# AI‑ն աջակցված իրական‑ժամանակի համատեղելիության ջերմապատկեր՝ բացատրելի գրաֆիկ նյուրյան ցանցերով

## Ներածություն

Արագորեն զարգացող SaaS էկոհամարում անվտանգության հարցաթերթիկները, կարգավորող ստուգակապերը և վաճառողի ռիսկի գնահատումները այլևս չեն մնում ստատիկ փաստաթղթեր։ Դրանք **յուրաքանչյուր րոպե** զարգանում են, երբ նոր կարգավորումներ հայտնվում են, ամպային ծառայությունները փոխվում են և ներքին քաղաքականությունները փոփոխվում են։ Ավանդական համատեղելիության վահանակները դժվարանում են հետևել, հաճախ ներկայացնելով միակ ստատիկ գնահատական, որը թաքցնում է ներքևի բարդությունը։

Մուտք ենք անում **բացատրելի գրաֆիկ նյուրյան ցանցեր (X‑GNN‑ներ)**— AI մոդելների դաս, որոնք կարող են ներմուծել հսկայական, միավորված համատեղելիության տվյալներ, վերլուծել հարաբերությունները և ստեղծել **իրական‑ժամանակի ջերմապատկերներ**, որոնք միաժամանակ **գործող** և **լբանցելի** են։ Այս հոդվածը ներկայացնում է ճարտարապետությունը, տվյալների շղթաները, մոդելի դիզայնը և գործնական իրականացման քայլերը, որոնք անհրաժեշտ են կառուցելու հաջորդ‑սերունդի համատեղելիության ջերմապատկեր, որը բավարարում է անվտանգության թիմերի, աուդիտորների և գործադիր ղեկավարների պահանջները։

> **Կենսական եզրակացություն.** X‑GNN‑ների և շարունակական գիտելիքի գրաֆի շղթայի միացման միջոցով, դուք կարող եք փոխարկել կաղապարային քաղաքականության իրադարձությունները կենդանի, գույնով կոդավորված համատեղելիության ռիսկի քարտեզի, որը բացատրում է *որո՞ղ* յուրաքանչյուր տաք կետ գոյություն ունի։

---

## Ինչու ջերմապատկեր, ոչ միայն մի գնահատական?

| Ավանդական գնահատական | Ջերմապատկերի առավելություն |
|----------------------|-----------------------------|
| Միակ թվային արժեք (օր. 85 %) | Բազմաչափ դիտում ռիսկի տարբեր ծառայությունների, տարածաշրջանների և վերահսկողությունների վրա |
| Չի տրամադրում համատեքստ վերականգնման համար | Նշում է *ճշգրիտ* վերահսկողությունները, ակտիվները կամ պայմանագրերը, որոնք հանգեցնում են իջեցմանը |
| Դժվար է հաղորդակցվել ոչ‑տեխնիկական կողմերին | Ինտուիտիվ գույնի գրադարան (կանաչ → կարմիր) անմիջապես հասկանալի է |
| Հաճախ «սև արկղ» | Բացատրելի AI շերտերը բացահայտում են յուրաքանչյուր վանդակի ներդրող գործոնները |

Ջերմապատկերն այնպիսի **ստատիկ հաշվետվությունից** դարձնում է **դինամիկ տեսողական պատմություն**։ Որոշողները կարող են անմիջապես նկատել կարմիր գոտին—օրինակ, բացակայում է **[SOC 2]**(https://secureframe.com/hub/soc-2/what-is-soc-2) վերահսկողություն որոշակի միկրոսպասարկման համար—և խորանալ ճիշտ քաղաքականության կլաուզին, ապացույցի բացակայում և պատասխանատու թիմին։

