Məqalə2026-07
PREDICTING URBAN TRAFFIC FLOW WITH CLASSICAL AND MACHINE LEARNING MODELS
Nail Mammadov Elzar, Azar Huseyn Sadraddin, Elchin Abasov Arif, Ali Rahimli Jeyhun, Elvin Seyfullayev Sakit
Urban traffic flow forecasting is essential for intelligent transportation management, particularly in data-constrained urban environments. This study presents a reproducible benchmark framework for hourly traffic flow prediction using the Metro Interstate Traffic Volume dataset, comprising 48,204 observations collected between 2012 and 2018 with weather and holiday attributes. To ensure methodological rigor, classical statistical approaches (Seasonal Naïve, AutoReg, and ARIMA/SARIMA) are compared with machine learning models, namely Random Forest and Long Short-Term Memory. A time-series-aware validation strategy with chronological data partitioning is employed to prevent information leakage. Temporal, lagged, and rolling statistical features are generated exclusively from historical observations. Model performance is evaluated using Mean Absolute Error, Root Mean Square Error, Mean Absolute Percentage Error, and the coefficient of determination (R²). The study provides a transparent and reproducible comparison of forecasting approaches and discusses their applicability to developing urban transportation systems (pp.56-64).
ResearchGate-də bax →Məqalə2026-06
AI-Based Student Performance Prediction Systems Using Machine Learning
Nail Mammadov, Firangiz Mahmarzayeva
Identifying students who are likely to struggle academically remains a long-standing challenge in higher education, particularly because most assessment practices are still reactive and heavily focused on exams. This study examines whether machine learning models can be used to predict student outcomes earlier in the semester and to generate practical early-warning signals by leveraging behavioral, academic, and administrative data. A supervised learning framework was employed to compare traditional statistical models with ensemble-based methods, including Logistic Regression, Random Forest, and XGBoost, using a binary pass/fail classification setting. Model performance was assessed using the ROC-AUC metric to account for class imbalance and to avoid reliance on a single decision threshold.
The results show that ensemble models consistently outperform classical approaches, with XGBoost delivering the strongest overall predictive performance. Explainability analyses based on permutation importance and SHAP values indicate that indicators of academic engagement and progression, such as the number of approved curricular units, admission grade, and tuition fee status, are the most influential predictors of success. These findings are consistent with self-regulated learning theories and underscore that student outcomes are shaped not only by academic behavior but also by financial stability.
The temporal analysis further demonstrates that useful early-warning signals can be detected as early as the second week of the semester. Although prediction accuracy improves as more behavioral data are collected, early-stage predictions are already sufficiently informative to support timely interventions. This suggests that institutions do not need to wait until major assessments to identify at-risk students. Overall, the study shows that combining high-performing ensemble models with explainable AI techniques provides an effective, transparent, and practically useful framework for early academic risk detection and educational decision support.
ResearchGate-də bax →Məqalə2026-06
Hybrid Wavelet–LSTM and Weibull Risk Modeling for Early Fault Prediction Using Accelerometer-Based Vibration Data in Rotating Machinery
Nail Mammadov, Yunis Guliyev, Laman Guliyeva, Turker Susmus
As industrial processes become increasingly digitalized, predictive maintenance is essential for avoiding unplanned downtime. However, most existing approaches require extensive labelled failure data, which is rarely available due to noise and limited fault observations. This study introduces a hybrid framework that integrates wavelet-transform-based multi-scale feature extraction, Long Short-Term Memory (LSTM) networks for degradation trend estimation, and Weibull distribution for probabilistic risk interpretation, enabling early fault prediction without historical failure records.
The model was evaluated using 153 000 tri-axial vibration measurements collected across 17 rotational speeds (20–100 %) and three imbalance configurations. The hybrid Wavelet–LSTM model achieved a mean absolute percentage error (MAPE) of 51 % and a root mean square error (RMSE) of 0.03, while reducing overfitting by 38 % compared with a conventional artificial neural network. Although the standard LSTM achieved lower MAPE (28 %) during training, its overfitting risk reached ~265 %, limiting deployment suitability.
Weibull-based failure mapping showed that the probability of failure remains below 40 % up to approximately 75 % speed but exceeds 85 % at high-speed regimes. The framework offers a reliable prognostic pathway even in the absence of failure history, making it suitable for industrial systems affected by data scarcity and operational uncertainty.
