Tel: +998977838464

2026
III Bioiqtisodiyot xalqaro forumi: maxsus son

IV-SEKSIYA - IQLIMGA MOSLASHUV VA EKOLOGIK MUVOZANATNI SAQLASHGA XIZMAT QILUVCHI INNOVATSION YECHIMLARNI TARGʻIB QILISH

IJTIMOIY MUHANDISLIK HUJUMLARINI ANIQLASH VA ULARGA QARSHI KURASHISHNING INNOVATSION INTELLEKTUAL USULLARI VA ALGORITMLARINI ISHLAB CHIQISH

DOI 10.67668/mj/2026issmaxsus/2194 Betlar 287-292

Nashr qilingan 2026-09-25

Mualliflar
Eshmurodov Alisher Akrom oʻgʻli
Tashkilot
Tashkent University of Information Technology image/svg+xml
III Bioiqtisodiyot xalqaro forumi, Buxoro, 24-25-sentabr 2026
PDF Google Scholar Google Scholar

Annotatsiya

Maqolada elektron pochta, SMS, messenjerlar va ovozli qoʻngʻiroqlar orqali amalga oshiriladigan ijtimoiy muhandislik hujumlarini aniqlashning besh bosqichli dialog modeli taklif etilgan. Mavjud vositalar xabarlarni alohida tahlil qilgani uchun koʻp bosqichli suhbat shaklidagi hujumlarni kech aniqlashi koʻrsatilgan. Model koʻp tilli transformer asosidagi semantik belgilar, psixologik taʼsir tamoyillari va kontekst belgilarini GRU qatlamida birlashtirib, har bir yangi navbatdan keyin 0-100 oraliqdagi xavf koʻrsatkichini yangilaydi va foydalanuvchini zararli harakatni amalga oshirishidan oldin ogohlantiradi. Xavf koʻrsatkichiga koʻra suhbat oʻtkaziladi, foydalanuvchi ogohlantiriladi yoki suhbat bloklanadi. Bank va mobil operatorlarning maxfiy maʼlumotlarini markazlashtirmasdan oʻqitish uchun federativ oʻqitish, tushunarli ogohlantirish uchun SHAP usuli qoʻllanilgan. Tashkiliy va texnik qarshi choralar, erta aniqlash samaradorligini baholash hamda bank va operatorlarda pilot sinovlar oʻtkazish boʻyicha takliflar berilgan.

Kalit so'zlar

ijtimoiy muhandislik, dialog darajasida aniqlash, erta ogohlantirish, koʻp tilli transformer modellar, psixologik taʼsir tamoyillari, federativ oʻqitish, tushuntiriladigan sunʼiy intellekt, oʻzbek tili

Foydalanilgan adabiyotlar

  1. Cho, K., van Merriënboer, B., Gulcehre, C., Bahdanau, D., Bougares, F., Schwenk, H., & Bengio, Y. (2014). Learning phrase representations using RNN encoder-decoder for statistical machine translation. In Proceedings of the 2014 Conference on Empirical Methods in Natural Language Processing (EMNLP) (pp. 1724-1734). https://doi.org/10.3115/v1/D14-1179
  2. Cialdini, R. B. (2021). Influence, new and expanded: The psychology of persuasion. New York: Harper Business
  3. Conneau, A., Khandelwal, K., Goyal, N., Chaudhary, V., Wenzek, G., Guzmán, F., Grave, E., Ott, M., Zettlemoyer, L., & Stoyanov, V. (2020). Unsupervised cross- lingual representation learning at scale. In Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics (pp. 8440-8451). https://doi.org/10.18653/v1/2020.acl-main.747
  4. Federal Bureau of Investigation, Internet Crime Complaint Center (IC3). (2026). Internet Crime Report 2025. Washington, D.C.: FBI. https://www.ic3.gov/AnnualReport/Reports/2025_IC3Report.pdf
  5. Lundberg, S. M., & Lee, S.-I. (2017). A unified approach to interpreting model predictions. Advances in Neural Information Processing Systems, 30, 4765-4774. https://proceedings.neurips.cc/paper/2017/hash/8a20a8621978632d76c43dfd28b67767-Abstract.html
  6. McMahan, B., Moore, E., Ramage, D., Hampson, S., & Agüera y Arcas, B. (2017). Communication-efficient learning of deep networks from decentralized data. Proceedings of Machine Learning Research, 54, 1273-1282. https://proceedings.mlr.press/v54/mcmahan17a.html
  7. Mouton, F., Leenen, L., & Venter, H. S. (2016). Social engineering attack examples, templates and scenarios. Computers & Security, 59, 186-209. https://doi.org/10.1016/j.cose.2016.03.004
  8. Radford, A., Kim, J. W., Xu, T., Brockman, G., McLeavey, C., & Sutskever, I. (2023). Robust speech recognition via large-scale weak supervision. Proceedings of Machine Learning Research, 202, 28492-28518. https://proceedings.mlr.press/v202/radford23a.html
  9. Verizon. (2025). 2025 Data Breach Investigations Report (DBIR). Verizon Business. https://www.verizon.com/business/resources/reports/dbir/
  10. Oʻzbekiston Respublikasining 2019-yil 2-iyul OʻRQ-547-son “Shaxsga doir maʼlumotlar toʻgʻrisida”gi Qonuni. https://lex.uz/docs/4396419
  11. Oʻzbekiston Respublikasining 2022-yil 15-aprel OʻRQ-764-son “Kiberxavfsizlik toʻgʻrisida”gi Qonuni. https://lex.uz/docs/5960604
  12. Oʻzbekiston Respublikasi Prezidentining 2024-yil 14-oktyabr PQ-358-son “Sunʼiy intellekt texnologiyalarini 2030-yilga qadar rivojlantirish strategiyasini tasdiqlash toʻgʻrisida”gi Qarori. https://lex.uz/docs/-7158604
  13. Ichki ishlar vazirligi maʼlumotlari: kiberjinoyatlar soni va zarar hajmi // Spot.uz, 27.01.2026. https://www.spot.uz/oz/2026/01/27/cybercrime/
  14. Joriy yilda kiberjinoyatchilar oʻzbekistonliklarning 1,9 trln soʻm mablagʻlarini oʻgʻirladi // Spot.uz, 23.12.2025. https://www.spot.uz/oz/2025/12/23/cyber-crime/
  15. Oʻzbekistonda 10 mingdan ortiq shubhali kartalar bloklandi, 1,72 trln soʻm saqlab qolindi // Spot.uz, 16.06.2026. https://www.spot.uz/oz/2026/06/16/cybersecurity/

Yuklab olishlar

Yuklab olish ma’lumotlari hali mavjud emas.