Сучасний розвиток цифрових технологій, таких як Інтернет речей, штучний інтелект
та хмарні обчислення, сприяє зростанню обсягів даних, які потребують ефективного
захисту. Штучний інтелект є перспективним напрямком у сфері кібербезпеки, оскільки
дозволяє автоматизувати аналіз великих обсягів даних, ідентифікувати аномалії в
трафіку та швидко реагувати на загрози. Основні результати дослідження включають
визначення основних алгоритмів машинного навчання, що застосовуються у сфері
кібербезпеки, серед яких підтримуючі векторні машини, дерева рішень, нейронні
мережі, а також підходи, що базуються на підкріплювальному навчанні. Доведено, що
використання глибокого навчання дозволяє досягати точності виявлення загроз до 96
відсотків, що перевищує традиційні методи аналізу кіберзагроз. Розглянуто проблеми,
пов’язані з впровадженням штучного інтелекту у сфері кібербезпеки, зокрема
вразливість моделей до атак на навчання, що можуть змінювати поведінку алгоритмів
та обходити системи захисту. Оцінено регуляторні виклики та необхідність створення
нормативних актів для контролю технологій автономних штучних інтелектуальних
систем, що працюють поза контролем офіційних IT-структур організацій. Цінність
дослідження полягає у розробці комплексного підходу до використання штучного
інтелекту у сфері кібербезпеки, що дозволить підвищити рівень захисту
інформаційних систем та мінімізувати ризики кібератак. Отримані результати
сприятимуть розширенню наукових підходів у галузі інтелектуальних систем безпеки
та розробці ефективних алгоритмів виявлення загроз у реальному часі. Практичне
значення проведеного дослідження полягає у можливості застосування отриманих
результатів для вдосконалення систем виявлення вторгнень, антивірусного
програмного забезпечення, а також впровадження автоматизованих рішень для
захисту критичних інфраструктур від кібератак.
The modern development of digital technologies, such as the Internet of Things, artificial intelligence, and cloud
computing, contributes to the growth of data volumes that require effective protection. Despite the advantages of
digitalization, the use of intelligent systems is accompanied by increasing risks of data breaches, DoS attacks,
phishing attacks, and zero-day exploits. Artificial intelligence is a promising field in cybersecurity, as it enables
the automation of large-scale data analysis, anomaly detection in traffic, and rapid response to threats. The aim of
this study is to analyze the application of artificial intelligence technologies to enhance cybersecurity, assess the
effectiveness of machine learning and deep learning algorithms in threat detection, and examine the prospects and
potential risks associated with the use of artificial intelligence in the protection of information systems. The
scientific and practical significance of the study lies in justifying the necessity of using artificial intelligence in
cybersecurity and evaluating its effectiveness in real-time cyberattack detection. The application of machine
learning technologies helps reduce false positive alerts in intrusion detection systems and enhances incident
response speed without human intervention. The research methodology includes a systematic analysis of modern
artificial intelligence technologies used in cybersecurity, a review of scientific literature, and an analysis of deep
learning algorithms such as neural networks, clustering methods, anomaly detection algorithms, and automated
incident response techniques. The study identifies the main machine learning algorithms applied in cybersecurity,
including support vector machines, decision trees, neural networks, and reinforcement learning-based approaches.
It has been proven that deep learning allows achieving threat detection accuracy of up to 96%, surpassing
traditional cyber threat analysis methods. The study examines issues related to the implementation of artificial
intelligence in cybersecurity, particularly the vulnerability of models to adversarial attacks that can alter algorithm
behavior and bypass security systems. Regulatory challenges and the necessity of creating legal frameworks for
controlling autonomous artificial intelligence systems operating beyond the oversight of official IT structures in
organizations are also evaluated. The value of this research lies in the development of a comprehensive approach
to the use of artificial intelligence in cybersecurity, which will improve the protection of information systems and
minimize cyberattack risks. The obtained results will contribute to the expansion of scientific approaches in the
field of intelligent security systems and the development of effective real-time threat detection algorithms. The
practical significance of this study is the possibility of applying the obtained results to enhance intrusion detection
systems, antivirus software, and the implementation of automated solutions for protecting critical infrastructures
from cyberattacks.
