyasi shakllantirildi. Bu model o‘zbek tilidagi matnlarni avtomatik tahlil qilish va ularning asosiy mazmunini aniqlash jarayonini samarali tashkil etish imkonini beradi. Olib borilgan tadqiqot natijalari shuni ko‘rsatadiki, extractive usulga asoslangan algoritmlar matnni qayta ishlash jarayonida sodda va hisoblash jihatdan samarali hisoblanadi. Ushbu yondashuv katta hajmdagi matnli ma’lumotlar bilan ishlashda foydalanuvchiga matn mazmunini tez anglash imkonini beradi hamda axborotni saralash jarayonini sezilarli darajada tezlashtiradi. Amaliy jihatdan ushbu algoritmik modeldan elektron kutubxonalar, ilmiy maqolalar bazalari, yangiliklar portallari va ta’lim platformalarida matnlarni avtomatik qisqa mazmunga keltirish tizimlarini yaratishda foydalanish mumkin. Shuningdek, mazkur yondashuv o‘zbek tilidagi tabiiy tilni qayta ishlash tizimlarini rivojlantirishda ham muhim ahamiyat kasb etadi. Foydalanilgan adabiyotlar 1. Abduqodirov A.A., Hayitov A.A. Axborot texnologiyalari. – Toshkent: O‘qituvchi, 2018. 2. Karimov M.M., Axmedov B.A. Sun’iy intellekt asoslari. – Toshkent: Fan va texnologiya, 2020. 400

3. Po‘latov Sh.M. Tabiiy tilni qayta ishlash texnologiyalari. – Toshkent: Innovatsion rivojlanish nashriyoti, 2021. 4. Tursunov S.T., Raxmatullayev M.R. Matnlarni avtomatik qayta ishlash usullari va algoritmlari. – Toshkent: Fan, 2019. 5. Sh.Bekchanov O‘zbek tili matnlarida nomuhim so‘zlarni aniqlash metodlari. Ilm sarchashmalari, 11 qism, 2022- yil 6. Kh. Madatov, Sh. Bekchanov, J. Vičič, Dataset of stopwords extracted from Uzbek texts. Data in Brief Volume 43, August 2022 7. Sh. Bekchanov, X. Madatov. TF-IDF uslubi asosida o‘zbekcha matnni avtomatik xulosalashtirish dasturi. O‘zbekiston Respublikasi Adliya vazirligi. Elektron hisoblash mashinalari uchun yaratilgan dasturning rasmiy ro‘yxatdan o‘tkazilganligi to‘g‘risidagi guvohnoma. № DGU27239. 05.09.2023. 8. UzbekStemmer: Development of a Rule-Based Stemming Algorithm for Uzbek Language — M. Sharipov, O. Yuldashov. 2022. 9. UzbekTagger: The Rule-Based POS Tagger for Uzbek Language — M. Sharipov, E. Kuriyozov, O. Yuldashev, O. Sobirov. 2023. 10. Dataset of Stopwords Extracted from Uzbek Texts — K. Madatov, S. Bekchanov, J. Vičič. Data in Brief, 2022. SEMANTIK O‘XSHASH MATNLARNI ANIQLASH MODELLARI Sharipov Alisher, Abu rayhon Beruniy nomidagi UrDU magistranti, alish20001225@gmail.com Babadjanova Malika, Abu rayhon Beruniy nomidagi UrDU magistranti, babadjanovamalika060797@gmail.com Annotatsiya. Ushbu maqolada o‘zbek tilidagi semantik jihatdan o‘xshash matnlarni aniqlashda an’anaviy mashinaviy o‘rganish modellarining matn bilan ishlash mexanizmi tahlil qilinadi. Xususiyat ajratish usullari va klassik tasniflash algoritmlarining qo‘llanish jarayoni batafsil yoritiladi. Kalit so‘zlar: O‘zbek tili, Semantik o‘xshashlik, TF-IDF, Naive Bayes, SVM. Аннотация. В статье подробно рассматривается механизм работы традиционных моделей машинного обучения с текстовыми данными при определении семантического сходства. Анализируются этапы векторизации и применения алгоритмов классификации. Ключевые слова: Узбекский язык, Семантическое сходство, TF-IDF, Наивного Байеса, SVM. Abstract. This paper provides a detailed explanation of how traditional machine learning models process textual data for semantic similarity detection. The workflow of vectorization and classification algorithms is analytically described. Keywords: Uzbek language, Semantic similarity, TF-IDF, Naive Bayes, SVM. Kirish. Matnli ma’lumotlar bilan ishlash zamonaviy axborot tizimlarining ajralmas va muhim tarkibiy qismiga aylandi. Raqamli texnologiyalarning jadal rivojlanishi natijasida internet resurslari, ilmiy maqolalar, ijtimoiy tarmoqlar, bloglar hamda turli elektron hujjatlar hajmi keskin ortib bormoqda. Bunday katta hajmdagi ma’lumotlar oqimi ichidan kerakli axborotni tez va aniq topish, ularni tartibga solish hamda tahlil qilish masalasi dolzarb ahamiyat kasb etmoqda. Ayniqsa, mazmun jihatidan bir-biriga yaqin yoki o‘xshash bo‘lgan matnlarni aniqlash vazifasi ko‘plab amaliy sohalarda — axborot qidiruv tizimlari, plagiatni aniqlash, savol-javob tizimlari va tavsiya berish platformalarida keng qo‘llaniladi. 401

Semantik o‘xshashlikni aniqlash vazifasi oddiy so‘zlar mosligini topishdan ancha murakkab hisoblanadi. Chunki bunda matn tarkibidagi so‘zlarning bevosita takrorlanishi emas, balki ularning mazmuniy yaqinligi, kontekstdagi ma’nosi va umumiy g‘oyasi hisobga olinadi. Masalan, bir xil fikr turli so‘z va iboralar orqali ifodalangan bo‘lishi mumkin, ammo ular semantik jihatdan bir-biriga juda yaqin bo‘ladi. Shuning uchun bunday vazifalarni bajarishda chuqurroq tahlil usullari va samarali algoritmlar zarur bo‘ladi. An’anaviy mashinaviy o‘rganish modellaridan foydalanish ayniqsa kichik va o‘rta hajmdagi ma’lumotlar to‘plamlarida samarali natija beradi. Ushbu modellar katta hisoblash quvvatini talab qilmaydi, nisbatan tez o‘qitiladi va ularning ishlash mexanizmini tushuntirish osonroq. Bu esa amaliy loyihalarda, ayniqsa resurslari cheklangan muhitlarda muhim afzallik hisoblanadi. Shuningdek, bunday yondashuvlar yordamida matnni vektor ko‘rinishiga o‘tkazish, xususiyatlarni ajratib olish va turli tasniflash yoki o‘xshashlikni baholash algoritmlarini qo‘llash mumkin. Ushbu maqolada an’anaviy mashinaviy o‘rganish modellarining matnli ma’lumotlar bilan ishlash jarayoni bosqichma-bosqich ko‘rib chiqiladi. Jumladan, matnni dastlabki qayta ishlash, xususiyatlar ajratish, model tanlash va o‘qitish hamda natijalarni baholash bosqichlari batafsil tahlil qilinadi. Shuningdek, semantik o‘xshashlikni aniqlash jarayonida qo‘llaniladigan asosiy usullar va ularning afzalliklari yoritib beriladi. Asosiy qism. Semantik o‘xshashlikni aniqlash jarayoni odatda bir nechta ketma-ket bosqichlardan iborat bo‘ladi. Dastlab matnlar tozalanadi: ortiqcha belgilar, stopso‘zlar olib tashlanadi, so‘zlar kichik harflarga o‘tkaziladi va lemmatizatsiya yoki stemming bajariladi. Data preprocessing jaroyoni 1-rasmda ifodalangan. 1-rasm. Matnni dastlabki qayta ishlash (text preprocessing) bosqichlari. Bu bosqich modelga faqat mazmuniy ahamiyatga ega birliklarni uzatishga xizmat qiladi. Keyingi bosqich — matnni sonli ko‘rinishga o‘tkazishdir. Bag-of-Words modelida har bir hujjat lug‘atdagi barcha so‘zlarga nisbatan chastota vektori ko‘rinishida ifodalanadi, bu jaroyon 2 rasmda tasvirlangan. 402

