Отримано 15.08.2025, Доопрацьовано 11.11.2025, Прийнято 23.12.2025

Синергія штучного інтелекту, SDN, Zero Trust та блокчейну: огляд нових тенденцій в безпечному управлінні мережами

Олександр Підпалий, Олександр Романов

Дослідження є актуальним через потребу створення ефективних, прозорих і захищених від кібератак мережевих систем управління. Мета дослідження полягала у систематизації та критичному аналізі сучасних підходів до поєднання штучного інтелекту, програмно-конфігурованих мереж, архітектури Zero Trust та блокчейну для побудови адаптивних, прозорих і захищених від кібератак систем управління мережею. Проведено концептуальний огляд технологій безпечного управління мережею з застосуванням інтерпретативного та порівняльного аналізу наукових джерел, системного та структурно-категоріального аналізу характеристик вказаних технологій, моделювання сценаріїв їх застосування для підвищення адаптивності, прозорості та стійкості мережевих систем у критичних секторах України. Результати показали, що комбіноване використання цих технологій забезпечує централізоване управління трафіком, динамічну політику доступу, прозорість операцій та здатність до автономного виявлення загроз, значно підвищуючи стійкість мережі до багатовекторних кібератак. Виявлено, що основними проблемами інтеграції цих технологій у мережевих системах є непрозорість рішень штучного інтелекту, конфлікти між динамічністю моделей та незмінністю блокчейну, високі вимоги до ресурсів і складність узгодження політик у мультидоменних мережах. Впровадження Explainable Artificial Intelligence, гібридних архітектур, off-chain рішень, оптимізації моделей та федеративних протоколів дозволило подолати обмеження, забезпечуючи прозору, адаптивну та безпечну мережеву систему, здатну ефективно реагувати на загрози та динамічні зміни середовища. Доведено, що традиційні рішення, засновані на статичних фаєрволах та централізованому контролі, обмежені у швидкості реагування, точності виявлення атак та масштабованості. Інтегровані моделі, що поєднують штучний інтелект, програмно-конфігуровані мережі, архітектури Zero Trust та блокчейну, забезпечують миттєве реагування на загрози, високоточне виявлення атак, динамічний контроль доступу, автоматизований аудит та ефективне масштабування, створюючи адаптивну, стійку та прозору мережеву систему. Результати дослідження можуть бути використані для розробки й оптимізації політик кібербезпеки, автоматизації контролю доступу та моніторингу мережевих подій, а також для побудови масштабованих і прозорих архітектур систем управління

мережева безпека; кіберзахист; виявлення вторгнень; машинне навчання; explainable artificial intelligence
148-163
Pidpalyi, O., & Romanov, O. (2025). Synergy of artificial intelligence, SDN, Zero Trust, and blockchain: An overview of new trends in secure network management. Information Technologies and Computer Engineering, 22(3), 148-163. https://doi.org/10.31649/vitce/3.2025.148

Використані джерела

[1] Ajznblasm, Z., Deepika, A., Parameswaran, M., Satyanarayana, B., Srinivas, T., & Ramesh, P.S. (2025). Exploring Zero Trust artificial intelligence-based frameworks in large-scale dynamic networks for enhancing cybersecurity. In Proceedings of the international conference on computational innovations and engineering sustainability (pp. 1-7). Tamilnadu: IEEE. doi: 10.1109/ICCIES63851.2025.11032807.

[2] Alevizos, L., Ta, V.T., & Hashem Eiza, M. (2022). Augmenting Zero Trust architecture to endpoints using blockchain: A state-of-the-art review. Security and Privacy, 5(1), article number e191. doi: 10.1002/spy2.191.

[3] Alhilali, A.H., & Montazerolghaem, A. (2023). Artificial intelligence based load balancing in SDN: A comprehensive survey. Internet of Things, 22, article number 100814. doi: 10.1016/j.iot.2023.100814.

[4] Alshehri, A., Tufekci, B., & Tunc, C. (2024). Identification management for Zero Trust through network analysis. In Proceedings of the 21st international conference on computer systems and applications (pp. 1-6). Sousse: IEEE. doi: 10.1109/AICCSA63423.2024.10912537.

[5] Aramide, O. (2022). Identity and access management (IAM) for IoT in 5G. Open Access Research Journal of Science and Technology, 5, 96-108. doi: 10.53022/oarjst.2022.5.2.0043.

[6] Aramide, O.O. (2024). Zero-trust identity principles in next-gen networks: AI-driven continuous verification for secure digital ecosystems. World Journal of Advanced Research and Reviews, 23(3), 3304-3316. doi: 10.30574/ WJARR.2024.23.3.2656.

