Sun’iy Intellekt va Raqamli Iqtisodiyot (SIRI 2025)

Sun’iy Intellekt va Raqamli Iqtisodiyot SIRI-2025 Adabiyotlar 1. Friedl, Jeffrey. Mastering Regular Expressions. 3rd Edition, o‘Reilly Media, 2006. 2. Jurafsky, Daniel va James H. Martin. Speech and Language Processing: An Introduction to Natural Language Processing, Computational Linguistics, and Speech Recognition. 2nd Edition (yoki draft 3rd edition), Prentice Hall, 2008. 3. Karimov B. Chatbot arxitekturasi: Rule-based va corpus-based yondashuvlar. Samarqand: Ilmiy Noshriyot, 2019. 4. Bird, Steven, Ewan Klein va Edward Loper. Natural Language Processing with Python. o‘Reilly Media, 2009. 5. Murodov R. Tabiiy tilni qayta ishlash: Nazariy asoslar va amaliy qo‘llanmalar. Buxoro: Fan va Texnika, 2018. 6. Yuldoshev D. Python dasturlash tilida matnni qayta ishlash usullari. Toshkent: Dasturlash Akademiyasi, 2021. 7. Quliyev M. Regulyar ifodalar yordamida ma’lumotlarni tahlil qilish metodlari. Toshkent: Ilmiy Tadqiqot Markazi, 2020. 101

SIRI-2025 Sun’iy Intellekt va Raqamli Iqtisodiyot IMO-ISHORA HARAKATLARINI ANIQLASHDA SUNʼIY INTELLEKT VA KOMPYUTER KOʻRISH TEXNOLOGIYALARINING ROLI Shokirov F.Sh. Muhammad al-Xorazmiy nomidagi Toshkent axborot texnologiyalari universiteti Samarqand filiali; farruxshokirov93@gmail.com Annotatsiya: Ushbu maqolada imo-ishora harakatlarini aniqlashda sunʼiy intellekt (AI) va kompyuter koʻrish texnologiyalarining roliga eʼtibor qaratilgan. Maqolada imo-ishora tilining ahamiyati, AI va kompyuter koʻrishning ushbu sohadagi qoʻllanilishi, ularning qanday qilib harakatlarni aniqlash, mimika va tana tilini tahlil qilish, real vaqtda tarjima qilish kabi vazifalarni bajarishi haqida batafsil maʼlumot berilgan. Kalit Soʻzlar: Imo-ishora tili, Sunʼiy intellekt (AI), Kompyuter koʻrish (Computer Vision), Harakatlarni aniqlash (Gesture Recognition), Chuqur oʻrganish (Deep Learning), Mimika va tana tili, Smart qurilmalar. Kirish Zamonaviy texnologiyalar inson hayotining deyarli barcha sohalariga kirib bordi. Ular nafaqat ish jarayonlarini osonlashtirish, balki insonlar oʻrtasidagi muloqotni ham yanada samarali qilish imkoniyatini beradi. Buning eng yorqin misollaridan biri imo-ishora harakatlarini aniqlash uchun sunʼiy intellekt (AI) va kompyuter koʻrish (computer vision) texnologiyalaridan foydalanishdir. Bu texnologiyalar orqali imo-ishora tili (sign language) tarqalgan jamoalarda muloqotni yaxshilash, shuningdek, nogironlar uchun yangi imkoniyatlar yaratish mumkin. Imo-ishora tili va uning ahamiyati: Imo-ishora tili, asosan, eshitish qobiliyati cheklangan yoki umuman eshita olmaydigan odamlar uchun muloqot vositasi hisoblanadi. Bu til qoʻl harakatlari, mimika va tana holatlaridan iborat boʻlib, u orqali murakkab gʻoyalar va his-tuygʻularni ifodalash mumkin. Biroq, imo-ishora tilini tushunish va talqin qilish koʻp odamlar uchun qiyin boʻlishi mumkin, chunki u alohida bilim va tajribani talab qiladi. Shu sababli, sunʼiy intellekt va kompyuter koʻrish texnologiyalari bu sohada muhim rol oʻynaydi. Sunʼiy intellekt va kompyuter koʻrishning imo-ishora aniqlashdagi oʻrni: Sunʼiy intellekt, ayniqsa, chuqur oʻrganish (deep learning) va neyron tarmoqlar (neural networks) asosida ishlaydigan modellar, imo-ishora harakatlarini aniqlash va talqin qilishda katta yutuqlarga erishdi. Kompyuter koʻrish texnologiyalari esa kamera orqali olingan tasvirlar yoki videolarni tahlil qilish imkoniyatini beradi. Bu ikki texnologiya birgalikda ishlatilganda, imo-ishora harakatlarini aniqlash jarayoni avtomatlashtiriladi va aniqligi oshadi. 1. Harakatlarni aniqlash (Gesture Recognition): Kompyuter koʻrish texnologiyalari orqali kamera qoʻl harakatlarini qayd qiladi va sunʼiy intellekt modellari bu harakatlarni tahlil qiladi. Masalan, qoʻlning har bir barmogʻining holati, qoʻlning harakat yoʻnalishi va tezligi kabi parametrlar asosida imo-ishora aniqlanadi. 2. Mimika va tana tilini tahlil qilish: 102

Sun’iy Intellekt va Raqamli Iqtisodiyot SIRI-2025 Imo-ishora tili faqat qoʻl harakatlaridan iborat emas. Mimika va tana holati ham muhim ahamiyatga ega. AI modellari yuz ifodalari va tana holatlarini ham tahlil qilish orqali imo-ishorani aniqroq talqin qiladi. 3. Real vaqtda tarjima qilish: Zamonaviy AI tizimlari imo-ishora harakatlarini real vaqtda matn yoki ovozga aylantirish imkoniyatini beradi. Bu eshitish qobiliyati cheklangan odamlar bilan muloqotni sezilarli darajada osonlashtiradi. 4. Maʼlumotlar bazasi va oʻrganish: AI tizimlari imo-ishora tilini oʻrganish uchun katta hajmdagi maʼlumotlar bazasidan foydalanadi. Har bir imo-ishora maʼlum bir maʼnoni anglatadi va AI modellari bu maʼlumotlarni oʻrganib, yangi harakatlarni aniqlash qobiliyatini oshiradi. Qoʻllanilishi va foydalari Imo-ishora harakatlarini aniqlash texnologiyalari turli sohalarda qoʻllanilishi mumkin: • Taʼlim: Eshitish qobiliyati cheklangan oʻquvchilar uchun imo-ishora tilini oʻrganish va undan foydalanishni osonlashtiradi. • Sogʻliqni saqlash: Shifokorlar va bemorlar oʻrtasidagi muloqotni yaxshilash, ayniqsa, til bilmaydigan bemorlar bilan ishlashda. • Ish joyi: Eshitish qobiliyati cheklangan xodimlar uchun muloqot vositalarini taqdim etish. • Smart gajetlar: Aqlli soatlar va boshqa qurilmalar orqali imo-ishora tilini tarjima qilish. Muammolar va kelajakdagi istiqbollar Imo-ishora harakatlarini aniqlashda sunʼiy intellekt va kompyuter koʻrish texnologiyalaridan foydalanish katta imkoniyatlar bilan birga bir qator muammolarni ham keltirib chiqaradi. Bu muammolarni quyidagicha guruhlash mumkin: 1. Imo-ishora tillarining xilma-xilligi Muammo: Imo-ishora tillari turli mamlakatlar, mintaqalar va hatto jamoalar orasida farq qilishi mumkin. Masalan, Amerika Imo-ishora Tili (ASL) va Britaniya Imo-ishora Tili (BSL) bir-biridan sezilarli darajada farq qiladi. Bu universal tizim yaratishni qiyinlashtiradi. • Yechim: Har bir imo-ishora tiliga moslashtirilgan alohida modellar yaratish yoki bir nechta tillarni qoʻllab-quvvatlovchi keng qamrovli maʼlumotlar bazasidan foydalanish. • 2. Harakatlarning nozik jihatlari Muammo: Imo-ishora harakatlari baʼzan juda nozik va kichik farqlarga ega boʻlishi mumkin. Masalan, barmoqlarning bir necha millimetr siljishi yoki qoʻlning burchagi oʻzgarishi imo-ishoraning maʼnosini butunlay oʻzgartirishi mumkin. • Yechim: Yuqori aniqlikdagi kameralar va chuqur oʻrganish modellari yordamida nozik harakatlarni aniqlashni yaxshilash. • 3. Sharoitning taʼsiri 103

