RISK MANAGEMENT SOFTVER BAZIRAN NA AI I CPS PREDIKCIJI
Dr. sc. Edin Garaplija
Muhamed Duraković
Objavljeno u Izdanju 1, Godina 5.
DOI: https://doi.org/10.70329/2744-2403.2025.5.9.1
Ključne riječi: : Rizik, AI Predikcija, Cyber sigurnost
SAŽETAK
Ovaj rad se fokusira na upotrebu mašinskog učenja i korištenje namjenskih baza podataka vještačke inteligencije u svrhu kreiranja rješenja zasnovanih na unaprijeđenom algoritmu za preventivno upravljanje rizicima i predikciju rizika u realnom vremenu. U radu se analiziraju postojeći standardi, njihovi nedostaci i moguća rješenja za unapređenje, kao i struktura i algoritamska osnova ovih sistema, te njihova integracija u postojeće sigurnosne arhitekture i platforme. Obuhvaćena je detekcija prijetnji na osnovu anomalija i analiza ustaljenog korisničkog ponašanja prema zadanim obrascima, procjena rizika i proaktivna detekcija napada. Pravovremena identifikacija i upravljanje rizicima postaju ključni faktori održivosti kompanija i sigurnosti poslovnih i informacionih sistema. Prediktivna analitika, zasnovana na vještačkoj inteligenciji, mašinskom učenju i analizi velikih skupova podataka, donosi transformacijske mogućnosti u oblastima poput industrije, finansija i zdravstva, koje su u savremenoj eri povezane sajber sigurnošću i predikcijom rizika, a koje pomažu donosiocima odluka da efikasnije upravljaju sistemima i zaštite ih. Integrativni pristup usklađivanju ovih tehnologija, posebno u kontekstu organizacione strukture i pravnog okvira, obuhvata pitanja pouzdanosti transparentnosti modela, odgovornosti za automatizovane odluke, zaštite privatnosti i usklađenosti sa zakonodavstvom. Cilj rada je pružiti sveobuhvatan pregled tehnoloških i metodoloških inovacija u prediktivnoj zaštiti od sajber rizika, te identifikovati pravce budućeg razvoja sa posebnim fokusom na sigurnost, etiku i pouzdanost AI sistema.
ABSTRACT
This paper focuses on the use of machine learning and the use of dedicated AI databases to create solutions based on an improved algorithm for preventive risk management, and real- time risk prediction. The paper analyses the existing standard, its shortcomings and solutions for improvement, and the structure and algorithmic basis of these systems, as well as their integration into existing security architectures and platforms. The work includes the detection of threats based on anomalies and the analysis of established user behavior according to given patterns, risk assessment and proactive detection of attacks. Timely identification and management of risks are becoming key factors in corporate sustainability and security of business and information systems. Predictive analytics, based on artificial intelligence, machine learning and big data analytics, bring transformational opportunities in areas such as industry, finance, healthcare, which in the modern era are connected by cybersecurity and risk prediction that help decision makers to manage systems more efficiently and protect them. An integrative approach to harmonizing these technologies, especially considering the organizational structure and legal framework, includes issues of reliability and transparency of models, as well as accountability for automated decisions, privacy protection and compliance with legislation. The aim of the paper is to provide a comprehensive overview of technological and methodological innovations in predictive protection against cyber risks, and to identify directions for future development with a special focus on the security, ethics and reliability of AI systems.