---

## Լուծման հիմնական բաղադրիչները

1. **Իրադարձական քաղաքականության ներմուծում** – Սթրիմերներ CI/CD շղթայից, ամպային կարգավորիչների աուդիտորներից և երրորդ կողմի ռիսկի աղբյուրներից։
2. **Դինամիկ գիտելիքի գրաֆ (KG)** – Գագաթները ներկայացնում են ակտիվներ, վերահսկողություններ, կարգավորումներ և ապացույցներ; կապերը կոդավորում են հարաբերությունները (օր. *իրագործում է*, *խախտում է*, *կախված է*)։
3. **Բացատրելի գրաֆիկ նյուրյան ցանց** – Սովորում է KG‑ի վրա՝ կանխատեսելով համատեղելիության ռիսկի գնահատական յուրաքանչյուր գագաթի համար, և ստեղծելով ուշադրության քարտեզներ, որոնք բացատրում են յուրաքանչյուր կանխատեսում։
4. **Իրական‑ժամանակի ջերմապատկերի ռենդեր** – React + D3‑ով կառուցված առաջակ, որը օգտագործում է WebSocket հոսք ռիսկի գնահատականների և բացատրությունների համար։
5. **Վերականգնման ձեռնարկի շարժիչ** – Ավտոմատ կերպով ստեղծում քայլ առ քայլ գործողություններ X‑GNN‑ների բացատրությունների հիման վրա։

Ստորև ներկայացված է բարձր‑մակարդակի Mermaid գրաֆ, որը պատկերում է տվյալների հոսքը։

```mermaid
graph LR
    A[Policy Event Stream] --> B[Kafka Topics]
    B --> C[KG Builder Service]
    C --> D[Dynamic Knowledge Graph]
    D --> E[Explainable GNN Trainer]
    E --> F[Risk Score Service]
    F --> G[WebSocket Heatmap API]
    G --> H[Front‑End Heatmap UI]
    F --> I[Remediation Playbook Engine]
    I --> J[Ticketing System (Jira, ServiceNow)]
```

---

## Դինամիկ գիտելիքի գրաֆի կառուցում

### 1. Սքեմայի դիզայն

| Գագաթի տեսակ | Հիմնական հատկանիշներ | Օրինակ |
|---------------|----------------------|--------|
| **Ակտիվ** | `asset_id`, `type`, `cloud_region` | `svc‑auth‑01`, `microservice`, `us‑east‑1` |
| **Վերահսկողություն** | `control_id`, `framework`, `description` | `SOC2‑CC6.1`, `SOC2`, `Encryption at rest` |
| **Կարգավորում** | `reg_id`, `jurisdiction`, `effective_date` | `GDPR‑Art‑32`, `EU`, `2018‑05‑25` |
| **Ապացույց** | `evidence_id`, `source`, `timestamp` | `evid‑log‑123`, `CloudTrail`, `2026‑07‑30` |
| **Վաճառող** | `vendor_id`, `service_offering`, `risk_score` | `vendor‑aws`, `IaaS`, `0.42` |

Կապերը ընդգրկում են **`ASSET_IMPLEMENTS_CONTROL`**, **`CONTROL_MAPPED_TO_REGULATION`**, **`EVIDENCE_SUPPORTS_CONTROL`**, և **`VENDOR_PROVIDES_ASSET`**։

### 2. Շարունակական հարուստացում

- **Փոփոխությունների տվյալների գրանցում (CDC)** CMDB‑ից թարմացնում է ակտիվների գագաթները։
- **Կարգավորիչների աղբյուրներ** (օր. **[NIST CSF]**(https://www.nist.gov/cyberframework), **ISO**) ավելացնում են նոր կարգավորման գագաթներ և կապում դրանք առկա վերահսկողությունների հետ։
- **Ապացույցների ներմուծում** Document AI‑ի միջոցով դուրս է բերում պայմանագրերի, քաղաքականությունների PDF‑ների և աուդիտների հատվածները, կապելով դրանք համապատասխան վերահսկողության գագաթների հետ։

Բոլոր թարմացումները գրանցվում են **Neo4j**‑ում, որը հանդիսանում է downstream AI մոդելների իրական աղբյուրը։

