Management and Future Technologies | Volume 2, Issue 1 | № 005

Management and Future Technologies journal.umft.uz March 2025 Volume 2, Issue 1 Adabiyotlar 1. Bu W, Xiao J, Zhou C, Yang M, Peng C (2017) Acascade frame work formasked face detection. https://doi.org/10.1109/ICCIS.2017.8274819 2. Chen W, Zhou Q, Hu H (2019) Face alignment by discriminative feature learning. https://doi.org/10.1109/ICIP.2019.8803112 3. Girshick R, Donahue J, Darrell T, Malik J (2016) Region-based convolutional networks for accurate object detection and segmentation. IEEE Trans Pattern Anal Mach Intell 38(1). https://doi.org/10.1109/TPAMI.2015.2437384 4. K. Vikram; S. Padmavathi, “Facial parts detection using Viola Jones algorithm” 2017 4th International Conference on Advanced Computing and Communication Systems (ICACCS), 24 August 2017, doi:10.1109/ICACCS.2017.8014636 5. Xun Wang; Xingang Liu; Lingyun Lu; Zhixin Shen, “A New Facial Expression Recognition Method Based on Geometric Alignment and LBP Features”, 2014 IEEE 17th International Conference on Computational Science and Engineering, 29 January 2015. 6. Schroff F, Kalenichenko D, Philbin J (2015) FaceNet: a unified embedding for face recognition and clustering. https://doi.org/10.1109/CVPR.2015.7298682 7. Khalilov, S.P., Yusupov, I., Mannapova, M.G., Nasrullayev, N.B., Botirov, F. “Effectiveness of Deep Learning Based Filtering Algorithm in Separation of Human Objects from Images” Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics)this link is disabled, 2023, 13741 LNCS, pages 230–238 ORCID 58250916200 8. Automated Video Surveillance System for Detection of Suspicious Activities during Academic Offline Examination G. Sandhya Devi, G. Suvarna Kumar, S. Chandini O. Tuzel, F. Porikli, and P. Meer. Pedestrian detection via classification on riemannian manifolds. IEEE Trans. Pattern Anal. Mach. Intell., 30(10):1713–1727, 2008. 9. M. Umarov, F. Muradov and T. Azamov, “Traffic Sign Recognition Method Based on Simplified Gabor Wavelets and CNNs,” 2021 International Conference on Information Science and Communications Technologies (ICISCT), Tashkent, Uzbekistan, 2021, pp. 1-5, doi: 10.1109/ICISCT52966.2021.9670118. 10. P. Viola and M. Jones. Rapid object detection using a boosted cascade of simple features. In Proc. IEEE Conf. Computer Vision and Pattern Recognition (CVPR), volume 1, pages 511– 518, 2001. 11. A. Wahid, Y. Sengoku, and M. Mambo. Toward constructing a secure online examination system. In Proc. of the 9th Int. Conf. on Ubiquitous Information Management and Communication, page 95. ACM, 2015. 12. B. Xiao, P. Georgiou, B. Baucom, and S. Narayanan. Head motion modeling for human behavior analysis in dyadic interaction. IEEE Trans. Multimedia, 17(7):1107–1119, 2015. 13. Y. Zhang, X. Liu, M.-C. Chang, W. Ge, and T. Chen. Spatio-temporal phrases for activity recognition. In Proc. European Conf. Computer Vision (ECCV), pages 707–721, Florence, Italy, Oct. 2012. 14. U. Khamdamov, M. Umarov, J. Elov, S. Khalilov and I. Narzullayev, “Uzbek traffic sign dataset for traffic sign detection and recognition systems,” 2022 International Conference on Information Science and Communications Technologies (ICISCT), Tashkent, Uzbekistan, 2022, pp. 1-5, doi: 201

Volume 2, Issue 1 202 March 2025 Management and Future Technologies journal.umft.uz Adabiyotlar 1. Bu W, Xiao J, Zhou C, Yang M, Peng C (2017) Acascade frame work formasked face detection. https://doi.org/10.1109/ICCIS.2017.8274819 2. Chen W, Zhou Q, Hu H (2019) Face alignment by discriminative feature learning. https://doi. org/10.1109/ICIP.2019.8803112 3. Girshick R, Donahue J, Darrell T, Malik J (2016) Region-based convolutional networks for accurate object detection and segmentation. IEEE Trans Pattern Anal Mach Intell 38(1). https://doi. org/10.1109/TPAMI.2015.2437384 4. K. Vikram; S. Padmavathi, “Facial parts detection using Viola Jones algorithm” 2017 4th International Conference on Advanced Computing and Communication Systems (ICACCS), 24 August 2017, doi:10.1109/ICACCS.2017.8014636 5. Xun Wang; Xingang Liu; Lingyun Lu; Zhixin Shen, “A New Facial Expression Recognition Method Based on Geometric Alignment and LBP Features”, 2014 IEEE 17th International Conference on Computational Science and Engineering, 29 January 2015. 6. Schroff F, Kalenichenko D, Philbin J (2015) FaceNet: a unified embedding for face recognition and clustering. https://doi.org/10.1109/CVPR.2015.7298682 7. Khalilov, S.P., Yusupov, I., Mannapova, M.G., Nasrullayev, N.B., Botirov, F. “Effectiveness of Deep Learning Based Filtering Algorithm in Separation of Human Objects from Images” Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics)this link is disabled, 2023, 13741 LNCS, pages 230–238 ORCID 58250916200 8. Automated Video Surveillance System for Detection of Suspicious Activities during Academic Offline Examination G. Sandhya Devi, G. Suvarna Kumar, S. Chandini O. Tuzel, F. Porikli, and P. Meer. Pedestrian detection via classification on riemannian manifolds. IEEE Trans. Pattern Anal. Mach. Intell., 30(10):1713–1727, 2008. 9. M. Umarov, F. Muradov and T. Azamov, “Traffic Sign Recognition Method Based on Simplified Gabor Wavelets and CNNs,” 2021 International Conference on Information Science and Communications Technologies (ICISCT), Tashkent, Uzbekistan, 2021, pp. 1-5, doi: 10.1109/ ICISCT52966.2021.9670118. 10. P. Viola and M. Jones. Rapid object detection using a boosted cascade of simple features. In Proc. IEEE Conf. Computer Vision and Pattern Recognition (CVPR), volume 1, pages 511– 518, 2001. 11. A. Wahid, Y. Sengoku, and M. Mambo. Toward constructing a secure online examination system. In Proc. of the 9th Int. Conf. on Ubiquitous Information Management and Communication, page 95. ACM, 2015. 12. B. Xiao, P. Georgiou, B. Baucom, and S. Narayanan. Head motion modeling for human behavior analysis in dyadic interaction. IEEE Trans. Multimedia, 17(7):1107–1119, 2015. 13. Y. Zhang, X. Liu, M.-C. Chang, W. Ge, and T. Chen. Spatio-temporal phrases for activity recognition. In Proc. European Conf. Computer Vision (ECCV), pages 707–721, Florence, Italy, Oct. 2012. 14. U. Khamdamov, M. Umarov, J. Elov, S. Khalilov and I. Narzullayev, “Uzbek traffic sign dataset for traffic sign detection and recognition systems,” 2022 International Conference on Information Science and Communications Technologies (ICISCT), Tashkent, Uzbekistan, 2022, pp. 1-5, doi: 10.1109/ ICISCT55600.2022.10146832 15. M. Avaz and K. Sirojiddin, “Basic principles of wavelet filtering,” 2021 International Conference on Information Science and Communications Technologies (ICISCT), Tashkent, Uzbekistan, 2021, pp. 1-3, doi: 10.1109/ICISCT52966.2021.9670311. 16. Khamdamov, U., Abdullayev, A., Mukhiddinov, M., Xalilov, S. “Algorithms of multidimensional sig-

