000			06672namaa22004331i 4500
003			EG-GICUC
005			20260209155945.0
008			260209s2025 ua a|||frm||| 000 0 eng d
040			_aEG-GICUC _beng _cEG-GICUC _dEG-GICUC _erda
041	0		_aeng _beng _bara
049			_aDeposit
082	0	4	_a658.404076
092			_a658.404076 _221
097			_aPh.D
099			_aCai01.18.06.Ph.D.2025.Ma.E
100	0		_aMahmoud Kamal Eldin Elsayed Said Bakhaty, _epreparation.
245	1	4	_aThe effect of ai and big data analytics on improving cyber vulnerabilities management in critical infrastructure / _cby Mahmoud Kamal Eldin Elsayed Said Bakhaty ; Supervision Prof. Dr. Essam Ali Amin, Dr. Mohamed Abdulla Ewees.
246	1	5	_aتأثير الذكاء الإصطناعى وتحليل البيانات الضخمة على تحسين إدارة الثغرات السيبرانية للبنية التحتية الحرجة
264		0	_c2025.
300			_a81 Leaves : _billustrations ; _c30 cm. + _eCD.
336			_atext _2rda content
337			_aUnmediated _2rdamedia
338			_avolume _2rdacarrier
502			_aThesis (Ph.D)-Cairo University, 2025.
504			_aBibliography: pages 74 -77.
520		3	_aIn 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.
520		3	_aفي 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.
530			_aIssues also as CD.
546			_aText in English and abstract in Arabic & English.
650		0	_aProject Management
650		0	_aادارة المشروعات
653		1	_acyber vulnerability management _aCyber Security _aBig Data Analytics _aArtificial Intelligence _aإدارة الثغرات السيبرانية _aالأمن السيبراني
700	0		_aEssam Ali Amin _ethesis advisor.
700	0		_aMohamed Abdulla Ewees _ethesis advisor.
900			_b01-01-2025 _cEssam Ali Amin _cMohamed Abdulla Ewees _UCairo University _FFaculty of Graduate Studies for Statistics Research _DDepartment of Project Management
905			_aShimaa
942			_2ddc _cTH _e21 _n0
999			_c178321