---

## Բացատրելի գրաֆիկ նյուրյան ցանցի ճարտարապետություն

### Մոդելի ակնարկ

1. **Մուտքի շերտ** – Գագաթների հատկությունների վեկտորներ (համակարգված կարգավորման կատեգորիաներ, թվային ռիսկի գնահատականներ, ժամանակի նշաններ)։
2. **Հաղորդագրության փոխանցման շերտեր** – Ներառում են հարևանների տեղեկությունները՝ օգտագործելով ուշադրության մեխանիզմ (Graph Attention Network, GAT)։
3. **Բացատրության մոդուլ** – ինտեգրված **GNNExplainer**, որը արտադրում է եզրերի կարևորության գնահատականներ յուրաքանչյուր կանխատեսման համար։
4. **Ելքի շերտ** – Πρόգնվում է **ռիսկի հավանականություն** (0‑1) յուրաքանչյուր ակտիվի գագաթի համար։

### Սովորեցման շղթա

- **Լաբելների գեներացում** – Պատմական աուդիտների արդյունքները (անցող/չանցող) օգտագործվում են որպես ճշմարտականություն։
- **Կորուստի ֆունկցիա** – Երկուական խաչբերման (binary cross‑entropy) և ռեգուլյարիզացիոն տերմին, որը խթանում է սեղմված բացատրություններ։
- **Անհամապատասխանություն** – ROC‑AUC, precision‑recall, և *բացատրության ճշգրտություն* (ինչպես լավ նշված են ընդգծված եզրերը՝ հայտնի արմատական պատճառների հետ)։

### Ինչու բացատրությունը կարևոր է

Աուդիտորները պահանջում են ապացույց, թե ինչու ռիսկի գնահատականը բարձր է։ X‑GNN‑ների ուշադրության քարտեզը կարելի է պատկերացնել **ենթագրաֆ**‑ի տեսքով, որը ընդգծում է առավել ազդեցիկ եզրերը—օրինակ, բացակայում է ապացույցի գագաթ `SOC2‑CC6.1`‑ի համար `svc‑auth‑01`։ Սա բավարարում է այն կարգավորիչներին, որոնք պահանջում են **հղում** (traceability)։

---

## Իրական‑ժամանակի ջերմապատկերի ռենդեր

### Գույնի կոդավորում

| Ռիսկի միջակայք | Գույն | Բացատրություն |
|----------------|------|----------------|
| 0 – 0.2 | Կանաչ | Լիովին համատեղելի |
| 0.2 – 0.5 | Դեղին | Փոքր բացեր, արագ ուղղելի |
| 0.5 – 0.8 | Նարնջագույն | Նշանակալի ռիսկ, անհրաժեշտ է վերականգնում |
| 0.8 – 1.0 | Կարմիր | Քրիտիկական անհամատեղելիություն, անմիջական գործողություն |

Առաջակնը բաժանվում է **WebSocket**‑ի վրա, որը յուրաքանչյուր 30 վրկ թարմացնում է ռիսկի գնահատականները։ Երբ վանդակ փոխում է գույնը, գործիքակոծիկը (tooltip) ցույց է տալիս X‑GNN‑ի ստեղծած **բացատրության գրաֆը**, որը թույլ է տալիս օգտատիրոջը սեղմելով տեսնել ներքևի ապացույցները։

### Կատարողական օպտիմիզացիաներ

- **Եզրերի զտում**՝ միայն այն եզրերը, որոնց ուշադրությունը > 0.1, ուղարկվում են UI‑ին։
- **Δelta թարմացումներ**՝ սերվերը ուղարկում է միայն փոփոխված գագաթները, նվազեցնելով բանդվիդը։
- **Կլիենտ‑կողմի քեշավորում**՝ D3 պահում է վերջին գրաֆը, որպեսզի հովերների հետագա փոխազդեցությունը լինի անմիջական։

