Рябинина Е.В., Рыбак Г.А., Журилов Е.И. Искусственный интеллект по обе стороны баррикад: как генеративные технологии и поведенческая аналитика переписывают правила кибербезопасности

Научная статья
УДК 004.8
https://doi.org/10.24158/tipor.2026.5.23
 

Искусственный интеллект по обе стороны баррикад: как генеративные

технологии и поведенческая аналитика переписывают

правила кибербезопасности

 
Елена Владимировна Рябинина¹, Григорий Александрович Рыбак²,
Егор Игоревич Журилов^3
1,2,3Финансовый университет при Правительстве Российской Федерации, Москва, Россия.
¹evryabinina@fa.ru
²g.a.rybak@mail.ru
³egor.zhurilov@yandex.ru
 
Аннотация. Статья посвящена анализу современных тенденций в сфере кибербезопасности финансовых организаций в условиях активного развития генеративных технологий. Исследуется эволюция методов кибермошенничества, где искусственный интеллект используется как злоумышленниками, так и системами защиты.
Научная новизна статьи состоит в предложении прикладной модели настройки антифрод-порогов, учитывающей одновременно ожидаемый предотвращенный ущерб, стоимость избыточных блокировок легитимных операций и затраты на дополнительную верификацию. В отличие от описательного анализа угроз, предложенный подход позволяет переводить киберриски в денежные метрики и использовать их для управленческого выбора между блокировкой, дополнительной проверкой и бесшовным пропуском операции.
В работе рассматриваются актуальные угрозы, включая дипфейки, генеративный фишинг и вредоносное ПО, а также анализируются современные методы противодействия, основанные на поведенческой аналитике и системах реального времени. Особое внимание уделяется регуляторным изменениям и технологическим решениям, включая Единую биометрическую систему и ГИС (государственная информационная система) «Антифрод».
Проанализированы парадоксы современной кибербезопасности: несмотря на высокую эффективность антифрод-систем (99,7 % блокировок), ущерб от мошенничества продолжает расти. Предложена комплексная стратегия защиты, объединяющая нейросетевой скоринг, количественную оценку рисков и институциональные механизмы.
Ключевые слова: кибербезопасность, искусственный интеллект, антифрод-системы, поведенческая аналитика, дипфейки, генеративный фишинг, биометрическая аутентификация, кибермошенничество, системы защиты, цифровая безопасность, машинное обучение, поведенческий скоринг, регуляторные технологии, информационная безопасность
Финансирование: инициативная работа.
Для цитирования: Рябинина Е.В., Рыбак Г.А., Журилов Е.И.Искусственный интеллект по обе стороны баррикад: как генеративные технологии и поведенческая аналитика переписывают правила кибербезопасности // Теория и практика общественного развития. 2026. № 5. С. 207–213. https://doi.org/10.24158/tipor.2026.5.23.
 
Original article
 

Artificial Intelligence on Both Sides of the Barricades: How Generative

Technology and Behavioral Analytics are Rewriting

the Rules of Cybersecurity

 

Elena V. Ryabinina¹, Grigory A. Rybak²,
Egor I. Zhurilov^3
1,2,3Financial University under the Government of the Russian Federation, Moscow, Russia.
¹evryabinina@fa.ru
²g.a.rybak@mail.ru
^{3egor.zhurilov@yandex.ru}
 