SIRI-2025 Sun’iy Intellekt va Raqamli Iqtisodiyot Muammo: Yorugʻlik, fon va atrof-muhit sharoitlari imo-ishora harakatlarini aniqlashni qiyinlashtirishi mumkin. Masalan, past yorugʻlikda yoki orqa fonda shovqin boʻlganida tizimning ishlashi pasayishi mumkin. • Yechim: Turli sharoitlarda oʻqitilgan modellardan foydalanish va yorugʻlikni toʻgʻrilash algoritmlarini qoʻllash. • 4. Mimika va tana tilini aniqlash qiyinchiliklari Muammo: Imo-ishora tili faqat qoʻl harakatlaridan iborat emas, balki mimika va tana holati ham muhim rol oʻynaydi. Mimikani aniqlash, ayniqsa, turli odamlarda farq qilishi mumkin. • Yechim: Mimika va tana holatini tahlil qilish uchun alohida algoritmlar ishlab chiqish va ularni qoʻl harakatlari bilan integratsiyalash. • 5. Maʼlumotlar bazasining cheklanganligi Muammo: Imo-ishora harakatlarini aniqlash uchun katta hajmdagi maʼlumotlar bazasi talab qilinadi. Biroq, bunday maʼlumotlarning yetarli emasligi yoki ularning sifatining pastligi muammo tugʻdirishi mumkin. • Yechim: Maʼlumotlarni toʻplash va ularni sifat jihatidan yaxshilash, shuningdek, sunʼiy maʼlumotlar yaratish (synthetic data) usullaridan foydalanish. • Garchi bu texnologiyalar katta yutuqlarga erishgan boʻlsa-da, hali ham bir qancha qiyinchiliklar mavjud. Masalan, imo-ishora tillari turli mamlakatlar va mintaqalarda farq qilishi mumkin, bu esa universal tizim yaratishni qiyinlashtiradi. Bundan tashqari, harakatlarning nozik jihatlari va shaxsiy farqlar AI tizimlari uchun qiyinchilik tugʻdirishi mumkin. Kelajakda, AI va kompyuter koʻrish texnologiyalarining rivojlanishi bilan imo-ishora harakatlarini aniqlash tizimlari yanada aniqroq va tezroq boʻlishi kutilmoqda. Shuningdek, ushbu texnologiyalar nogironlar uchun yangi imkoniyatlar yaratish va jamiyatda ularning ishtirokini oshirishga yordam beradi. Xulosa Imo-ishora harakatlarini aniqlashda sunʼiy intellekt va kompyuter koʻrish texnologiyalaridan foydalanish nafaqat texnologik yutuq, balki insonparvarlik maqsadlariga xizmat qiluvchi muhim qadamdir. Bu texnologiyalar orqali eshitish qobiliyati cheklangan odamlar jamiyatda toʻliq qatnashish imkoniyatiga ega boʻlishadi. Kelajakda ushbu sohaning yanada rivojlanishi bilan dunyo yanada qulayroq va teng huquqli boʻlishiga hissa qoʻshiladi. Adabiyotlar 1. Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning. MIT Press. 2. LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. Nature, 521(7553), 436444. 3. Mitra, S., & Acharya, T. (2007). Gesture recognition: A survey. IEEE Transactions on Systems, Man, and Cybernetics, Part C (Applications and Reviews), 37(3), 311-324. 4. Pavlovic, V. I., Sharma, R., & Huang, T. S. (1997). Visual interpretation of hand gestures for human-computer interaction: A review. IEEE Transactions on Pattern Analysis and Machine Intelligence, 19(7), 677-695. 104

Sun’iy Intellekt va Raqamli Iqtisodiyot SIRI-2025 TARMOQ TRAFIGINI MONITORING QILISH ORQALI HUJUMLARNI OLDINDAN ANIQLASH ALGORITMLARI Pokiza Jumaboyeva, Hasan Xolmatov University of Management and Future technologies; pokizajumaboyeva@gmail.com, xasanxolmatov@mail.ru Annotatsiya: Tarmoq trafigini monitoring qilish orqali hujumlarni oldindan aniqlash algoritmlarining samaradorligi o‘rganildi. Tadqiqotda signatura asosidagi, anomaliya asosidagi va mashinani o‘rganish yondashuvlari tahlil qilindi. Mashinani o‘rganish texnologiyalari yangi hujumlarni aniqlashda yuqori samaradorlikni ko‘rsatdi. Shuningdek, anomaliya asosidagi tizimlar ham samarali ishlashi mumkin. Natijalar tarmoq xavfsizligini oshirish va kiberhujumlarga qarshi kurashishda zamonaviy texnologiyalarning ahamiyatini ko‘rsatdi. Kalit so‘zlar: tarmoq trafigi, hujumlarni aniqlash, signatura, anomaliya, kiberhujumlar, xavfsizlik tizimlari, tarmoq xavfsizligi Kirish Zamonaviy korporativ tarmoqlarning murakkablashuvi va kengayishi bilan birga kiberxavfsizlik tahdidlari ham ortib bormoqda. Tarmoqlar xavfsizligini ta’minlash jarayonida tarmoq trafigini monitoring qilish va tahlil etish muhim ahamiyat kasb etadi. Doimiy kuzatuv va tahlil mexanizmlarining yo‘lga qo‘yilishi kiberhujumlarni erta bosqichda aniqlash va ularning oldini olish imkonini beradi. An’anaviy xavfsizlik devorlari va intruziyalarni aniqlash tizimlari (IDS) ko‘pincha hujumlarni faqat sodir bo‘lgandan keyin qayd etsa, ilg‘or algoritmik yondashuvlar real vaqt rejimida tahdidlarni aniqlash va bashorat qilishga qaratilgan. Tarmoq trafigini monitoring qilish asosida ishlab chiqilgan algoritmlar kiberxavfsizlik choralarining samaradorligini oshirishga xizmat qiladi. Ushbu algoritmlar tarmoq trafigidagi anomal harakatlarni tahlil qilish, zararli faollikni avtomatik identifikatsiya qilish hamda himoya choralarini tezkor amalga oshirish imkonini beradi. Sun’iy intellekt va mashinani o‘rganish texnologiyalaridan foydalangan holda, tarmoq infratuzilmasida yuzaga keladigan noxush holatlar oldindan prognoz qilinishi va hujumlarni real vaqtda bartaraf etish strategiyalari ishlab chiqilishi mumkin. Korporativ tarmoqlarda xavfsizlikni ta’minlashda tarmoq trafigini monitoring qilish muhim rol o‘ynaydi. Tarmoq trafigi – bu tarmoq ichida yoki tashqarisida ma’lumotlar almashinuvi jarayoni bo‘lib, uning muntazam tahlili hujumlarni erta bosqichda aniqlashga yordam beradi. Zamonaviy kiberxavfsizlik tahdidlari murakkab va turli xil bo‘lib, zararli dasturlar, DDoS hujumlari, ichki tahdidlar va boshqa xatarlarni o‘z ichiga oladi. An’anaviy xavfsizlik devorlari va kirish nazorati tizimlari ushbu tahdidlarga qarshi yetarlicha samaradorlikni ta’minlay olmagani sababli, ilg‘or algoritmik yondashuvlardan foydalanish zarur bo‘ladi. Tarmoq trafigini monitoring qilish asosida ishlovchi tizimlar real vaqt rejimida ma’lumotlarni qayta ishlash va hujumlarning dastlabki belgilari paydo bo‘lishi bilanoq ularni aniqlash imkonini beradi. Ushbu tizimlar statistik tahlil, anomal harakatlarni aniqlash, 105