2-rasm. Bag-of-Words modeli yordamida matnni vektor ko‘rinishiga o‘tkazish. Masalan, agar lug‘atda 5000 ta so‘z mavjud bo‘lsa, har bir matn 5000 o‘lchamli vektor bilan tasvirlanadi. Model matnni aynan shu vektor asosida tahlil qiladi. Semantik o‘xshashlik aniqlashda ikki matn vektorlari o‘rtasidagi kosinus o‘xshashligi hisoblanadi: A⋅B 𝑆𝑖𝑚(𝐴, 𝐵) = ∥A∥∥B∥ (1) Bu yondashuv tez ishlaydi, biroq so‘zlar tartibini hisobga olmaydi. TF-IDF modelida esa matndagi so‘zlarning ahamiyati ularning butun korpus bo‘yicha uchrash chastotasiga bog‘liq holda og‘irliklanadi. Bu model matnni shunchaki chastota sifatida emas, balki muhim terminlar asosida ifodalaydi. Natijada model kam uchraydigan, lekin mazmunan muhim so‘zlarga katta ahamiyat beradi. Bu semantik yaqinlikni aniqlashda aniqroq natija beradi. N-gram modeli esa so‘zlar ketma-ketligini hisobga oladi. Masalan, “sun’iy intellekt” iborasi alohida ikki so‘z sifatida emas, balki yagona bigram sifatida ko‘riladi. Bu usul ibora darajasidagi o‘xshashlikni aniqlash imkonini beradi, lekin o‘lchamning oshishi sababli hisoblash murakkablashadi. Xususiyatlar tayyor bo‘lgach, klassifikatsiya bosqichi boshlanadi. Naive Bayes matnni ehtimollik asosida tasniflaydi. U har bir so‘zning ma’lum klassga tegishlilik ehtimolini hisoblaydi va barcha ehtimollarni ko‘paytirish orqali yakuniy natijani aniqlaydi. Masalan, ikki matn “o‘xshash” yoki “o‘xshash emas” degan sinflarga ajratilishi mumkin. Model har bir so‘zning ushbu sinflardagi ehtimolini o‘rganadi va yangi matn kelganda uning qaysi sinfga yaqinligini aniqlaydi. Matnlar orasidagi semantik o‘xshashlik masalalarida Naive Bayes tez ishlaydi va kichik ma’lumotlarda yaxshi natija beradi. Logistic Regression matn vektorini og‘irlik koeffitsientlari bilan ko‘paytiradi va natijani sigmoid funksiya orqali ehtimollikka aylantiradi: 1 P(y = 1 ∣ x) = (2) − 𝑤𝑇 𝑥 1+𝑒 Bu yerda x — matnning TF-IDF vektori, w — model tomonidan o‘rganilgan vaznlar. Model o‘qitish jarayonida har bir so‘zning o‘xshashlikni aniqlashdagi hissasini aniqlaydi. Natijada u matnlar orasidagi farqni aniqroq ajrata oladi. Logistic Regression interpretatsiya qilish uchun qulay, chunki har bir xususiyatning ta’sirini ko‘rish mumkin. 403

Support Vector Machine matn vektorlarini yuqori o‘lchamli fazoda ajratadi. 3-rasm. Ma’lumot nuqtalarini maksimal chegara bilan ajratilishi tasviri. U “o‘xshash” va “o‘xshash emas” sinflarini maksimal chegara bilan ajratadigan gipertekislikni topadi, bu jaroyini vizual korinishi 3-rasmda ko‘rsatilgan. Matnli ma’lumotlar odatda yuqori o‘lchamli va siyrak bo‘lganligi sababli SVM ayniqsa samarali ishlaydi. TF-IDF bilan birgalikda qo‘llanganda u yuqori aniqlik beradi. Hisoblash samaradorligi nuqtai nazaridan Naive Bayes eng tezkor model hisoblanadi. Logistic Regression o‘rtacha murakkablikka ega. SVM esa yuqori aniqlik evaziga ko‘proq hisoblash vaqtini talab qilishi mumkin. Kichik va o‘rta hajmdagi ma’lumotlar uchun ushbu modellar katta hajmli chuqur o‘rganish modellariga nisbatan kamroq resurs talab qiladi va tezroq joriy etiladi. Xulosa va amaliy tavsiyalar. Tadqiqot natijalari shuni ko‘rsatadiki, an’anaviy mashinaviy o‘rganish modellarini to‘g‘ri tanlangan xususiyat ajratish usullari bilan birgalikda qo‘llash semantik o‘xshashlikni aniqlashda yuqori samaradorlik beradi. Amaliy tizimlarda avvalo matnni tozalash va normalizatsiya bosqichlarini sifatli bajarish tavsiya etiladi. TF-IDF asosidagi vektorlash ko‘pchilik holatlarda optimal yechim bo‘lib xizmat qiladi. Yuqori aniqlik zarur bo‘lganda SVM modelidan foydalanish maqsadga muvofiq. Tezkor va resurs cheklangan muhitda esa Naive Bayes modeli samarali hisoblanadi. Shunday qilib, kichik va o‘rta hajmdagi ma’lumotlar bilan ishlovchi tizimlarda an’anaviy mashinaviy o‘rganish modellaridan foydalanish iqtisodiy va texnik jihatdan asosli yechim hisoblanadi. Foydalanilgan adabiyotlar: 1. Matlatipov, S. G., Rajabov, J., Kuriyozov, E., & Aripov, M. (2024, May). UzABSA: Aspect-Based Sentiment Analysis for the Uzbek Language. In Proceedings of the 3rd Annual Meeting of the Special Interest Group on Under-resourced Languages@ LREC-COLING 2024 (pp. 394-403). 2. Kutlimuratova, B., Kuriyozov, E., Urazbaev, A., & Rakhimova, G. (2025, November). Corpus-Based Error Analysis of Uzbek EFL Learners’ Academic Writing. In 2025 IEEE XVII International Scientific and Technical Conference on Actual Problems of Electronic Instrument Engineering (APEIE) (pp. 1-5). IEEE. 3. Mattiev, J., Davityan, M., & Kavsek, B. (2023). ACMKC: A compact associative classification model using K-modes clustering with rule representations by coverage. Mathematics, 11(18), 3978. 404

4. Madatov, K., Matlatipov, S., & Aripov, M. (2023). Uzbek text's correspondence with the educational potential of pupils: a case study of the School corpus. arXiv preprint arXiv:2303.00465. MATEMATIKA DARSLARIDA RAQAMLI TEXNOLOGIYA HAMDA INTERFAOL METODLARDAN FOYDALANIB HAMKORLIKDA ISHLASH USULLARI Rajabova Xurshida Hakimovna, Qashqadaryo VPMM Maktabgacha, boshlang‘ich va maxsus ta’lim kafedrasi o‘qituvchisi xurshidarajabova@46gmail.com Annotatsiya. Maqolada matematika darslarida raqamli texnologiya asosida interfaol metodlardan foydalanish imkoniyatlari va afzalliklari xususida so‘z yuritiladi. Dars jarayonida raqamli texnologiyadan foydalanib hamkorlik texnologiyasini o‘quvchilarda shakllantirish jarayonlari haqida so‘z boradi. Kalit so‘zlar: maktab, ta’lim-tarbiya, interfaol, o‘qituvchi, o‘quvchi, ma’naviy-ahloqiy tarbiya dars, metod,raqamli texnologiya Abstract. The article discusses the possibilities and advantages of using interactive methods based on digital technology in mathematics lessons. The process of forming collaborative technology in students using digital technology during the lesson is discussed. Keywords: school, education, interactive, teacher, student, moral education lesson, method, digital technology Аннотация. В статье рассматриваются возможности и преимущества использования интерактивных методов на основе цифровых технологий на уроках математики. Обсуждается процесс формирования у учащихся навыков совместной работы с использованием цифровых технологий во время урока. Ключевые слова: школа, образование, интерактивный, учитель, ученик, урок нравственного воспитания, метод, цифровые технологии Kirish. Raqamlashtirish jarayonlari jamiyatning barcha jabhalarida, xususan, ta’lim sohasida muhim o‘rin tutmoqda. Dunyo bo‘ylab ta’lim tizimlari raqamli texnologiyalarni joriy etish orqali o‘quv jarayonini takomillashtirishga intilmoqda. O‘zbekistonda ham “Raqamli O‘zbekiston – 2030” strategiyasi doirasida ta’lim sohasida raqamli transformatsiya amalga oshirilmoqda. Hozirgi globallashuv va raqamli transformatsiya davrida taʼlim tizimining har bir bo‘g‘ini jadal rivojlanish bosqichini boshdan kechirmoqda. Anʼanaviy dars jarayonlari o‘z ahamiyatini yo‘qotmayotgan bo‘lsa-da, ularning samaradorligini oshirish uchun zamonaviy axborot-kommunikatsiya texnologiyalarini keng tatbiq etish ehtiyoji kuchaymoqda. Shu jarayonda sunʼiy intellekt texnologiyalari taʼlim jarayonini avtomatlashtirish, shaxsga yo‘naltirilgan yondashuvni kuchaytirish hamda o‘quvchilar bilimini aniq tahlil qilish imkoniyatlarini yaratmoqda. Raqamli taʼlimning eng muhim xususiyatlaridan biri taʼlim jarayonini faqatgina virtual platformaga ko‘chirish emas, balki o‘qitishning mazmuni va metodikasini tubdan o‘zgartirishi bilan izohlanadi. Bugungi kunda mamlakatimizda bo‘layotgan ulkan bunyodkorlik ishlari, ta’lim va tarbiya sohasida qabul qilingan qonun va qarorlar “Milliy dastur”imizda belgilab berilgan buyuk maqsadlar hozirgi kun o‘qituvchisini yanada ko‘proq mehnat qilishga, izlanishga da’vat etmoqda. Ushbu maqsadlarning ijobiy natijaga ega bo‘lishi, eng avvalo, yosh avlodga ilmiy bilimlar asoslarini puxta o‘rgatish, 405

