Нурбек Маханбетулы Сисенов – магистр естественных наук, старший преподаватель кафедры «Информационная безопасность»
10000, г. Астана, ул. Сатпаева, 2
Nurbek Sissenov – Master of Natural Sciences, Senior Lecturer at the Department of Information Security
10000, Astana, Satpaev St., 2
Гулден Бектемировна Улюкова – магистр естественных наук, старший преподаватель кафедры «Информационная безопасность»
10000, г. Астана, ул. Сатпаева, 2
Gulden Ulyukova – Master of Natural Sciences, Senior Lecturer at the Department of Information Security
10000, Astana, Satpaev St., 2
Дина Жагипаровна Сатыбалдина – кандидат физико-математических наук, ассоциированный профессор, директор научно-исследовательского института «Информационная безопасность и криптология»
10000, г. Астана, ул. Сатпаева, 2
Dina Satybaldina – Candidate of Physical and Mathematical Sciences, Associate Professor, Director of the Research Institute «Information Security and Cryptology»
10000, Astana, Satpaev St., 2
Айгуль Кайрулаевна Шайханова – ассоциированный профессор по специальности «Информатика, вычислительная техника и программное обеспечение», профессор кафедры «Информационная безопасность»
10000, г. Астана, ул. Сатпаева, 2
Aigul Shaykhanova – Associate Professor in the specialty Informatics, Computer Engineering and Software, Professor of the Department of Information Security
10000, Astana, Satpaev St., 2
Надёжность информационных систем является ключевым условием стабильного функционирования современных цифровых сервисов, особенно в условиях высокой нагрузки и стремительно развивающихся процессов цифровизации. Большинство традиционных подходов опирается на отдельные показатели либо на субъективные экспертные оценки, что ограничивает прозрачность получаемых результатов. В данной статье предлагается гибридная методология, объединяющая модель качества ISO/IEC 25010:2023, методы многокритериального принятия решений (ARAS, CoCoSo, TOPSIS) и машинное обучение для восстановления недостающих данных. Стандарт ISO/IEC 25010:2023 используется для определения структуры качественных атрибутов, связанных с надёжностью, и выбора соответствующих показателей. Метод AHP позволяет на основе экспертных суждений систематически определить веса критериев. Недостающие значения в наборе данных восстанавливаются с помощью алгоритма машинного обучение, что обеспечивает получение полной и согласованной матрицы данных. После подготовки данных надёжность альтернативных информационных систем оценивается с использованием трёх многокритериальных методов. Это повышает устойчивость итогового рейтинга и снижает его чувствительность к изменениям весовых коэффициентов. Предложенная методология была апробирована на четырех реальных информационных системах с различной архитектурой. Между применяемыми методами была зафиксирована высокая степень согласованности, рейтинги оставались стабильными даже при изменении весов на ±10%, а также была подтверждена возможность оценки надёжности в процентном выражении. Данный подход позволяет объективно сравнивать системы, выявлять их слабые стороны и принимать обоснованные решения по их совершенствованию и модернизации.
The reliability of information systems is a key prerequisite for the stable operation of modern digital services, especially under high-load conditions and rapidly evolving digitalization processes. Most traditional approaches rely on individual indicators or subjective expert judgments, which limits the transparency of the results obtained. This paper proposes a hybrid methodology that integrates the ISO/IEC 25010:2023 quality model, multicriteria decision-making methods (ARAS, CoCoSo, TOPSIS), and machine learning techniques for imputing missing data. The ISO/IEC 25010:2023 standard is used to define the structure of reliability-related quality attributes and to select appropriate indicators. The AHP method enables a systematic determination of criterion weights based on expert judgments. Missing values in the dataset are restored using a machine learning algorithm, resulting in a complete and consistent data matrix. After data preparation, the reliability of alternative information systems is evaluated using three multicriteria methods. This increases the robustness of the final ranking and reduces its sensitivity to changes in weighting coefficients. The proposed methodology was tested on four real-world information systems with different architectures. A high degree of consistency was observed among the applied methods; the rankings remained stable even when weights were varied by ±10%, and the feasibility of expressing reliability as a percentage was confirmed. This approach enables objective system comparison, identification of weaknesses, and informed decision-making for system improvement and modernization.
The authors declare that there are no conflicts of interest present.