Thesis (Ph.D)-Cairo University, 2025.

Bibliography: pages 74 -77.

In the contemporary digital landscape, effective cyber vulnerability management (VM) is critical
for safeguarding Critical Infrastructure (CI) against evolving cyber threats. This study introduces
a sophisticated Decision Support System (DSS) that integrates Big Data Analytics (BDA) and
Artificial Intelligence (AI), including Natural Language Processing (NLP) and Named Entity
Recognition (NER), to revolutionize VM practices. By leveraging tailored VM methodologies
and a custom dataset representing organizational assets, the proposed DSS delivers actionable
insights through interactive dashboards, ensuring accurate vulnerability identification and timely
mitigation. The system's AI model demonstrates exceptional performance, with a precision score
of 95.39%, recall of 96.55%, and an F-score of 95.97%, reflecting its capability to identify
vulnerabilities accurately while minimizing false positives and overlooked threats. The DSS
dynamically adapts to organizational environments, enhancing interoperability across
heterogeneous data formats and incorporating insights from diverse sources. These capabilities
enable organizations to optimize security operations, improve risk management, and strengthen
cyber resilience. The research methodology included a comprehensive survey involving 72
cybersecurity experts. Participants engaged with the system through hands-on demonstrations
and detailed exploration, followed by a Likert-scale evaluation. The survey findings validated the
system’s effectiveness, confirming four key hypotheses: (H1) VM implementation positively
impacts CI cybersecurity, (H2) AI and BDA improve VM time efficiency, (H3) AI and BDA
reduce VM costs, and (H4) AI and BDA enhance VM quality. The results emphasize the critical
role of AI and BDA in delivering faster, more accurate, and cost-effective vulnerability
identification and mitigation. Beyond improving VM processes, the DSS addresses broader
organizational needs, including optimizing human resources, supporting informed procurement
decisions, and improving risk management in multi-project environments. These align with
principles of Strategic Alignment, Resource Optimization, and Performance Measurement,
further demonstrating the system’s practical value. This study contributes to the emerging field of
DSS in cybersecurity by presenting a robust, AI-driven framework tailored for VM in CI. The
findings highlight the system’s potential to not only enhance VM practices but also to drive
strategic decision-making, operational efficiency, and cyber resilience. The integration of
cutting-edge technologies underscores the relevance of this DSS as a comprehensive solution to
address the complexities of modern cybersecurity challenges.

في ظل التهديدات السيبرانية المتزايدة، تمثل إدارة الثغرات السيبرانية عنصرًا حيويًا لحماية البنية التحتية الحرجة. تقدم هذه الدراسة نظام دعم قرار (DSS) متقدم يعتمد على الذكاء الاصطناعي (AI) وتحليلات البيانات الضخمة (BDA)، بما يشمل تقنيات معالجة اللغة الطبيعية (NLP) والتعرف على الكيانات (NER)، بهدف تطوير ممارسات إدارة الثغرات. يعتمد النظام على مجموعة بيانات مخصصة لأصول المؤسسة ومنهجيات متقدمة لتحديد الثغرات بدقة، ويعرض نتائج التحليل من خلال لوحات معلومات تفاعلية. حقق النظام دقة بلغت 95.39% واسترجاعًا بنسبة 96.55%، مما يدل على كفاءته في تقليل الإيجابيات الكاذبة وتحسين الاستجابة. شارك 72 خبيرًا في الأمن السيبراني في تقييم النظام من خلال عروض عملية واستطلاع باستخدام مقياس ليكرت. وأكدت النتائج أربع فرضيات رئيسية، أهمها أن تقنيات AI وBDA تُحسن الكفاءة وتقلل التكاليف وتعزز جودة إدارة الثغرات. يساهم النظام كذلك في تحسين الموارد البشرية، ودعم قرارات المشتريات، وتعزيز إدارة المخاطر، بما يتماشى مع مبادئ المواءمة الاستراتيجية وقياس الأداء. تقدم هذه الدراسة نموذجًا مبتكرًا يعزز اتخاذ القرار ويعالج تحديات الأمن السيبراني الحديثة بكفاءة ومرونة.

Issues also as CD.

Text in English and abstract in Arabic & English.