Management and Future Technologies journal.umft.uz March 2025 Volume 2, Issue 1 nals processing based on cubic basis splines for information systems and processes,” Journal of Applied Science and Engineering (Taiwan)this link is disabled, 2021, 24(2), страницы 141–150, ORCID 58250916200 17. A. Mirzaev and S. Khalilov, “Digital Signal Processing Based On Spline Functions,” 2019 International Conference on Information Science and Communications Technologies (ICISCT), Tashkent, Uzbekistan, 2019, pp. 1-7, doi: 10.1109/ICISCT47635.2019.9012038. 18. M. M. Umarov, J. Elov, S. Khalilov, I. Narzullayev and M. Karimov, “An algorithm for parallel processing of traffic signs video on a graphics processor,” 2022 International Conference on Information Science and Communications Technologies (ICISCT), Tashkent, Uzbekistan, 2022, pp. 1-5, doi: 10.1109/ICISCT55600.2022.10146809. 19. Mahmudovich, M.M., Ilkhamovna, A.M., Shukhrat Ogli, T.B. Image Approach to Uzbek Speech Recognition. International Conference on Communication Technology Proceedings, ICCT, 2022, 2022-November-November, страницы 1201–1206 20. K Khamdamov, U.R., Umarov, M.A., Khalilov, S.P., Kayumov, A.A., Abidova, F.S. (2024). Traffic Sign Recognition by Image Preprocessing and Deep Learning. In: Choi, B.J., Singh, D., Tiwary, U.S., Chung, WY. (eds) Intelligent Human Computer Interaction. IHCI 2023. 203

Volume 2, Issue 1 March 2025 204 Mualliflar Akmal Axatov Sharof Rashidov nomidagi Samarqand davlat universiteti, Samarqand, O‘zbekiston; a-rustamovich@samdu.uz Ma’ruf Tojiyev Boshqaruv nazariyasi va axborot xavfsizligi kafedrasi, Sharof Rashidov nomidagi Samarqand davlat universiteti, Samarqand, O‘zbekiston; mrtojiyev6886@gmail.com Mas’ul: mrtojiyev6886@gmail.com Management and Future Technologies journal.umft.uz TASHKILOTLARDA HUJJATLARNI QAYTA ISHLASH JARAYONLARINI BOSHQARISHNING IMITATSION MODELI: OMMAVIY XIZMAT KO‘RSATISH TIZIMLARI MISOLIDA A nnotatsiya: Ushbu maqolada tashkilotlarda hujjatlarni qayta ishlash jarayoni va uning samaradorligini oshirish usullari tahlil qilinadi. Ommaviy xizmat ko‘rsatish tizimlari asosida hujjat oqimining intensivligi, qayta ishlash tezligi va tizim yuklanishini baholash uchun imitatsion modellashtirish usuli qo‘llaniladi. Hujjatlarni qabul qilish, qayta ishlash va saqlash bosqichlari tahlil qilinib, jarayon samaradorligini oshirish bo‘yicha tavsiyalar beriladi. Modellashtirish natijalarining amaliy qo‘llanilish imkoniyatlari ko‘rib chiqiladi. Kalit so‘zlar: hujjatlarni qayta ishlash, ommaviy xizmat ko‘rsatish tizimlari (OXKT), imitatsion modellashtirish, xizmat ko‘rsatish samaradorligi, hujjat oqimi, diskret-hodisali modellashtirish (DHM). Copyright: © 2024 by the authors. Ushbu maqola Creative Commons Attribution (CC BY) litsenziyasi shartlari asosida tarqatiladigan ochiq foydalanish maqolasi hisoblanadi (https://creativecommons.org/ licenses/by/4.0/).

Management and Future Technologies journal.umft.uz March 2025 Volume 2, Issue 1 Metodologiya Hujjat almashinuvi jarayonini modellashtirishda ommaviy xizmat ko‘rsatish nazariyasi (OXKN) va diskret-hodisali modellashtirish (DHM) usullari asosiy metodologik yondashuv sifatida qo‘llaniladi. OXKN hujjatlarning tizimga kelish jarayonlarini, xizmat ko‘rsatish vaqtlarini va tizimning umumiy samaradorligini matematik jihatdan tavsiflash imkonini beradi. Bu nazariya orqali hujjatlarning kelish tezligi, xizmat ko‘rsatish tezligi, navbat uzunligi va tizimning to‘liq ishlash vaqti kabi asosiy ko‘rsatkichlarni aniqlanadi. Diskret-hodisali modellashtirish (DHM) usuli esa tizimdagi hodisalarni vaqt bo‘yicha diskret nuqtalarda kuzatish va ularning o‘zaro ta’sirini tahlil qilish imkoniyatini beradi[6-7]. Bu usul orqali hujjatlar almashinuvi jarayonidagi har bir bosqich (masalan, hujjatni qabul qilish, uni qayta ishlash, tasdiqlash va yuborish) alohida modellashtirilib, ularning o‘zaro bog‘liqligi va tizimga ta’siri chuqurroq tahlil qilinadi. DHM yordamida tizimning turli parametrlarini o‘zgartirib, ularning samaradorlikka ta’sirini baholash va eng optimal ishlash sharoitlari aniqlanadi. Ikkala usulning kombinatsiyasi orqali hujjat almashinuvi jarayonining real vaqtda simulyatsiyasi amalga oshiriladi, bu esa tizimning zaif tomonlarini aniqlash va ularni optimallashtirish imkoniyatini beradi. Shuningdek, bu usullar yordamida tizimning turli sharoitlardagi ishlashini bashorat qilish va resurslardan samaraliroq foydalanish strategiyalarini ishlab chiqish imkonini beradi. Ushbu metodologiya asosida quyidagi asosiy komponentlar hisobga olinadi: 1. Kelish jarayoni – hujjatlarning tashkilotga qanday tezlikda kelib tushishini aniqlash uchun Puasson oqimi modeli qo‘llaniladi. Bu model hujjatlarning kelish vaqtlarini tasodifiy hodisa sifatida tavsiflash imkonini beradi. 2. Xizmat ko‘rsatish tizimi – hujjatlarni qayta ishlash tezligi va xizmat ko‘rsatish vaqtining taqsimoti aniqlanadi. Ushbu jarayon M/M/n ommaviy xizmat ko‘rsatish tizimi modeli orqali ifodalanadi, bunda xizmat vaqti eksponensial taqsimotga bo‘ysunadi. 3. Navbat tizimi – hujjatlarning qayta ishlanish tartibi FIFO (First In, First Out) yoki LIFO (Last In, First Out) qoidalariga asosan tashkil qilinadi. 4. Samaradorlik tahlili – xizmat jarayoni samaradorligini baholash uchun o‘rtacha kutish vaqti, xizmat ko‘rsatish tezligi va tizim yuklanish darajasi hisoblab chiqiladi. Ommaviy xizmat ko‘rsatish tizimida hujjat almashinuvi jarayonining analitik modeli Hujjat almashinuvi jarayoni ommaviy xizmat ko‘rsatish tizimi (OXKT) doirasida matematik modellashtiriladi. Ushbu jarayon turli tizimlarda, xususan, axborot texnologiyalari, hujjat aylanishi boshqaruvi va avtomatlashtirilgan hujjat ishlash platformalarida muhim ahamiyat kasb etadi. Zamonaviy axborot tizimlarida hujjatlar oqimini samarali boshqarish va qayta ishlashni optimallashtirish uchun xizmat ko‘rsatish jarayonining statistik va ehtimollik xususiyatlarini aniqlash talab etiladi. Shu sababli, hujjatlar oqimining tavsiflanishi va xizmat ko‘rsatish jarayonlarining modellashtirilishi ilmiy va amaliy jihatdan dolzarb masalalardan biri hisoblanadi. Hujjat almashinuvi tizimlarining matematik modelini ishlab chiqishda ehtimollar nazariyasi, navbatlar nazariyasi hamda ommaviy xizmat ko‘rsatish tizimlari (OXKT) bo‘yicha ishlab chiqilgan 205

Volume 2, Issue 1 206 March 2025 Management and Future Technologies journal.umft.uz klassik modellardan foydalaniladi. Ushbu yondashuv hujjatlar oqimi, xizmat ko‘rsatish tezligi va navbatda kutish ehtimolliklarini baholash imkonini beradi. Bunday modellar asosida tizimning ishlash unumdorligi tahlil qilinadi va xizmat ko‘rsatish jarayonining optimallashtirilgan variantlari ishlab chiqiladi. Ommaviy xizmat ko‘rsatish tizimlari odatda M/M/n modeli asosida tavsiflanadi, bunda: M – kelish jarayoni Poisson oqimi orqali ifodalanadi, ya’ni hujjatlarning tizimga kelishi tasodifiy bo‘lib, Poisson jarayoniga bo‘ysunadi. M – xizmat ko‘rsatish jarayoni eksponensial taqsimot bo‘yicha modellashtiriladi, ya’ni har bir hujjatga xizmat ko‘rsatish vaqtlari mustaqil va eksponensial taqsimlangan. n – xizmat ko‘rsatish kanallari sonini bildiradi, ya’ni tizimda bir vaqtning o‘zida nechta hujjatga xizmat ko‘rsatish mumkinligini ifodalaydi. Tizimga keluvchi hujjatlar oqimi Poisson jarayoniga bo‘ysunib, quyidagi ehtimollik funksiyasi orqali ifodalanadi: 𝑃𝑃� ��� � ����� � ��� (1) �! bunda Pn(t) – vaqt oralig‘ida n ta hujjat kelib tushish ehtimoli, λ – hujjatlar oqimining kelish intensivligi (soatiga hujjatlar soni), t – vaqt oralig‘i. Kelish vaqtlari orasidagi taqsimot esa eksponensial taqsimot bilan tavsiflanadi: ���� � �� ��� , ��0 (2) Xizmat ko‘rsatish tizimining holatlari Markov jarayoni bilan tasvirlanadi, ya’ni kelayotgan va xizmat ko‘rsatilayotgan hujjatlar soni tizimning joriy holatini belgilaydi[9]. OXKT holatlar grafi - bu “ko‘payish va o‘lim” sxemasi. Buning uchun tizim holatlarining chegaraviy ehtimolliklari uchun quyidagi ifodalardan foydalaniladi: Ommaviy xizmat ko‘rsatish tizimining (OXKT) holatlar grafigi “ko‘payish va o‘lim” jarayoni sxemasi asosida quriladi. Bunday tizim uchun holatlarning chegaraviy ehtimolliklari quyidagi ifodalar yordamida aniqlanadi: 𝑃𝑃� � � �! 𝑃𝑃��� � 𝑃𝑃� , 𝑃𝑃� � ���� ��! �� �! 𝑃𝑃� , . . . , 𝑃𝑃� � 𝑃𝑃� , . . . , 𝑃𝑃��� � �� �! ���� �� �! 𝑃𝑃� , 𝑃𝑃� , (3) (4) Tizimning bo‘sh holatda bo‘lish ehtimoli P0 esa quyidagi normalizatsiya sharti asosida aniqlanadi:

Management and Future Technologies journal.umft.uz 𝑃𝑃� � �1 � � �! �. . . � �� �! March 2025 � ���� ��! � ���� �� �! �. . . � ���� �� �! Volume 2, Issue 1 �� � . (5) bunda Pi – tizimning i-holatda bo‘lish ehtimoli, P0 – tizimning bo‘sh holatda bo‘lish ehtimoli (ya’ni, navbatda hech qanday ariza yo‘q), ρ – tizimning yuklanish darajasi, ya’ni ρ=λ/μ bu yerda λ – tizimga tushayotgan arizalar oqimining o‘rtacha kelish intensivligi, μ – bitta xizmat kanalining o‘rtacha xizmat ko‘rsatish intensivligi, n – tizimdagi xizmat ko‘rsatish kanallari soni, m – navbatning maksimal uzunligi (agar mavjud bo‘lsa). Xizmat ko‘rsatish tizimida rad etish ehtimoli Ushbu tizimda xizmat uchta mustaqil kanal orqali amalga oshiriladi. Agar barcha uchta kanal band bo‘lsa, kelgan hujjatlarga xizmat ko‘rsatish rad etiladi. Rad etish ehtimoli xizmat kanallarining to‘liq band bo‘lish ehtimoli P orqali hisoblanadi: 𝑃𝑃��� � � � ��� /�! � � ∑� ������ /�! . (6) Ushbu ifoda Erlang-B formulasiga asoslangan bo‘lib, tizimga kelgan hujjatlarning xizmat ko‘rsatilmay rad etilish ehtimolini aniqlash imkonini beradi. Mazkur metodologiya asosida hujjat almashinuvi tizimining samaradorligi baholanadi va uning optimal ishlashi uchun zarur shartlar aniqlanadi. Hujjatlarni qayta ishlash jarayonining imitatsion modeli Hujjat almashinuv tizimini kompyuterda imitatsion modellashtirish real jarayonlarni tahlil qilish va ularning ishlash samaradorligini baholashda muhim ahamiyat kasb etadi. Bunday yondashuv hujjatlar oqimining xususiyatlarini chuqurroq o‘rganish, turli konfiguratsiyalar asosida tizimning optimal ishlash sharoitlarini aniqlash hamda xizmat ko‘rsatish jarayonini takomillashtirish imkonini beradi. Ushbu jarayonda zamonaviy imitatsion modellashtirish vositalaridan biri bo‘lgan AnyLogic dasturidan foydalanish ayniqsa samarali hisoblanadi[11]. AnyLogic agentlik modellashtirish, tizim-dinamik modellashtirish hamda hodisalar oqimiga asoslangan modellashtirish imkoniyatlarini o‘z ichiga olgan ilg‘or platforma bo‘lib, hujjat almashinuvi tizimining real holatini imitatsiya qilishga imkon beradi. Mazkur modelda hujjatlar oqimi manba (source) dan kelib chiqadi, keyin tarmoqlash (selectOut) elementi orqali ajratiladi. Hujjatlar ushbu blok orqali ikki yo‘nalishga yo‘naltiriladi: Agar hujjat qayta ishlanishi kerak bo‘lsa, u kechikish (delay) komponentiga yo‘naltiriladi. Aks holda, hujjat bevosita chiqish-2 (sink2 ) orqali tizimdan chiqadi. 207

Volume 2, Issue 1 208 March 2025 Management and Future Technologies journal.umft.uz Modelning ishlash algoritmi 1. Source (Manba) elementi tizimga hujjatlar oqimini Puasson taqsimoti bo‘yicha kiritadi. 2. SelectOut (Tarmoqlash) elementi har bir hujjatni shartli ravishda ikkita yo‘nalishga ajratadi: a. True (haqiqiy) yo‘nalishda hujjat qayta ishlash jarayoniga o‘tadi. b. False (noto‘g‘ri) yo‘nalishda hujjat bevosita chiqib ketadi. 3. Agar hujjat qayta ishlanishi lozim bo‘lsa, u Delay (Kechikish) blokiga yo‘naltiriladi. Ushbu blok hujjatni qayta ishlash vaqtini hisobga olgan holda, tizimda ushlab turadi. 4. Delay (Kechikish) blokidan chiqqan hujjatlar Sink (Chiqish-1) orqali tizimdan chiqadi. 5. SelectOut (Tarmoqlash) blokida qayta ishlash sharti bajarilmagan hujjatlar Sink2 (Chiqish-2) orqali bevosita chiqib ketadi. 1-rasm. Modelning umumiy ko‘rinishi AnyLogic dasturida hujjatlarni qayta ishlash tizimini modellashtirish uchun ishlatiladigan asosiy elementlar va ularning xususiyatlari 1-jadvalda keltirilgan. Modelda source orqali hujjatlar kelib tushadi, selectOutput blokida ular qayta ishlashga yo‘naltiriladi yoki rad etiladi. Agar xodimlar soni yetarli bo‘lsa, delay orqali qayta ishlashga qabul qilinadi, aks holda, sink orqali rad etish ehtimoli hisoblab chiqiladi.

Management and Future Technologies journal.umft.uz March 2025 Volume 2, Issue 1 1-jadval. Hujjatlarni qayta ishlash modeli xususiyatlari. Nomi Turi Source (Hujjat) selectOutput delay Sink (Ishlov_b) Qiymati / Sharti Qo‘shimcha harakatlar Ariza turi: Kelib tushishlar orasidagi vaqt: QabulHujjatSoni++; Agent exponential(1/UrtHujKelOqm); Shartli QaytaIShlash.size()<IshchiSoni tanlov bo‘lsa, chiqish true, aks holda boshqa yo‘nalish Belgilanga Kechikish vaqti: Sig‘im: IshchiSoni, n vaqt exponential(1/UrtIshlovHujjat) Statistika yig‘ish: faol kechikishi Natija Hujjat qayta ishlangan deb IshlovBerilganHujjatSoni++ tuguni hisoblanadi ; QaytaIshlashEhtimoli=Ishlo vBerilganHujjatSoni/Qabul HujjatSoni; QaytaIshlanmaslikEhtimoli =1-QaytaIshlashEhtimoli; Hujjatlarni qayta ishlash jarayonida Delay (Kechikish) elementi muhim rol o‘ynaydi. Ushbu elementning asosiy xususiyatlari 2-rasmda keltirilganidek sozlanadi. Kechikish vaqtining taqsimoti tizimning ishlash shartlariga mos ravishda tanlanib, hujjatlarni qayta ishlash jarayoni real sharoitlarga yaqin modellashtiriladi. Bu esa tizim samaradorligini oshirish va natijalarni ishonchli tahlil qilish imkonini beradi. 2-rasm. Delay elementining xususiyatlari Sink (Chiqish) elementi hujjatlarni tizimdan chiqarish jarayonida muhim rol o‘ynaydi. Ushbu 209

Volume 2, Issue 1 210 March 2025 Management and Future Technologies journal.umft.uz elementga yetib kelgan har bir hujjatga ishlov berilgan deb hisoblanadi va quyidagi hisob-kitoblar amalga oshiriladi: IshlovBerilganHujjatSoni o‘zgaruvchisi 1 birlikka oshiriladi, ya’ni tizim tomonidan qayta ishlangan hujjatlar soni hisoblab boriladi. QaytaIshlashEhtimoli o‘zgaruvchisi quyidagi formulaga asosan yangilanadi: ܳܽ ݈݅݉݅ݐ݄ܧ݄ݏ݈݄ܽݏܫܽݐݕൌ ூ௦௩ு௨௧ௌ ொ௨ு௨௧ௌ Bu qiymat tizimga kirgan barcha hujjatlar ichida qayta ishlangan hujjatlarning ulushini aks ettiradi. QaytaIshlanmaslikEhtimoli quyidagi ravishda aniqlanadi: ܳܽ ݈݅݉݅ݐ݄ܧ݈݇݅ݏ݈݄ܽ݉݊ܽݏܫܽݐݕൌ 1 െ ݈ܳܽ݅݉݅ݐ݄ܧ݄ݏ݈݄ܽݏܫܽݐݕ Ushbu formula orqali tizimda qayta ishlanmagan hujjatlarning umumiy oqimga nisbatan ulushi hisoblanadi. Bu jarayon Sink elementi orqali amalga oshiriladi va modelning umumiy natijalarini baholashda muhim rol o‘ynaydi (3-rasm). 3-rasm. Sink elementining xususiyatlari Modellashtirish natijalarini chiqarish uchun double turidagi o‘zgaruvchi (Переменная) elementlari qo‘llaniladi (4-rasm). QabulHujjatSoni – kelib tushgan hujjatlar soni; IshlovBerilganHujjatSoni – qayta ishlangan hujjatlar soni; QaytaIshlashEhtimoli – hujjatlarni qayta ishlash ehtimolligi; QaytaIshlanmaslikEhtimoli– hujjatlarning qayta ishlanmay qolish ehtimolligi.

Management and Future Technologies journal.umft.uz March 2025 Volume 2, Issue 1 211 4-rasm. O‘zgaruvchilarning shakllanishi Keyingi bosqichda modelning virtual muhitda ishga tushirilishini ta’minlash maqsadida Simulation (Simulyatsiya) bo‘limida tegishli sozlashlar amalga oshiriladi (5-rasm). Bu jarayonda modelning bajarilish parametrlari aniqlanib, uning ishlash tartibi, vaqt rejimi va natijalarni qayd etish usullari belgilanadi. Sozlash jarayoni modelni optimal ishlash sharoitiga moslashtirish hamda uning dinamikasini real sharoitga yaqin holda kuzatish imkonini beradi. 1. “Loyihalar” (Проекты) oynasida Simulation:Main bo‘limi ajratiladi. 2. “Model vaqti” (Модельное время) sahifasida "To‘xtatish" (Остановить) parametri sifatida "Belgilangan vaqtda" (В заданное время) opsiyasi tanlanadi. 3. “Yakuniy vaqt” (Конечное время) sifatida 600000 qiymati kiritiladi. 4. “Ishlash rejimi” (Режим выполнения) “Virtual vaqt” (Виртуальное время) – maksimal tezlikda holatiga o‘rnatiladi. 5. “Tasodifiylik” (Случайность) sahifasida “Fiksatsiyalangan boshlang‘ich son” (Фиксированное начальное число) opsiyasi o‘rnatiladi, bu esa qayta ishlab chiqish jarayonida takrorlanuvchi natijalarni ta’minlaydi. 6. “Boshlang‘ich son” (Начальное число) sifatida 1055 qiymati belgilanadi. 5-rasm. Simulation oynasining sozlamalari

Volume 2, Issue 1 212 March 2025 Management and Future Technologies journal.umft.uz Tahlil va natijalar AnyLogic muhitida qurilgan hujjat almashinuv jarayonining imitatsion modeli to‘liq shakllantirilib, ishga tushirishga tayyor holatga keltirildi. Endilikda modelni ishga tushirish va uning natijalarini tahlil qilish bosqichiga o‘tish zarur. Modelning ishlash jarayoni davomida hosil bo‘ladigan statistik natijalar va vizualizatsiya komponentlari tahlil qilinib, tizim samaradorligi baholanadi. Mazkur tahlil jarayoni, birinchidan, hujjatlar oqimining vaqt bo‘yicha taqsimlanishi, ikkinchidan, xizmat ko‘rsatish jarayonidagi kechikishlarning o‘rtacha qiymati hamda tizim yuklanish darajasi kabi parametrlarni o‘z ichiga oladi. Ushbu natijalar eksperimental tekshirish va model parametrlarini optimallashtirish imkoniyatini taqdim etadi. Shuningdek, model natijalari vizual tahlil qilish imkonini beruvchi grafik va diagrammalar yordamida tasvirlanadi. Kutilayotgan natijalar 6-rasmda keltirilganidek tizimning ishlash samaradorligi va parametrlarning vaqt bo‘yicha o‘zgarishini aks ettirishi lozim. Bu jarayon modelni real tizim bilan taqqoslash va uning haqiqiy jarayonlarga mosligini aniqlash uchun muhim ahamiyat kasb etadi. 6-rasm. Imitatsion model natijasi

Management and Future Technologies journal.umft.uz March 2025 Volume 2, Issue 1 Modelning ishlash muddati 199535 ga yetgach, ya’ni 7-rasmda keltirilgan qiymatga erishilgandan so‘ng, tizim 50000 ta dinamik agent chekloviga ko‘ra avtomatik to‘xtaydi. 7-rasm. Modelning ishlash muddati Hisob-kitob natijalari asosida hujjatlarning qayta ishlanmaslik ehtimoli (QaytaIshlanmaslikEhtimoli) 0,346 ga teng ekani aniqlandi. Ushbu qiymat analitik usulda olingan natija bilan mos keladi, biroq ba’zi holatlarda uch xonali aniqlikdagi yaxlitlash natijasida kichik tafovutlar kuzatilishi mumkin. Keyingi bosqichda tizim samaradorligini oshirish maqsadida xodimlar soni uch kishidan olti kishiga oshirildi. Bu optimallashtirish jarayoni IshChiSoni parametrining standart qiymatini 6 qilib belgilash orqali amalga oshirildi. Modelni qayta ishga tushirish natijasida hujjatlarning qayta ishlanmaslik ehtimoli 0,053 ga kamaydi, bu esa analitik hisob-kitob natijasidan atigi 0,001 ga farq qiladi. Ushbu natijalar modelning real tizim ishini aks ettirishdagi yuqori aniqligini tasdiqlaydi (8rasm). 213

Volume 2, Issue 1 March 2025 Management and Future Technologies journal.umft.uz 214 8-rasm. Ishchilar soni oshirilganda natija Shunday qilib, olib borilgan imitatsion modellashtirish natijalari analitik hisob-kitoblar bilan yuqori darajadagi moslikni namoyon etdi. Olingan natijalar tizimning ishlash xususiyatlarini aniq aks ettirib, modelning real jarayonlarga yaqinligini tasdiqlaydi. Ushbu moslik imitatsion modellashtirishning ishonchliligi va amaliy qo‘llash imkoniyatlarini tasdiqlaydi hamda ushbu yondashuvning tizim samaradorligini baholash va optimallashtirishdagi ahamiyatini ta’kidlaydi. Xulosa Imitatsion modellashtirish real tizimlarning ishlash jarayonlarini tahlil qilish va turli ssenariylarni sinovdan o‘tkazish imkonini beruvchi samarali usullardan biri hisoblanadi. Ushbu yondashuv analitik usullar orqali yechish qiyin bo‘lgan murakkab jarayonlarni modellashtirishga imkon yaratadi. Imitatsion modellashtirish yordamida real tizimni buzmasdan sinov o‘tkazish, turli parametrlarning ta’sirini baholash va optimal ishlash sharoitlarini aniqlash mumkin. Bu usul ayniqsa, murakkab tizimlar uchun samarali bo‘lib, qaror qabul qilish jarayonini soddalashtiradi va aniqligini oshiradi. AnyLogic dasturi imitatsion modellashtirish uchun keng imkoniyatlar taqdim etadi. Uning grafik interfeysi yordamida modellashtirilgan jarayonlar vizual tarzda ifodalanib, natijalar diagrammalar va animatsiyalar shaklida taqdim etiladi. Bu esa foydalanuvchilarga tizimning ishlashini tushunishni osonlashtiradi va qaror qabul qilishda aniq tahlillarga tayangan holda harakat qilish imkonini beradi. Shuningdek, AnyLogic agentga asoslangan modellashtirish, tizimli-dinamik yondashuv va diskret hodisalar modeli kabi bir necha modellashtirish usullarini qo‘llab-quvvatlaydi. Bu esa dasturdan turli sohalarda samarali foydalanish imkonini beradi.

Management and Future Technologies journal.umft.uz March 2025 Volume 2, Issue 1 AnyLogic dasturining yana bir muhim afzalligi – dinamik parametrlarni sozlash va model ish jarayonida ularning ta’sirini tahlil qilish imkoniyatidir. Modellashtirish natijalari statistik usullar yordamida chuqur tahlil qilinib, tizimning turli sharoitlarda qanday ishlashini aniqlash va optimal strategiyalar ishlab chiqish imkoniyati yaratiladi. Buning natijasida, tizimning samaradorligini oshirish, resurslarni optimal taqsimlash va ehtimoliy muammolarni oldindan aniqlash imkoniyati yuzaga keladi. Xulosa qilib aytganda, AnyLogic dasturida imitatsion modellashtirish real tizimlarning ishlash jarayonlarini batafsil tahlil qilish, ularni vizual tarzda ifodalash va optimal qarorlarni ishlab chiqish uchun qulay muhit yaratadi. Bu esa turli sohalarda, jumladan, ishlab chiqarish, logistika, xizmat ko‘rsatish va boshqa jarayonlarni optimallashtirishda katta ahamiyat kasb etadi. 215

Volume 2, Issue 1 216 March 2025 Management and Future Technologies journal.umft.uz Adabiyotlar Tako, A. A., & Robinson, S. (2012). The application of discrete event simulation and system dynamics in the logistics and supply chain context. 2.Günal, M. M., & Pidd, M. (2010). Discrete event simulation for performance modelling in health care: a review of the literature. 3.Brailsford, S. C., & Hilton, N. A. (2001). A comparison of discrete event simulation and system dynamics for modelling healthcare systems. 4.Chowdhury, M. S., & Sadek, A. W. (2012). Fundamentals of Intelligent Transportation Systems Planning. 5.Liu, R., & Chen, Y. (2015). Simulation-based optimization for transportation systems: a review. 6.Banks, J., Carson, J. S., & Nelson, B. L. (2014). Discrete-Event System Simulation. 7.Боев В. Д. Об адекватности систем имитационного моделирования GPSS World и AnyLogic. Часть 2 // Прикладная информатика. № 4 (34). 2011. С. 50-62. 8.Kelton, W. D., Sadowski, R. P., & Zupick, N. B. (2014). Simulation with Arena. 9.Law, A. M. (2015). Simulation Modeling and Analysis. 10.Robinson, S. (2014). Simulation: The Practice of Model Development and Use. 11.Сайт компании разработчика системы имитационного моделирования AnyLogic www.anylogic.ru.

Management and Future Technologies journal.umft.uz March 2025 Volume 2, Issue 1 Adabiyotlar 1. Tako, A. A., & Robinson, S. (2012). The application of discrete event simulation and system dynamics in the logistics and supply chain context. 2. Günal, M. M., & Pidd, M. (2010). Discrete event simulation for performance modelling in health care: a review of the literature. 3. Brailsford, S. C., & Hilton, N. A. (2001). A comparison of discrete event simulation and system dynamics for modelling healthcare systems. 4. Chowdhury, M. S., & Sadek, A. W. (2012). Fundamentals of Intelligent Transportation Systems Planning. 5. Liu, R., & Chen, Y. (2015). Simulation-based optimization for transportation systems: a review. 6. Banks, J., Carson, J. S., & Nelson, B. L. (2014). Discrete-Event System Simulation. 7. Боев В. Д. Об адекватности систем имитационного моделирования GPSS World и AnyLogic. Часть 2 // Прикладная информатика. № 4 (34). 2011. С. 50-62. 8. Kelton, W. D., Sadowski, R. P., & Zupick, N. B. (2014). Simulation with Arena. 9. Law, A. M. (2015). Simulation Modeling and Analysis. 10. Robinson, S. (2014). Simulation: The Practice of Model Development and Use. 11. Сайт компании разработчика системы имитационного моделирования AnyLogic www. anylogic.ru. 217

Volume 2, Issue 1 March 2025 218 Mualliflar Azizbek Raximov Kommunikatsiya va raqamli texnologiyalar kafedrasi, “University of management and future technologies” universiteti, Toshkent, 100208, O‘zbekiston. Baxtiyor Akmuradov Kommunikatsiya va raqamli texnologiyalar kafedrasi, “University of management and future technologies” universiteti, Toshkent, 100208, O‘zbekiston; b.u.akmuradov@gmail.com Mas’ul: b.u.akmuradov@gmail.com Management and Future Technologies TELEKOM MUNIKATSIYA TIZIMLARIDA AXBOROT XAVFSIZLIGINI TA’MINLASHDA KONTEKSTGA ASOSLANGAN BO‘LAKLI HASHING ALGORITMLARI А Copyright: © 2024 by the authors. Ushbu maqola Creative Commons Attribution (CC BY) litsenziyasi shartlari asosida tarqatiladigan ochiq foydalanish maqolasi hisoblanadi (https://creativecommons.org/ licenses/by/4.0/). journal.umft.uz nnоtаtsiyа. Ushbu tadqiqot ishida telekommunikatsiya tizimlarida axborot xavfsizligini ta’minlashning samaradorligini oshirishga qaratilgan algoritmlar, xususan, kontekstga asoslangan bo‘lakli hashing algoritmlarini tadqiq qilish masalasi ko‘rib chiqilgan. Bunda axborot xavfsizligini ta’minlash uchun qo‘llanilayotgan algoritmlar, ularning afzalliklari va kamchiliklari batafsil tahlil qilingan. Kontekstga asoslangan bo‘lakli hashing algoritmlarining nazariy asoslari va qo‘llanilish imkoniyatlari o‘rganilgan. tadqiqotning amaliy natijalari sifatida telekommunikatsiya tizimlari uchun ishlab chiqilgan algoritmlar sinovdan o‘tkazilib, ularning samaradorligi tajriba natijalariga asoslanib baholangan. Olingan natijalar umumlashtirilib, telekommunikatsiya tizimlarida axborot xavfsizligini ta’minlash uchun taklif etilgan algoritmik yondashuvlarning samaradorligi va amaliy qo‘llanilishiga oid xulosalar hamda tavsiyalar berilgan. Kalit so‘zlar: algoritm, axborot xavfsizligini, Data Loss Prevention, Mrsh-v2, kiberxavfsizlik, hashing algoritmlari, Network Segmentation, shifrlash.

Management and Future Technologies journal.umft.uz March 2025 Volume 2, Issue 1 himoya qilishga yordam beradi. Shulardan kelib chiqqan holda ushbu ishda telekommunikatsiya tizimlarida axborot xavfsizligini ta’minlashning texnik va dasturiy yechimlari chuqur tahlil qilindi. Shuningdek, axborot xavfsizligini ta’minlash algoritmlari va texnologiyalari bo‘yicha xalqaro tadqiqotchilarning ilmiy maqolalari hamda erishgan yutuqlari va tavsiyalari o‘rganildi. Ushbu tadqiqot telekommunikatsiya tizimlarida axborot xavfsizligini ta’minlashning kontekstga asoslangan bo‘lakli hashing algoritmlarini o‘rganishga bag‘ishlangan bo‘lib, soha bo‘yicha mavjud ilmiy manbalar va ilg‘or tadqiqotlar tahlil qilindi. Xususan, F. Breitinger, I. Baggili, J. Beeskow, S. Gumaste, M. Thakare, R. Hiesh, A. Papadogiannakis, D. Antoniades, Jain-Shing Wu, Chih-Ta Lin, Yuh-Jye Lee va boshqa xalqaro olimlarning tadqiqotlari o‘rganilib tahlil qilindi. Axborot xavfsizligini ta’minlashning texnik va dasturiy yechimlari Telekommunikatsiya tizimlarida axborot xavfsizligini ta’minlashning texnik yechimlari - bu turli usullar va vositalar orqali tarmoq va axborot tizimlarini himoya qilish, shuningdek, axborotning maxfiyligini, yaxlitligini va mavjudligini ta’minlashga qaratilgan texnik yondashuvlardir. Quyidagi texnik yechimlar telekommunikatsiya tizimlarida axborot xavfsizligini ta’minlashda keng qo‘llaniladi: Firewall: Tarmoqda xavfsizlikni ta’minlash uchun ishlatiladigan Firewall tarmoq trafikini filtrlaydi, shuningdek, zararli kirishlarni bloklaydi. Firewall - bu tarmoq xavfsizligini ta’minlashga xizmat qiluvchi qurilma yoki dasturiy ta’minot bo‘lib, u tarmoqdagi trafikni nazorat qiladi va ruxsat berilgan yoki ruxsat berilmagan ma’lumotlarni tarmoq orqali o‘tkazadi. Asosiy maqsadi - tarmoqni xavfsizlik tahdidlaridan himoya qilish va zararli kirishlarni bloklashdir. IDS/IPS (Intrusion Detection System / Intrusion Prevention System): Ushbu tizimlar tarmoqdagi noma’lum yoki shubhali faoliyatni aniqlash va to‘xtatish uchun ishlatiladi. IDS tizimi tarmoqdagi yoki tizimdagi harakatlarni tahlil qiladi va ushbu harakatlarni normaga qarshi solishtiradi. VPN (Virtual Private Network): Uzoq masofalardan yoki jamoat tarmoqlaridan xavfsiz ulanishni ta’minlash uchun ishlatiladigan texnologiya bo‘lib, ma’lumotlarni shifrlash va tarmoq resurslarini himoya qilishda yordam beradi. VPN - bu internet orqali ikki yoki undan ortiq tarmoqni xavfsiz va shifrlangan kanal orqali ulash imkonini beruvchi texnologiya. VPN yordamida foydalanuvchi yoki tashkilotlar internetda yoki boshqa tarmoqda xavfsiz aloqalarni amalga oshirishi mumkin. VPN internetda ma’lumotlarni uzatishdan oldin ularni shifrlash va ma’lum bir server orqali o‘tkazish orqali tarmoqda yuqori darajadagi xavfsizlikni ta’minlaydi. Telekommunikatsiya tizimlarida axborot xavfsizligini ta’minlash uchun quyidagi asosiy 219

Volume 2, Issue 1 220 March 2025 Management and Future Technologies journal.umft.uz algoritmlar va texnologiyalar keng qo‘llaniladi: 1. Shifrlash (Encryption) algoritmlari: o AES (Advanced Encryption Standard): Ma’lumotlarning maxfiyligini ta’minlashda asosiy algoritm sifatida ishlatiladi. U yuqori samaradorlik va xavfsizlikni ta’minlaydi. Advanced Encryption Standard (AES) - bu simmetrik kalitli shifrlash algoritmi bo‘lib, axborotni himoya qilish va maxfiylikni ta’minlash uchun keng qo‘llaniladi. o RSA (Rivest-Shamir-Adleman): Asimmetrik shifrlash algoritmi bo‘lib, ma’lumotlarni yuborishdan oldin ularni himoya qiladi. U ochiq va yopiq kalitlardan foydalanadi. Rivest-ShamirAdleman (RSA) - bu assimetrik shifrlash algoritmi bo‘lib, kalit juftligi (ochiq va yopiq kalitlar) yordamida ma’lumotlarni shifrlash va autentifikatsiya qilish uchun ishlatiladi[10]. ECC (Elliptic Curve Cryptography): Ayniqsa resurslarni cheklangan tizimlar uchun samarali va tez shifrlashni ta’minlaydigan asimmetrik algoritm. Elliptic Curve Cryptography (ECC) bu assimetrik kriptografiya usuli bo‘lib, elliptik egri chiziqlar matematikasiga asoslangan. o 2. Identifikatsiya va avtorizatsiya algoritmlari: o OAuth: Web-ilovalar uchun xavfsiz avtorizatsiya mexanizmi bo‘lib, foydalanuvchi ma’lumotlarini boshqarishda foydalaniladi. OAuth (Open Authorization) - bu ochiq standarti bo‘lib, uchinchi tomon ilovalarga foydalanuvchi parolini oshkor qilmasdan, himoyalangan resurslarga cheklangan kirish huquqini berish imkonini yaratadi. o SAML (Security Assertion Markup Language): Xizmatlarni xavfsiz avtorizatsiya qilish uchun ishlatiladi, ko‘pincha federativ tizimlarda qo‘llaniladi. SAML (Security Assertion Markup Language) - bu identifikatsiya va autentifikatsiya ma’lumotlarini almashish uchun ishlatiladigan XML-ga asoslangan ochiq standart. SAML foydalanuvchilarga bir marta autentifikatsiya qilgan holda turli xizmatlardan foydalanish imkonini beruvchi Single Sign-On (SSO) mexanizmini qo‘llabquvvatlaydi. o LDAP (Lightweight Directory Access Protocol): Tarmoq resurslariga xavfsiz kirishni ta’minlash uchun ishlatiladi, foydalanuvchi va guruhlarni boshqarishda qo‘llanadi. LDAP bu katalog xizmatlari bilan ishlash uchun mo‘ljallangan yengil vaznli protokol. U foydalanuvchilar, qurilmalar, tarmoq resurslari va ruxsatnomalar haqida ma’lumotlarni saqlash va boshqarish uchun ishlatiladi. 3. Tarmoqni monitoring va tahdidlarni boshqarish: o IDS/IPS (Intrusion Detection and Prevention Systems): Tarmoqdagi tahdidlarga qarshi aniqlash va oldini olish tizimlari. Tarmoqga kiruvchi zararli faoliyatlarni kuzatish va ularni bloklash uchun ishlatiladi.