ularda keng dunyoqarash hamda tafakkur ko‘lamini hosil qilish, ma’naviy-axloqiy sifatlarni shakllantirish borasidagi ta’limiy-tarbiyaviy ishlarni samarali tashkil etish bilan bog‘liqdir. Zero, yurtning porloq istiqbolini yaratish, uning nomini jahonga keng yoyish, ulug‘ ajdodlar tomonidan yaratilgan milliy-madaniy merosni jamiyatga namoyish etish, ularni boyitish yosh avlodni komil inson hamda malakali mutaxassis qilib tarbiyalashga bog‘liqdir. Zamonaviy ta’lim jarayonida raqamli texnologiyalar va sun’iy intellektning joriy etilishi pedagogik amaliyotning sifatini oshirish va o‘quv jarayonini yanada samarali tashkil etish imkonini bermoqda. Shu bilan birga, sun’iy intellekt o‘qituvchilarning pedagogik jarayonni boshqarish, o‘quv materiallarini moslashtirish va o‘quvchilarning bilim darajasini monitoring qilish bo‘yicha samarali vositalarni taqdim etadi. Ta’lim mazmunida, shuningdek, o‘quvchilar tomonidan o‘zlashtirilishi lozim bo‘lgan tushuncha, ko‘nikma hamda malakalarning hajmi ham o‘z ifodasini topa olishi lozim. Zero, ta’lim mazmunining g‘oyaviy jihatdan mukammalligi o‘quvchilar tomonidan muayan bilim, ko‘nikma va malakalarning o‘zlashtirilish darajasi bilan belgilanadi. Aynan darsning shakli, metod va vositalari ta’lim jarayonining muvaffaqiyatli ta’minlanishiga olib keladi. O‘quvchilarni ijodiy izlanish, faollik, erkin fikr yuritishga yo‘naltiruvchi ta’lim shakli, metod va vositalarining to‘g‘ri tanlanishi dars jarayonini samarali, qiziqarli, bahsmunozaralarga boy bo‘lishi, ijodiy tortishuvlarning yuzaga kelishiga turtki beradi. Asosiy qism. Bugungi kunda o‘quvchilarning o‘quv va ijodiy faolliklarini oshiruvchi hamda ta’lim-tarbiya jarayonining samaradorligini kafolatlovchi pedagogik texnologiyalarni qo‘llash borasida katta tajriba to‘plangan bo‘lib, ushbu tajriba asoslarini tashkil etuvchi metodlar interfaol metodlar nomi bilan yuritiladi. Matematika darslarida foydalaniladigan interfaol metodlardan bir nechtasining mohiyati va ulardan foydalanish usullarini ko‘rib chiqamiz. “Fikriy hujum” metodi. Mazkur metod o‘quvchilarning darslar jarayonidagi faolliklarini ta’minlash, ularni erkin fikr yuritishga rag‘batlantirish hamda bir xil fikrlash inertsiyasidan ozod etish, muayyan mazvu yuzasidan rang-barang g‘oyalarni to‘plash, shuningdek, ijodiy vazifalarni hal etish jarayonining dastlabki bosqichida paydo bo‘lgan fikrlarni yengishga o‘rganish uchun xizmat qiladi. “Klaster” metodi. Klaster (g‘uncha, bog‘lam) metodi pedagogik, didaktik strategiyaning muayyan shakli bo‘lib, u o‘quvchilarga ixtiyoriy muammolar xususida erkin, ochiq o‘ylash va shaxsiy fikrlarni bemalol bayon etish uchun sharoit yaratishga yordam beradi. Mazkur metod turli xil g‘oyalar o‘rtasidagi aloqalar to‘g‘risida fikrlash imkoniyatini beruvchi tuzilmani aniqlashni talab etadi. “Klaster” metodi aniq obyektga yo‘naltirilmagan fikrlash shakli sanaladi. Undan foydalanish inson miya faoliyatining ishlash tamoyili bilan bog‘liq ravishda amalga oshadi. Ushbu metod muayyan mavzuning o‘quvchilar tomonidan chuqur hamda puxta o‘zlashtirilguniga qadar fikrlash faoliyatining bir maromda bo‘lishini ta’minlashga xizmat qiladi. 406

“Zakovatli zukko” metodi. Mavjud bilimlarni puxta o‘zlashtirishda o‘quvchlarning fikrlash, tafakkur yuritish layoqatlariga egaliklari muhim ahamiyatga ega. “Zakovatli zukko” metodi o‘quvchlarda tezkor fikrlash ko‘nikmalarini shaklalantirish, shuningdek, “Fikriy hujum” metodi. Mazkur metod o‘quvchilarning darslar jarayonidagi faolliklarini ta’minlash, ularni erkin fikr yuritishga rag‘batlantirish hamda bir xil fikrlash inertsiyasidan ozod etish, muayyan mazvu yuzasidan rang-barang g‘oyalarni to‘plash, shuningdek, ijodiy vazifalarni hal etish jarayonining dastlabki bosqichida paydo bo‘lgan fikrlarni yengishga o‘rganish uchun xizmat qiladi. “Klaster” metodi. Klaster (g‘uncha, bog‘lam) metodi pedagogik, didaktik strategiyaning muayyan shakli bo‘lib, u o‘quvchilarga ixtiyoriy muammolar xususida erkin, ochiq o‘ylash va shaxsiy fikrlarni bemalol bayon etish uchun sharoit yaratishga yordam beradi. Mazkur metod turli xil g‘oyalar o‘rtasidagi aloqalar to‘g‘risida fikrlash imkoniyatini beruvchi tuzilmani aniqlashni talab etadi. Ushbu metod muayyan mavzuning o‘quvchilar tomonidan chuqur hamda puxta o‘zlashtirilguniga qadar fikrlash faoliyatining bir maromda bo‘lishini ta’minlashga xizmat qiladi Metod guruh asosida tashkil etilayotgan mashg‘ulotlar va o‘quvchilar tomonidan bildirilayotgan g‘oyalarning majmui tarzida namoyon bo‘ladi. Bu esa ilgari surilgan g‘oyalarni umumlashtirish va ular o‘rtasidagi aloqalarni topish imkoniyatini yaratadi. “Zakovatli zukko” metodi. Mavjud bilimlarni puxta o‘zlashtirishda o‘quvchlarning fikrlash, tafakkur yuritish layoqatlariga egaliklari muhim ahamiyatga ega. “Zakovatli zukko” metodi o‘quvchlarda tezkor fikrlash ko‘nikmalarini shaklalantirish, shuningdek, ularning tafakkur tezliklarini aniqlashga yordam beradi. Metod o‘z bilimlarini sinab ko‘rish istagida bo‘lgan o‘quvchlar uchun qulay imkoniyat yaratadi. Ular o‘qituvchi tomonidan berilgan savollarga qisqa muddatlarda to‘g‘ri va aniq javob qaytara olishlari zarur. Savollarning murakkablik darajasiga ko‘ra har bir savolga qaytarilgan to‘g‘ri javob uchun ballar belgilanadi. “Charxpalak” metodi. “Charxpalak” texnologiyasidan o‘quv mashg‘ulotlarining barcha turlarida, dars boshi va oxirida, biror bo‘lim tugatilganidan keyin, o‘tilgan mavzularni o‘zlashtirganlik darajasini baholashda, takrorlash, mustahkamlash, oraliq va yakuniy nazoratlarni o‘tkazishda foydalanish mumkin. Mashg‘ulotlarni yakka va guruh shaklida tashkil etsa bo‘ladi. Qolaversa, o‘z ichiga og‘zaki va yozma ish shakllarini qamragan holda turli mazmun va xarakterga ega mavzularni o‘rganishda ham asqotadi. Xulosa. Xulosa shundan iboratki, ta’lim jarayonida raqamli texnologiyalar va sun’iy intellektning qo‘llanilishi pedagogik jarayonning samaradorligini oshirish, o‘quvchilarning bilim va ko‘nikmalarini rivojlantirish. Foydalanilgan adabiyotlar ro‘yxati: 1. “Umumiy o‘rta ta’limning davlat ta’lim standartlarini tasdiqlash to‘g‘risida”gi qarori (1999 yil 16 avgust) //Xalq ta’limi j. 1999. № 5 407