[7] Ashfaq, F., Wasim, M., Shah, M.A., Ahad, A., & Pires, I.M. (2025). Enhancing security in 5G edge networks: Predicting real-time Zero Trust attacks using machine learning in SDN environments. Sensors, 25(6), article number 1905. doi: 10.3390/s25061905.

[8] AT&T Domain 2.0 Vision White Paper. (2013). Retrieved from https://www.att.com/Common/about_us/pdf/AT&T%20 Domain%202.0%20Vision%20White%20Paper.pdf.

[9] Azam, Z., Islam, M.M., & Huda, M.N. (2023). Comparative analysis of intrusion detection systems and machine learningbased model analysis through decision tree. IEEE Access, 11, 80348-80391. doi: 10.1109/ACCESS.2023.3296444.

[10] Bashaa, M.H., Bhaya, W.S., & Al-aaraji, N.H. (2025). Integration of Zero Trust architecture and machine learning for improving the security of software defined networking: A review. Journal of Intelligent Informatics, Networking, and Cybersecurity, 1(1), article number 1. doi: 10.65445/3106-1192.1000.

[11] Batewela, S., Ranaweera, P., Liyanage, M., Zeydan, E., & Ylianttila, M. (2025). Addressing security orchestration challenges in next-generation networks: A comprehensive overview. IEEE Open Journal of the Computer Society, 6, 669-687. doi: 10.1109/OJCS.2025.3564788.

[12] Chaudhry, M. (2025). A systematic mapping study on security challenges in software-defined cloud computing. (Master’s thesis, Åbo Akademi University, Turku, Finland).

[13] Chowdhury, B., Jahankhani, H., & Subramaniam, S. (2023). Zero-trust blockchain-based digital twin 6G AI-native conceptual framework against cyber attacks for e-healthcare. In H. Jahankhani & B. Issac (Eds.), Cybersecurity and human capabilities through symbiotic artificial intelligence. ICGS3 2023. Advanced sciences and technologies for security applications (pp. 453-479). Cham: Springer. doi: 10.1007/978-3-031-82031-1_23.

[14] Chuzavkov, S. (2023). Ukraine’s largest mobile operator Kyivstar downed by "powerful" cyberattack. Retrieved from             https://techcrunch.com/2023/12/12/ukraine-largest-mobile-operator-kyivstar-downed-by-powerfulcyberattack/?utm_source=chatgpt.com

[15] DoD Zero Trust strategy. (2022). Retrieved from https://dodcio.defense.gov/Portals/0/Documents/Library/DoDZTStrategy.pdf.

[16] Dwivedi, R., et al. (2023). Explainable AI (XAI): Core ideas, techniques, and solutions. ACM Computing Surveys, 55(9), article number 194. doi: 10.1145/3561048.

[17] El Koshiry, A., Eliwa, E., Abd El-Hafeez, T., & Shams, M.Y. (2023). Unlocking the power of blockchain in education: An overview of innovations and outcomes. Blockchain: Research and Applications, 4(4), article number 100165. doi: 10.1016/j.bcra.2023.100165.

[18] Gupta, A., Gupta, R., Jadav, D., Tanwar, S., Kumar, N., & Shabaz, M. (2023). Proxy smart contracts for Zero Trust architecture implementation in Decentralised Oracle Networks based applications. Computer Communications, 206, 10-21. doi: 10.1016/j.comcom.2023.04.022.

[19] Han, H., Liu, Z., Wang, X., & Li, S. (2021). Research of the relations among cloud computing, internet of things, big data, artificial intelligence, block chain and their application in maritime field. Journal of Physics: Conference Series, 1927, article number 012026. doi: 10.1088/1742-6596/1927/1/012026.

[20] Hashmi, E., Yamin, M.M., & Yayilgan, S.Y. (2025). Securing tomorrow: A comprehensive survey on the synergy of Artificial Intelligence and information security. AI and Ethics, 5(3), 1911-1929. doi: 10.1007/s43681-024-00529-z.

[21] ISO/IEC No. 27001. (2022). Information security management systems. Retrieved from https://surli.cc/mwmavy.

[22] Katsis, C. (2025). End-to-end frameworks for the specification, learning and enforcement of network-wide access control in Zero-Trust Network Architectures. (Doctoral thesis, Purdue University, West Lafayette, USA).

[23] Kudriashov, A. (2024). Artificial intelligence and security in 5G and 6G mobile technologies. Computer-Integrated Technologies: Education, Science, Production, 54, 236-242. doi: 10.36910/6775-2524-0560-2024-54-29.

