अगली पीढ़ी की साइबर खतरा पहचान और न्यूनीकरण रणनीतियाँ: कृत्रिम बुद्धिमत्ता और मशीन लर्निंग पर ध्यान केंद्रित करना

इस अनुसंधान का प्रमुख उद्देश्य अगली पीढ़ी में साइबर खतरों की पहचान और न्यूनीकरण के लिए रणनीतियों की जांच करना था, जिसमें कृत्रिम बुद्धिमत्ता (AI) और मशीन लर्निंग (ML) को प्रमुखता दी गई। यह अध्ययन साइबर सुरक्षा के क्षेत्र में AI, ML, और गहरे शिक्षण (DL) की भूमिका का एक व्यापक अवलोकन प्रदान करता है। इसके अलावा, यह अध्ययन साइबर सुरक्षा प्रथाओं में गहरे शिक्षण को एकीकृत करने के लाभों पर प्रकाश डालता है। शोधकर्ता ने धोखाधड़ी गतिविधियों की पहचान को मजबूत करने के लिए Feedzai सुरक्षा प्रणाली में AI और ML तकनीकों को एकीकृत करने की प्रभावशीलता का परीक्षण किया। कार्यप्रणाली को मान्यता देने के लिए, अन्वेषक ने CSV प्रारूप में ऐतिहासिक लेनदेन रिकॉर्ड वाले डेटासेट पर सुपरवाइज्ड मशीन लर्निंग रैंडम फॉरेस्ट एल्गोरिदम का उपयोग करके प्रयोग किया। अनुसंधान के परिणामों ने यह प्रमाणित किया कि Feedzai के AI-आधारित सॉफ़्टवेयर को रैंडम फॉरेस्ट एल्गोरिदम के साथ मिलाकर, भविष्य के वित्तीय संस्थान वास्तविक समय में धोखाधड़ी की पहचान कर सकते हैं और वैध लेनदेन की सटीक पहचान कर सकते हैं। रैंडम फॉरेस्ट ढांचे की सटीकता दर 83.94% थी। इसके विपरीत, Naïve Bayes ढांचे की सटीकता दर 79.23% थी, और KNN मॉडल की सबसे कम सटीकता दर 78.74% थी। इन परिणामों ने यह प्रमाणित किया कि रैंडम फॉरेस्ट प्रणाली साइबर हमलों की पहचान के लिए सबसे प्रभावी थी।