ResearchGate-də bax →Konfrans2026-05
Relationship between Psychology and Economics: New Perspectives of Behavioral Economics
Nail Mammadov, Laman Guliyeva, Gunay Huseynzade
Behavioral economics is an interdisciplinary field that seeks to understand how individuals make financial, consumption, and investment decisions by combining insights from psychology and economics. Traditional economic theory assumes that individuals behave rationally, aiming to maximize the utility they derive from their decisions. However, behavioral economics shows that people often act irrationally due to psychological, emotional, and cognitive influences. Based on this premise, the study introduces the unsupervised, network-based CoDetect model, which analyzes psychological and economic variables simultaneously to detect deviations from expected behavior. Using a synthetic sample of 200 participants, the analysis reveals significant interactions between psychological factors—such as motivation, risk perception, cognitive biases, and emotional states—and economic indicators including investment, savings, consumption, and borrowing. Cognitive biases, including overconfidence, loss aversion, and the framing effect, notably affect investment decisions. Results indicate that higher risk tolerance increases investment, motivation enhances saving behavior, and loss aversion reduces willingness to invest. The findings highlight that economic behavior is influenced not only by rational calculations but also by emotions, intrinsic motivations, and social perceptions. Integrating psychological insights into economic models allows earlier detection of irrational behavior and supports the development of behavioral policies aimed at improving well-being. This study contributes theoretically by showing the impact of psychological factors on decision-making, and methodologically by applying a novel network analysis approach using the CoDetect model. It also provides policymakers and financial institutions with a practical tool to better understand, predict, and influence individual behavior.
ResearchGate-də bax →Konfrans2026-03
A Bibliometric Analysis of Azerbaijan’s Academic Research Position in the Turkic World in the Fields of Corporate Social Responsibility, Green Accounting, and Sustainability
Laman Guliyeva, Turker Susmus, Nail Mammadov
Bu çalışma, Kurumsal Sosyal Sorumluluk (KSS), yeşil muhasebe ve sürdürülebilirlik alanlarında yürütülen akademik araştırmaların yapısal gelişimini ve Azerbaycan’ın Türk Dünyası içerisindeki akademik konumunu bibliyometrik analiz yöntemiyle incelemeyi amaçlamaktadır. Web of Science veri tabanından elde edilen bulgular, son otuz beş yıl içerisinde söz konusu literatürün hem niceliksel hem de niteliksel açıdan belirgin bir dönüşüm geçirdiğini ve özellikle 2015 yılı sonrasında hızlanan, 2020 sonrası dönemde ise ivme kazanan bir yayın artışı sergilediğini ortaya koymaktadır. Bu eğilim, KSS, yeşil muhasebe ve sürdürülebilirliğin teorik tartışma alanlarının ötesine geçerek uygulama ve politika yapımı açısından stratejik öneme sahip araştırma alanları hâline geldiğini göstermektedir. Ülke ve kurum bazlı analizler, akademik üretimin belirli merkezlerde yoğunlaştığını, Türkiye’nin yayın ve etki göstergeleri açısından merkezi bir konuma sahip olduğunu, Azerbaycan’ın ise özellikle sürdürülebilirlik ve yeşil muhasebe temelli çalışmalarda artan bir akademik görünürlük sergilediğini ortaya koymaktadır. Azerbaycan’ın enerji ve doğal kaynak ağırlıklı ekonomik yapısı dikkate alındığında, KSS ve yeşil muhasebe uygulamaları çevresel etkilerin ölçülmesi, raporlanması ve sürdürülebilir kalkınma hedeflerinin desteklenmesi açısından kritik bir rol üstlenmektedir. Sonuç olarak bu çalışma, KSS, yeşil muhasebe ve sürdürülebilirlik literatürünün yapısal ve kavramsal dönüşümünü ortaya koymakta ve Azerbaycan açısından bu alanların ekonomik büyüme ile çevresel ve sosyal sorumluluk arasında denge kurulmasında stratejik bir önem taşıdığını vurgulamaktadır
ResearchGate-də bax →Məqalə2026-03
BRIDGING ACCURACY AND INTERPRETABILITY IN PHISHING EMAIL DETECTION: A WEB-BASED PLATFORM APPROACH
Nail Mammadov, Ziya Bayramov, Gulshan Umud Mammadova
Bu tədqiqat phishing email aşkarlanması sahəsində yüksək dəqiqlik ilə interpretasiya oluna bilmə arasında balans yaratmağa yönəlmiş veb əsaslı süni intellekt platformasını təqdim edir. Məqalədə klassik machine learning, deep learning və transformer əsaslı modellərin müqayisəli analizi aparılmış və onların phishing email aşkarlanmasında effektivliyi qiymətləndirilmişdir. Tədqiqatın əsas məqsədi yalnız yüksək accuracy göstəricilərinə nail olmaq deyil, eyni zamanda model qərarlarının istifadəçi və təhlükəsizlik analitikləri üçün izah edilə bilən formada təqdim edilməsidir.