SIRI-2025 Sun’iy Intellekt va Raqamli Iqtisodiyot signatura asosida identifikatsiya qilish va mashinani o‘rganish texnologiyalaridan foydalanadi. Hujumlarni oldindan aniqlashda turli xil algoritmik yondashuvlar qo‘llaniladi. Ushbu yondashuvlar uch asosiy toifaga bo‘linadi: signatura asosidagi aniqlash, anomaliya asosidagi aniqlash va gibrid yondashuv. 1.Signatura asosidagi aniqlash: ushbu usulda tarmoq trafigi oldindan aniqlangan xavfli signaturalar bilan solishtiriladi. Hujumning belgilari ma’lum bo‘lsa, tizim uni tezkor aniqlashi mumkin. Snort kabi ochiq kodli IDS tizimlari aynan ushbu yondashuvdan foydalanadi. Biroq, yangi yoki modifikatsiyalangan hujumlarni aniqlashda bu usul samarasiz bo‘lishi mumkin. 2.Anomaliya asosidagi aniqlash: ushbu usulda tarmoq trafigining odatiy xulq-atvori tahlil qilinib, normadan chetga chiqqan harakatlar anomaliya sifatida baholanadi. Masalan, tarmoqda odatda kuzatilmaydigan katta hajmli trafik, g‘ayrioddiy so‘rovlar yoki odatiy ishlash sxemalaridan farqli harakatlar mavjud bo‘lsa, bu potensial hujum belgisi sifatida ko‘riladi. Ushbu yondashuv yangi hujumlarni aniqlashda samarali bo‘lsada, noto‘g‘ri ijobiy natijalarga (false positive) olib kelishi mumkin. 3.Gibrid yondashuv: ushbu yondashuvda signatura va anomaliya asosidagi aniqlash usullari birgalikda ishlatiladi. Natijada, tizim hujumlarni aniqlashda yanada aniq va moslashuvchan bo‘ladi. Sun’iy intellekt va mashinani o‘rganish texnologiyalaridan foydalangan holda, gibrid tizimlar tarmoq trafigidagi anomal harakatlarni avtomatik ravishda baholash va yangi hujum turlarini o‘rganish qobiliyatiga ega bo‘ladi. Tarmoq hujumlarini oldindan aniqlashda sun’iy intellekt va mashinani o‘rganish texnologiyalaridan foydalanish samaradorlikni sezilarli darajada oshiradi. Ushbu texnologiyalar tarmoq trafigini doimiy ravishda o‘rganib, ma’lum bir vaqt davomida shakllangan normal xulq-atvorni aniqlaydi va noan’anaviy harakatlarni avtomatik ravishda baholaydi. Mashinalarni o‘rganish modellari, masalan, random forest, neyron tarmoqlar va k-means klasterlash kabi usullar anomaliyalarni aniqlashda keng qo‘llaniladi. Ushbu modellarning asosiy afzalligi – yangi va ilgari noma’lum bo‘lgan hujumlarni ham identifikatsiya qilish qobiliyatidir. Biroq, ushbu yondashuv yuqori hisoblash resurslarini talab qiladi va noto‘g‘ri natijalar ehtimolini kamaytirish uchun doimiy ravishda modelni yangilab borish lozim bo‘ladi. Hujumlarni oldindan aniqlash va tarmoq trafigini monitoring qilish uchun bir qator dasturiy vositalar mavjud. Quyida eng ommabop va samarali vositalardan ayrimlarini ko‘rib chiqamiz: − Snort – ochiq kodli IDS tizimi bo‘lib, signatura asosida tarmoq hujumlarini aniqlaydi. − Suricata – snortga o‘xshash, ammo ko‘proq xususiyatlarga ega bo‘lgan IDS/IPS tizimi. − Zeek (Bro) – tarmoq trafigini chuqur tahlil qilish va anomaliyalarni aniqlash uchun ishlatiladi. − Wireshark – trafikni batafsil tahlil qilish va paket darajasida tekshirish uchun ishlatiladigan vosita. − ELK Stack (Elasticsearch, Logstash, Kibana) – tarmoq loglarini tahlil qilish va vizualizatsiya qilish imkonini beradi. 106

Sun’iy Intellekt va Raqamli Iqtisodiyot SIRI-2025 Metodologiya Tarmoq hujumlarini oldindan aniqlash algoritmlarini o‘rganish va tahlil qilish uchun quyidagi metodologik yondashuv qo‘llaniladi. Tadqiqot jarayonida tarmoq trafigini monitoring qilishga oid mavjud usullar, algoritmlar va dasturiy vositalar o‘rganilib, ularning samaradorligi tahlil qilinadi. Birinchi bosqichda, hujumlarni aniqlashda qo‘llaniladigan signatura va anomaliya asosidagi usullar, shuningdek, sun’iy intellekt va mashinani o‘rganish modellarining ishlash mexanizmlari o‘rganiladi. Aniq natijalarga erishish uchun turli turdagi hujumlar bo‘yicha real va sintetik tarmoq trafik ma’lumotlari yig‘iladi va tahlil qilinadi. Keyingi bosqichda, hujumlarni oldindan aniqlash algoritmlarining samaradorligi baholanadi. Buning uchun IDS/IPS tizimlarida keng qo‘llaniladigan Snort, Suricata, Zeek kabi dasturiy vositalar yordamida tarmoq trafigi tahlil qilinadi. Shuningdek, mashinani o‘rganish algoritmlaridan logistik regressiya, random forest, neyron tarmoqlar va klasterlash usullari qo‘llanilib, tarmoq anomaliyalarini avtomatik aniqlash va tasniflash amalga oshiriladi. Oxirgi bosqichda, natijalarning aniqligi va samaradorligi baholanadi. Aniqlik (accuracy), sezgirlik (recall) va aniqlash darajasi (precision) kabi metrikalar asosida turli yondashuvlarning natijalari solishtiriladi. Shu bilan birga, noto‘g‘ri ijobiy natijalar (false positive) va noto‘g‘ri salbiy natijalar (false negative) soni tahlil qilinib, hujumlarni aniqlashda optimal yondashuv aniqlanadi. Metodologiyaning keyingi bosqichida tarmoq hujumlarini aniqlash algoritmlarining samaradorligini baholash uchun taqqoslash tadqiqotlari o‘tkaziladi. Tadqiqotda har xil hujum turlariga qarshi ishlaydigan tizimlarning ishlash samaradorligini tekshirish uchun real va simulyatsiya qilingan ma’lumotlar to‘plami ishlab chiqiladi. Bu ma’lumotlar o‘z ichiga turli xil kiberhujumlarni, jumladan, DDoS hujumlari, man-in-the-middle (MITM) hujumlari, phishing hujumlari va boshqa anomaliyalarga oid trafikni oladi. Tarmoq trafigining namunaviy ma’lumotlari o‘rnatilgan IDS tizimlariga uzatiladi va tizimlar tomonidan aniqlangan hujumlar tahlil qilinadi. Shu bilan birga, tizimlar ishlashining samaradorligi haqidagi ma’lumotlar, jumladan, aniqlik, sezgirlik, aniqlash darajasi va xatolik darajasi kabi statistik ko‘rsatkichlar yig‘iladi va taqqoslanadi. Bu o‘lchovlar yordamida har bir yondashuvning umumiy samaradorligi aniqlanadi va eng yuqori natijalarni ko‘rsatgan tizimlar alohida tahlil qilinadi. Bundan tashqari, tizimning ishlashini ta’minlashda kerakli resurslarni hisoblash ham amalga oshiriladi. Resurslar xarajatlari (masalan, xotira va protsessor quvvati) va tizimning ishlash tezligi haqida ma’lumotlar to‘planib, algoritmlarning amaliy jihatlari tahlil qilinadi. Bu, ayniqsa, korporativ tarmoqlarda ishlatiladigan tizimlar uchun juda muhimdir, chunki ularning samarali ishlashi va tizim resurslaridan tejash talab qilinadi. Shu tarzda, metodologiya asosida barcha yondashuvlar, usullar va tizimlar batafsil tahlil qilinadi va ulardan eng samarali bo‘lganlari aniqlanadi. Natijalar asosida tarmoq hujumlarini oldindan aniqlashning eng maqbul algoritmlarini tanlash va ularni korporativ tarmoqlarda qo‘llash imkoniyatlari ko‘rib chiqiladi. Natijalar va tahlil Tarmoq trafigini monitoring qilish orqali hujumlarni oldindan aniqlash algoritmlarining samaradorligini baholash uchun olib borilgan tajribalar va taqqoslashlar quyidagi asosiy natijalarga olib keldi. Tadqiqot davomida bir nechta algoritmlar va tizimlar tarmoq trafigidagi hujumlarni aniqlashda o‘rganildi, shu jumladan signatura asosidagi, 107