2. Ochilov M. Yangi pedagogik texnologiyalar. – Qarshi. Nasaf. 2000. 3. Tolip ov O‘.Q., Usmanboyeva M. Pedagogik texnologiya: nazariya va amaliyot. Toshkent: “Fan”. 2005. 4. Sherqulov. M . Ma’ruza matni dan, Toshkent: 2012. 5.Johnson, L., Adams Becker, S., Estrada, V., & Freeman, A. The NMC Horizon Report: 2018 Higher Education Edition. Austin, TX: The New Media Consortium, 2018. 6. Karimov, A. Raqamli texnologiyalar va sun’iy intellektning ta’lim jarayonida qo‘llanilishi. Toshkent: TDIU nashriyoti, 2021. 7. UNESCO. Artificial Intelligence in Education: Challenges and Opportunities for Sustainable Development. Paris: UNESCO, 2021. MUHIM AXBOROT INFRATUZILMASIDA AXBOROT OQIMI XAVFSIZLIGIGA TAHDIDLAR MODELINI TADQIQ QILISH Allayarov Ulug‘bek Erimbatovich, UMFT, Raqamli texnologiyalar fakulteti magistranti Nishonov I.I., PhD., dotsent. O‘z RHX va M universiteti Kiberxavfsizlik kafedrasi boshlig‘i Annotatsiya. Ushbu maqolada muhim axborot infratuzilmasida axborot oqimining xavfsizligiga bo‘ladigan tahdidlar tizimli tarzda tahlil qilinadi. Tadqiqot davomida axborot oqimiga tahdidlar turlari, ularning ichki va tashqi manbalari, xavfsizlikni ta’minlashning ilg‘or texnologiyalari va proaktiv boshqaruv usullari ko‘rib chiqildi. Modellashtirish va risklarni baholash metodlari, inson omili, tarmoq va kommunikatsiya xavfsizligi, shuningdek, favqulodda holatlar va uzluksizlikni ta’minlash choralariga alohida e’tibor qaratildi. Kalit so‘zlar: xavfsizlik, tahdid, modellashtirish, infratuzilma, axborot. Аннотация. В данной статье систематически анализируются угрозы безопасности потоков информации в критической информационной инфраструктуре. В ходе исследования рассматриваются виды угроз, их внутренние и внешние источники, передовые технологии обеспечения безопасности и проактивные методы управления. Особое внимание уделено методам моделирования и оценки рисков, человеческому фактору, безопасности сетей и коммуникаций, а также мерам обеспечения непрерывности и готовности к чрезвычайным ситуациям. Ключевые слова: безопасность, угроза, моделирование, инфраструктура, информация. Abstract. This article provides a systematic analysis of threats to information flow security in critical information infrastructure. The study examines the types of threats, their internal and external sources, advanced security technologies, and proactive management methods. Special attention is given to modeling and risk assessment methods, the human factor, network and communication security, as well as measures to ensure continuity and emergency preparedness. Key words: security, threat, modeling, infrastructure, information. Kirish. Zamonaviy davrda axborot texnologiyalari va raqamli infratuzilmalar hayotimizning barcha jabhalariga keng kirib kelmoqda. Muhim axborot infratuzilmasi (MAI) davlat boshqaruvi, moliya, transport, energetika, sog‘liqni saqlash va boshqa sohalarda ma’lumotlarni samarali boshqarish va uzatishda asosiy rol o‘ynaydi. Shu bilan birga, axborot oqimining xavfsizligi ham dolzarb masala sifatida yuzaga chiqadi. Axborotlar, ayniqsa shaxsiy, moliyaviy yoki davlat sirlariga oid bo‘lganda, turli tahdidlarga, shu jumladan kiberhujumlar, ichki xodimlarning xato yoki xatti-harakatlari, texnik nosozliklar va tabiiy 408

ofatlarga duch kelishi mumkin. Bu esa infratuzilmaning uzluksiz ishlashiga, ma’lumotlarning yaxlitligiga va ishonchliligiga sezilarli ta’sir ko‘rsatadi[1]. Bugungi kunda global va milliy miqyosda axborot xavfsizligini ta’minlash strategiyalari va standartlari (ISO/IEC 27001, NIST Cybersecurity Framework va boshqalar) ishlab chiqilgan bo‘lsa-da, tahdidlar doimiy ravishda yangilanib, murakkablashib bormoqda. Shu sababli, muhim axborot infratuzilmasida axborot oqimi xavfsizligiga bo‘ladigan tahdidlarni tizimli tarzda o‘rganish, ularni aniqlash va modellashtirish har bir tashkilot uchun strategik ahamiyat kasb etadi. Maqolaning asosiy maqsadi — muhim axborot infratuzilmasida axborot oqimiga bo‘ladigan tahdidlarni aniqlash, ularning turlarini va xususiyatlarini modellashtirish, shuningdek, xavfsizlikni oshirishga qaratilgan amaliy tavsiyalar ishlab chiqishdir. Tadqiqot orqali axborot oqimida yuzaga keladigan tahdidlarning oldini olish va ularni samarali boshqarish imkoniyatlari aniqlanadi. Maqola vazifalari. Ushbu maqolada muhim axborot infratuzilmasida axborot oqimining xavfsizligini ta’minlash maqsadida asosiy vazifalar belgilangan: infratuzilmaning tuzilishi va komponentlarini tahlil qilish, ichki va tashqi tahdidlarni aniqlash, tahdidlarni modellashtirish va baholash metodlarini o‘rganish, ilg‘or texnologiyalar va yondashuvlarni tahlil qilish hamda amaliy tavsiyalar orqali xavfsizlikni samarali boshqarish mexanizmlarini aniqlash. Mazkur vazifalar tadqiqot natijalarini ilmiy va amaliy jihatdan ahamiyatli qiladi hamda tashkilotlarda tahdidlarga qarshi strategiyalarni ishlab chiqishga xizmat qiladi. Asosiy qism. Muhim axborot infratuzilmasi (MAI) turli sohalarda ma’lumotlarni uzluksiz, xavfsiz va samarali oqimini ta’minlashga xizmat qiladigan tizimlar majmuasidir. Bu infratuzilma tarkibida serverlar, ma’lumotlar bazalari, tarmoq qurilmalari, foydalanuvchi qurilmalari va dasturiy ta’minot komponentlari mavjud bo‘lib, ular bir-biri bilan uzviy aloqada ishlaydi. MAI ning asosiy xususiyati — axborot oqimining uzluksizligi va ma’lumotlarning yaxlitligi bo‘lib, bu esa ayniqsa davlat organlari, bank tizimi va sog‘liqni saqlash sohalari kabi yuqori xavfsizlik talab qiladigan tizimlar uchun muhimdir. Shu bilan birga, infratuzilma murakkabligi va komponentlar sonining ko‘pligi tahdidlarni aniqlash va boshqarishni qiyinlashtiradi, shuning uchun har bir elementning xavfsizlik darajasi alohida e’tibor talab qiladi[1]. Axborot oqimining xavfsizligiga tahdidlar ichki va tashqi manbalardan kelib chiqadi. Ichki tahdidlar ko‘pincha xodimlarning ehtiyotsizligi, ruxsatsiz harakatlari yoki noto‘g‘ri konfiguratsiya tufayli yuzaga keladi va ularni aniqlash qiyin bo‘lishi mumkin. Tashqi tahdidlar esa kiberhujumlar, zararli dasturlar, phishing hujumlari, DDoS hujumlari va tarmoq arxitekturasidagi zaifliklar orqali amalga oshiriladi. Shuningdek, tabiiy ofatlar va texnik nosozliklar ham axborot oqimining uzilishiga olib kelishi mumkin, bu esa tizimning ishonchliligini sezilarli darajada kamaytiradi. Tahdidlar ko‘pligi va ularning murakkabligi MAI xavfsizligini ta’minlashni har tomonlama qiyinlashtiradi, shu bois ularni tizimli ravishda modellashtirish va baholash zarur. Axborot oqimiga bo‘ladigan tahdidlarni modellashtirish xavfsizlikni boshqarishning samarali usuli hisoblanadi. Modellashtirish orqali tahdidlar turlari, 409