ResearchGate-də bax →Konfrans2026-03
HYBRID MULTI-AGENT–FCM–OPTIMIZATION APPROACH FOR RESILIENT MANAGEMENT OF GAS DISTRIBUTION NETWORKS UNDER INFORMATION CONSTRAINTS
Nail Mammadov, Gulshan Umud Mammadova, Omar Mahmarzayev
Bu tədqiqat informasiya məhdudluğu şəraitində qazpaylayıcı şəbəkələrin dayanıqlı və adaptiv idarə olunması üçün hibrid Multi-Agent–FCM–Optimization çərçivəsini təqdim edir. Məqalədə sensor qeyri-dəqiqliyi, natamam müşahidələr, sosial-iqtisadi dəyişkənlik, iqlim təsirləri və kiberrisklər kimi qeyri-müəyyən faktorların qazpaylayıcı sistemlərin idarə edilməsinə təsiri araşdırılmışdır. Təklif olunan model şəbəkə seqmentlərini avtonom agentlər kimi modelləşdirərək paylanmış və koordinasiyalı qərarvermə mexanizmi yaradır.
ResearchGate-də bax →Konfrans2026-03
ADAPTIVE BOUNDARY PENALIZATION AND ERROR ANALYSIS IN PHYSICS-INFORMED NEURAL NETWORKS
Nail Mammadov, Gulshan Umud Mammadova, Davud Tarverdili
Physics-Informed Neural Networks (PINNs) modellərində sərhəd şərtlərinin adaptiv cəzalandırılması və xəta analizinə dair metodoloji yanaşma təqdim olunur. Tədqiqat PINN modellərinin stabilliyini və ümumiləşdirmə qabiliyyətini artırmağa yönəlmişdir.
ResearchGate-də bax →Konfrans2026-03
A MATHEMATICAL FRAMEWORK FOR OPTIMIZATION OF AI-BASED CYBERSECURITY DEFENSE SYSTEMS AGAINST MALWARE ATTACKS
Nail Mammadov, Gulshan Umud Mammadova, Khazar Hasanli
Məqalədə süni intellekt əsaslı kibertəhlükəsizlik müdafiə sistemlərinin optimallaşdırılması üçün riyazi çərçivə təqdim olunur. Tədqiqat davranış əsaslı EDR sistemlərinin resurs istifadəsi, aşkarlama effektivliyi və optimallaşdırma problemlərini nəzəri və tətbiqi aspektdən araşdırır.
ResearchGate-də bax →Konfrans2026
A QUASI-EXPERIMENTAL EVALUATION OF THE PROLIFERATION AND GROWTH INTENSITY OF DARK PATTERNS IN E-COMMERCE APPLICATIONS ACROSS EUROPEAN UNION COUNTRIES
Nail Mammadov və həmmüəlliflər
Bu tədqiqat Avropa İttifaqı ölkələrində fəaliyyət göstərən e-commerce platformalarında “dark pattern” kimi tanınan manipulyativ interfeys dizaynlarının yayılma intensivliyini və inkişaf dinamikasını kvazi-eksperimental yanaşma əsasında qiymətləndirir. Məqalədə istifadəçi davranışına təsir edən manipulyativ UX/UI mexanizmlərinin iqtisadi, psixoloji və texnoloji aspektləri sistemli şəkildə araşdırılmışdır. Araşdırmanın əsas məqsədi istifadəçilərin qərarvermə prosesinə təsir edən gizli yönləndirmə texnikalarının miqyasını, yayılma sürətini və regional fərqlərini müəyyən etməkdir.