Abstract. The article is devoted to the analysis of current trends in the field of cybersecurity of financial organizations in the context of active development of generative technologies. The evolution of cyberfraud methods is studied where artificial intelligence is used both by attackers and by protection systems.
The scientific novelty of the article lies in proposing an applied model for setting anti-fraud thresholds that simultaneously takes into account the expected prevented damage, the cost of excessive blocking of the legitimate operations, and the expenses for additional verification. Unlike descriptive threat analysis, the proposed approach allows for the translation of cyber risks into monetary metrics and their use to make management decisions between blocking, additional verification, and seamless operation passing.
The work considers current threats including deepfakes, generative phishing, and malware, and analyzes current methods of countermeasures based on behavioral analytics and real-time systems. Special attention is paid to regulatory changes and technological solutions including the Unified Biometric System and SIS (state information system) Antifrod.
The paradoxes of modern cybersecurity have been analyzed: despite the high efficiency of anti-fraud systems (99.7% of blockages), the damage caused by fraud continues to grow. The author proposes a comprehensive protection strategy that combines neural network scoring, risk quantification, and institutional mechanisms.
Keywords: cybersecurity, artificial intelligence, anti-fraud systems, behavioral analytics, deepfakes, generative phishing, biometric authentication, cyberfraud, protection systems, digital security, machine learning, behavioral scoring, regulatory technologies, information security
Funding: Independent work.
For citation: Ryabinina, E.V., Rybak, G.A. & Zhurilov, E.I. (2026) Artificial Intelligence on Both Sides of the Barricades: How Generative Technology and Behavioral Analytics are Rewriting the Rules of Cybersecurity. Theory and Practice of Social Development. (5), 207–213. Available from: doi:10.24158/tipor.2026.5.23 (In Russian).

© Рябинина Е.В., Рыбак Г.А., Журилов Е.И., 2026

Список источников:
 
Андресс Дж. Защита данных. От авторизации до аудита / пер. с англ. С. Черникова. СПб.: Питер, 2022. 271 с.
Васильев В.И., Вульфин А.М., Кучкарова Н.В. Оценка актуальных угроз безопасности информации с помощью технологии трансформеров // Вопросы кибербезопасности. 2022. № 2. С. 27–38. https://doi.org/10.21681/2311-3456-2022-2-27-38.
Горбунов Д.Д. Криптовалюта и блокчейн: перспективы развития с точки зрения информационной безопасности // Цифровая трансформация общества и информационная безопасность: материалы Всероссийской научно-практической конференции. Екатеринбург, 2022. С. 14–17.
Камалов Б.Р., Тумбинская М.В. Программное обеспечение обнаружения «скрытых майнеров» в браузерной среде // Прикладная информатика. 2023. Т. 18, № 1. С. 96–110. https://doi.org/10.37791/2687-0649-2023-18-1-96-110.
Полтавцева М.А. Управление данными при мониторинге информационной безопасности КФС // Защита информации. Инсайд. 2022. № 2. С. 10–15.
Федотова Г.В., Куразова Д.А. Угрозы кибербезопасности устойчивости цифровых платформ // BI-технологии и корпоративные информационные системы в оптимизации бизнес-процессов цифровой экономики: материалы IX Международной научно-практической конференции. Екатеринбург, 2021. С. 118–122.
Шнюков А.В., Шнюкова Е.А. Финансовая и информационная безопасность пользователей компьютеров и смартфонов // Экономика и предпринимательство. 2022. № 1. С. 1440–1444. EDN: YAQQXB.
 
References:
 
Andress, J. (2022) Zashchita dannykh. Ot avtorizatsii do audita [Data Protection: From Authorization to Audit]. St. Petersburg: Piter. 271 p. (In Russian)
Fedotova, G.V. & Kurazova, D.A. (2021) Threats to cybersecurity of digital platform stability. In: BI-technologies and Corporate Information Systems in Optimization of Digital Economy Business Processes. Yekaterinburg. Pp. 118–122. (In Russian)
Gorbunov, D.D. (2022) Cryptocurrency and blockchain: development prospects from the standpoint of information security. In: Digital Transformation of Society and Information Security. Yekaterinburg. Pp. 14–17. (In Russian)
Kamalov, B.R. & Tumbinskaya, M.V. (2023) Software for detecting hidden miners in a browser environment. Applied Informatics. 18 (1), 96–110. Available from: doi:10.37791/2687-0649-2023-18-1-96-110. (In Russian)
Poltavtseva, M.A. (2022) Data management in monitoring information security of critical financial systems. Information Security Insider. (2), 10–15. (In Russian)
Shnyukov, A.V. & Shnyukova, E.A. (2022) Financial and information security of computer and smartphone users. Economics and Entrepreneurship. (1), 1440–1444. EDN: YAQQXB. (In Russian)
Vasilyev, V.I., Vulfin, A.M. & Kuchkarova, N.V. (2022) Assessment of actual information security threats using transformer technology. Cybersecurity Issues. (2), 27–38. Available from: doi:10.21681/2311-3456-2022-2-27-38. (In Russian)