ularning chastotasi, ta’sir darajasi va ehtimolligi tahlil qilinadi hamda potentsial xavflarga qarshi choralar ishlab chiqiladi. Eng ko‘p qo‘llaniladigan metodlardan biri — tahdid daraxtlari (Threat Trees) va tahdid matritsalari bo‘lib, ular orqali turli xujum ssenariylari va ularning oqibatlari vizual tarzda ifodalanadi. Shuningdek, stoxastik modellar va simulyatsiyalar yordamida tahdidlarning tizimga ta’siri prognoz qilinadi, bu esa axborot xavfsizligi strategiyasini shakllantirishda muhim ahamiyatga ega[2]. Axborot oqimi xavfsizligini oshirish uchun bir nechta ilg‘or yondashuvlar mavjud bo‘lib, ularning asosiylari — himoyalangan tarmoq arxitekturasi, shifrlash, autentifikatsiya va ruxsatlarni boshqarishdir. Virtualizatsiya va bulutli xizmatlar integratsiyasi tizim xavfsizligini oshirishga yordam beradi, chunki u resurslarni ajratish va monitoringni osonlashtiradi. Bundan tashqari, sun’iy intellekt va mashinani o‘rganish algoritmlari xavfsizlik tizimlariga real vaqt rejimida tahdidlarni aniqlash va ularni oldini olish imkonini beradi, bu esa xavfsizlikni proaktiv tarzda boshqarish imkoniyatini yaratadi. Ushbu yondashuvlar birgalikda ishlatilganda, muhim axborot infratuzilmasida axborot oqimining uzluksizligi va yaxlitligini ta’minlash samaradorligini sezilarli darajada oshiradi. MAI da axborot oqimi xavfsizligini ta’minlash uchun tashkilotlar birinchi navbatda tahdidlarni aniqlash va modellashtirish tizimini joriy qilishi kerak. Bundan tashqari, xodimlarni muntazam ravishda axborot xavfsizligi bo‘yicha o‘qitish va ichki xavf manbalarini kamaytirish muhimdir. Tizimni uzluksiz monitoring qilish va xavfsizlik protokollarini yangilab borish orqali tahdidlarni vaqtida aniqlash va bartaraf etish mumkin. Shu bilan birga, ilg‘or texnologiyalar — sun’iy intellekt, bulutli xavfsizlik vositalari va avtomatlashtirilgan tahlil tizimlari — tashkilotlarga tahdidlarga proaktiv javob berish imkoniyatini beradi, bu esa MAI ning umumiy xavfsizlik darajasini sezilarli darajada oshiradi[3]. Muhim axborot infratuzilmasida inson omili ko‘pincha eng zaif halqa hisoblanadi, chunki xodimlarning noto‘g‘ri qarorlari yoki ruxsatsiz harakatlari kiberxavfsizlikni jiddiy buzishi mumkin. Shu sababli, tashkilotlarda xodimlarning kirish huquqlari qat’iy boshqarilishi va xavfsizlik siyosatlari aniq belgilanishi zarur. Bundan tashqari, foydalanuvchilarning shaxsiy qurilmalardan tizimga ulanishi va parollarni noto‘g‘ri saqlashi xavf omilini oshiradi, shuning uchun multi-faktor autentifikatsiya va xavfsizlik protokollarini joriy etish muhim hisoblanadi. Shu tarzda inson omilidan keladigan tahdidlarni minimallashtirish orqali axborot oqimining uzluksizligi saqlanadi. Axborot oqimi ko‘pincha tarmoq orqali uzatiladi, shuning uchun tarmoq xavfsizligi tahdidlarni kamaytirishda muhim rol o‘ynaydi. Masalan, ichki va tashqi tarmoqlar orasidagi trafigi segmentatsiyalash, firewall va intrusion detection/prevention tizimlari yordamida monitoring qilish tizimning barqarorligini oshiradi. Shuningdek, shifrlash protokollari (TLS, IPSec) ma’lumotlarni uzatishda ularning maxfiyligini ta’minlaydi, man-in-the-middle hujumlarining oldini oladi. IoT va bulutli xizmatlar integratsiyasi rivojlanib borayotgani sababli, tarmoq qurilmalarining xavfsizlik konfiguratsiyasi muntazam yangilanib turishi ham muhimdir[4]. 410

Zamonaviy axborot xavfsizligi faqat reaktiv choralar bilan cheklanmaydi; proaktiv yondashuvlar ham muhim ahamiyatga ega. Masalan, tahdidlarni aniqlashda loglarni tahlil qilish, anomal trafikni monitoring qilish, xattiharakatlarni mashinani o‘rganish algoritmlari yordamida baholash tizimga hujumlarni oldindan aniqlash imkonini beradi. Cyber Threat Intelligence (CTI) platformalari esa global tahdidlar haqida ma’lumotlar berib, tashkilotlarga xavfsizlik strategiyasini dinamik ravishda o‘zgartirish imkonini yaratadi. Shu tarzda, kiberxavfsizlikning ilg‘or usullari tahdidlarning vaqtida aniqlanishi va minimallashtirilishini ta’minlaydi. Axborot oqimi xavfsizligini faqat kiberxavfsizlik bilan cheklash yetarli emas; tabiiy ofatlar, texnik nosozliklar va energetika muammolari ham xavf manbai hisoblanadi. Shu sababli, har bir muhim axborot infratuzilmasi uchun disaster recovery (favqulodda tiklash) va business continuity (uzluksiz ishlash) rejalari ishlab chiqilishi kerak. Redundant serverlar, zaxira ma’lumotlar bazalari va avtomatlashtirilgan tiklash jarayonlari infratuzilmaning uzluksizligini ta’minlaydi. Bundan tashqari, muntazam sinovlar va simulyatsiyalar orqali favqulodda holatlarga tayyorgarlikni oshirish xavfsizlik darajasini sezilarli darajada kuchaytiradi[5]. MAI xavfsizligini ta’minlash jarayonida muntazam audit va baholash tizimlari zarur. Risk assessment metodlari orqali tahdidlarning jiddiyligi va ehtimolligi aniqlanadi, bu esa resurslarni samarali taqsimlashga imkon beradi. Shu bilan birga, penetration testing (pentesting) va vulnerability assessment amaliyotlari tizimning zaif nuqtalarini aniqlab, ularni bartaraf etish choralari ishlab chiqishga yordam beradi. Xavfsizlik standartlariga muvofiqlikni baholash (masalan, ISO 27001 auditlari) esa tashkilotlarda xavfsizlikni rasmiy va tizimli tarzda boshqarishni ta’minlaydi[6]. Zamonaviy axborot infratuzilmalari uchun ilg‘or texnologiyalar xavfsizlikni oshirishda muhim rol o‘ynaydi. Sun’iy intellekt va mashinani o‘rganish yordamida tahdidlarni oldindan aniqlash, avtomatlashtirilgan javoblar berish va tarmoqni real vaqt rejimida optimallashtirish mumkin. Blockchain texnologiyasi ma’lumotlar yaxlitligini ta’minlash va tranzaksiyalarni kuzatish imkonini beradi, bu esa moliya va davlat sohalarida xavfsizlikni oshiradi. Shuningdek, konteynerizatsiya va mikroxizmat arxitekturalari tizimning modul va izolyatsiyalangan tuzilishini yaratib, xavfsizlikni kuchaytiradi va tahdidlarning tarqalishini cheklaydi. Xulosa va tavsiyalar. Muhim axborot infratuzilmasida axborot oqimining xavfsizligi bugungi kunda har bir tashkilot va davlat uchun strategik ahamiyatga ega. Tadqiqot davomida aniqlanishicha, axborot oqimiga tahdidlar ichki va tashqi manbalardan kelib chiqadi, ular inson omili, kiberxavfsizlik zaifliklari, tarmoq va kommunikatsiya zaifliklari hamda tabiiy va texnik omillar orqali yuzaga keladi. Tahdidlarni tizimli tarzda modellashtirish va ularning xavfini baholash, shuningdek, ilg‘or texnologiyalar — sun’iy intellekt, bulutli xavfsizlik vositalari, blockchain va mikroxizmat arxitekturasi — yordamida ularni proaktiv tarzda aniqlash, axborot xavfsizligini sezilarli darajada oshiradi. Shu bilan birga, uzluksiz monitoring, audit va xavfsizlik standartlariga muvofiqlik tizimlari MAI ning 411