ResearchGate-də bax →Konfrans2025-12
Economic Stability And Forecast Uncertainty A Multi-Scale Error Analysis For Gas Demand Models
Nail Mammadov, Azar Huseyn, Nijat Mammadov
Bu tədqiqat qazpaylayıcı şəbəkələrdə proqnozlaşdırma dəqiqliyini, əməliyyat səmərəliliyini və sistem dayanıqlığını artırmaq üçün Digital Twin (DT), Fuzzy Cognitive Maps (FCM) və Model Predictive Control (MPC) texnologiyalarını iqtisadi göstəricilərlə inteqrasiya edən iqtisadi-adaptiv idarəetmə çərçivəsi təklif edir. Azeriqaz sisteminin 2018–2024-cü illərə aid məlumatları əsasında aparılan nəticələr göstərir ki, model proqnoz səhvlərini əhəmiyyətli dərəcədə azaldır, əməliyyat xərclərini minimuma endirir və pozuntulardan sonra sistemin sürətlə tarazlıq vəziyyətinə qayıtmasını təmin edir. Bundan əlavə, təqdim olunan İqtisadi Sabitlik İndeksi (ESI) regionların iqtisadi və əməliyyat risklərinə davamlılığını qiymətləndirərək iqtisadi amillərin real vaxt idarəetmə sistemlərinə inteqrasiyasının effektivliyini nümayiş etdirir.
ResearchGate-də bax →Konfrans2025-12
The application of blockchain technology to ensure security in the MyGov portal
Nail Mammadov, Sama Dostaliyeva
Bu tədqiqat Azərbaycanın MyGov elektron hökumət portalında blokçeyn texnologiyasının tətbiqini araşdıraraq məlumat təhlükəsizliyinin, şəffaflığın və əməliyyat səmərəliliyinin artırılmasını qiymətləndirir. Markov zəncirləri, növbələr nəzəriyyəsi modelləri və statistik analiz üsulları əsasında aparılan simulyasiyalar göstərir ki, blokçeyn inteqrasiyası xidmət gecikmələrini və kiberhücum risklərini azaldır, eyni zamanda sistemin məhsuldarlığını və etibarlılığını artırır. Nəticələr təsdiq edir ki, blokçeyn əsaslı MyGov infrastrukturu daha təhlükəsiz, şəffaf və vətəndaşyönümlü elektron idarəetmə mühiti formalaşdıraraq ictimai etimadı və hesabatlılığı gücləndirir.
ResearchGate-də bax →Məqalə2025-06
OPTIMIZATION OF ACCESS TO STATIC DATA IN DISTRIBUTED SYSTEMS: A KUBERNETES-BASED SOLUTION WITH POSTGRESQL AND DJANGO
Nail Mammadov, Gulshan Umud Mammadova, Tunar Babali
Araşdırma bulud əsaslı və container-oriented distributed systems sahəsində praktik tətbiq imkanlarını nümayiş etdirərək, böyük həcmli statik verilənlərlə işləyən müasir informasiya sistemləri üçün optimallaşdırılmış metodoloji yanaşma təqdim edir. Təklif olunan arxitektura həm akademik, həm də sənaye səviyyəsində tətbiq oluna biləcək çevik və dayanıqlı həll modeli kimi qiymətləndirilir.
ResearchGate-də bax →Məqalə2025-01
Optimizing High-Concurrency Access to Conditions Data: A Kubernetes Orchestrated Solution with PostgreSQL and Django
Tunar Babali, Nail Mammadov
Bu məqalə istehsalat mühitlərində Python əsaslı veb tətbiqlərinin miqyaslana bilməsi və yüksək performansla işləməsi üçün Gunicorn və Nginx texnologiyalarının birgə istifadəsini araşdırır. Gunicorn çoxsaylı sorğuların səmərəli idarə olunmasını təmin edərkən, Nginx yük balanslaşdırılması, statik məzmunun təqdim edilməsi və təhlükəsizlik funksiyaları vasitəsilə sistemin ümumi məhsuldarlığını artırır. Nəticələr göstərir ki, bu texnologiyaların inteqrasiyası yüksək trafik şəraitində resurslardan optimal istifadə edən, təhlükəsiz və etibarlı veb infrastrukturun formalaşdırılmasına imkan yaradır.