---

## Ավտոմատացված վերականգնման ձեռնարկների համակարգ

Վերականգնման ձեռնարկների շարժիչը օգտագործում է X‑GNN‑ների բացատրությունները և կապում դրանք նախապես սահմանված գործողությունների հետ, որոնք պահվում են **Ձեռնարկների քարտեզում** (Playbook Catalog)։

| Սկզբնավորիչ | Ձեռնարկի գործողություն | Պատասխանատու |
|--------------|------------------------|----------------|
| Գողված ապացույց՝ գաղտնագրումի վերահսկողության համար | Ստեղծել **Գաղտնագրումի ստուգման ցուցակ** և նշանակել ամպային անվտանգության թիմին | CloudSec Lead |
| Գագաթը կապված է հնացած կարգավորմամբ | Սկսել **Կարգավորման թարմացման աշխատանքային հոսք** և տեղեկացնել իրավական բաժինին | Legal Ops |
| Բարձր ռիսկի վաճառողի գնահատական | Բացել **Վաճառողի վերանայման տիկտ** ServiceNow-ում | Procurement |

Այս տիկտերը ավտոմատ կերպով լրացված են համապատասխան գրաֆի հատվածով, որպեսզի վերականգնման թիմը տեսնի *ճշգրիտ* ինչ պետք է ուղղվի։

---

## Իրականացման ստուգման ցուցակ

| Քայլ | Նկարագրություն | Գործիքներ |
|------|----------------|-----------|
| 1 | Կարգավորել իրադարձությունների հոսքը (Kafka) քաղաքականության փոփոխությունների համար | Apache Kafka |
| 2 | Կառուցել KG ներմուծման շղթաները (Neo4j) | Neo4j, Python, Document AI |
| 3 | Սովորեցնել X‑GNN մոդելը | PyTorch Geometric, GNNExplainer |
| 4 | Դեպլոյ անել մոդելը որպես micro‑service (REST + WebSocket) | FastAPI, Docker, Kubernetes |
| 5 | Զարգացնել ջերմապատկերի UI‑ն | React, D3, TypeScript |
| 6 | Միացնել վերականգնման ձեռնարկների շարժիչը | Camunda BPM, ServiceNow API |
| 7 | Կառավարել մոնիտորինգը և զգուշացումները | Prometheus, Grafana |
| 8 | Կատարել աուդիտի վավերացում՝ օգտագործելով բացատրության հաշվետվությունները | Jupyter, PDF արտածում |

---

## Սպասարկողների համար առավելությունները

| Սպասարկող | Ցուրտ կետ | Ինչպե՞ս ջերմապատկերն օգնում է |
|-----------|-----------|------------------------------|
| **Անվտանգության ինժեներ** | Շատ զգուշացումներ, որոնք չեն կապվում | Կոնսոլիդացված տեսողական ռիսկի քարտեզ՝ բացատրական մանրամասներով |
| **Համատեղելիության պաշտոնականներ** | Ապահովում են աուդիտի ապացույց | Ավտոմատ գրաֆի բացատրությունները բավարարում են հետագա պահանջներին |
| **Գործադիրներ** | Չհասկանան տեխնիկական ռիսկը | Ինտուիտիվ գույնի գրադարանները համընկնում են բիզնես KPI‑ների հետ |
| **Աուդիտորներ** | Պահանջում են «ինչու» յուրաքանչյուր գնահատականի համար | Բացատրելի AI շերտերը տրամադրում են վավերական հետագա հետագծի շղթա |

---

## Իրական աշխարհում օրինակ՝ FinTech SaaS հարթություն

*Ֆոն*: Ֆինտեկ ընկերությունը մշակում է վճարումներ 12 երկրում, ենթակա **[PCI‑DSS]**(https://www.pcisecuritystandards.org/pci_security/), **[GDPR]**(https://gdpr.eu/) և տեղական բանկային կարգավորումների։ Համատեղելիության թիմը ձեռքով վերանայում էր 300‑ից ավել անվտանգության հարցաթերթիկների պատասխանները շաբաթական։

*Իրականացում*: Ընկերությունը տեղադրեց X‑GNN‑ների ջերմապատկերի ճարտարապետությունը։ Երկու շաբաթվա ընթացքում ջերմապատկերը ցույց տվեց **կարմիր գոտի** «Տվյալների պահպանում» վերահսկողության համար Եվրոպական տարածաշրջանում։ Բացատրության գրաֆը կապեց խնդիրը երրորդ կողմի արխիվացման ծառայության բացակայում ապացույցի հետ։