barqaror ishlashini ta’minlashda muhim rol o‘ynaydi. Tadqiqot natijalari shuni ko‘rsatdiki, axborot oqimi xavfsizligini ta’minlash faqat texnologik choralar bilan cheklanmasligi, balki inson omili, tashkilot siyosati va boshqaruv tizimlarini ham o‘z ichiga olishi lozim. Tahdidlarning turli darajalari va ularning ehtimolligini hisobga olgan holda kompleks yondashuvlarni qo‘llash infratuzilmaning xavfsizlik darajasini oshirishga yordam beradi. Muhim axborot infratuzilmasida axborot oqimi xavfsizligini ta’minlash uchun kompleks yondashuvni qo‘llash tavsiya etiladi. Birinchidan, tahdidlarni modellashtirish va baholash tizimini joriy etish orqali ichki va tashqi xavflarni aniqlash va ularning ta’sirini oldindan prognoz qilish mumkin. Ikkinchidan, xodimlarning xavfsizlik bo‘yicha bilim va mas’uliyatini oshirish, kirish huquqlari va autentifikatsiya tizimlarini qat’iy boshqarish ichki tahdidlarni kamaytiradi. Uchinchi va eng muhim jihat — ilg‘or texnologiyalarni qo‘llash, jumladan sun’iy intellekt va mashinani o‘rganish algoritmlari yordamida tahdidlarni real vaqt rejimida aniqlash, tarmoqni shifrlash va segmentlash, shuningdek, blockchain va mikroxizmat arxitekturalari orqali ma’lumotlar yaxlitligini ta’minlash. Shu bilan birga, uzluksiz ishlash va favqulodda holatlarga tayyorgarlik, shuningdek muntazam audit va xavfsizlik standartlariga muvofiqlik tizimlari orqali infratuzilmaning barqarorligi va samaradorligini oshirish mumkin. Ushbu tavsiyalar birgalikda qo‘llanganda, muhim axborot infratuzilmasida axborot oqimining xavfsizligini ta’minlash, tahdidlarni minimallashtirish va tizim samaradorligini oshirish imkonini beradi. Foydalanilgan adabiyotlar: 1. Asrorqizi Xolmurzayeva, X., & Ibragimova, D. A. (2025). Tibbiy axborot tizimlarida ma’lumot xavfsizligi. Ustozlar uchun, 84(2), 65–68. 2. Umarov, N. (2025). Axborot xavfsizligiga bo‘ladigan tahdidlar. Лучшие интеллектуальные исследования, 48(1), 119–123. 3. Suyumov, J.Y., Xolmatova, J.I., & Adhamova, M.B. (2025). Elektron axborot resurslarining xavfsizligi va himoyasi. Modern education and development, 39(5). 4. Baxromov, K. (2025). O‘zbekistonda axborot xavfsizligini ta’minlash: qonunchilik, amaliyot va texnologiyalar. Samarali ta’lim va barqaror innovatsiyalar jurnali. 5. Tashatov, N. N., Onarkulov, M. K., & Askarbekkizi, A. (2024). Methods of analyzing and assessing information security risks. Scientific Journal of FDU, Article 4252. 6. O‘zbekiston Respublikasi Prezidenti qarori PQ-167-son (2023). O‘zbekiston Respublikasining “Muhim axborot infratuzilmasi obyektlarida kiberxavfsizlikni ta’minlash tartibi to‘g‘risida”gi nizom. VIRTUAL NETWORK FUNCTION ASOSIDA TELEKOMMUNIKATSION XIZMATLARNI DINAMIK TAQSIMLASH USULLARINI TADQIQ QILISH Burxanov Ilxom Xalbutayevich, UMFT, Raqamli texnologiyalar fakulteti magistranti Xoliqulov Sh.A., PhD, dotsent, JXU universiteti “Axborot texnologiyalari” kafedrasi o‘qituvchisi Annotatsiya. Ushbu maqolada Virtual Network Function (VNF) texnologiyasi asosida telekommunikatsion xizmatlarni dinamik taqsimlash usullari ilmiy va amaliy jihatdan tahlil 412

qilinadi. Tadqiqot doirasida VNF texnologiyasining mohiyati, orkestratsiya, real vaqt monitoringi, migratsiya, xavfsizlik va ko‘p xizmatli muhitdagi qo‘llanilishi o‘rganildi. Shuningdek, dinamik resurs taqsimlash algoritmlari samaradorligi, xizmat sifatini optimallashtirish va tarmoq elastikligini oshirish masalalari tadqiq qilindi. Kalit so‘zlar: VNF, tarmoq, xizmat, resurs, boshqaruv. Аннотация. В данной статье научно и практически анализируются методы динамического распределения телекоммуникационных услуг на основе технологии Virtual Network Function (VNF). В рамках исследования изучались сущность технологии VNF, оркестрация, мониторинг в реальном времени, миграция, безопасность и применение в мультисервисной среде. Кроме того, исследованы эффективность алгоритмов динамического распределения ресурсов, оптимизация качества услуг и повышение эластичности сети. Ключевые слова: VNF, сеть, услуга, ресурс, управление Abstract. This article provides a scientific and practical analysis of methods for dynamic allocation of telecommunication services based on Virtual Network Function (VNF) technology. The study covers the essence of VNF technology, orchestration, real-time monitoring, migration, security, and its application in a multi-service environment. Additionally, the efficiency of dynamic resource allocation algorithms, service quality optimization, and network elasticity improvement are investigated. Key words: VNF, network, service, resource, management Kirish. So‘nggi yillarda telekommunikatsiya tarmoqlari tez sur’atlar bilan rivojlanib, ularning murakkabligi va xizmatlar turlari keskin oshdi. An’anaviy apparatga asoslangan tarmoqlar sharoitida yangi xizmatlarni joriy etish va mavjud resurslarni samarali boshqarish qiyinchiliklarga olib keladi. Shu bilan birga, foydalanuvchi talablarining dinamik o‘zgarishi, xizmat sifatini ta’minlash va tarmoq resurslaridan optimal foydalanish masalalari ilmiy va amaliy jihatdan dolzarb bo‘lib qolmoqda. Mazkur muammolarni hal etishda Virtual Network Function (VNF) texnologiyasi va unga asoslangan dinamik resurs taqsimlash usullari innovatsion yechim sifatida e’tiborni tortmoqda. VNF kontseptsiyasi an’anaviy tarmoq funksiyalarini virtual muhitga ko‘chirib, ularni umumiy apparat resurslarida ishga tushirishga imkon beradi. Bu esa tarmoq operatorlariga xizmatlarni tezkor sozlash, resurslarni samarali taqsimlash va tarmoq infratuzilmasini yanada elastik boshqarish imkonini beradi. Shu bilan birga, VNF yordamida telekommunikatsion xizmatlar sifatini (Quality of Service, QoS) yaxshilash, nosozliklar va tarmoq yuklamalarini real vaqt rejimida boshqarish, shuningdek, yangi xizmatlarni tezkor joriy etish imkoniyatlari oshadi[1]. Mavzuning dolzarbligi shundaki, mobil internet, IoT qurilmalari va 5G texnologiyalarining keng qo‘llanilishi natijasida tarmoq xizmatlariga bo‘lgan talab keskin oshib, an’anaviy fizik apparatga bog‘langan tarmoqlar yangi xizmatlarni joriy etishda va resurslarni qayta taqsimlashda cheklovlarga duch keladi, shu bilan birga, virtualizatsiya va VNF texnologiyasi yordamida resurslarni samarali boshqarish, xarajatlarni kamaytirish va real vaqt rejimida xizmat sifatini ta’minlash imkoniyati paydo bo‘ladi. Ushbu maqolaning asosiy maqsadi – Virtual Network Function texnologiyasi asosida telekommunikatsion xizmatlarni dinamik taqsimlash 413

usullarini tadqiq qilish, ularning samaradorligi va amaliy qo‘llanilishini tahlil etishdir. Unda quyidagi vazifalar amalga oshiriladi: ✓ VNF texnologiyasining asosiy tushunchalari va ishlash prinsiplarini tahlil qilish. ✓ Telekommunikatsion xizmatlarning turli tarmoqlarda dinamik boshqarilishini ta’minlovchi metodlarni aniqlash. ✓ VNF asosida resurslarni taqsimlash usullarini solishtirish va samaradorligini baholash. ✓ Real vaqt rejimida xizmat sifatini ta’minlashga imkon beruvchi boshqaruv algoritmlarini tadqiq etish. ✓ Olingan natijalar asosida tarmoq operatorlari uchun tavsiyalar ishlab chiqish. Mazkur tadqiqot nafaqat telekommunikatsion infratuzilmani yanada moslashuvchan va samarali boshqarish imkonini beradi, balki 5G va undan keyingi avlod tarmoqlarida xizmatlarni optimal taqsimlash bo‘yicha innovatsion yondashuvlarni shakllantirishga ham hissa qo‘shadi. Shu sababli, VNF asosida telekommunikatsion xizmatlarni dinamik taqsimlash usullarini o‘rganish ilmiy va amaliy nuqtai nazardan katta ahamiyatga ega. Asosiy qism. Virtual Network Function texnologiyasi an’anaviy tarmoq funksiyalarini fizik apparatdan virtual muhitga ko‘chirib, ularni umumiy server resurslarida ishga tushirish imkonini beradi. Shu orqali tarmoq operatorlari xizmatlarni tezkor sozlash, resurslarni samarali taqsimlash va yangi xizmatlarni joriy etishda elastik boshqaruvni amalga oshiradi. VNF-larning asosiy afzalliklaridan biri – ular yordamida xizmat sifatini real vaqt rejimida ta’minlash, nosozliklar va yuklamalarni muvozanatlashtirish, shuningdek, apparat xarajatlarini kamaytirish imkoniyati mavjud. Shu bilan birga, VNF texnologiyasi orqali telekommunikatsion tarmoq infratuzilmasining elastikligini oshirish va xizmatlarni foydalanuvchi talablariga mos ravishda dinamik boshqarish mumkin[4]. Telekommunikatsion xizmatlarni samarali boshqarishda dinamik resurs taqsimlash muhim o‘rin tutadi. Bu tamoyil asosida tarmoq resurslari foydalanuvchi talabiga, tarmoq yuklamasiga va xizmat sifatiga qarab real vaqt rejimida taqsimlanadi. Masalan, mobil internet xizmatlarida ma’lumot oqimi birdan oshganda, virtual serverlar avtomatik ravishda qo‘shimcha resurslar bilan ta’minlanadi, bu esa xizmat sifatini pasaytirmasdan foydalanuvchi tajribasini saqlashga yordam beradi. Dinamik taqsimlash algoritmlari ko‘pincha mashina o‘rganishi, prognozlash va tarmoq monitoringi asosida ishlaydi, bu esa resurslarni optimal boshqarish va nosozliklar yuz berganda tezkor choralar ko‘rishni ta’minlaydi. VNF texnologiyasida xizmatlarni boshqarish bir nechta metodlar orqali amalga oshiriladi. Bularga avtomatlashtirilgan orkestratsiya, resurslarni real vaqt rejimida monitoring qilish va xizmatlarni virtual muhitda elastik taqsimlash kiradi. Orkestratsiya vositalari yordamida yangi xizmatlarni joriy etish yoki mavjud xizmatlarni sozlash bir necha soniya ichida amalga oshiriladi, bu esa operatorlar uchun katta qulaylik yaratadi[1]. Shuningdek, xizmatlar orasidagi resurslar 414