ResearchGate-də bax →Məqalə2025-01
APPLICATION AREAS OF ARTIFICIAL INTELLIGENCE IN SURGERY AND THE DEVELOPMENT OF AUTONOMOUS SYSTEMS
Nail Mammadov, Masud Hamidli, Gulshan Mammadova, Ravan Shikhaliyev
Bu tədqiqat süni intellektin cərrahiyyə sahəsində tətbiqini və onun tibbi əməliyyatların dəqiqliyinin, təhlükəsizliyinin və səmərəliliyinin artırılmasındakı rolunu araşdırır. Xüsusilə, da Vinci robotik cərrahiyyə sistemi nümunəsində göstərilir ki, süni intellekt dəstəyi ilə çalışan robot platformalar insan amilindən qaynaqlanan səhvləri azaldaraq minimal invaziv əməliyyatların daha yüksək dəqiqliklə icrasına imkan yaradır. Nəticələr göstərir ki, mövcud sistemlər hələ tam avtonom olmasa da, süni intellekt texnologiyalarının inkişafı gələcəkdə tam avtonom cərrahi əməliyyatların reallaşması üçün mühüm zəmin formalaşdırır.
ResearchGate-də bax →Məqalə2025
OPTIMIZATION OF ACCESS TO STATIC DATA IN DISTRIBUTED SYSTEMS: A KUBERNETES-BASED SOLUTION WITH POSTGRESQL AND DJANGO
Nail Mammadov, Gulshan Umud Mammadova, Tunar Babali
Bu tədqiqat paylanmış sistemlərdə statik verilənlərə çıxışın optimallaşdırılması problemini araşdırır və Kubernetes əsaslı konteyner orkestrasiya yanaşması ilə PostgreSQL və Django texnologiyalarını birləşdirən inteqrasiya olunmuş arxitektura təqdim edir. Məqalənin əsas məqsədi yüksək yüklənmə şəraitində statik verilənlərin daha sürətli, dayanıqlı və miqyaslana bilən şəkildə idarə olunmasını təmin etməkdir.
ResearchGate-də bax →Konfrans2024-09
PROBLEMS OF MANAGING TECHNOLOGICAL REGIMES IN GAS DISTRIBUTION NETWORKS AND MODERN APPROACHES TO THEIR SOLUTION
Nail Mammadov
Məqalədə qazpaylayıcı şəbəkələrdə texnoloji rejimlərin idarə olunması problemləri və onların həlli üçün müasir yanaşmalar sistemli şəkildə təhlil edilmişdir. Ənənəvi və müasir qazpaylayıcı şəbəkələr arasındakı ziddiyyətlər müqayisəli şəkildə araşdırılmış, texnoloji geriliyin enerji sərfiyyatına, əməliyyat xərclərinə və qəza risklərinə təsiri göstərilmişdir. İşdə intellektual idarəetmə və optimallaşdırma yanaşmalarının tətbiq perspektivləri təqdim olunur.
ResearchGate-də bax →Konfrans2022-09
Study of the Child-Computer connection for the Republic of Azerbaijan
Nail Mammadov
Bu məqalədə Azərbaycanda “Uşaq–Kompüter Qarşılıqlı Əlaqəsi” sahəsinin inkişaf mərhələləri və uşaqların yeni nəsil texnologiyalara uyğunlaşma səviyyəsi araşdırılmışdır. Tədqiqat 2016–2022-ci illəri əhatə edərək yaş qrupları, məhsul və interfeys dizaynı, psixoloji təsirlər, proqramlaşdırma bacarıqları və digər mühüm amillərin uşaqların texnologiya ilə qarşılıqlı əlaqəsinə təsirini təhlil etmişdir. Nəticələr göstərir ki, yaş xüsusiyyətlərinə uyğun dizayn edilmiş rəqəmsal mühitlər uşaqların texnologiyalara adaptasiyasını və öyrənmə effektivliyini əhəmiyyətli dərəcədə artırır.
ResearchGate-də bax →Məqalə2022-09
Characteristics of Human-Computer Interaction During Teaching And Learning
Nail Mammadov, Gulshan Umud Mammadova
Bu tədqiqat tədris və test proqramlarında insan-kompüter qarşılıqlı əlaqəsinin əhəmiyyətini araşdıraraq, xüsusilə şagird və tələbələr üçün istifadəçi interfeyslərinin düzgün layihələndirilməsinin vacibliyini vurğulayır. Araşdırma göstərir ki, interfeyslərin hazırlanması zamanı istifadəçilərin yaş xüsusiyyətləri, psixoloji xüsusiyyətləri və reaksya müddətləri nəzərə alınmalı, tədris məqsədləri və yerinə yetiriləcək tapşırıqlar dəqiq müəyyənləşdirilməlidir. Nəticələr təsdiq edir ki, tələbə-kompüter qarşılıqlı əlaqəsinin səmərəli təşkil olunması təlim prosesinin məhsuldarlığını artırır və öyrənmə nəticələrinin yaxşılaşmasına müsbət təsir göstərir.