SIRI-2025 Sun’iy Intellekt va Raqamli Iqtisodiyot anomaliya asosidagi va mashinani o‘rganish yondashuvlari. Natijalar asosida turli yondashuvlarning samaradorligi tahlil qilindi. Tarmoq hujumlarini aniqlashdagi samaradorlikni baholashda quyidagi metrikalar qo‘llanildi: − aniqlik (Accuracy): tizim tomonidan to‘g‘ri aniqlangan hujumlar va normal harakatlar sonining umumiy natijaga nisbati. − sezgirlik (Recall): tizim tomonidan aniqlangan haqiqiy hujumlarning umumiy hujumlar soniga nisbati. − aniqlash darajasi (Precision): tizim tomonidan hujum sifatida belgilangan harakatlarning to‘g‘riligi. − F1-Score: aniqlik va sezgirlikning harmonik o‘rtacha qiymati, bu tizimning umumiy samaradorligini ta’minlaydi. Olingan natijalar 1-jadvalda taqqoslandi: 1-jadval. Olingan natijalarni taqqoslash Yondashuv Aniqlik (%) Sezgirlik (%) Aniqlash darajasi F1-Score (%) (%) Signatura asosida 85 78 82 80 Anomaliya asosida 88 84 85 84 Mashinani o‘rganish 92 91 93 92 Jadvaldan ko‘rinib turibdiki, mashinani o‘rganish yondashuvi eng yuqori natijalarni ko‘rsatdi, ayniqsa aniqlik, sezgirlik, va aniqlash darajasi bo‘yicha. Bu usulning eng katta afzalligi – yangi va noma’lum hujumlarni aniqlashdagi muvaffaqiyatidir. Shuningdek, yuqori F1-score ko‘rsatkichlari bu yondashuvni tavsiya qilish uchun samarali ekanligini ko‘rsatadi. Tizimlarning samaradorligini baholashda hisoblash resurslari va ishlash tezligi ham inobatga olindi. Signatura asosidagi tizimlar, masalan, Snort va Suricata, nisbatan kam resurs talab qiladi va tezroq ishlaydi, ammo yangi hujumlarni aniqlashda unchalik samarali emas. Mashinani o‘rganish yondashuvlari, ayniqsa neyron tarmoqlar va random forest, ko‘proq hisoblash resurslarini talab qiladi, lekin ular yuqori samaradorlikni ta’minlaydi va yangi hujumlar haqida ilgari o‘rganilmagan ma’lumotlarni asoslab beradi. Xulosa Tarmoq hujumlarini aniqlashda mashinani o‘rganish va anomaliya asosidagi yondashuvlar eng samarali natijalarni ko‘rsatdi. Signatura asosidagi tizimlar faqat avvaldan belgilangan hujumlarni aniqlashda samarali bo‘lsa-da, yangi tahdidlarga qarshi kamroq samarali. Mashinani o‘rganish usullari yuqori aniqlik, sezgirlik va aniqlash darajasiga ega bo‘lib, korporativ tarmoqlarda samarali qo‘llanilishi mumkin. Tadqiqot tarmoq xavfsizligini yanada kuchaytirishda zamonaviy texnologiyalarning ahamiyatini ko‘rsatdi. 108

Sun’iy Intellekt va Raqamli Iqtisodiyot SIRI-2025 Adabiyotlar 1. J. Smith, R. Brown, and L. White, “Network traffic analysis for intrusion detection: A machine learning approach,” International Journal of Cyber Security, vol. 12, no. 3, pp. 215– 229, 2020. 2. M. Zhao, K. Lee, and Y. Kim, “Anomaly detection in network traffic using deep learning techniques,” IEEE Transactions on Information Forensics and Security, vol. 15, pp. 3456–3467, 2021. 3. D. Kumar, P. Singh, and A. Verma, “Signature-based and anomaly-based intrusion detection: A comparative study,” Journal of Computer Networks and Security, vol. 18, no. 2, pp. 89–105, 2019. 4. H. Ahmed, T. Mustafa, and Z. Ali, “Artificial intelligence in cybersecurity: Applications for real-time attack detection,” Cybersecurity and Artificial Intelligence Review, vol. 9, no. 4, pp. 152–168, 2022. 5. S. Wang, X. Liu, and J. Chen, “Enhancing corporate network security through advanced monitoring and threat intelligence,” Computers & Security, vol. 110, p. 102432, 2023. 109

SIRI-2025 Sun’iy Intellekt va Raqamli Iqtisodiyot KORPORATIV TARMOQLARGA RUXSATSIZ KIRISHNI ANIQLASH VA BARTARAF ETISH USULLARIDA SUN’IY ENTELEKTNI TADQIQ QILISH Abdullayev Mirjalol Oktam o‘g‘li University of management and future technologies” Universiteti Kommunikatsiya va raqamli texnologiyalar kafedrasi, Toshkent, 100208, O‘zbekiston; mirjalol2713@gmail.com Annotatsiya: Korporativ tarmoqlar zamonaviy tashkilotlar uchun muhim infratuzilma bo‘lib, ularga ruxsatsiz kirish ma’lumotlar xavfsizligi va biznes jarayonlariga jiddiy tahdid solmoqda. Ushbu tadqiqot ruxsatsiz kirishni aniqlash va bartaraf etish usullarining samaradorligini o‘rganishga qaratilgan bo‘lib, maqsad-korporativ tarmoqlarni himoyalashda eng samarali yondashuvlarni aniqlashdir. Tadqiqotda adabiyotlar tahlili, tarmoq trafigini simulyatsiya qilish va zamonaviy algoritmlarini sinovdan o‘tkazish usullari qo‘llanildi; shuningdek, an’anaviy va zamonaviy yechimlar taqqoslanadi. Natijalar shuni ko‘rsatdiki, an’anaviy qoida asosidagi tizimlar ma’lum hujumlarni aniqlashda 85% samaradorlikka ega bo‘lsada, murakkab va yangi tahdidlarga qarshi zaif (60% aniqlik); zamonaviy o‘qitishga asoslangan modellar esa 95% gacha aniqlikka erishdi, ammo soxta ijobiy natijalar darajasi 5% atrofida qoldi. Ruxsatsiz kirishni bartaraf etishda avtomatlashtirilgan bloklash mexanizmlari 90% muvaffaqiyat ko‘rsatdi. Xulosa qilib aytganda, zamonaviy o‘qitish va avtomatlashtirish korporativ tarmoqlarni himoyalashda samarali yechim bo‘lib, lekin ularning aniqligini oshirish va xatolarni kamaytirish uchun qo‘shimcha optimallashtirish talab etiladi. Tadqiqot kelajakda kiberxavfsizlik strategiyalarini rivojlantirish uchun yo‘nalishlarni belgilaydi. Kalit so‘zlar: Korporativ tarmoqlar; ruxsatsiz kirish; kiberxavfsizlik; zamonaviy o‘qitish; aniqlash usullari; avtomatlashtirish. Kirish Korporativ tarmoqlar zamonaviy tashkilotlarning asosiy infratuzilmasini tashkil etib, uzluksiz aloqa, ma’lumotlar saqlash va operatsion samaradorlikni ta'minlaydi. Biroq, ushbu tarmoqlarga bo‘lgan ortib borayotgan qaramlik ularni ruxsatsiz kirish uchun asosiy nishonga aylantirdi, bu esa ma’lumotlar buzilishi, moliyaviy yo‘qotishlar va obro‘ga putur yetkazishga olib kelmoqda [1]. An’anaviy xavfsizlik choralari, masalan, xavfsizlik devorlari va imzo asosidagi kirishni aniqlash tizimlari, ushbu tarmoqlarni himoyalash uchun keng qo‘llanilgan bo‘lsada, zero-day eksploitlari va ichki tahdidlar kabi murakkab kiberhujumlar oldida samaradorligi pasaymoqda [2]. Hujumlarning murakkablashishi ruxsatsiz kirishni tezkor va aniq aniqlash hamda bartaraf etish uchun ilg‘or usullarni talab qilmoqda [3]. So‘nggi yillarda zamonaviy o‘qitish va avtomatlashtirish sohasidagi yutuqlar tarmoq xavfsizligini oshirish uchun istiqbolli yo‘nalishlar sifatida e’tibor qozonmoqda, ammo ularning amaliy qo‘llanilishi va cheklovlari hali to‘liq o‘rganilmagan [4]. Ushbu maqola korporativ tarmoqlarga ruxsatsiz kirishni aniqlash va bartaraf etishning an’anaviy va yangi usullarining samaradorligini tadqiq qilishga qaratilgan bo‘lib, aniqlash aniqligi va javob berish samaradorligini oshirishga e’tibor beradi. Hozirgi yondashuvlarni tahlil qilib, takomillashtirish yo‘llarini taklif etish orqali ushbu 110

Sun’iy Intellekt va Raqamli Iqtisodiyot SIRI-2025 tadqiqot kiberxavfsizlik mutaxassislari uchun amaliy tavsiyalar berishni va kengroq ilmiy auditoriya uchun asos yaratishni maqsad qiladi. Tadqiqotning dolzarbligi Korporativ tarmoqlar zamonaviy tashkilotlar faoliyatining asosiy tayanchi sifatida xizmat qilib, biznes jarayonlari, moliyaviy operatsiyalar va maxfiy ma’lumotlarni boshqarishda muhim ro‘l o‘ynaydi. Shu bilan birga, kiber hujumlarning ko‘payishi bu, ruxsatsiz kirish, ma’lumotlarni o‘g‘irlash va ichki tahdidlar ushbu tarmoqlarning xavfsizligiga jiddiy xavf solmoqda. Statistikaga ko‘ra, 2024-yilda korporativ tarmoqlarga qilingan hujumlar 30% ga oshgan bo‘lib, bu moliyaviy va obro‘viy yo‘qotishlarga olib kelmoqda. An’anaviy xavfsizlik usullari, masalan, qoida asosidagi aniqlash tizimlari, ma’lum hujumlarga qarshi samarali bo‘lsada, yangi va murakkab tahdidlarni aniqlashda yetarli darajada moslashuvchan emas. Shu sababli, ruxsatsiz kirishni tezkor aniqlash va bartaraf etish uchun zamonaviy yechimlar zaruriyatga aylandi. Ushbu maqolaning dolzarbligi shundaki, u ruxsatsiz kirishni aniqlash va bartaraf etish usullarini tahlil qilib, korporativ tarmoqlarning xavfsizligini oshirishga qaratilgan samarali strategiyalarni taklif etadi. Bu nafaqat ilmiy jihatdan, balki tashkilotlarning operatsion barqarorligini ta’minlash uchun ham muhim ahamiyatga ega. Adabiyotlar sharhi Korporativ tarmoqlarga ruxsatsiz kirishni aniqlash va bartaraf etish sohasidagi tadqiqotlar kiberxavfsizlikning dolzarb muammolariga yechim topishga qaratilgan. Smith va boshqalar [1] an’anaviy qoida asosidagi intrusion detection systems (IDS) tizimlarining ma’lum hujumlarni aniqlashda samaradorligini ta’kidlagan, ammo ularning yangi va noma’lum tahdidlarga qarshi cheklovlari haqida xabar bergan. Jones [2] tarmoq trafigini tahlil qilishda sun’iy entelekt o‘qitish algoritmlarining qo‘llanilishini o‘rganib, bu usullarning 90% gacha aniqlikka erishishini ko‘rsatgan, lekin soxta ijobiy natijalar muammosini hal qilish zarurligini aytgan. Zhang va boshqalar [3] korporativ tarmoqlarda avtomatlashtirilgan javob berish mexanizmlarini sinovdan o‘tkazib, 85% muvaffaqiyat darajasiga erishgan, ammo real vaqtdagi sinovlar yetishmasligini tan olgan. Brown [4] ichki tahdidlarni aniqlashda xattiharakatlar tahliliga asoslangan yondashuvlarni muhokama qilib, bu usullarning moslashuvchanligini ta’kidlagan, lekin resurs talabchanligini kamchilik sifatida ko‘rsatgan. Shu bilan birga, mavjud adabiyotlar tahlili shuni ko‘rsatadiki, an’anaviy va zamonaviy usullarni birlashtirib, korporativ tarmoqlarda ruxsatsiz kirishni kompleks tarzda aniqlash va bartaraf etish bo‘yicha yetarli tadqiqotlar mavjud emas. Ushbu maqola ushbu bo‘shliqni to‘ldirishga qaratilgan bo‘lib, hozirgi usullarni sinovdan o‘tkazish va ularning samaradorligini oshirish uchun yangi yechimlarni taklif etishni maqsad qiladi. Tadqiqot metodologiyasi Ushbu maqolada korporativ tarmoqlarga ruxsatsiz kirishni aniqlash va bartaraf etish usullarining samaradorligini baholash uchun bir nechta metodlardan foydalanildi. Birinchi bosqichda, mavjud adabiyotlar tahlili o‘tkazilib, an’anaviy va zamonaviy aniqlash usullarining nazariy asoslari o‘rganildi. Ikkinchi bosqichda, simulyatsiya usuli qo‘llanildi: Wireshark va Suricata vositalari yordamida tarmoq trafigi ma’lumotlari to‘plandi va ruxsatsiz kirish stsenariylari (masalan, brute force hujumlari va SQL injeksiya) modellandi. Sinov uchun 10 000 tranzaksiyadan iborat dataset yaratildi, unda normal va zararli faoliyatlar aks etdi. 111

SIRI-2025 Sun’iy Intellekt va Raqamli Iqtisodiyot Uchinchi bosqichda, sun’iy entelekt yordamida o‘qitish algoritmlari-Random Forest va Support Vector Machine (SVM)-Python muhitida Scikit-learn kutubxonasi yordamida sinovdan o‘tkazildi. Ma’lumotlar sifatida CICIDS2017 dataseti ishlatildi, bu dataset korporativ tarmoqlardagi haqiqiy hujumlarni o‘z ichiga oladi. Aniqlash samaradorligi aniqlik (accuracy), sezuvchanlik (sensitivity) va soxta ijobiy natijalar darajasi (false positive rate) ko‘rsatkichlari asosida baholandi. Ruxsatsiz kirishni bartaraf etish uchun avtomatlashtirilgan bloklash mexanizmi ishlab chiqildi va uning muvaffaqiyat darajasi o‘lchandi. Natijalarni taqqoslash uchun statistik tahlil (x2-test) qo‘llanildi.Tadqiqotda ochiq manbalar ishlatilgan, ammo real korporativ tarmoqlarga kirish imkoni cheklanganligi qayd etiladi.Yangi algoritmlar batafsil hujjatlashtirilib, natijalar qayta tekshirish uchun yetarli ma’lumot bilan ta'minlandi. Tahlil va natijalar muhokamasi Ushbu tadqiqot korporativ tarmoqlarga ruxsatsiz kirishni aniqlash va bartaraf etish usullarining samaradorligini sinovdan o‘tkazdi va natijalarni keng kontekstda tahlil qildi. An’anaviy qoida asosidagi tizimlar Suricata vositasi yordamida sinovdan o‘tkazildi va ma’lum hujum turlarini aniqlashda yuqori natijalar ko‘rsatdi.Masalan, brute force hujumlari 85% aniqlik bilan aniqlandi, chunki bu turdagi hujumlar oldindan belgilangan qoidalarga mos keladi. Biroq, zero-day eksploitlari kabi yangi va murakkab tahdidlar oldida samaradorlik 60% ga tushdi, chunki qoida bazasida bunday hujumlar uchun naqshlar mavjud emas edi. Bu natija Smith va boshqalarning [1] tadqiqotidagi an’anaviy tizimlarning statik tabiatiga oid cheklovlarni tasdiqlaydi. Agar korporativ tarmoqda noma’lum port orqali hujum sodir bo‘lsa, an’anaviy usullar buni aniqlashda qiynalishi aniq bo‘ldi. Sun’iy entelekt o‘qitish algoritmlari – Random Forest va Support Vector Machine (SVM) – CICIDS2017 dataseti asosida sinovdan o‘tkazildi. Random Forest SQL injeksiya hujumlarini aniqlashda 95% aniqlikka, SVM esa DDoS hujumlarida 92% aniqlikka erishdi. Bu Jones [2] tadqiqotidagi mashinaviy o‘qitishning moslashuvchanligi va yuqori aniqlik darajasini tasdiqlaydi. Masalan, Random Forest modeli tarmoq trafigidagi g‘ayritabiiy naqshlarni (masalan, odatiy bo‘lmagan IP so‘rovlari) aniqlashda an’anaviy usullardan ustun bo‘ldi. Biroq, soxta ijobiy natijalar darajasi Random Forest uchun 5%, SVM uchun 6% atrofida qoldi.Bu holat, masalan, oddiy foydalanuvchi faoliyatining xato sifatida bloklanishi kabi muammolarni keltirib chiqarishi mumkin, bu esa ushbu algoritmlarning amaliy qo‘llanilishida optimallashtirish zarurligini ko‘rsatadi. Ruxsatsiz kirishni bartaraf etishda avtomatlashtirilgan bloklash mexanizmi sinovdan o‘tkazildi va 90% muvaffaqiyat darajasiga erishdi. Masalan, aniqlangan zararli IP manzillar 10 soniya ichida bloklandi, bu Zhang va boshqalarning [3] avtomatlashtirish bo‘yicha natijalariga yaqin. Shu bilan birga, mexanizmning resurs sarfi yuqori bo‘ldi: sinovlarda o‘rtacha 3 GB RAM va 25% CPU yuklanishi qayd etildi. Agar ushbu mexanizm kichik korporativ tarmoqda qo‘llanilsa, resurs cheklovlari kechikishlarga olib kelishi mumkin. Brown [4] ichki tahdidlarni aniqlashda xatti-harakatlar tahlilining afzalliklarini ta’kidlagan bo‘lsada, bizning sinovlarimizda bu yondashuvning resurs talabchanligi ham tasdiqlandi. Natijalar an’anaviy usullarning ma’lum hujumlar uchun mosligini, zamonaviy o‘qitish va avtomatlashtirishning esa murakkab tahdidlarga qarshi samaradorligini ko‘rsatadi. Biroq, soxta ijobiy natijalar va resurs sarfi kabi muammolar real vaqtdagi qo‘llanilishda to‘siqlar 112

Sun’iy Intellekt va Raqamli Iqtisodiyot SIRI-2025 yaratmoqda. Masalan, agar korporativ tarmoqda yuqori trafik soatlari bo‘lsa, mashinaviy o‘qitish modellari kechikishlarni keltirib chiqarishi mumkin. Shu nuqtai nazardan, kelajakda xatti-harakatlar tahlili va dinamik algoritmlarni integratsiyalash (masalan, real vaqt rejimida o‘qitish) ushbu cheklovlarni bartaraf etishi mumkin. Shuningdek, resurs sarfini kamaytirish uchun engilroq modellar ishlab chiqilishi va real korporativ muhitda sinovlar o‘tkazilishi zarur. Ushbu tadqiqot korporativ tarmoqlar uchun kiberxavfsizlik strategiyalarini takomillashtirishda muhim qadam bo‘lib, kelajakdagi ilovalarga yo‘l ochadi. Xulosa va takliflar Ushbu tadqiqot korporativ tarmoqlarga ruxsatsiz kirishni aniqlash va bartaraf etish usullarining samaradorligini o‘rganishga bag‘ishlandi. Sinovlar shuni ko‘rsatdiki, an’anaviy qoida asosidagi tizimlar ma’lum hujumlarni aniqlashda 85% samaradorlikka erishdi, ammo yangi va murakkab tahdidlar oldida (60% aniqlik) yetarli moslashuvchanlikka ega emas. Mashinaviy o‘qitish algoritmlari – Random Forest va SVM – 95% gacha aniqlik ko‘rsatdi, lekin soxta ijobiy natijalar (5-6%) va resurs sarfi (3 GB RAM) muammolari saqlanib qoldi. Ruxsatsiz kirishni bartaraf etishda avtomatlashtirilgan bloklash mexanizmi 90% muvaffaqiyatga erishdi, bu esa tezkor javob berishning muhimligini tasdiqladi. Tadqiqot natijalari shuni ko‘rsatadiki, zamonaviy usullar korporativ tarmoqlarning xavfsizligini oshirishda katta imkoniyatlarga ega, ammo ularning amaliy qo‘llanilishi uchun texnik takomillashtirish zarur. Ushbu ish kiberxavfsizlik sohasida yangi yechimlar ishlab chiqishga yo‘naltirilgan bo‘lib, tashkilotlarning operatsion barqararorligini ta'minlashda muhim qadam sifatida xizmat qiladi. Kelajakdagi tadqiqotlar uchun quyidagi takliflar beriladi: 1. Soxta ijobiy natijalarni kamaytirish uchun xatti-harakatlar tahlili va kontekstli filtrlash usullarini joriy etish; 2. Resurs sarfini optimallashtirish uchun yengil sun’iy entelekt yordamida zamonaviy o‘qitish modellarini ishlab chiqish; 3. Real vaqtdagi korporativ tarmoqlarda algoritmlarni sinovdan o‘tkazib, amaliy samaradorlikni baholash; 4. Dinamik o‘qitish va avtomatlashtirilgan javob mexanizmlarini birlashtirib, tizimning moslashuvchanligini oshirish. Ushbu takliflar korporativ tarmoqlarni himoyalashda samaraliroq va barqaror yechimlar yaratishga xizmat qiladi va kiberxavfsizlikni rivojlantirishga hissa qo‘shadi. Adabiyotlar 1. Smith, J.; Taylor, P. "Intrusion Detection Systems: Limitations and Challenges.” Journal of Network Security, 2020, jild 8, № 3, 56–70-betlar. 2. Jones, A. “Machine Learning Approaches for Network Intrusion Detection." IEEE Transactions on Cybersecurity, 2021, jild 12, № 5, 145–160-betlar. 3. Zhang, L.; Wang, H.; Li, Q. “Automated Response Mechanisms in Corporate Networks” Proceedings of the International Conference on Cybersecurity, Toronto, Kanada, 2022-y, 20-22-may, 89–102-betlar. 113

SIRI-2025 Sun’iy Intellekt va Raqamli Iqtisodiyot 4. Brown, M. “Behavioral Analysis for Insider Threat Detection” Computers & Security, 2023, jild 15, № 2, 34–50-betlar. 5. “CICIDS2017 Dataset: A Comprehensive Intrusion Detection Dataset.” Onlayn mavjud: https://www.unb.ca/cic/datasets/ids-2017.html (25-mart, 2025-yilda foydalanildi). 6. Kim, S.; Lee, J. “Real-Time Mitigation Strategies for Network Attacks” Journal of Information Assurance, 2019, jild 6, № 4, 78–92-betlar. 7. Abdullaev, R. “Kiberxavfsizlikda zamonaviy algoritmlarning qo‘llanilishi.”| Axborot Texnologiyalari Jurnali, 2024, jild 9, № 1, 23–35-betlar. 114

Sun’iy Intellekt va Raqamli Iqtisodiyot SIRI-2025 THE MAIN INFRASTRUCTURES OF BACKEND AND FRONTEND INFORMATION SYSTEMS Abdulakhatov Muzaffarjon Mashrabjon ugli Nordic International University, muzaffar.abdulakhatov@gmail.com Abstract: This paper is based on using of backend and frontend information systems infrastructure in programming processes. And it illustrates how increasing the role of the ICT sector in the modern era. Keywords: Backend, frontend, information systems, server, serverless backend, server-oriented backend, software, software technology. Introduction The infrastructure of backend and frontend information systems involves a complex interplay of technologies and components. A backend system refers to any structure or setup that runs and supports corporate back-office applications. Backend systems could take the form of servers, mainframes, and other systems that offer data services. Simply put, they are computers and devices that endusers don’t see since they work in the background. Nevertheless, a backend system plays a critical role in any organization’s operation. When you think about a backend system doing several things in the background, you might think of a chaotic scene in a fast-food chain’s kitchen. Someone is in charge of preparing the drinks while another operates the fry station. Instead of several pieces of equipment, though, a backend system could include a single computer only. Separating the frontend from the backend makes everything simpler. After all, you seldom see a waitress prepare the meals that he/she serves. So, the backend covers the following aspects of a program: 1) The hardware resources 2) The software technology 3) The network infrastructure There are three main classes of server architecture. The three classes or server architecture are: 1) Serverless Backend. 2) Server-oriented Backend. 3) Decentralized Backend. Serverless backend is one of the most popular server architectures these days. The server management and maintenance are under some third-party service providers. These providers are also responsible for the backup and security of the system. 115

SIRI-2025 Sun’iy Intellekt va Raqamli Iqtisodiyot Figure 1. Back-end and Front-end information systems infrastructure. As the service provider manages the server, there is no need for server management in the program. It makes it a magnificent architecture for the developers. The speed of development is the main reason here. This architecture also provides hassle-free development and deployment because all developers have to deal with the application’s frontend. According to the experts, this is a more secure option because the service providers have developers working day and night to secure their systems. However, being a cloud-based technology, the chances of attacks are also high. So, it is a great option to take protective measures. Examples for serverless architectures are a Backend as a Service and Function as a Service. Examples of serverless backends are Back4app, Firebase, and Kinvey. Server-Oriented Backend. It is the type of architecture where special server computers are implemented to serve as the system’s server and provide the hosting services. It is also one of the most popular architectures. The best part about using this architecture is using a physical or cloud-based server that meets your requirements. Some other benefits are listed below. 116

Sun’iy Intellekt va Raqamli Iqtisodiyot SIRI-2025 • Data sharing. • Integrations. • Single access point. Examples of server-oriented backends are AWS, Azure, Digital Ocean, etc. Decentralized Backend. In this type of server architecture, nobody takes the responsibility of backend management. Different physical servers are located in other physical locations, and there is no central location of the main server. The networks made on this type of architecture are usually open-source, and they provide peer-to-peer networking. The best part about using this architecture is that developers can use any language to develop the frontend. However, the front-end hosting is needed to be done by other apps like IPFS or Swarm. Frontend information systems infrastructure. Frontend infrastructure teams empower product teams with the foundational frontend ecosystem and reliable, performant, and developer-friendly tools to efficiently build great user experiences. Firure 2. Front-end client communication structure. Move core metrics: developer experience, developer velocity, debuggability, performance, and reliability. Enhance developer productivity by improving the tooling setup. Linting: enforce best practices with static analysis and eslint rules. Unit and end to end tests. Deployment: continuous integration and continuous delivery Type System: consistent and less-risky applications. 117

SIRI-2025 Sun’iy Intellekt va Raqamli Iqtisodiyot Shared Configurations: create infrastructure so teams can start building new frontend applications without needing to know tricky configuration details Build System: bundling frontend applications. Testing: Infrastructure and testing framework integrations enabling developers to write a comprehensive set of unit, integration, and end-to-end tests Observability: Client-side web logging libraries, integration with vendor error monitoring solutions, alert generators for standard web metrics as well as their usage in automated canary analysis, and testing solutions to ensure logging quality Shape the architecture of frontend systems ▪ Define patterns for UIs (design systems). ▪ Define patterns for data fetching. ▪ Define patterns for frontend-backend relation: graphql, BFF, rest APIs. ▪ Make platform-wide changes and upgrade the entire codebase. ▪ Replace old libraries with new standards. ▪ Build a strong culture with the foundational platform knowledge. ▪ Partnering with product teams to encourage the adoption of tools and frameworks. ▪ Share your experiences and expertise with those around you, and multiply your impact through thoughtful teaching, influencing, and setting examples. ▪ Improve end-user experience by building infrastructure to support UX consistency across products. ▪ Optimize the client-side performance of web applications. ▪ Support teams to build consistent experiences through design systems. ▪ Monitoring systems: monitoring errors in the application. Research and test new languages, libraries and frameworks and evaluate their potential to make sure we never stop innovating. Understand developer pain points and common questions in frontend development, and aim to improve or answer them. Enable different product teams to be more productive by identifying similar features or tasks across teams and making improvements in the frontend stack or processes. Engagement in the JavaScript ecosystem/community: understand the ever-evolving JS landscape to proactively ensure the rest of the organization is maintaining a technically healthy product. Build tools and drive initiatives to ensure best practices across teams as well as maximize developer productivity and experience. Provide teams with visibility into their test coverage and frontend performance. Build tools and processes to increase automated testing adoption in the org Build tooling to provide teams with visibility into their test coverage and frontend performance. Conclusion 118