*Արդյունք*:

- **Վերականգնման ժամանակը** նվազեց 10 օրվա փոխարեն **1 օր**։
- **Աուդիտի պատրաստվածության գնահատականը** բարելավվեց **15 %**։
- **Գործադիրների վստահությունը** բարձրացվեց, և ստացվեց $2 Մլն ներդրում AI‑ն վարած համատեղելիության հետագա նախաձեռնությունների համար։

---

## Բարդություններ և լուծումներ

| Բարդություն | Լուծում |
|------------|--------|
| **Տվյալների որակ** – Անբավարար կամ աղոտ ապացույցները կարող են շփոթել մոդելը | Կառուցել **տվյալների վավերացման շղթաներ** և պահվածքային հյուրիստիկա (rule‑based scoring) ցածր վստահության գագաթների համար |
| **Մոդելի շեղում** – Կարգավորումների փոփոխությունները կարող են հինեցնել GNN‑ը | Պլանավորել **շարունակական վերամշակումը**՝ օգտագործելով նորագույն աուդիտների արդյունքների ռոլինգ‑վինդո |
| **Բացատրության ծախս** – Բացատրությունների ստեղծումը կարող է լինել հաշվարկային ծանր | Օգտագործել **սեմպլինգ**՝ ամբողջական բացատրություններ ստեղծել միայն բարձր ռիսկի գագաթների համար, ցածր ռիսկի գագաթները ստանում են համառոտ գնահատական |
| **Օգտագործողների ընդունում** – Թիմերը կարող են չվստահել AI‑ի առաջարկներին | Կատարել **սովորեցման աշխատաշարեր** և տրամադրել **բացատրական փաստաթղթեր** X‑GNN‑ների մեթոդների մասին |

---

## Ապագա բարելավումներ

1. **Մուլտիմեդիա ապացույցների միավորում** – Տեքստային քաղաքականության փաստաթղթեր, կոդի սկաներները և ցանցի հեռակա տվյալները միացնել միակ KG‑ում։
2. **Ֆեդերատիվ ուսուցում** – Կիսել մոդելի թարմացումները ենթակազմերի միջև՝ առանց տվյալների տեղափոխման, պահպանելով գաղտնիությունը։
3. **Ձայնային ինտուիցիա** – Միացնել խոսքի AI շերտ, որը կկարդա ջերմապատկերի տաք կետերը և առաջարկի գործողությունները։
4. **Պրոդուկտիվ «Ինչ կկատարվի, եթե…» սիմուլացիաներ** – Թույլ տալ օգտատիրոջը փոխել հնարավոր քաղաքականության փոփոխությունները և տեսնել ջերմապատկերի ազդեցությունը անմիջապես։

---

## Եզրակացություն

**Բացատրելի գրաֆիկ նյուրյան ցանց‑վարած ջերմապատկեր** փոխում է համատեղելիությունը ստատիկ, անբացատրելի գնահատականից կենդանի, läbանցելի ռիսկի լանդշաֆտի։ Շարունակական քաղաքականության իրադարձությունների ներմուծում, դինամիկ գիտելիքի գրաֆի հարուստացում և հստակ բացատրություններ յուրաքանչյուր ռիսկի վանդակին համարելով, կազմակերպությունները ստանում են:

- **Անմիջական տեսանելիություն** համատեղելիության բացերուն։
- **Գործող վերականգնումներ**, որոնք կապված են արմատական պատճառների հետ։
- **Աուդիտ‑պատրաստված ապացույց**, որը բավարարում է կարգավորիչների պահանջներին։

Այս ճարտարապետության ներդրումը ոչ միայն նվազեցնում է ձեռքով աշխատանքը, այլև կառուցում է **տվյալ‑վարած համատեղելիության մշակույթ**, որտեղ յուրաքանչյուր կողմը տեսնում է *ինչը* ռիսկն է, *որո՞ղ* այն գոյություն ունի և *ինչպե՞ս* պետք է շտկել՝ իրական ժամանակում։