INTEGRATION OF AUTOMATED METHODS OF WEB DATA COLLECTION INTO THE STATE CYBERSECURITY STRATEGY

DOI: 10.31673/2409-7292.2025.018376

Abstract

The article examines the use of automated methods of web data collection (web scraping) in the context of strengthening
national cybersecurity, with a special emphasis on emergent adaptive neural networks. Given the challenges of the modern
information space, where data volumes are constantly growing, emergent adaptive systems are becoming a key tool in detecting
cyber threats, disinformation campaigns, and leaks of sensitive information. Automated methods of web data collection allow
integrating new approaches to big data analysis into the state's information security system, which allows for the prompt
identification of threats, in particular through content analysis in social networks, forums, and other open sources. Collecting
large amounts of data through web scraping provides a multi-channel approach to threat monitoring and allows systems built
on emergent adaptive neural networks to respond more quickly to new attack scenarios. The implementation of such
technologies allows to significantly increase the effectiveness of threat prediction and the speed of response to cyber incidents,
which is critical for protecting national security.
Particular attention is paid to the importance of real-time data processing, which is especially important when
implementing emergent adaptive systems in state infrastructures. Adaptive neural networks are able to constantly change their
strategies, taking into account new data, which makes the system more resistant to changes in the external environment. The
results of the study confirm that the integration of automated methods of web data collection into the state's information security
strategy allows to significantly increase the level of protection of critical infrastructure and effectively predict and reduce
potential threats.
Thus, the use of web scraping in combination with emergent adaptive neural networks provides significant potential for
strengthening national cybersecurity, in particular for protection against new types of attacks and ensuring the stability of state
information systems.
Keywords: web scraping, information security, cybersecurity, data collection automation, critical infrastructure.

References
1. Мітчелл Р. Веб-скрапінг за допомогою Python / Р. Мітчелл. — O’Reilly Media, 2018. — 320 с.
2. Лоусон Р. Веб-скрапінг за допомогою Python: Успішний збір даних із будь-якого сайту / Р. Лоусон. —
Packt Publishing, 2015. — 245 с.
3. Академія. Python: Вивчення веб-скрапінгу за один день! Основи веб-скрапінгу за допомогою Python за
короткий час / Академія. — 2015. — 199 с.
4. Мунцерт С., Рубба К., Мейснер П., Нюхуйс Д. Автоматизований збір даних за допомогою R:
Практичний посібник із веб-скрапінгу та текстового майнінгу / С. Мунцерт, К. Рубба, П. Мейснер, Д. Нюхуйс. —
Wiley, 2015. — 456 с.
5. Хайдт М. Кулінарна книга веб-скрапінгу з Python / М. Хайдт. — Packt Publishing, 2018. — 312 с.
6. Кузіс-Лукас Д. Вивчення Scrapy: Мистецтво ефективного веб-скрапінгу та збору даних за допомогою
Python / Д. Кузіс-Лукас. — Packt Publishing, 2016. — 320 с.
7. Віклер Е. Python: 3 книги в 1. Основи Python для початківців, автоматизація за допомогою Python, вебскрапінг та машинне навчання / Е. Віклер. — 2021. — 878 с.
8. Мітчелл Р. Веб-скрапінг із Python: Збір даних із сучасного вебу / Р. Мітчелл. — O’Reilly Media, 2024. —
350 с.
9. Брук С., Баесенс Б. Практичний веб-скрапінг для науки про дані: Кращі практики та приклади за
допомогою Python / С. Брук, Б. Баесенс. — Apress, 2018. — 185 с.
10. Очоа Л. Ідеї автоматизації з Python: Робота з електронною поштою, обробка даних, Excel, звіти, вебскрапінг та інше / Л. Очоа. — 2022. — 512 с.