Современные информационные системы сталкиваются с постоянным ростом числа уязвимостей. Процесс их оценки, основанный на стандартах, таких как Common Vulnerability Scoring System (CVSS), требует значительных временных и человеческих ресурсов. Это затрудняет своевременное принятие мер по устранению угроз. Использование методов машинного обучения, в частности трансформеров, позволяет автоматизировать и ускорить процесс оценки критичности уязвимостей. В рамках исследования был проведен анализ отечественного и зарубежного опыта, а также выявлены ключевые проблемы, связанные с текущими подходами к оцениванию уязвимостей. Предлагаемое решение направлено на автоматизацию и ускорение оценки критичности новых уязвимостей с использованием методов машинного обучения. Проблема текущих

Менисов А.Б., Грузиленков М.Д., Исаев Н.Э. (науч. рук. Менисов А.Б.) Разработка модели прогнозирования уровня критичности для новых уязвимостей на основе использования методов машинного обучения // Сборник тезисов докладов конгресса молодых ученых. Электронное издание. – СПб: Университет ИТМО, [2025]. URL: https://kmu.itmo.ru/digests/article/14445