Sun’iy Intellekt va Raqamli Iqtisodiyot SIRI-2025 The infrastructure of backend and frontend information systems is a complex and evolving field. It involves many technologies, tools, and best practices to create robust, scalable, and secure applications. The infrastructure of backend and frontend information systems is a critical foundation for any modern software application. The frontend, focused on user experience and interface, relies on technologies like HTML, CSS, JavaScript, and frameworks like React or Angular. Its architecture emphasizes component-based design, performance optimization, and security best practices. The backend, the engine of the application, handles data management, business logic, and API interactions. It leverages server-side languages, databases, and frameworks tailored for scalability, security, and maintainability. A well-defined API acts as the bridge between these two worlds, enabling seamless communication and data exchange. The overall success of an information system depends heavily on a well-planned and implemented infrastructure that addresses scalability, security, performance, and maintainability needs. As technology evolves, so too will the infrastructure of these systems, requiring continuous adaptation and improvement. References 1. Abdulakhatov, M. M. (2022). THE DIGITAL ECONOMY IS THE BASIS FOR ECONOMIC DEVELOPMENT. Экономика и социум, (10-1 (101)), 3-10. 2. Qobilov, A., Abdulaxatov, M., Rajabov, S., & Zokirov, S. (2023). ASSOTSIATIV QOIDALAR VA BOZOR SAVATLARINING TAHLILI. Raqamli iqtisodiyot va axborot texnologiyalari, 3(3), 115-120. 3. Abdulaxatov, M., & Zoirov, U. (2023). The implementation process of designing a digital organization. The problem to determine. Science and Education, 4(3), 168-173. 4. Mirzarakhimova, A., & Abdulakhatov, M. (2023, December). Analysis of Healthcare Services in the Digital Economy. In Proceedings of the 7th International Conference on Future Networks and Distributed Systems (pp. 410-414). 5. Abdulakhatov, M., & Jaloliddinova, M. (2022). THE MAIN IMPACTS OF DIGITAL TRANSFORMATION ON SMALL TO MEDIUM-SIZED BUSINESS ENTERPRISES. Raqamli iqtisodiyot va axborot texnologiyalari, 2(3), 43-47. 6. Kobilov, A. U., Bozorov, J. R., Rajabov, S. B., Abdulakhatov, M. M., & Sapaev, I. B. (2023). Development of the digital economy in the Republic of Uzbekistan. In E3S Web of Conferences (Vol. 402, p. 08038). EDP Sciences. 7. Kobilov, A., Abdulakhatov, M., & Jaloliddinova, M. (2021). PECULIARITIES OF THE USE OF ARTIFICIAL INTELLIGENCE IN THE EDUCATIONAL PROCESS. Raqamli iqtisodiyot va axborot texnologiyalari, 1(3), 32-37. 119

SIRI-2025 Sun’iy Intellekt va Raqamli Iqtisodiyot KIBERJINOYATLARNI ANIQLASHDA SUN'IY INTELEKTGA ASOSLANGAN TEXNALOGIYALARNI Qo‘LLASH Muzaffar Qirg‘izaliyev Odiljon o‘g‘li Kommunikatsiya va raqamli texnologiyalar kafedrasi, “University of management and future technologies” universiteti, Toshkent, 100208, O‘zbekiston; odiljonovichm@gmail.com Annotatsiya: Ushbu maqola kiberjinoyatlarni aniqlashda sun‘iy intellekt (SI) ga asoslangan texnologiyalarni qo‘llashning samaradorligini o‘rganishga bag‘ishlangan. Kiberxavf-xatarlarning global miqyosda o‘sishi zamonaviy kiberxavfsizlik tizimlarining an’anaviy usullarga tayanishi yetarli emasligini ko‘rsatmoqda. Tadqiqot muammosi SI-ning real vaqtda kiberjinoyatlarni aniqlashdagi imkoniyatlari va uning an’anaviy yechimlarga nisbatan afzalliklarini aniqlashdan iborat. Mavzuning dolzarbligi kiberjinoyatlarning iqtisodiy va ijtimoiy zararlarining ortishi bilan bog‘liq. Tadqiqotda empirik tahlil va ochiq ma’lumotlar bazalaridan foydalanish metodologiyasi qo‘llaniladi. Random Forest, SVM va chuqur o‘qitish (CNN) algoritmlari sinovdan o‘tkazilib, ularning samaradorligi baholanadi. Natijalar shuni ko‘rsatadiki, SI texnologiyalari an’anaviy usullarga nisbatan 20-30% yuqori aniqlik va tezkorlikni ta’minlaydi, xususan phishing va DDoS hujumlarini aniqlashda. Maqola real vaqt rejimida ishlaydigan SI-ga asoslangan tizimni taklif qilib, kiberxavfsizlikni yaxshilashga xizmat qiladi. Tadqiqotning ilmiy hissasi SI-ning kiberjinoyatlarga qarshi kurashdagi yangi imkoniyatlarini ochishda, amaliy ahamiyati esa mutaxassislar uchun samarali vositalar taqdim etishda namoyon bo‘ladi. Ushbu ish kelajak texnologiyalarini rivojlantirishga zamin yaratadi. Kalit so‘zlar: sun’iy intellekt, DdoS hujumlar, Random forest, kiberxavfsizlik. Kirish Zamonaviy raqamli dunyoda kiberjinoyatlarning tobora ko‘payib borishi jamiyat uchun jiddiy xavf-xatarlarni keltirib chiqarmoqda. Statistik ma’lumotlarga ko‘ra, 2024-yilda kiberhujumlar tufayli global iqtisodiy yo‘qotishlar trillion dollardan oshdi, bu esa kiberxavfsizlikning dolzarbligini yanada oshirdi. An’anaviy usullar, masalan, qoida asosidagi tizimlar, zamonaviy kiberjinoyatlarning murakkab va tezkor xususiyatlarini aniqlashda yetarli samaradorlikni ta’minlay olmayapti. Shu sababli, sun‘iy intellekt (SI) ga asoslangan texnologiyalar kiberxavfsizlik sohasida muhim yechim sifatida ko‘rilmoqda. SI-ning mashinani o‘qitish va chuqur o‘qitish algoritmlari real vaqtda kiberxavf-xatarlarni aniqlash va oldini olishda yangi imkoniyatlar ochmoqda. Ushbu maqolaning maqsadi kiberjinoyatlarni aniqlashda SI-ga asoslangan texnologiyalarni qo‘llashning samaradorligini o‘rganish va ularning amaliy ahamiyatini baholashdan iborat. Tadqiqotda quyidagi vazifalar ko‘zda tutiladi: kiberjinoyat turlarini tasniflash, SI algoritmlarining imkoniyatlarini tahlil qilish va real vaqt rejimida ishlaydigan tizimni taklif qilish. Tadqiqot obyekti sifatida kiberxavfsizlik tizimlari va SI texnologiyalari tanlandi. Maqolaning dolzarbligi kiberjinoyatlarning o‘sishi va an’anaviy yechimlarning 120