[24] Latif, S.A., Wen, F.B., Iwendi, C., Wang, L.L., Mohsin, S.M., Han, Z., & Band, S.S. (2022). AI-empowered, blockchain and SDN integrated security architecture for IoT network of cyber physical systems. Computer Communications, 181, 274-283. doi: 10.1016/j.comcom.2021.09.029.

[25] Li, H., Xiao, M., Wang, K., Kim, D.I., & Debbah, M. (2025). Large language model based multi-objective optimization for integrated sensing and communications in UAV networks. IEEE Wireless Communications Letters, 14(4), 979-983. doi: 10.1109/LWC.2025.3529082.

[26] Malik, A., Arshid, K., Noonari, N., & Munir, R. (2025). Artificial intelligence-driven cybersecurity framework using machine learning for advanced threat detection and prevention. Scholars Journal of Engineering and Technology, 6, 401-423. doi: 10.36347/sjet.2025.v13i06.005.

[27] Memorandum for the Heads of Executive Departments and Agencies. (2022). Retrieved from https://www.whitehouse. gov/wp-content/uploads/2022/01/M-22-09.pdf.

[28] Mishra, S. (2023). Blockchain and machine learning-based hybrid IDS to protect smart networks and preserve privacy. Electronics, 12(16), article number 3524. doi: 10.3390/electronics12163524.

[29] Nagarjun, A.V., & Rajkumar, S. (2024). Exploring the potential of deep learning and blockchain for intrusion detection systems: A comprehensive review. Journal of Circuits, Systems and Computers, 33(16), article number 2430007. doi: 10.1142/S0218126624300071.

[30] Narayanan, S. (2025). AI-driven anomaly detection for telecom cloud security. International Journal of Emerging Research in Engineering and Technology, 25, 228-238. doi: 10.63282/3050-922X.ICRCEDA25-125.

[31] Nikitchenko, V.S. (2024). Research on trends in the digital transformation of business structures based on Industries 4.0 and 5.0. (Master’s thesis, Sumy State University, Sumy, Ukraine).

[32] Ozkan-Okay, M., Akin, E., Aslan, Ö., Kosunalp, S., Iliev, T., Stoyanov, I., & Beloev, I. (2024). A comprehensive survey: Evaluating the efficiency of artificial intelligence and machine learning techniques on cyber security solutions. IEEE Access, 12, 12229-12256. doi: 10.1109/ACCESS.2024.3355547.

[33] Pemmasani, P.K., Gudepu, B.K., & Gonugunta, K.C. (2025). Unified AI command console for cybersecurity: Multi-AI integration with minimal manual intervention. TechRxiv. doi: 10.36227/techrxiv.174802397.73696913/v1.

[34] Rahman, S., & Perumath, N. (2025). Implementing Zero Trust management in IoT environment-challenges and solutions: Scoping review. Retrieved from https://www.diva-portal.org/smash/record.jsf?pid=diva2%3A1955680&dswid=-2231.

[35] Shah, A.S., Karabulut, M.A., Kamruzzaman, A., Alharthi, D., & Bradford, P.G. (2025). A survey on artificial intelligence and blockchain clustering for enhanced security in 6G wireless networks. Computers, Materials & Continua, 84(2), 1981-2013. doi: 10.32604/cmc.2025.064028.

[36] Speith, T. (2022). A review of taxonomies of explainable artificial intelligence (XAI) methods. In Proceedings of the 2022 ACM conference on fairness, accountability, and transparency (pp. 2239-2250). New York: Association for Computing Machinery. doi: 10.1145/3531146.3534639.

[37] Svensberg, P. (2023). Software-defined zero-trust network architecture: Evolution from Purdue model-based. (Master’s thesis, University of Turku, Turku, Finland).

[38] Telefónica. (2017). Telefónica’s UNICA architecture strategy for network virtualisation. Retrieved from https://www. telefonica.com/es/wp-content/uploads/sites/4/2021/03/Telefonica_Virtualisation_gCTO_FINAL.pdf.

[39] Tiwari, S., Sarma, W., & Srivastava, A. (2022). Integrating artificial intelligence with Zero Trust architecture: Enhancing adaptive security in modern cyber threat landscape. International Journal of Research and Analytical Reviews, 9(2), 712-728.

[40] Vorokhob, M.V. (2023). Models and methods for improving enterprise security policy based on the Zero Trust methodology. (Doctoral thesis, Borys Grinchenko Kyiv University, Kyiv, Ukraine).