Please use this identifier to cite or link to this item:
http://eztuir.ztu.edu.ua/123456789/8762
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.author | Колощук, М.С. | - |
dc.contributor.author | Дячук, О.Ю. | - |
dc.contributor.author | Окунькова, О.О. | - |
dc.contributor.author | Пірог, О.В. | - |
dc.contributor.author | Koloshchuk, M.S. | - |
dc.contributor.author | Dyachuk, O.Yu. | - |
dc.contributor.author | Okunkova, O.O. | - |
dc.contributor.author | Piroh, О.V. | - |
dc.date.accessioned | 2025-02-21T08:32:06Z | - |
dc.date.available | 2025-02-21T08:32:06Z | - |
dc.date.issued | 2024 | - |
dc.identifier.uri | http://eztuir.ztu.edu.ua/123456789/8762 | - |
dc.description.abstract | У статті розглянуто автоматизоване тестування на проникнення з використанням штучного інтелекту (ШІ), яке дозволяє значно підвищити ефективність і точність оцінки кібербезпеки. Технології на основі ШІ здатні автоматизувати багато процесів, що раніше виконувалися вручну, включно зі скануванням вразливостей, аналізом загроз та експлуатацією вразливих місць у системах. Особливу увагу приділено інструментам на базі ШІ, таким як DeepExploit, Sn1per та Cortex XSOAR, які демонструють суттєві переваги перед традиційними методами тестування на проникнення. У статті також розглянуто основні виклики впровадження ШІ у тестування на проникнення, зокрема труднощі навчання моделей та проблему помилкових спрацьовувань. Досліджуються майбутні тенденції у сфері використання ШІ для забезпечення кібербезпеки, такі як автономні системи тестування та інтеграція з квантовими обчисленнями. | uk_UA |
dc.language.iso | uk | uk_UA |
dc.publisher | Державний університет "Житомирська політехніка" | uk_UA |
dc.relation.ispartofseries | Технічна інженерія;2(94) | - |
dc.subject | штучний інтелект | uk_UA |
dc.subject | тестування на проникнення | uk_UA |
dc.subject | автоматизація кібербезпеки | uk_UA |
dc.subject | вразливості | uk_UA |
dc.subject | машинне навчання | uk_UA |
dc.subject | кіберзагрози | uk_UA |
dc.subject | оцінка безпеки | uk_UA |
dc.subject | етичний хакінг | uk_UA |
dc.subject | DeepExploit | uk_UA |
dc.subject | Sn1per | uk_UA |
dc.subject | Cortex XSOAR | uk_UA |
dc.subject | автоматизація тестування | uk_UA |
dc.subject | artificial intelligence | uk_UA |
dc.subject | penetration testing | uk_UA |
dc.subject | cybersecurity automation | uk_UA |
dc.subject | vulnerabilities | uk_UA |
dc.subject | machine learning | uk_UA |
dc.subject | cyber threats | uk_UA |
dc.subject | security assessment | uk_UA |
dc.subject | ethical hacking | uk_UA |
dc.subject | DeepExploit | uk_UA |
dc.subject | Sn1per | uk_UA |
dc.subject | Cortex XSOAR | uk_UA |
dc.subject | test automation | uk_UA |
dc.title | Інструменти штучного інтелекту для автоматизації тестування на проникнення | uk_UA |
dc.title.alternative | Artificial intelligence tools for automating penetration testing | uk_UA |
dc.type | Article | uk_UA |
dc.description.abstracten | The article discusses automated penetration testing using artificial intelligence (AI), which significantly enhances the efficiency and accuracy of cybersecurity assessments. AI-based technologies are capable of automating many processes that were previously performed manually, including vulnerability scanning, threat analysis, and exploitation of system weaknesses. Special attention is given to AI-based tools such as DeepExploit, Sn1per, and Cortex XSOAR, which demonstrate substantial advantages over traditional penetration testing methods. The article also addresses the main challenges of implementing AI in penetration testing, including the difficulties of training models and the issue of false positives. The future trends in the use of AI for cybersecurity, such as autonomous testing systems and integration with quantum computing, are explored as well. | uk_UA |
Appears in Collections: | Технічна інженерія |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.