taqsimoti foydalanuvchi talablariga qarab optimallashtiriladi, bu tarmoqning samaradorligini oshiradi va nosozliklar paydo bo‘lish xavfini kamaytiradi. VNF boshqaruvi tarmoq xizmatlarining sifatini ta’minlashda asosiy omil hisoblanadi. Tarmoq monitoringi orqali resurslar holati, foydalanuvchi trafikining o‘zgarishi va nosozliklar darajasi kuzatiladi. Ushbu ma’lumotlar asosida boshqaruv algoritmlari xizmatlarni qayta taqsimlash, yuklamalarni muvozanatlashtirish va tarmoqning umumiy samaradorligini oshirish choralarini avtomatik amalga oshiradi. Shu bilan birga, real vaqt rejimida xizmat sifatini baholash va tarmoq parametrlarini optimallashtirish imkoniyati mavjud bo‘lib, bu foydalanuvchi tajribasini yaxshilashga va xizmatlarning uzluksiz ishlashini ta’minlashga yordam beradi. 5G tarmoqlari o‘zining yuqori tezligi, past kechikishi va ko‘p qurilmalarni bir vaqtning o‘zida qo‘llab-quvvatlashi bilan ajralib turadi. VNF texnologiyasi 5G infratuzilmasida xizmatlarni dinamik boshqarish va resurslarni samarali taqsimlashda muhim ahamiyatga ega. Masalan, IoT qurilmalaridan kelayotgan trafik va mobil foydalanuvchi talablariga qarab virtual funksiyalar avtomatik ravishda ishga tushiriladi yoki o‘chiriladi, bu esa tarmoqning elastikligini oshiradi. Shuningdek, 5G tarmoqlarida real vaqt rejimida xizmat sifatini ta’minlash uchun VNF-lar bazasida samarali boshqaruv algoritmlari ishlab chiqilgan bo‘lib, ular tarmoq yuklamasini prognoz qilish va resurslarni optimal taqsimlash imkonini beradi. VNF asosida telekommunikatsion xizmatlarni boshqarishda samaradorlikni baholash uchun turli ko‘rsatkichlardan foydalaniladi. Bularga xizmat sifatini ko‘rsatkichlari, tarmoq kechikishi, paket yo‘qolishi darajasi, resurslardan foydalanish samaradorligi kiradi. Algoritmlar ushbu ko‘rsatkichlarni doimiy ravishda monitoring qiladi va olingan ma’lumotlarga asoslanib resurslarni qayta taqsimlaydi. Shu tarzda, dinamik boshqaruv tarmoqning samaradorligini oshiradi, xizmat sifatini yaxshilaydi va foydalanuvchi talablariga moslashuvchanlikni ta’minlaydi[3]. Virtual Network Function orkestratsiyasi tarmoq funksiyalarini avtomatlashtirilgan tarzda boshqarish va sozlash imkonini beradi. Orkestratorlar xizmatlarni ishga tushirish, to‘xtatish yoki migratsiya qilish jarayonlarini markazlashtirilgan boshqaruv orqali amalga oshiradi, bu esa inson xatolarini kamaytiradi va xizmatlarning uzluksiz ishlashini kafolatlaydi. Shu bilan birga, orkestratsiya vositalari bir nechta ma’lumot markazlarida joylashgan virtual funksiyalarni sinxronlashtirib, tarmoqning global samaradorligini oshiradi. Masalan, tarmoqdagi birdan ortiq yuklama holatida orkestrator avtomatik ravishda qo‘shimcha resurslar ajratadi yoki ortiqcha virtual funksiyalarni boshqa serverlarga ko‘chiradi. VNF asosidagi tarmoqlarda resurslardan samarali foydalanish uchun monitoring tizimlari muhim rol o‘ynaydi. Real vaqt rejimida serverlarning ishlash holati, CPU va xotira yuklamasi, tarmoq trafigi va paket yo‘qotish ko‘rsatkichlari kuzatiladi. Shu ma’lumotlar asosida prognozlash algoritmlari kelajakdagi trafik o‘sishini aniqlaydi va resurslarni oldindan taqsimlash imkonini beradi. Bu 415

yondashuv, ayniqsa, IoT qurilmalari va 5G xizmatlaridagi yuqori dinamiklik sharoitida xizmat sifatini uzluksiz ta’minlashda muhim ahamiyatga ega. VNF-lar virtual muhitda ishga tushirilgani sababli, ular bir serverdan boshqasiga tezkor ko‘chirilishi mumkin. Bu migratsiya jarayoni tarmoqda nosozliklar yoki yuqori yuklama yuzaga kelganda xizmatlarning uzluksiz ishlashini ta’minlaydi. Elastik boshqaruv yordamida tarmoq operatorlari resurslarni talabga mos ravishda qayta taqsimlaydi, bu esa xizmatlar sifatini oshirish va tarmoq samaradorligini maksimal darajada saqlash imkonini beradi. Shu bilan birga, migratsiya algoritmlari minimal kechikish va uzilish bilan xizmatlarni boshqa virtual muhitga ko‘chiradi, bu esa foydalanuvchi tajribasini yaxshilaydi. VNF asosida telekommunikatsion xizmatlarni boshqarishda xavfsizlik masalasi alohida e’tiborni talab qiladi. Virtualizatsiya muhitida har bir VNF alohida himoyalangan konteyner yoki virtual mashina ichida ishlaydi, bu esa tarmoq segmentlarini izolyatsiya qiladi va kiberhujumlardan himoya qiladi. Shuningdek, dinamik boshqaruv tizimlari xavfsizlik tahdidlarini real vaqt rejimida aniqlash va ularga javob choralarini ko‘rishga imkon beradi. Masalan, anomal trafik aniqlanganda, orkestrator xavfli virtual funksiyani vaqtincha to‘xtatishi yoki boshqa xavfsiz muhitga ko‘chirishi mumkin. Zamonaviy tarmoqlarda VNF bir nechta xizmatlarni bir vaqtda boshqarish imkonini beradi. Masalan, video oqimlar, IoT qurilmalaridan kelayotgan trafik va mobil internet xizmatlari bitta virtual platformada birlashtirilishi mumkin. Shu tarzda, resurslar dinamik tarzda xizmatlar orasida taqsimlanadi va foydalanuvchi talablariga moslashuvchanlik ta’minlanadi. Bunday integratsiya nafaqat tarmoq resurslarining samaradorligini oshiradi, balki operatorlar uchun xizmatlarni boshqarish xarajatlarini kamaytiradi va xizmat sifatini barqaror qiladi. VNF asosida xizmatlarni boshqarish jarayonida analitik vositalar muhim rol o‘ynaydi. Tarmoqdan olingan katta hajmdagi ma’lumotlar (Big Data) asosida mashina o‘rganishi yordamida resurslar taqsimoti optimallashtiriladi. Bu yondashuv orqali xizmatlarning sifat ko‘rsatkichlari, tarmoq kechikishi va paket yo‘qotish darajasi kamaytiriladi. Shu bilan birga, optimizatsiya algoritmlari operatorlarga resurslarni minimal xarajat bilan maksimal samaradorlikda boshqarish imkonini beradi va tarmoqning elastikligini oshiradi[2]. Xulosa va tavsiyalar. Ushbu tadqiqot natijalari shuni ko‘rsatadiki, Virtual Network Function (VNF) texnologiyasi telekommunikatsion xizmatlarni dinamik taqsimlashda muhim rol o‘ynaydi. VNF yordamida tarmoq funksiyalari fizik apparatdan virtual muhitga ko‘chirilib, ularni elastik boshqarish imkoniyati yaratiladi, bu esa xizmatlarni foydalanuvchi talablariga moslashtirish va resurslardan maksimal samaradorlikda foydalanishga imkon beradi. Tadqiqot davomida tarmoq resurslarini dinamik taqsimlashning asosiy tamoyillari, orkestratsiya, real vaqt monitoringi, migratsiya va xavfsizlik mexanizmlari o‘rganildi. Shuningdek, VNF-lar 5G va IoT infratuzilmasida xizmat sifatini oshirish va nosozliklarni minimal darajaga tushirishda samarali vosita ekanligi aniqlanib, tarmoq operatorlari uchun strategik ahamiyatga ega ekani tasdiqlandi. Maqolada tahlil qilingan dinamik boshqaruv va optimizatsiya algoritmlari 416

