بهینه سازی سرمایه گذاری امنیت سایبری در بانک ها با بهره گیری از یادگیری ماشین

با گسترش روزافزون بانکداری دیجیتال پیچیدگی تهدیدات سایبری نیز افزایش یافته است، موضوعی که بانک ها را ناگزیر به تخصیص هوشمندانه و هدفمند منابع امنیتی کرده است این پژوهش با هدف بهینه سازی سرمایه گذاری در امنیت سایبری مدلی ترکیبی و مبتنی بر یادگیری ماشین و یادگیری تقویتی طراحی کرد در این مدل داده های شبیه سازی شده مبتنی بر سناریوهای بانکداری دیجیتال رفتارهای کاربران و لاگ های امنیتی پس از پیش پردازش به الگوریتم های یادگیری نظارت شده و بدون نظارت وارد شدند تا احتمال وقوع و شدت خسارات مالی تهدیدها برآورد شود. در مرحله بعد یک واحد یادگیری تقویتی با استفاده از سازوکار پاداش تخصیص بودجه را میان مولفه های مختلف امنیتی به صورت پویا انجام داد تا ضمن کمینه سازی ریسک بازده سرمایه گذاری (ROI) به حداکثر برسد. یافته های حاصل از شبیه سازی و ارزیابی روی داده های شبیه سازی شده مبتنی بر سناریوهای بانکداری دیجیتال نشان داد که مدل پیشنهادی دقت شناسایی تهدیدات را به طور معناداری تا ۹۳.۱ افزایش می دهد و هزینه های امنیتی را نزدیک به ۱۸ کاهش می دهد؛ نتایجی که با مبانی نظری مدیریت ریسک و تحلیل هزینه فایده همسو است. این چارچوب ضمن قابلیت پیاده سازی در محیط های عملیاتی ابزاری راهبردی برای تصمیم گیری آگاهانه در اختیار مدیران مالی و امنیتی قرار می دهد.

کلیدواژه ها:

امنیت سایبری ، بانکداری دیجیتال ، بهینه سازی سرمایه گذاری ، یادگیری تقویتی ، یادگیری ماشین