ГІБРИДНА МОДЕЛЬ ПРОГНОЗУВАННЯ ТА МОНІТОРИНГУ РИЗИКІВ З ВИКОРИСТАННЯМ ML ТА ЕКСПЕРТНИХ ПРАВИЛ

Abstract

Стрімке поширення DevOps-і MLOps-практик, інтенсивне використання генеративного ШІ та зростаюча складність програмних екосистем радикально змінюють характер ризиків у процесі життєвого циклу програмного забезпечення. Традиційні методи управління ризиками, що ґрунтуються на статичних оцінках або ручному аналізі, виявляються недостатніми для роботи в умовах динамічного середовища, де ризики виникають одночасно на рівні коду, архітектури, процесів CI/CD, даних і людських факторів. У цій роботі запропоновано гібридну модель прогнозування та моніторингу ризиків, яка поєднує алгоритми машинного навчання,історичні дані проєктів, сигнали з конвеєрів CI/CD та експертні правила для формування адаптивного ризик-профілю. Модель функціонує як безперервний цикл, що охоплює ідентифікацію, оцінювання, прогнозування, реагування та моніторинг ризиків, забезпечуючи постійне оновлення профілю загроз у режимі, близькому до реального часу. Запропоноване рішення реалізовано у вигляді тримодульної архітектури, яка включає збір і підготовку даних, ансамблеве прогнозування ризиків за допомогою моделей градієнтного бустингу та випадкових лісів, а також систему нечіткої логіки для контекстного коригування прогнозів. Експериментальна перевірка, проведена на основі понад 50 реальних проєктів, продемонструвала високу точність прогнозування та здатність моделі своєчасно виявляти пікові точки ризику. Теплова карта динаміки ризиків підтвердила її ефективність у відстеженні змін у ключових категоріях, зокрема стабільностізбірок, вразливостей, дефектності коду та продуктивності сервісів. Результати дослідження засвідчили, що поєднання машинного навчання з експертними знаннями значно підвищує точність, адаптивність і пояснюваність рішень, створюючи підґрунтя для впровадження інтелектуальних систем управління ризиками у складних середовищах розробки. Отримані результати можуть бути використані для автоматизації управління якістю ІТ-продуктів, підвищення стійкості DevSecOps-процесів та підтримки прийняття стратегічних рішень на рівні організації.