ResearchGate-də bax →Konfrans2022-02
Collection, storage, management and security of big data in smart cities
Nail Mammadov
Bu məqalə ağıllı şəhərlərin formalaşmasında məlumatların idarə olunması və təhlükəsizliyinin rolunu araşdırır. Tədqiqat göstərir ki, Azərbaycanın azad edilmiş ərazilərində qurulan ağıllı şəhər və kəndlərdə idarəetmə sistemləri üçün toplanan böyük həcmli məlumatlar IoT texnologiyaları vasitəsilə vətəndaşlara daha keyfiyyətli xidmətlərin göstərilməsinə imkan yaradır. Eyni zamanda, məqalədə məlumatların toplanması, saxlanılması və emalı proseslərində yaranan təhlükəsizlik riskləri təhlil olunur və bu risklərin aradan qaldırılması üçün müvafiq texniki və təşkilati həllər təqdim edilir.
ResearchGate-də bax →Konfrans2021-12
Security of information technologies of smart cities designed in the liberated territories of Azerbaijan
Nail Mammadov
Bu məqalə ağıllı şəhərlərin rəqəmsal texnologiyalar, innovasiya və şəhər mühitinin inteqrasiyası nəticəsində formalaşan müasir inkişaf modeli olduğunu vurğulayır. Tədqiqat göstərir ki, Azərbaycanın azad edilmiş ərazilərində rəqəmsal transformasiya və dördüncü sənaye inqilabının imkanlarından istifadə iqtisadi inkişafın sürətləndirilməsi, ətraf mühitin qorunması və əhalinin həyat keyfiyyətinin yüksəldilməsi üçün mühüm potensiala malikdir. Nəticələr ağıllı şəhər konsepsiyasının bu ərazilərin dayanıqlı və innovativ inkişafında strateji rol oynadığını təsdiq edir.
ResearchGate-də bax →Konfrans2021-11
5G Texnologyasının üstünlükləri, problemləri və onların həlli yolları
Nail Mammadov
5-ci nəsil şəbəkələr (5G) 10Gbps və 20Gbps-lik sürətə sahibdir. 5G-də istifadə edilən texnologiyalardan olan millimeterwave- 5G-də 30 ilə 300 GHz aralıq tezliyindən istifadə edir. Millimeter Wave adlandırılmasının səbəbi 1 ilə 10 mm arasında dəyər almasıdır. Bu diapazon 4G Lite -a nəzərən daha böyük həcmli məlumatların ötürülməsi üçün istifadə edilə bilinir. Kiçik xanalar (Small Cells) - Millimetr dalğa tezliyinin mənfi cəhəti fiziki olaraq obyektdən keçdikdə, WIFI və ya 4G siqnallarından parazitlərin tutulmasıdır. Bunun üçün 4G-dən fərqli olaraq 5G-də 250m aralıqlarla əhatələnmiş stansiyalar və məlumat daşıyıcı kimi istifadə olunan kiçik xanalarla əlaqələndirilmiş arxitekturanın qurulması ilə qüvvətləndirilmişdir. Antenna sistemləri (Massive MİMO) - 5G antenaları çoxlu giriş və çıxış portlarına sahibdir. Buna görədə eyni anda 2 və ya daha çox əlaqələri idarə edə bilir. 5G 4G-yə nəzərən 20 qat daha çox əlaqə yaratmağa imkan verir.
ResearchGate-də bax →Konfrans2021-11
Methods of management of information security risk in government agencies
Nail Mammadov
Bu məqalə dövlət qurumlarında informasiya təhlükəsizliyi risklərinin idarə olunması metodlarının araşdırılmasına həsr olunmuşdur. Tədqiqatda artan kibertəhlükələr fonunda informasiya sistemlərində yarana biləcək risklərin vaxtında müəyyənləşdirilməsi və qarşısının alınması məqsədilə NIST və FAIR (Factor Analysis of Information Risk) standartlarına əsaslanan risk idarəetmə yanaşmaları təhlil edilmişdir. Nəticələr göstərir ki, bu metodların tətbiqi təhlükəsizlik risklərinin daha dəqiq qiymətləndirilməsinə, qərarvermə prosesinin təkmilləşdirilməsinə və dövlət informasiya sistemlərinin dayanıqlığının artırılmasına imkan yaradır.
ResearchGate-də bax →