Security risk assessment and analysis of AI-powered CRM | LNB Digitālā bibliotēka

Metadati

Nosaukums (angļu):: Security risk assessment and analysis of AI-powered CRM
Alternatīvais nosaukums (latviešu):: Uz mākslīgo intelektu balstītas Klientu attiecību pārvaldības sistēmas drošības risku analīze un novērtējums
Zinātniskā darba tips:: Bakalaura darbs
Autors:: Kelechukwu Agnes Iloghalu
Līdzradītājs:: Jesús Alberto Cázares Montes, 1974 - , zinātniskais vadītājs
Līdzradītājs:: Ginta Majore, recenzents
Fiziskais raksturojums (latviešu):: 78 lp.
Izdevējs:: Ventspils: Ventspils Augstskola
Oriģināla radīšanas datums:: 2026
Fiziskais datu nesējs:: Digitāli radīts
Valoda:: angļu
Anotācija (angļu):: Title of the thesis: Security risk assessment and analysis of AI-powered CRM. Author: Iloghalu Kelechukwu Agnes. Supervisor: Jesús Alberto Cázares Montes. Scope of work: 78 pages, 22 tables, 7 figures, 31 bibliographic references. Keywords: AI-POWERED CRM, CHATBOT SECURITY, ISSRM, STRIDE, RISK MITI- GATION, GQM. Artificial intelligence (AI) added into customer relationship management (CRM) sys- tems has significantly transformed how organisations manage and interact with customers. AI-powered chatbots enable automated support, personalised communication,improve effi- ciency and customer experience. However,the reliance on conversational AI also introduces critical cybersecurity risks, particularly when sensitive customer data is processed through automated dialogue systems. This paper presents a structured security risk assessment of AI-powered CRM chatbot environments, focusing on identifying and analysing potential threats that may compromise customer data and system operations by adopting a conceptual analytical approach. The Information System Security Risk Management (ISSRM) model identifies key assets, vulner- abilities, and threats in CRM chatbot process. Through this approach, critical components such as customer databases, chatbot interfaces, and backend CRM infrastructure are examined to understand how security risks may arise in the system. STRIDE threat modelling frame- work categorise potential attacks affecting chatbot-based CRM systems. STRIDE allows for the systematic identification of threats such as spoofing, tampering, information disclosure, denial of service, and privilege escalation. The analysis highlights key risks including prompt injection, unauthorised access to customer data, and disruption of chatbot services through malicious inputs. The Goal–Question–Metric (GQM) approach assess how proposed mitiga- tion strategies reduce identified risk. These allows the assessment of how security controls contribute to reducing identified risks while maintaining the confidentiality, integrity, and availability of customer information. This study proposes several risk mitigation strategies, including improved authentication mechanisms,and stronger protection of CRM data. These measures aim to reduce vulnerabilities and strengthen the overall security posture of CRM systems.
Anotācija (latviešu):: Disertācijas nosaukums: Uz mākslīgo intelektu balstītas klientu attiecību pārvaldības sistēmas drošības riksu analīze un novērtējums. Autors: Iloghalu Kelechukwu Agnes. Darba vadītājs: Jesús Alberto Cázares Montes. Darba apjoms: 78 lappuse, 22 tabulas, 7 attēli, 31 bibliogrāfiskās atsauces. Atslēgvārdi: AR MĀKSLĪGO DARBINĀMA CRM, ČATBOTU DROