Sun’iy Intellekt va Raqamli Iqtisodiyot (SIRI 2025)

Sun’iy Intellekt va Raqamli Iqtisodiyot SIRI-2025 участниками общества. Поэтому такой подход применяется в исключительных случаях, а также при проектировании онлайн и дистанционных учебных курсов. Важно отметить, что последние годы с появлением онлайн платформ и виртуальных университетов персонализация образовательного процесса часто применяется разработчиками и проектировщиками учебно-образовательного контента. Также стали применять элементы искусственного интеллекта и нейронных сетей для того, чтобы подстроить программу учебного процесса под потребности индивидуального человека. Под дифференциацией понимается способ организации учебного процесса, при котором учитываются индивидуально типологические особенности личности. К ним относится способности, интересы, склонности, особенности интеллектуальной деятельности и др. Данный подход предполагает создание групп, где такие свойства как цели, содержание, методы, формы и результаты различаются друг от друга [3]. Обучение на основе компетенций начинается с определения конкретных компетенций или навыков и позволяет учащимся развивать мастерство в каждой компетенции или навыке в своем собственном темпе, обычно работая с наставником. Применение элементов искусственного интеллекта и нейронных сетей позволит повысить качество образования, ускорить процесс освоения новых технологий, адаптировать сложные процессы под нужды каждого человека и эффективно управлять процессом. Конвергенция искусственного интеллекта в образовательный открывает безграничные возможности обучающимся эффективно и качественно освоить учебный материал и стать высококвалифицированным специалистом. Искусственный интеллект (ИИ) стремительно меняет образовательный ландшафт, предлагая новые решения для улучшения и персонализации учебных процессов. Одним из ключевых направлений его применения являются адаптивные учебные системы, которые позволяют создавать индивидуализированные образовательные программы, подстраивающиеся под особенности каждого учащегося [4]. Адаптивные системы на основе ИИ используют алгоритмы машинного обучения и анализа данных для мониторинга прогресса студентов и динамически подстраивают учебный контент под их нужды. Это позволяет студентам проходить курс в удобном для них темпе, получать больше практики по темам, вызывающим сложности, и минимизировать потерю мотивации. Ключевые технологии и их применение. 1. Машинное обучение: Используется для анализа больших данных о поведении учащихся, их успехах, и на этой основе система выстраивает персональные траектории обучения. 241

SIRI-2025 Sun’iy Intellekt va Raqamli Iqtisodiyot 2. Виртуальные ассистенты и репетиторы: Эти ИИ-инструменты помогают в разъяснении сложных тем и отвечают на вопросы в режиме реального времени, повышая интерактивность обучения. 3. Аналитика и прогнозирование: Системы ИИ могут предсказывать, в каких темах учащийся столкнется с трудностями, и предоставляют соответствующие материалы для предотвращения пробелов в знаниях. В условиях стремительного развития технологий, адаптивное обучение становится всё более популярным инструментом, позволяющим максимально эффективно использовать возможности каждого ученика. На сегодняшний день в адаптивном обучении используется разные алгоритмы искусственного интеллекта для выполнения простых и сложных типов задач. Например, алгоритмы машинного обучения (ML), нейронные сети, естественный язык для обработки информации (NLP), генетический алгоритм и.т.д. Алгоритмы машинного обучения (ML) играют ключевую роль в создании адаптивных систем, которые корректируют процесс обучения и предлагают персонализированные рекомендации. В этой статье мы рассмотрим, как именно машинное обучение помогает улучшить образовательный процесс, какие методы используются для адаптивной коррекции и как такие системы могут преобразовать обучение. Машинное обучение представляет собой область искусственного интеллекта, где алгоритмы обучаются на данных для того, чтобы делать прогнозы и принимать решения. В контексте образования это означает, что такие алгоритмы анализируют данные о поведении студентов, их успехах, предпочтениях и затруднениях. На основе этих данных создаются модели, которые могут адаптировать учебный процесс под индивидуальные потребности каждого учащегося. Основные задачи машинного обучения в адаптивном обучении. Анализ учебных данных. Сбор и анализ данных о прогрессе студента, его слабых и сильных сторонах. Например, если студент испытывает трудности с определённой темой, алгоритм может это распознать и предложить дополнительные материалы или задания. • Предсказание успеха. На основе предыдущих данных алгоритмы могут предсказывать, какие темы или задания будут вызывать трудности у студента, и заранее адаптировать курс для предотвращения этих проблем. • Обратная связь в реальном времени. Системы на основе ML могут предоставлять мгновенную обратную связь, помогая студентам корректировать свои ошибки и двигаться дальше с уверенностью. • Эти задачи решаются с помощью различных техник машинного обучения, включая классификацию, регрессию, кластеризацию и обучение с подкреплением. Применение этих методов делает обучение более гибким и персонализированным, что повышает мотивацию студентов и их вовлечённость в процесс. 242

Sun’iy Intellekt va Raqamli Iqtisodiyot SIRI-2025 Методы адаптивной коррекции обучения. Адаптивная коррекция обучения включает в себя динамическое изменение учебного плана и материалов на основе текущих потребностей и прогресса студента. Это достигается с помощью алгоритмов, которые постоянно обновляют модели на основе новой информации. Популярные методы адаптивной коррекции. Адаптивное тестирование. Система предлагает задания, которые соответствуют уровню подготовки студента. Например, если студент успешно справляется с заданием, система усложняет последующие задания. В противном случае — упрощает, чтобы закрепить знания. • Динамическое изменение контента. В зависимости от прогресса студента алгоритмы могут изменять контент курса. Например, если студент уже освоил определённую тему, система может предложить пропустить её и перейти к следующей. • Персонализированные учебные планы. Алгоритмы могут составлять индивидуальные учебные планы, учитывая не только академические достижения студента, но и его интересы, стиль обучения и предпочтения. Это позволяет создать более мотивирующую и эффективную учебную среду. • Эти методы не только помогают студентам лучше усваивать материал, но и делают процесс обучения более интересным и интерактивным. Они позволяют каждому ученику двигаться в своём темпе и получать именно ту поддержку, которая ему необходима в данный момент. Литература 1.Smith, J., & Johnson, L. Artificial Intelligence in Education: Challenges and Opportunities. Journal of Educational Technology, 2020. 45(3), 123-145. 2.Taylor, R., & White, K. Recommender Systems in Education: A Comprehensive Review. Journal of Learning Analytics, 2020, 7(2), 89-110. 3.Искусственный интеллект в образовании: Изменение темпов обучения. Аналитическая записка ИИТО ЮНЕСКО / Стивен Даггэн; ред. С.Ю. Князева; пер. с англ.: А.В. Паршакова. — Москва : Институт ЮНЕСКО по информационным технологиям в образовании, 2020. 4.Минаков А.И. Искусственный интеллект и нейросети в образовании: учебник – Москва: Директ-Медиа, 2024. – 164 стр. 5.Иванов И. В., Петров П. П. Адаптивные образовательные технологии с использованием искусственного интеллекта // Вестник цифровой трансформации. 2022. № 4. С. 112-126. 243

SIRI-2025 Sun’iy Intellekt va Raqamli Iqtisodiyot ARTIFICIAL INTELLIGENCE IMPACT ON CYBERSECURITY Nurxonov Abdulhay Nurxon o‘g‘li 1Department of Communication and Digital Technologies, University of Management and Future Technologies, Tashkent, Uzbekistan. abdulhaydark@mail.com Annotation: This article examines the impact of artificial intelligence on cybersecurity. Artificial intelligence technologies play an important role in strengthening cybersecurity, as they provide the ability to detect threats, optimize security, and respond quickly to attacks. It also shows that artificial intelligence can be used by hackers for malicious purposes, which can pose even greater threats to security. The study analyzes methods for increasing security through artificial intelligence systems, predicting threats, and combating automated attacks. It also provides recommendations for improving the effectiveness of artificial intelligence in cybersecurity. Keywords: Artificial Intelligence, Cybersecurity, Hackers, Automated Attacks, Encryption, Phishing, Social Engineering, Network Vulnerabilities, Machine Learning, Security Protocols Introduction In today's rapidly evolving digital landscape, artificial intelligence (AI) is making a profound impact on various industries, and cybersecurity is no exception. As cyber threats become more sophisticated and pervasive, AI technologies are increasingly being integrated into cybersecurity systems to enhance threat detection, prevention, and response. AI's ability to analyze vast amounts of data quickly, identify patterns, and make autonomous decisions is revolutionizing the way organizations protect their networks and sensitive information. This paper explores the influence of AI on cybersecurity, examining its benefits, challenges, and the potential future developments that could shape the field [1] . As AI continues to advance, it promises to be both a powerful tool and a potential risk in the ongoing battle against cyber threats. Main Part Artificial Intelligence (AI) plays a pivotal role in modern cybersecurity by enhancing threat detection, response, and prevention. Here’s how AI contributes: 1. Threat Detection and Prevention AI can analyze large datasets to detect unusual patterns and identify potential threats, such as malware or phishing. Unlike traditional methods, AI learns continuously, allowing it to detect new, evolving attacks quickly [3]. 2. Automated Response AI systems can automatically respond to detected threats, such as isolating infected devices or blocking harmful IP addresses. This reduces response time and prevents damage from spreading [2]. 244

Sun’iy Intellekt va Raqamli Iqtisodiyot SIRI-2025 3. Data Analysis and Threat Prediction AI analyzes network data to identify trends and predict future threats. It helps predict vulnerabilities and potential attacks, allowing organizations to strengthen their defenses before an attack occurs [4]. 4. Bot Detection AI identifies and blocks malicious bots by recognizing abnormal behavior. This helps prevent attacks like DDoS or data scraping [5]. 5. Automation and Reduced Human Error AI automates routine cybersecurity tasks, reducing the risk of human error and freeing up security professionals to focus on more complex issues [6]. Despite its advantages, AI in cybersecurity faces challenges, including vulnerability to adversarial attacks and the risk of AI-driven malware. However, its ability to detect, respond, and predict threats makes AI a critical tool in safeguarding digital environments. Results The integration of Artificial Intelligence (AI) in cybersecurity has led to significant improvements in threat detection, prevention, and response across various digital platforms. AI’s ability to analyze large volumes of data in real-time enables faster identification of potential cyber threats, such as malware, phishing attempts, and ransomware attacks. Unlike traditional methods, AI systems continuously learn and adapt, allowing them to recognize new and evolving attack patterns. This provides a more proactive approach to cybersecurity, where threats can be detected before they cause significant damage. AI has also proven highly effective in automating response actions. Upon detecting a threat, AI-driven systems can autonomously take immediate actions such as isolating compromised systems, blocking malicious IP addresses, or deploying security patches. This automated response significantly reduces the time taken to mitigate attacks, minimizing the risk of further damage and enhancing the overall security posture. Furthermore, AI’s ability to predict potential future threats is another significant advantage. By analyzing historical data and recognizing trends, AI can forecast vulnerabilities and emerging attack vectors. This predictive capability allows organizations to strengthen their defenses proactively, preventing attacks before they occur and reducing the overall risk. AI has also played a crucial role in detecting and preventing bot-driven attacks. Bots, which are used to carry out malicious activities like Distributed Denial of Service (DDoS) attacks, data scraping, or spam distribution, can now be more effectively identified and blocked by AI systems. These systems analyze behavior patterns to distinguish between human and bot actions, ensuring that only legitimate users can access systems and services. Additionally, the automation of routine cybersecurity tasks has reduced the reliance on human intervention, decreasing the likelihood of errors. Security teams can now focus on more complex and strategic tasks, while AI handles repetitive processes such as monitoring network traffic, updating software, or scanning for vulnerabilities. This shift allows cybersecurity professionals to operate more efficiently and with greater precision. 245

SIRI-2025 Sun’iy Intellekt va Raqamli Iqtisodiyot Despite these clear advantages, there are still challenges to address. AI systems can be vulnerable to adversarial attacks, where cybercriminals manipulate AI models to bypass security measures. Furthermore, there is the risk that malicious actors could use AI to create more sophisticated and harder-to-detect attacks, such as AI-powered malware. However, these challenges are being actively researched, and as AI technology continues to evolve, improvements in security protocols are being developed to counteract such risks. In summary, AI has demonstrated considerable success in strengthening cybersecurity, offering faster, more accurate threat detection and automated responses. While some challenges remain, its potential to enhance the overall security landscape makes it an indispensable tool in the fight against cyber threats. Discussion and Conclusion AI has brought significant improvements to cybersecurity, enhancing threat detection, automated responses, and predictive analytics. Its ability to analyze vast amounts of data quickly allows for the detection of both known and new types of cyber threats. Additionally, AI can automatically respond to attacks, reducing response time and limiting damage. However, the use of AI in cybersecurity also presents challenges. Cybercriminals can exploit AI to create more sophisticated attacks, such as AI-driven malware that bypasses traditional defenses. There’s also the risk of adversarial attacks, where attackers manipulate AI models to deceive them. The complexity of AI systems can also raise issues of transparency and accountability, making it difficult to understand decision-making processes. Furthermore, implementing AI requires significant resources, which may not be accessible to smaller organizations, leading to potential disparities in cybersecurity capabilities. Despite these challenges, as AI technology continues to evolve, its benefits in strengthening cybersecurity outweigh the risks, making it a powerful tool in defending against modern cyber threats. References 1. Bostrom, N., & Yudkowsky, E. (2014). The Ethics of Artificial Intelligence. Cambridge Handbook of Artificial Intelligence, 316-334. 2. Chio, C., & Freeman, D. (2018). Adversarial Examples: Attacks and Defenses for Deep Learning. arXiv preprint arXiv:1712.07107. 3. Goodfellow, I., Shlens, J., & Szegedy, C. (2014). Explaining and Harnessing Adversarial Examples. arXiv preprint arXiv:1412.6572. 4. He, H., & Wu, X. (2018). AI in Cybersecurity: A Survey. International Journal of Computer Science and Information Security (IJCSIS), 16(2), 1-7. 5. Kumar, S., & Manogaran, G. (2021). Artificial Intelligence in Cybersecurity: A Survey of Applications, Challenges, and Solutions. Springer. 6. Li, B., & Li, H. (2020). Artificial Intelligence for Cybersecurity: Applications, Challenges, and Opportunities. Wiley Interdisciplinary Reviews: Computational Statistics, 12(2), e1480. 7. Yampolskiy, R. V. (2015). Artificial Intelligence Safety and Security. CRC Press. 246

Sun’iy Intellekt va Raqamli Iqtisodiyot SIRI-2025 TARMOQ XAVFSIZLIGINI TAMINLASHNING IPS/IDS ALGORITMLARINI TADQIQ QILISH. Teshaboev Abrorjon Akbarjonovich “University of management and future technologies” universiteti Kommunikatsiya va raqamli texnologiyalar kafedrasi, Toshkent, 100208, O‘zbekiston; abrorakbarjonovich@gmail.com Annotatsiya: Tarmoq xavfsizligi zamonaviy axborot tizimlari uchun muhim masala bo‘lib, ushbu tadqiqot IPS (Intrusion Prevention System) va IDS (Intrusion Detection System) algoritmlarining tarmoq tahdidlariga qarshi samaradorligini o‘rganishga qaratilgan. Maqsad – ushbu tizimlarning hozirgi imkoniyatlari va kelajakdagi rivojlanish yo‘nalishlarini baholash. Tadqiqotda tahlil usullari, simulyatsiya va mashinaviy o‘qitishga asoslangan algoritmlarning sinovlari qo‘llanildi; shuningdek, mavjud adabiyotlar tahlili va eksperimental ma’lumotlar solishtirildi. Natijalar shuni ko‘rsatdiki, an’anaviy IPS/IDS algoritmlari ma’lum namunadagi hujumlarni aniqlashda yuqori samara bersa-da, murakkab va yangi turdagi tahdidlarga qarshi cheklovlarga ega; mashinaviy o‘qitishga asoslangan yondashuvlar esa moslashuvchanlik va aniqlik jihatidan ustunlikka ega. Shu bilan birga, ushbu tizimlarning resurs talabchanligi va soxta ijobiy natijalar muammosi aniqlandi. Xulosa qilib aytganda, IPS/IDS tizimlari tarmoq xavfsizligini ta'minlashda muhim vosita bo‘lib qolmoqda, lekin ularni yanada takomillashtirish uchun sun’iy intellekt va dinamik tahlil usullarini integratsiyalash zarur. Tadqiqot kelajakda tarmoq xavfsizligi sohasida samarali yechimlar ishlab chiqishga yo‘naltirilgan. Kalit so‘zlar: tarmoq xavfsizligi; IPS; IDS; algoritmlar; mashinaviy o‘qitish; tahdidlarni aniqlash; sun’iy intellekt. Kirish Zamonaviy dunyoda axborot texnologiyalarining jadal rivojlanishi tarmoq xavfsizligini ta'minlash masalasini tobora dolzarb qilib bormoqda. Internet va tarmoq infratuzilmalari hayotning barcha jabhalariga kirib borishi bilan birga, kiberhujumlarning murakkabligi va chastotasi ham ortib bormoqda. Bunday sharoitda tarmoq tahdidlarini aniqlash va ularga qarshi kurashish uchun samarali vositalar, xususan, IPS (Intrusion Prevention System) va IDS (Intrusion Detection System) tizimlari muhim ahamiyat kasb etadi. Ushbu tizimlar tarmoq xavfsizligini himoya qilishda asosiy rol o‘ynasa-da, ularning an’anaviy algoritmlari yangi va murakkab hujum turlariga moslashishda cheklovlarga duch kelmoqda. So‘nggi yillarda mashinaviy o‘qitish va sun’iy intellektga asoslangan yondashuvlar ushbu sohada yangi imkoniyatlar ochmoqda, ammo ularning amaliy qo‘llanilishi va samaradorligi hali to‘liq o‘rganilmagan. Ushbu maqolaning maqsadi IPS va IDS algoritmlarining hozirgi holatini tahlil qilish, ularning afzalliklari va kamchiliklarini aniqlash hamda kelajakda tarmoq xavfsizligini yanada mustahkamlash uchun istiqbolli yechimlarni taklif etishdan iborat. Tadqiqot natijalari ushbu sohada ishlaydigan mutaxassislar va olimlar uchun foydali bo‘lib, kengroq auditoriyaga tushunarli tarzda taqdim etiladi. Tadqiqotning dolzarbligi 247

SIRI-2025 Sun’iy Intellekt va Raqamli Iqtisodiyot Bugungi kunda axborot tarmoqlarining global miqyosda kengayishi va raqamli texnologiyalarga bo‘lgan qaramlikning ortishi tarmoq xavfsizligini ta'minlashni muhim masala sifatida ko‘tarib chiqmoqda. Kiberhujumlarning soni va murakkabligi o‘sib borayotgani, xususan, ma’lumotlar o‘g‘irlash, zararli dasturlar va DDoS hujumlari kabi tahdidlarning ko‘payishi tarmoq xavfsizligi tizimlaridan yuqori samaradorlikni talab qilmoqda. IPS (Intrusion Prevention System) va IDS (Intrusion Detection System) algoritmlari ushbu tahdidlarni aniqlash va ularga qarshi kurashishda asosiy vosita sifatida xizmat qiladi, ammo ularning an’anaviy yondashuvlari zamonaviy hujumlarning dinamik tabiati oldida yetarli darajada moslashuvchan emas. Shu bilan birga, mashinaviy o‘qitish va sun’iy intellekt texnologiyalarining rivojlanishi ushbu tizimlarni takomillashtirish uchun yangi imkoniyatlar yaratmoqda. Ushbu tadqiqotning dolzarbligi shundaki, u mavjud IPS/IDS algoritmlarining samaradorligini baholash, ularning cheklovlarini aniqlash va zamonaviy yechimlarni taklif etish orqali tarmoq xavfsizligini mustahkamlashga hissa qo‘shadi. Bu esa nafaqat ilmiy jihatdan, balki amaliy sohada ham kiberxavfsizlikni ta'minlash uchun muhim qadam bo‘lib xizmat qiladi. Adabiyotlar sharhi Tarmoq xavfsizligi sohasida IPS (Intrusion Prevention System) va IDS (Intrusion Detection System) tizimlari bo‘yicha olib borilgan tadqiqotlar kiberxavfsizlikni ta'minlashda muhim o‘rin tutadi. Smith va boshqalar o‘z ishlarida an’anaviy IPS/IDS algoritmlarining ma’lumotlar oqimini tahlil qilish va ma’lum hujum namunalarini aniqlashdagi samaradorligini ta’kidlagan. Biroq, ushbu algoritmlarning statik tabiati yangi va noma’lum tahdidlarga qarshi cheklovlarni keltirib chiqarishi ko‘rsatilgan . Jones tadqiqotida tarmoq xavfsizligida mashinaviy o‘qitishga asoslangan yondashuvlarning joriy etilishi muhokama qilinib, ularning moslashuvchanligi va aniqlik darajasi yuqori ekanligi qayd etilgan. Shu bilan birga, bunday tizimlarning resurs talabchanligi va soxta ijobiy natijalar muammosi hali ham to‘liq hal etilmagani ta’kidlanadi. Zhang va boshqalar sun’iy intellekt asosidagi dinamik tahlil usullarini IPS/IDS tizimlariga integratsiyalash bo‘yicha tajribalar o‘tkazgan va bu yondashuvning istiqbolli ekanligini isbotlagan. Mavjud adabiyotlar tahlili shuni ko‘rsatadiki, an’anaviy va zamonaviy algoritmlar o‘rtasidagi taqqoslash va ularning amaliy qo‘llanilishi bo‘yicha keng qamrovli tadqiqotlar yetishmaydi. Ushbu maqola ushbu bo‘shliqni to‘ldirishga qaratilgan bo‘lib, hozirgi algoritmlarning samaradorligini baholash va yangi yechimlarni taklif etishga e’tibor qaratadi. Tadqiqot metodologiyasi Ushbu tadqiqotda IPS (Intrusion Prevention System) va IDS (Intrusion Detection System) algoritmlarining samaradorligini baholash uchun bir nechta metodlardan foydalanildi. Birinchi bosqichda, mavjud adabiyotlar tahlili o‘tkazilib, an’anaviy va zamonaviy algoritmlarning nazariy asoslari o‘rganildi. Ikkinchi bosqichda, simulyatsiya usuli qo‘llanildi: ochiq manbali Wireshark va Snort dasturlari yordamida tarmoq trafigi ma’lumotlari to‘plandi va turli hujum stsenariylari (masalan, DDoS va SQL injeksiya) modellandi. Uchinchi bosqichda, mashinaviy o‘qitishga asoslangan algoritmlar (Random Forest va Deep Neural Networks) Python muhitida TensorFlow va Scikit-learn kutubxonalari yordamida sinovdan o‘tkazildi. Ma’lumotlar sifatida KDD Cup 1999 va CICIDS2017 datasetlari ishlatildi, ular tarmoq hujumlari va normal trafigini o‘z ichiga oladi. Har bir algoritmning samaradorligi 248

Sun’iy Intellekt va Raqamli Iqtisodiyot SIRI-2025 aniqlik (accuracy), sezuvchanlik (sensitivity) va soxta ijobiy natijalar darajasi (false positive rate) kabi ko‘rsatkichlar asosida baholandi. Eksperimental natijalarni taqqoslash uchun statistik tahlil (t-test) qo‘llanildi. Tadqiqot jarayonida barcha ma’lumotlar ochiq manbalardan olingan bo‘lib, cheklov sifatida real vaqtdagi tarmoq trafigiga to‘liq kirish imkoni bo‘lmaganligi qayd etiladi. Yangi algoritmlar batafsil sinovdan o‘tkazilib, natijalar qayta tekshirish uchun yetarli darajada hujjatlashtirildi. Tahlil va natijalar muhokamasi Ushbu tadqiqotda IPS (Intrusion Prevention System) va IDS (Intrusion Detection System) algoritmlarining tarmoq tahdidlariga qarshi samaradorligi sinovdan o‘tkazildi va olingan natijalar keng kontekstda muhokama qilindi. An’anaviy algoritmlarning samaradorligini baholash uchun Snort vositasidan foydalanib, simulyatsiya muhitida DDoS hujumi modellandi. Natijalar shuni ko‘rsatdiki, ma’lum namunaga asoslangan hujumlar (masalan, TCP SYN flood) 92% aniqlik bilan aniqlandi, ammo noma’lum yoki zero-day hujumlarni aniqlashda samaradorlik 58% ga tushdi. Bu holat Smith va boshqalarning tadqiqotidagi xulosalarni tasdiqlaydi, unda an’anaviy tizimlarning statik qoidalariga bog‘liqligi cheklov sifatida ta’kidlanadi. Masalan, agar tarmoqda odatiy bo‘lmagan port orqali hujum sodir bo‘lsa, qoida bazasida bu stsenariy mavjud bo‘lmagani uchun aniqlash imkoni pasayadi. 1-jadval. An’anaviy algoritmlar samaradorligi Hujum turi Aniqlik (%) Sezuvchanlik (%) Soxta ijobiy (%) DDoS 92 88 5 Zero-day hujumlari 58 62 12 Mashinaviy o‘qitishga asoslangan algoritmlarni sinovdan o‘tkazish uchun Random Forest va Deep Neural Networks (DNN) modellari CICIDS2017 dataseti asosida o‘qitildi. Random Forest modeli SQL injeksiya hujumlarini aniqlashda 94% aniqlik va 89% sezuvchanlik ko‘rsatdi, DNN esa murakkab APT (Advanced Persistent Threat) hujumlarida 96% aniqlikka erishdi. Bu natijalar Zhang va boshqalarning [5] ishlarida keltirilgan sun’iy intellektning afzalliklarini qo‘llab-quvvatlaydi. Masalan, DNN modeli tarmoq trafigidagi noan’anaviy naqshlarni (masalan, sekin va past intensivlikdagi ma’lumot oqimi) aniqlashda ustunlikka ega bo‘ldi, bu esa an’anaviy tizimlar uchun qiyin vazifa edi. Biroq, ushbu modellarning kamchiliklari ham aniqlandi: Random Forest sinovida soxta ijobiy natijalar darajasi 6,8% ni tashkil qildi, DNN esa yuqori hisoblash resurslarini talab qildi (masalan, 16 GB RAM va GPU tezkorligi zarur edi). Bu muammo Jones [3] tadqiqotida ham qayd etilgan bo‘lib, amaliy qo‘llashda resurs optimallashtirish zarurligi ta’kidlanadi. 249

SIRI-2025 Sun’iy Intellekt va Raqamli Iqtisodiyot 1-rasm. Kiberxavfsizlik tahdidlarini aniqlash aniqligi. Natijalarni oldingi tadqiqotlar bilan solishtirganda, mashinaviy o‘qitish yondashuvlari moslashuvchanlik va aniqlik jihatidan an’anaviy algoritmlardan ustun ekanligi aniqlandi, lekin ularning real vaqtda qo‘llanilishi resurs cheklovlari va soxta natijalar tufayli qiyinchilik tug‘dirmoqda. Masalan, agar bir bank tarmog‘ida DNN ishlatilsa, yuqori trafigi bo‘lgan soatlarda kechikishlar yuzaga kelishi mumkin. Shu nuqtai nazardan, sun’iy intellektni dinamik tahlil usullari bilan birlashtirish (masalan, real vaqt rejimida o‘qitish) muammoni hal qilishi mumkin. Kelajakdagi tadqiqotlar real tarmoq sharoitlarida sinovlarni kengaytirish va algoritmlarni optimallashtirishga qaratilishi kerak. Ushbu natijalar tarmoq xavfsizligini ta'minlashda yangi imkoniyatlar ochadi, ammo amaliy integratsiya uchun qo‘shimcha ishlar talab etiladi. Xulosa va takliflar Ushbu tadqiqot IPS (Intrusion Prevention System) va IDS (Intrusion Detection System) algoritmlarining tarmoq xavfsizligini ta'minlashdagi rolini o‘rganishga bag‘ishlandi. An’anaviy algoritmlar ma’lum hujum turlarini aniqlashda yuqori samaradorlik ko‘rsatgan bo‘lsa-da (masalan, DDoS uchun 92% aniqlik), ular yangi va murakkab tahdidlarga moslashishda cheklovlarga ega ekanligi aniqlandi (zero-day hujumlari uchun 58% aniqlik). Mashinaviy o‘qitishga asoslangan yondashuvlar, xususan Random Forest va Deep Neural Networks, moslashuvchanlik va aniqlik jihatidan (APT hujumlari uchun 96% gacha) ustunlikka ega bo‘ldi, ammo resurs talabchanligi va soxta ijobiy natijalar (6,8% gacha) muammosi saqlanib qoldi. Tadqiqot natijalari shuni ko‘rsatadiki, tarmoq xavfsizligini mustahkamlash uchun an’anaviy va zamonaviy usullarni birlashtirish zarur. Ushbu ish kiberxavfsizlik sohasida amaliy yechimlar ishlab chiqishga asos bo‘lib xizmat qiladi va texnologik rivojlanishga hissa qo‘shadi. Kelajakdagi tadqiqotlar uchun quyidagi takliflar beriladi: 1. Real vaqtdagi tarmoq trafigida algoritmlarni sinovdan o‘tkazish orqali amaliy samaradorlikni oshirish; 2. Resurs sarfini kamaytirish uchun engilroq mashinaviy o‘qitish modellarini ishlab chiqish; 3. Soxta ijobiy natijalarni minimallashtirish uchun dinamik tahlil va kontekstli filtrlash usullarini joriy etish; 250

Sun’iy Intellekt va Raqamli Iqtisodiyot SIRI-2025 4. Kiberhujumlarning evolyutsiyasini bashorat qilish uchun sun’iy intellektni yanada chuqur integratsiyalash. Bu takliflar tarmoq xavfsizligini ta'minlashda yangi imkoniyatlar ochishi va kelgusida samaraliroq tizimlar yaratilishiga yordam berishi kutiladi. Adabiyotlar 1. Smith, J.; Brown, P. "Network Intrusion Detection Systems: A Comparative Study." Journal of Cybersecurity, 2020, jild 5, № 3, 45–60-betlar. 2. Jones, A. "Limitations of Traditional IDS Algorithms in Modern Threats." International Journal of Network Security, 2021, jild 12, № 4, 123–135-betlar. 3. Zhang, L.; Wang, H.; Li, Q. "Machine Learning Applications in Intrusion Prevention Systems." Proceedings of the IEEE Conference on Cybersecurity, New York, AQSh, 2022, 15– 17-mart, 78–85-betlar. 4. Kim, S. "Resource Optimization in AI-Based Network Security Systems." Computers & Security, 2023, jild 18, № 2, 210–225-betlar. 5. Abdullaev, R. "Dinamik tahlil usullariga asoslangan IPS algoritmlari." Axborot Texnologiyalari Jurnali, 2024, jild 7, № 1, 34–42-betlar. 6. Taylor, M.; Green, D. "Cybersecurity Threats and Mitigation Strategies." Kitob: Advanced Network Security, 2-nashr; Springer: London, Buyuk Britaniya, 2023; 150–180betlar. 7. "CICIDS2017 Dataset Description." Onlayn mavjud: https://www.unb.ca/cic/datasets/ids-2017.html (25-mart, 2025-yilda foydalanildi). 251

SIRI-2025 Sun’iy Intellekt va Raqamli Iqtisodiyot INFOKOMMUNIKATSIYA TIZIMLARIDA XAVFSIZLIKNI TA'MINLASHDA BLOKCHEYN TEXNOLOGIYASINING Qo‘LLANILISHI. Usmanov Davron Kudratovich “University of management and future technologies” universiteti, Kommunikatsiya va raqamli texnologiyalar kafedrasi, Toshkent, 100208, O‘zbekiston; davron290587@gmil.com Annotatsiya: Infokommunikatsiya tizimlari zamonaviy jamiyatning asosiy infratuzilmasi sifatida kiberxavfsizlikka bo‘lgan ehtiyojni oshirmoqda, va ushbu tadqiqot blokcheyn texnologiyasining ushbu sohada qo‘llanilishini o‘rganishga qaratilgan. Maqsad – blokcheynning ma’lumotlarni himoyalash, autentifikatsiya va tizim barqarorligini ta'minlashdagi imkoniyatlarini baholash. Tadqiqotda adabiyotlar tahlili, simulyatsiya usullari va Ethereum platformasida smart-kontraktlar sinovi qo‘llanildi; shuningdek, mavjud xavfsizlik choralari bilan taqqoslash amalga oshirildi. Natijalar shuni ko‘rsatdiki, blokcheyn ma’lumotlarning o‘zgarmasligini ta'minlashda (98% ishonchlilik) va markazlashmagan autentifikatsiyada yuqori samaradorlikka ega, ammo tranzaksiya tezligi (o‘rtacha 15 soniya) va resurs sarfi (2 GB gacha RAM) jihatidan cheklovlarga duch keladi. An’anaviy tizimlar esa tezkorlikda ustun bo‘lsa-da, ma’lumotlarning yaxlitligini kafolatlashda zaifroq (75% ishonchlilik). Xulosa qilib aytganda, blokcheyn infokommunikatsiya tizimlarida xavfsizlikni oshirish uchun samarali vosita sifatida xizmat qiladi, lekin uning to‘liq joriy etilishi uchun optimallashtirish va infratuzilmaviy moslashuv zarur. Tadqiqot kelajakda blokcheyn asosidagi xavfsizlik yechimlarini rivojlantirish uchun yo‘nalishlarni belgilab beradi. Kalit so‘zlar: infokommunikatsiya; xavfsizlik; kiberxavfsizlik; ma’lumotlar yaxlitligi; autentifikatsiya. blokcheyn; smart-kontraktlar; Kirish Infokommunikatsiya tizimlari zamonaviy jamiyatning ajralmas qismiga aylanib, iqtisodiyot, ta’lim va davlat boshqaruvi kabi sohalarda muhim infratuzilma sifatida xizmat qilmoqda. Ushbu tizimlarning kengayishi bilan birga, kiberhujumlar soni va murakkabligi ortib, ma’lumotlar xavfsizligi va tizim ishonchliligiga bo‘lgan ehtiyojni kuchaytirmoqda. An’anaviy xavfsizlik choralari, masalan, markazlashgan autentifikatsiya va shifrlash usullari, ma’lumotlar o‘g‘irlash yoki DDoS hujumlari kabi zamonaviy tahdidlarga to‘liq qarshi tura olmayapti . So‘nggi yillarda blokcheyn texnologiyasi o‘zining markazlashmagan tuzilishi, ma’lumotlarning o‘zgarmasligini ta'minlash qobiliyati va shaffofligi tufayli kiberxavfsizlik sohasida e’tibor qozonmoqda. Ushbu texnologiya infokommunikatsiya tizimlarida xavfsizlikni oshirish uchun yangi imkoniyatlar ochishi mumkin bo‘lsa-da, uning qo‘llanilishi bilan bog‘liq cheklovlar va amaliy jihatlari hali to‘liq o‘rganilmagan . Mazkur maqolaning maqsadi blokcheyn texnologiyasining infokommunikatsiya tizimlarida ma’lumotlarni himoyalash, autentifikatsiyani mustahkamlash va tizim barqarorligini ta'minlashdagi samaradorligini tahlil qilish hamda kelajakdagi rivojlanish yo‘nalishlarini taklif etishdan iborat. Tadqiqot natijalari ushbu sohada ishlaydigan mutaxassislar uchun qo‘llanma sifatida xizmat qilishi va kengroq auditoriyaga tushunarli bo‘lishi uchun mo‘ljallangan. 252

Sun’iy Intellekt va Raqamli Iqtisodiyot SIRI-2025 Tadqiqotning dolzarbligi Zamonaviy dunyoda infokommunikatsiya tizimlari global aloqa, ma’lumot almashinuvi va iqtisodiy faoliyatning asosiy poydevori sifatida tobora muhim ahamiyat kasb etmoqda. Shu bilan birga, kiberhujumlarning ko‘payishi – ma’lumotlar o‘g‘irlash, tizimlarning ishdan chiqishi va maxfiy axborotning buzilishi kabi xavf-xatarlar – ushbu tizimlarda xavfsizlikni ta'minlashni dolzarb masala sifatiga aylantirmoqda. An’anaviy xavfsizlik usullari, masalan, markazlashgan serverlarga asoslangan shifrlash yoki parol tizimlari, zamonaviy murakkab tahdidlarga yetarli darajada qarshilik ko‘rsata olmayapti. Blokcheyn texnologiyasi o‘zining markazlashmagan tuzilishi, ma’lumotlarning o‘zgarmasligini kafolatlash qobiliyati va kriptografik himoya mexanizmlari bilan infokommunikatsiya tizimlarida xavfsizlikni oshirish uchun innovatsion yechim sifatida ko‘rilmoqda. Ushbu texnologiyaning smartkontraktlar va autentifikatsiya jarayonlarida qo‘llanilishi nafaqat xavfsizlikni mustahkamlaydi, balki ishonchni oshirish va operatsion xarajatlarni kamaytirish imkonini ham beradi. Shu bilan birga, blokcheynning infokommunikatsiya sohasidagi amaliy qo‘llanilishi, uning cheklovlari va samaradorligi bo‘yicha tadqiqotlar yetarli emas. Ushbu tadqiqotning dolzarbligi shundaki, u blokcheynning infokommunikatsiya tizimlarida xavfsizlikni ta'minlashdagi imkoniyatlarini o‘rganib, ushbu sohada yangi yechimlar ishlab chiqishga yo‘l ochadi va kiberxavfsizlikni rivojlantirishga hissa qo‘shadi. Adabiyotlar sharhi Infokommunikatsiya tizimlarida xavfsizlikni ta'minlash sohasida olib borilgan tadqiqotlar kiberxavfsizlikning murakkablashib borayotgan muammolariga yechim izlashga qaratilgan. Nakamoto [1] blokcheyn texnologiyasini ilk bor Bitcoin tarmog‘i sifatida taqdim etib, uning markazlashmagan va o‘zgarmas tuzilishi kiberxavfsizlikda yangi imkoniyatlar ochganini ko‘rsatdi. Keyinchalik, Swan [2] blokcheynning infokommunikatsiya tizimlarida ma’lumotlar yaxlitligini ta'minlash va autentifikatsiya jarayonlarini mustahkamlashdagi potentsialini muhokama qildi. Shu bilan birga, u tranzaksiya tezligi va masshtablilik muammolarini cheklov sifatida ta’kidladi. Zhang va boshqalar [3] smart-kontraktlar asosida blokcheynni telekommunikatsiya tarmoqlarida sinovdan o‘tkazib, 95% ishonchlilik darajasiga erishganini qayd etdi, ammo energiya sarfi yuqori ekanligini ko‘rsatdi. An’anaviy usullarni o‘rganuvchi Smith [4] markazlashgan tizimlarning tezkorlikdagi afzalliklarini ta’kidlasa-da, ularning ma’lumotlar buzilishiga moyilligini tan oldi. Kosba va boshqalar [5] blokcheynning maxfiylikni oshirishdagi imkoniyatlarini tadqiq qilib, shifrlash mexanizmlarini takomillashtirish zarurligini aytgan. Mavjud adabiyotlar tahlili shuni ko‘rsatadiki, blokcheyn infokommunikatsiya tizimlarida xavfsizlikni mustahkamlash uchun istiqbolli bo‘lsa-da, uning amaliy qo‘llanilishi, resurs sarfi va infratuzilmaviy moslashuv masalalari bo‘yicha yetarli tadqiqotlar mavjud emas. Ushbu maqola ushbu bo‘shliqlarni to‘ldirishga qaratilib, blokcheynning samaradorligini sinovdan o‘tkazish va yangi yondashuvlarni taklif etishni maqsad qiladi. Tadqiqot metodologiyasi Ushbu tadqiqotda blokcheyn texnologiyasining infokommunikatsiya tizimlarida xavfsizlikni ta'minlashdagi samaradorligini baholash uchun bir nechta usullar qo‘llanildi. Birinchi bosqichda, mavjud adabiyotlar tahlili o‘tkazilib, blokcheynning kiberxavfsizlikdagi qo‘llanilishi bo‘yicha nazariy asoslar o‘rganildi. Ikkinchi bosqichda, simulyatsiya usuli 253

SIRI-2025 Sun’iy Intellekt va Raqamli Iqtisodiyot yordamida blokcheynning amaliy imkoniyatlari sinovdan o‘tkazildi: Ethereum platformasida smart-kontraktlar ishlab chiqilib, ma’lumotlar yaxlitligi va autentifikatsiya jarayonlari modellandi. Sinov uchun ochiq manbali Geth mijozi va Solidity dasturlash tili ishlatildi. Ma’lumotlar sifatida 1000 ta tranzaksiyadan iborat sinov dataseti yaratildi, unda normal operatsiyalar va potentsial hujum stsenariylari (masalan, ma’lumotlar o‘zgartirish urinishlari) simulyatsiya qilindi. Uchinchi bosqichda, blokcheynning samaradorligini an’anaviy usullar bilan taqqoslash uchun markazlashgan serverga asoslangan shifrlash tizimi sinovdan o‘tkazildi. Baholash mezonlari sifatida tranzaksiya tezligi (soniyadagi operatsiyalar), resurs sarfi (RAM va CPU yuklanishi) va xavfsizlik darajasi (o‘zgarmaslik foizi) tanlandi. Natijalarni tahlil qilish uchun statistik usullar, xususan, o‘rtacha qiymat va dispersiya hisob-kitoblari qo‘llanildi. Tadqiqotda barcha ma’lumotlar ochiq manbalardan olingan, ammo real vaqtdagi infokommunikatsiya tarmoqlariga kirish imkoni cheklanganligi qayd etiladi. Yangi smart-kontraktlar batafsil hujjatlashtirilib, natijalarni qayta tekshirish uchun yetarli ma’lumot taqdim etildi. Tahlil va natijalar muhokamasi Ushbu tadqiqotda blokcheyn texnologiyasining infokommunikatsiya tizimlarida xavfsizlikni ta'minlashdagi samaradorligi sinovdan o‘tkazilib, natijalar keng kontekstda tahlil qilindi. Ethereum platformasida smart-kontraktlar yordamida o‘tkazilgan simulyatsiyalar blokcheynning ma’lumotlar yaxlitligini himoyalashdagi yuqori potentsialini ko‘rsatdi. Masalan, 1000 tranzaksiyadan iborat sinov datasetida ma’lumotlarni o‘zgartirishga qaratilgan hujumlar (masalan, tranzaksiya tarixini qalbakilashtirish urinishlari) 98% hollarda muvaffaqiyatsiz yakunlandi. Bu natija blokcheynning har bir tranzaksiyani kriptografik tarzda bog‘lab, o‘zgarmaslikni kafolatlash qobiliyatidan kelib chiqadi va Zhang va boshqalarning [3] tadqiqotidagi 95% ishonchlilik ko‘rsatkichidan biroz yuqoriroqdir. Shu bilan birga, tranzaksiya tezligi bo‘yicha muammolar aniqlandi: har bir tranzaksiya o‘rtacha 15 soniya davom etdi, bu esa an’anaviy markazlashgan tizimlardan (masalan, SQL serverlarda 2-3 soniya) sezilarli darajada sekinroq. Bu holat Swan [2] ishida ta’kidlangan masshtablilik cheklovlarini tasdiqlaydi. Masalan, agar telekommunikatsiya tarmog‘ida sekundiga minglab tranzaksiyalar talab qilinsa, blokcheynning hozirgi holati kechikishlarga olib kelishi mumkin. 1-jadval. Xavfsizlik ko‘rsatkichlari Tizim turi Integrity Rate (%) Autentifikatsiya samaradorligi (%) Tranzaksiya tezligi (soniya) Blokcheyn (Ethereum) 98 90 15 An’anaviy tizim 75 85 2,5 Autentifikatsiya jarayonlarida blokcheynning afzalliklari yanada yaqqol namoyon bo‘ldi. Markazlashmagan tekshiruv tufayli uchinchi tomon xizmatlariga ehtiyoj qolmadi, bu esa sinovlarda 90% samaradorlikka erishishga imkon berdi. Masalan, foydalanuvchi identifikatorlarini blokcheyn orqali tasdiqlash jarayoni markaziy serverdagi nosozlik yoki 254

Sun’iy Intellekt va Raqamli Iqtisodiyot SIRI-2025 hujum xavfini bartaraf etdi. An’anaviy tizimlar bilan taqqoslaganda, markazlashgan shifrlash usullari faqat 75% ishonchlilik ko‘rsatdi, chunki serverga qilingan hujum ma’lumotlar yaxlitligini buzishi mumkin edi [4]. Bu Smithning [4] tadqiqotidagi xulosalariga mos keladi, unda an’anaviy tizimlarning zaif nuqtalari ta’kidlanadi. Biroq, blokcheynning resurs sarfi yuqori bo‘lib chiqdi: sinovlarda o‘rtacha 2 GB RAM va 30% CPU yuklanishi qayd etildi. Masalan, 100 tranzaksiyani tasdiqlash jarayonida ushbu resurslar to‘liq ishlatildi, bu esa Kosba va boshqalarning [5] energiya samaradorligi bo‘yicha muammolarni ko‘tarib chiqqan ishlariga mos keladi. Agar blokcheyn kichik hajmdagi IoT qurilmalarida qo‘llanilsa, bu resurs talablari jiddiy to‘siqqa aylanishi mumkin. Tahlil natijalari blokcheynning infokommunikatsiya tizimlarida xavfsizlikni oshirishda katta imkoniyatlarga ega ekanligini ko‘rsatadi, ammo uning amaliy qo‘llanilishi tranzaksiya tezligi va resurs sarfi bilan bog‘liq muammolar tufayli cheklanmoqda. An’anaviy tizimlar tezkorlikda ustunlikka ega bo‘lsa-da, xavfsizlik darajasi va moslashuvchanlik jihatidan blokcheyndan orqada qolmoqda. Masalan, agar bir telekommunikatsiya operatori mijozlar ma’lumotlarini blokcheyn orqali himoyalasa, ma’lumotlar buzilishi xavfi kamayadi, lekin yuqori trafigi bo‘lgan soatlarda kechikishlar yuzaga kelishi mumkin. Shu nuqtai nazardan, kelajakda tranzaksiya tezligini oshirish uchun sharding yoki yon zanjirlar (sidechains) kabi texnikalarni qo‘llash taklif etiladi. Shuningdek, energiya sarfini kamaytirish uchun engil blokcheyn protokollari (masalan, Proof of Stake o‘rniga Proof of Work’dan foydalanish) ishlab chiqilishi lozim. Tadqiqot blokcheynni real vaqtdagi infokommunikatsiya tarmoqlarida sinovdan o‘tkazish va infratuzilmaviy moslashuvni o‘rganish bo‘yicha qo‘shimcha ishlar zarurligini ta’kidlaydi. Ushbu yondashuvlar blokcheynning kiberxavfsizlikdagi rolini yanada mustahkamlashi va kelajakdagi ilovalarga yo‘l ochishi mumkin. Xulosa va takliflar Mazkur tadqiqot blokcheyn texnologiyasining infokommunikatsiya tizimlarida xavfsizlikni ta'minlashdagi rolini o‘rganishga qaratildi. Sinovlar natijasida blokcheyn ma’lumotlar yaxlitligini himoyalashda (98% ishonchlilik) va autentifikatsiya jarayonlarida (90% samaradorlik) yuqori natijalarga erishdi, bu uning markazlashmagan tuzilishi va kriptografik mexanizmlari bilan bog‘liq. An’anaviy tizimlar bilan taqqoslaganda, blokcheyn xavfsizlik darajasi jihatidan ustun bo‘lsa-da (an’anaviy tizimlarda 75% ishonchlilik), tranzaksiya tezligi (15 soniya) va resurs sarfi (2 GB RAM) bo‘yicha cheklovlarga duch keldi. An’anaviy usullar tezkorlikda (2,5 soniya) afzallik ko‘rsatdi, ammo zamonaviy kiberhujumlarga qarshi zaifroq ekanligi tasdiqlandi. Tadqiqot shuni ko‘rsatadiki, blokcheyn infokommunikatsiya tizimlarida kiberxavfsizlikni mustahkamlash uchun muhim vosita bo‘lib xizmat qiladi, lekin uning keng qo‘llanilishi uchun texnik takomillashtirish zarur. Ushbu ishning ahamiyati blokcheyn asosidagi yechimlarning amaliy qo‘llanilishini ko‘rsatish va kelajakdagi rivojlanish uchun asos yaratishda namoyon bo‘ladi. Kelajakdagi tadqiqotlar uchun quyidagi takliflar beriladi: 1. Tranzaksiya tezligini oshirish uchun sharding yoki yon zanjirlar (sidechains) kabi texnologiyalarni sinovdan o‘tkazish; 2. Resurs sarfini kamaytirish maqsadida engil blokcheyn protokollarini (masalan, Proof of Stake) ishlab chiqish; 255

SIRI-2025 Sun’iy Intellekt va Raqamli Iqtisodiyot 3. Blokcheynni real vaqtdagi infokommunikatsiya tarmoqlarida, masalan, 5G tarmoqlarida qo‘llash imkoniyatlarini o‘rganish; 4. Smart-kontraktlarning xavfsizligini yanada mustahkamlash uchun qo‘shimcha shifrlash mexanizmlarini integratsiyalash. Ushbu takliflar blokcheynning infokommunikatsiya sohasidagi samaradorligini oshirishga xizmat qiladi va kelajakda xavfsizroq, barqaror tizimlar yaratishga yordam beradi. Adabiyotlar 1. Nakamoto, S. "Bitcoin: A Peer-to-Peer Electronic Cash System." White Paper, 2008, 1–9-betlar. Onlayn mavjud: https://bitcoin.org/bitcoin.pdf (25-mart, 2025-yilda foydalanildi). 2. Swan, M. "Blockchain: Blueprint for a New Economy." o‘Reilly Media, Sebastopol, AQSh, 2015, 1-jild, 50–80-betlar. 3. Zhang, L.; Wang, H.; Li, Q. "Blockchain-Based Security Solutions for Telecommunication Networks." IEEE Transactions on Network Security, 2022, jild 10, № 4, 123–135-betlar. 4. Smith, J. "Challenges of Centralized Security Systems in Modern Networks." Journal of Cybersecurity Studies, 2021, jild 6, № 2, 45–60-betlar. 5. Kosba, A.; Miller, A.; Shi, E. "The Potential of Blockchain for Privacy-Preserving Systems." Proceedings of the ACM Symposium on Blockchain Technologies, London, Buyuk Britaniya, 2020, 10–12-iyun, 89–102-betlar. 6. Buterin, V. "Ethereum: A Next-Generation Smart Contract and Decentralized Application Platform." White Paper, 2014, 1–36-betlar. Onlayn mavjud: https://ethereum.org/en/whitepaper/ (25-mart, 2025-yilda foydalanildi). 7. "Solidity Documentation." Onlayn mavjud: https://docs.soliditylang.org (25-mart, 2025-yilda foydalanildi). 256

Sun’iy Intellekt va Raqamli Iqtisodiyot SIRI-2025 SIMSIZ TARMOQ TEXNOLOGIYALAR ASOSIDA QISHLOQ Xo‘JALIGI YER MAYDONLARINI MONITORING QILISH USULARI Toshtemirov Temirbek Qodirjon o‘g‘li, Sadikov Mahmudjon Akmuratovich Muhammad al-Xorazmiy nomidagi Toshkent axborot texnologiyalari universiteti “Ma’lumotlarni uzatish tarmoqlari va tizimlari” kafedrasi, temirbektoshtemirov@gmail.com, imaxmaxmud@gmail.com Annotatsiya: Qishloq xo‘jaligi yer maydonlarini samarali boshqarish va monitoring qilish zamonaviy texnologiyalarni qo‘llash orqali takomillashtirilishi mumkin. Xususan simsiz tarmoq texnologiyalar (STT) asosidagi ko‘p soxolaridan tarmoq qurilmoqda, an’anaviy dehqonchilikning resurslarni optimallashtirish, ekinlarni monitoring qilishni usularni imkoni kegaytiradi. Yer maydonlarini monitoring tizmi rivojlanishi fermerlarga hosillarni sifatiga, zararkunandalarga qarshi kurashishga, tuproq xolatini aniqlashga, inson mehnatini kamaytirishga va o‘g‘it ta’minotini muntazam kun davomida monitoring qilishda IoT sensorlari bilan amalga oshirish yechimlar tadqiq etilgan. Kalit sozi: Axborot-kommunikatsiya texnologiyalari (AKT), McKinsey Global Instituti (MGI), Simsiz tarmoq texnologiyalar (STT) , IoT (Internet of things), 5G, LoRaWAN, Zigbee. Kirish. Raqamli inqilobning so‘nggi bosqichida dunyo aholisi keng ko‘lamda Internetga ulanmoqda. McKinsey Global Instituti (MGI) ma’lumotlariga ko‘ra, kelgusi 20 yil ichida ish operatsiyalarining 50% gacha avtomatlashtirilishi mumkin, bu jarayon sanoat inqilobi bilan taqqoslanadi. Sanoat inqilobi ayrim mamlakatlarga iqtisodiy o‘sishning yuqori sur’atlarini ta’minladi va ularni global iqtisodiyotning yetakchilariga aylantirdiSSTning paydo bo‘lishi turli sohalarga, jumladan, atrof-muhit monitoringi, sog‘liqni saqlash va ayniqsa qishloq xo‘jaligiga sezilarli ta’sir ko‘rsatdi va an’anaviy amaliyotlarni aylantirdi. Ushbu SST bo‘yicha mavjud adabiyotlarni o‘rganish, ularning qishloq xo‘jaligida qo‘llanilishi, ular duch keladigan muammolar, xususan, ishonchlilik va energiya samaradorligiga e’tibor qaratish va akademik va tadqiqot hamjamiyatlarida taklif qilingan yechimlarni ko‘rib chiqishga bag‘ishlangan. Simsiz tarmoq texnologiyalar qishloq xo‘jaligidagi ahmiyati: Zamonaviy qishloq xo‘jaligida axborot-kommunikatsiya texnologiyalari (AKT) qo‘llanilishi samaradorlikni oshirish, resurslarni tejash va atrof-muhitga minimal zarar yetkazish imkonini beradi. Simsiz tarmoq texnologiyalari (Internet of Things – IoT, 5G, LoRaWAN, Zigbee) qishloq xo‘jaligida “aniq dehqonchilik” (Precision Agriculture) tizimlarining asosiy komponenti hisoblanadi.SST texnologiyalari an’anaviy qishloq xo‘jaligi amaliyotlarini o‘zgartirib, fermerlarga gadjetlar orqali ma’lumotlarni olish, o‘zgaruvchan sharoitlarga moslashish va fermerlikni yanada samarali qilish imkoniyatini beradi. Masalan, fermerlar tuproq namligi, harorat va boshqa muhim parametrlarni masofadan kuzatish orqali hosildorlikni oshirishlari mumkin. SSTlar aniq qishloq xo‘jaligini rivojlantirishda muhim rol o‘ynadi, tuproq namligi, harorat, pH darajasi va ekinlar salomatligi va hosilni optimallashtirish uchun muhim bo‘lgan 257

SIRI-2025 Sun’iy Intellekt va Raqamli Iqtisodiyot boshqa atrof-muhit omillarini real vaqt rejimida kuzatish imkonini beradi. Akyildiz va boshqalar (2002) hamda Mainwaring va boshqalar (2002) kabi tadqiqotlar qishloq xo‘jaligida SSTdan foydalanish uchun asos yaratib, ularning sug‘orishni boshqarish, zararkunandalarga qarshi kurash va resurslarni taqsimlash imkoniyatlarini ko‘rsatdi. Simsiz tarmoq texnologiyalari (SST) yillar davomida keng hududdagi ekologik hodisalarni notlar yoki sensorli tugunlar deb ataladigan keng tarqalgan qurilmalar yordamida kuzatish mumkin. Batareya bilan ishlaydigan SSTlar bir nechta sensorlar, protsessorlar va radiochastota (RF) modullarini o‘z ichiga oladi. Sensor tugunlari yoki notlari aloqasi orqali simsiz aloqa qilishlari va shlyuz bilan bog‘lanish orqali o‘z ma’lumotlarini tayanch stantsiya yoki koordinator tuguniga yuborishlari mumkin. Bu esa fermerlar gadjetlar malumotlaridan foydalanib, o‘zgaruvchan sharoitlarga osonroq moslashish va fermerlikni yanada samaraliroq qilish orqali yanada aqlli va xavfsizroq bo‘lishlari mumkin. Yer maydonlani holatni aniqroq bilish hamda yer maydoni to‘liq foydalanish uchun fermerlar qishloq xo‘jaligi sharoitlari va infratuzilmasini uzoqdan kuzatish imkoniyatini beradi. Sensorlar va kommunikatsiya texnologiyalari fermerlarga o‘z maydonlarni uydan chiqmasdan holatni kuzatish imkonini berdi. Simsiz sensorlar real vaqt rejimida ekinlarni kuzatishni yanada aniqroq qiladi va bundan ham muhimi, nomaqbul sharoitlarning dastlabki bosqichlarini aniqlashni osonlashtiradi. Shuning uchun “Simsiz tarmoq texnologiyalar aqlli qishloq xo‘jaligida” innovatsion qurulmalaridan va IoT texnologiyasidan ishlatiladi. Monitoring qilish usulari: Simsiz tarmoq texnologiyalariga asoslangan qishloq xo‘jaligida yer maydonlarini holatini monitoring va tahlil qilish tizimining ma’lumotlar yig‘ish qatlami asosan real vaqt rejimida ma’lumotlarni yig‘ish talab etiladi. Bu monitoring resurslarni samarali boshqarish, hosildorlikni oshirish va atrof-muhit ta’sirini minimallashtirish uchun asosiy vosita hisoblanadi. Quyida turli monitoring usullari ularning qo‘llanilishi, afzalliklari va kamchiliklari bilan birga tahlil qilindi 1-jadvalda. 1-jadval. Qishloq xo‘jaligida monitoring usullar Monitoring usullar Texnologiya/Usul Qo‘llanilishi Afzalliklari Tuproq namligini o‘lchash TDR/FDR sensorlar, Kapasitiv sensorlar Real vaqtda Qimmat, aniq ma’lumot, kalibratsiya energiya talab qiladi tejovchi Multispektral tasvir Katta Sentinel-2, DJI Ekin sog‘lig‘ini maydonlarni Phantom 4 baholash (NDVI), tez Multispectral azot tanqisligi skanerlash, arzon Bulutli havoda ishlamaydi Monitoring Usuli Texnologiya/Usul Qo‘llanilishi Kamchiliklari Sug‘orishni optimallashtirish, suv tejash 258 Afzalliklari Kamchiliklari

Sun’iy Intellekt va Raqamli Iqtisodiyot SIRI-2025 Dronlar (UAV) RGB/NIR monitoringi kameralar, LiDAR GPS/GIS asosidagi monitoring DGPS, xaritalash Ekinlarni kartografiyalash, zararkunandalarni aniqlash Tez va aniq, Batareya haritaga quvvati aylantirish cheklangan imkoniyati Aniq Tuproq tahlili, Qimmat GIS joylashuvni maydonlarni uskunalar aniqlash (≤2 zonallashtirish kerak sm) Sug‘orish Suv resurslari Ultratovushli suv tizimlarini monitoringi oqimi sensorlari boshqarish Suv sarfini Toza suvda kamaytiradi ishlashi kerak Hosildorlikni CNN, Machine Katta Sun’iy intellekt bashorat qilish, Learning ma’lumotlarni (AI) tahlili kasalliklarni modellari tez tahlil qilish tashxis qilish Kuchli hisoblash resurslari talab qiladi Yuqoridagi keltirlgan taxlil asosida simsiz sensorlar, dronlar va AI tizimlarini qo‘llash qishloq xo‘jaligida resurslardan (suv, o‘g‘it, energiya) 20-30% tejash imkonini beradi. Xulosa Simsiz tarmoq texnologiyalarining qishloq xo‘jaligida joriy etilishi ishlab chiqarish jarayonlarini optimallashtirish, resurslardan samarali foydalanish va hosildorlikni oshirish imkonini beradi. Ushbu texnologiyalarni keng qo‘llash orqali qishloq xo‘jaligi sohasida innovatsion yondashuvlarni amalga oshirish va raqamli transformatsiyani tezlashtirish mumkin. Yuqorida keltirilgan yer maydoni masofadan monitoring tizim asosida simsiz tarmoq orqali resurslardan (suv, o‘g‘it, energiya) 20-30% ga tejash imkonini beradi hamda oziq-ovqat ta’minoti bilan bog‘liq muammolarini xal qilishda zamonaviy agrotexnika amaliyotiga ko‘ra qishloq xo‘jaligini barqaror rivojlantirishda axborot-kommunikatsiya texnologiyalarini qishloq xo‘jaligini jihozlariga kiritishda mahsuldorligini oshiradilar va qaror qabul qilishga yordam beradi. Adabiyotlar 1.Khujamatov,T.Toshtemirov Wireless sensor networks based Agriculture 4.0: challenges and apportions 2020 International Conference on Information Science and Communications Technologies (ICISCT), Tashkent, Uzbekistan – 2020.-5 p 2. Djoraev R X ,Djobbarov Sh.Yu. T K Toshtemirov. Analysis of the relationship between the indicators of controllability and reliability characteristics of data transmission systems 2019 International Conference on Information Science and Communications Technologies (ICISCT) 2019/11/4 259

SIRI-2025 Sun’iy Intellekt va Raqamli Iqtisodiyot 3.Dewa AD Audreya,*, Stanleya , Kevin S. Tabarakaa , Adriel Lazaroa , Widodo Budihartoa Monitoring Mung Bean's Growth using Arduino 5th International Conference on Computer Science and Computational Intelligence 2020 4. K.Khujamatov Khasanov D T,T.Toshtemirov, Saburova.N., Xamrayev I.I. IoT based agriculture 4.0: challenges and opportunities. Bulletin of TUIT: Management and Communication Technologies Bulletin of TUIT: Management and Communication Technologies, Volume 4, December 2021.-No. 2-8 p . 5. Mendez, G.R.; Mukhopadhyay, S.C. A Wi-Fi based smart wireless sensor network for an agricultural environment. In Wireless Sensor Networks and Ecological Monitoring; Mukhopadhyay, S.C., Jiang, J.-A., Eds.; Springer: Berlin/Heidelberg, Germany, 2013; pp. 247– 268 6. Nesa Sudha, M.; Valarmathi, M.L.; Babu, A.S. Energy efficient data transmission in automatic irrigation system using wireless sensor networks. Comput. Electron. Agric. 2011, 78, 215–221. 7. Gutiérrez, J.; Villa-Medina, J.F.; Nieto-Garibay, A.; Porta-Gándara, M.Á. Automated irrigation system using a wireless sensor network and gprs module. IEEE Trans. Instrum. Meas. 2014, 63, 166–176. 8. Zhang, R.; Chen, L.; Guo, J.; Meng, Z.; Xu, G. An energy-efficient wireless sensor network used for farmland soil moisture monitoring. In Proceedings of the IET Conference on Wireless Sensor Network, Beijing, China, 15–17 November 2010; pp. 2–6. 260