УДК 004.056:621-52
DOI: 10.36871/ek.up.p.r.2025.12.16.011

Авторы

Ислам Адамович Пуцигов,
Мансур Абдул-Муслимович Айбуев,
Грозненский государственный нефтяной технический университет имени академика М. Д. Миллионщикова, Грозный, Россия

Аннотация

В статье рассматриваются действующие международные и национальные стандарты кибербезопасности, применимые к сетям промышленной автоматизации с компонентами искусственного интеллекта. Анализируются структура и область применения стандартов ИСО/МЭК 27001, серии МЭК 62443, руководства НИСТ 800–82 и стандарта ИСО 9506, показано их взаимодействие в рамках единой системы управления рисками. Особое внимание уделено влиянию интеллектуальных подсистем на требования к архитектуре защиты, мониторингу и управлению жизненным циклом программных и аппаратных средств. Выявлены пробелы в существующей нормативной базе в части описания жизненного цикла моделей, качества данных и устойчивости к целенаправленным атакам, сформулированы направления дальнейшего развития стандартов.

Ключевые слова

кибербезопасность, промышленные сети, автоматизированные системы управления, искусственный интеллект

Список литературы

  1. Алексеев Д. Р., Иванова Л. П. Анализ требований стандарта ГОСТ Р МЭК 62443 к системам промышленной автоматизации // Информационная безопасность. 2025. № 4. С. 45–58.
  2. Бабич Ю. С., Никифоров А. В. Методика оценки рисков кибербезопасности АСУ ТП на базе ИСО/МЭК 27005 // Вестник Казанского государственного энергетического университета. 2024. № 2. С. 31–42.
  3. Гаврилов П. А. Адаптивные модели защиты промышленных сетей с элементами искусственного интеллекта // Труды МГТУ им. Н. Э. Баумана. Сер. «Информационные технологии». 2025. № 1. С. 67–80.
  4. Жарасов Б. С., Абрамов В. И. Цифровые двойники в управлении производством: принципы создания, проблемы внедрения и перспективы развития // Современная экономика: проблемы и решения. 2024. № 6 (174). С. 80–94.
  5. Козлова В. В. Оптимизация бизнес-процессов с применением технологий искусственного интеллекта // Вестник Евразийской науки. 2025. Т. 17. № s2. С. 1–16.
  6. Мухамеджанов А. И., Хабибуллин И. И. Обзор методов машинного обучения для прогнозирования технического состояния газотурбинных двигателей // Вестник КГТУ им. А. Н. Туполева. 2023. № 3. С. 70–78.
  7. Прыткова Е. А., Давыдов В. М. Применение многофакторного анализа показателей качества машиностроительной продукции для оптимизации бизнес-процессов // Вестник МГТУ им. Г. И. Носова. 2024. Т. 22. № 3. С. 152–159.
  8. Рогулин Р. С. Использование методов анализа данных и машинного обучения для прогнозирования и планирования спроса при управлении цепочками поставок // Теоретическая экономика. 2023. № 8. С. 35–53.