tarmoqning samaradorligini oshiradi, xizmat sifatini kafolatlaydi va operatorlarga yangi xizmatlarni tezkor joriy etish imkonini beradi. Shu bilan birga, virtualizatsiya va orkestratsiya yondashuvlari tarmoq infratuzilmasining elastikligini oshiradi va xizmatlar orasidagi resurslarni adolatli taqsimlashga imkon yaratadi. Amaliy jihatdan, telekommunikatsion operatorlar VNF texnologiyasini joriy etishda resurslarni dinamik boshqarish va orkestratsiya vositalari yordamida xizmatlarni real vaqt rejimida sozlash, monitoring va prognozlash tizimlari orqali tarmoq yuklamasini optimallashtirish, xavfsizlikni ta’minlash va ko‘p xizmatli virtual muhitda resurslarni samarali taqsimlash, shuningdek, katta hajmdagi tarmoq ma’lumotlarini tahlil qilish orqali xizmat sifatini barqaror saqlash va operator xarajatlarini kamaytirish choralarini qo‘llashi lozim. Foydalanilgan adabiyotlar 1. Umarov, B.A., & Satinova, G.T. (2025). Virtualizatsiya texnologiyasi va uning qo‘llanish sohalari. Modern Education and Development, 27(2), 232–241. 2. Suyunov, A. (2025). Raqamli iqtisodiyot sharoitida telekommunikatsiya xizmatlari bozorini rivojlantirish tendensiyalari va mexanizmlari. 3. Xurramov, A., & Irgashev, N. (2025). Telekommunikatsiya infratuzilmasida aloqa xavfsizligini oshirishning zamonaviy yondashuvlari. Journal of Transport, 2(3), 45–48. 4. Abdullayev, S.A. (2026). Tarmoq funksiyalarini virtualizatsiyalash (NFV). Mustaqil ish, Toshkent davlat iqtisodiyot universiteti. HYPER-V VA VMWARE ASOSIDA VIRTUAL MASHINALAR SAMARADORLIGINI TADQIQ QILISH Hasanov Fazliddin Gʻanisher o‘g‘li, UMFT Raqamli texnologiyalar fakulteti magistratranti Akmuradov B.U., PhD., UMFT "K va RT" kafedrasi mudiri Annotatsiya. Mazku maqolada Hyper-V va VMware platformalarida virtual mashinalarning samaradorligi o‘rganildi. Tadqiqot doirasida har ikki platformaning resurslardan foydalanish mexanizmlari, disk va tarmoq operatsiyalari, xotira boshqaruvi, monitoring vositalari va xavfsizlik imkoniyatlari tahlil qilindi. Tadqiqot natijalari Hyper-V platformasi kichik va o‘rta hajmdagi muhitlarda, VMware esa katta va murakkab virtual infratuzilmalarda samaradorligini oshirishini ko‘rsatdi. Maqolada virtual mashinalarni samarali boshqarish bo‘yicha umumiy tavsiyalar berilgan, bu IT-mutaxassislar va tashkilotlar uchun platforma tanlash va resurslarni optimallashtirishda amaliy yordam sifatida xizmat qiladi. Kalit so‘zlar: virtualizatsiya, VM, Hyper-V, VMware, resurs, xotira, disk, tarmoq, monitoring, barqarorlik. Аннотация. В данной статье исследуется эффективность виртуальных машин на платформах Hyper-V и VMware. В рамках исследования были проанализированы механизмы использования ресурсов, операции с дисками и сетью, управление памятью, инструменты мониторинга и возможности обеспечения безопасности обеих платформ. Результаты показали, что платформа Hyper-V повышает эффективность в малых и средних средах, а VMware — в крупных и сложных виртуальных инфраструктурах. В статье представлены общие рекомендации по эффективному управлению виртуальными машинами, которые могут служить практической помощью для ИТ-специалистов и организаций при выборе платформы и оптимизации ресурсов. 417

Ключевые слова: виртуализация, VM, Hyper-V, VMware, ресурсы, память, диск, сеть, мониторинг, устойчивость. Abstract. This article investigates the performance of virtual machines on Hyper-V and VMware platforms. The study analyzed resource utilization mechanisms, disk and network operations, memory management, monitoring tools, and security features of both platforms. The results indicate that Hyper-V improves efficiency in small and medium environments, while VMware is more effective in large and complex virtual infrastructures. The article provides general recommendations for effective management of virtual machines, serving as practical guidance for IT specialists and organizations in platform selection and resource optimization. Key words: virtualization, VM, Hyper-V, VMware, resources, memory, disk, network, monitoring, stability. Kirish. So‘nggi yillarda axborot-kommunikatsiya texnologiyalari (AKT) rivoji natijasida IT-infratuzilmalar murakkablashib, korporativ va ilmiy muhitlarda kompyuter resurslarini samarali boshqarish masalasi dolzarb bo‘lib qolmoqda. Shu nuqtai nazardan, virtualizatsiya texnologiyalari zamonaviy IT-layihalarda asosiy vositalardan biri sifatida keng qo‘llanilmoqda. Virtual mashinalar (VM – Virtual Machine) yordamida bir fizik serverda bir nechta mustaqil operatsion tizimlarni ishlatish, resurslarni optimal taqsimlash, xatoliklardan himoyalanish va texnologik inqirozlarga tezkor javob berish imkoniyati yaratiladi[2]. Hozirgi kunda virtualizatsiya sohasida ikki asosiy platforma — Microsoft Hyper-V va VMware vSphere/Workstation keng qo‘llanilmoqda. Hyper-V Microsoft korporatsiyasining mahsuloti bo‘lib, Windows Server va Windows 10/11 muhitlarida oson integratsiyalanadi va tizim resurslarini samarali boshqarishga imkon beradi. VMware esa uzoq yillik tajribaga ega bo‘lgan platforma bo‘lib, murakkab server va bulut infratuzilmalarida yuqori darajadagi ishlash barqarorligini ta’minlaydi. Har ikki platforma virtual mashinalar samaradorligini oshirishga qaratilgan bo‘lsa-da, ularning ishlash mexanizmlari, resurslarni taqsimlash strategiyalari va monitoring vositalari sezilarli darajada farq qiladi[2]. Mazkur tadqiqotning dolzarbligi shundaki, korporativ muhitlarda va ma’lumot markazlarida resurslarni samarali boshqarish va texnik xarajatlarni optimallashtirish doimiy ravishda muhim bo‘lib qolmoqda. Ko‘plab tashkilotlar virtualizatsiya yechimlarini joriy etish orqali serverlar sonini kamaytirish, energiya va texnik xizmat xarajatlarini qisqartirish hamda tizimlar barqarorligini oshirishni maqsad qilmoqda. Shu bilan birga, IT-mutaxassislar uchun virtual mashinalar samaradorligini solishtirish va platforma tanlash bo‘yicha ilmiy asosli qarorlar qabul qilish ehtiyoji mavjud. Ushbu tadqiqotning maqsadi – Hyper-V va VMware platformalarida virtual mashinalarning samaradorligini turli parametrlarga ko‘ra baholab, ularning afzalliklari va cheklovlarini aniqlashdir. Maqsadga erishish uchun quyidagi vazifalar bajariladi: Virtualizatsiya texnologiyalari va ularning server infratuzilmasidagi roli bo‘yicha nazariy asoslarni tahlil qilish; Hyper-V va VMware platformalarida virtual mashinalar yaratish, ularning konfiguratsiyasini optimallashtirish va resurslardan foydalanishni kuzatish; 418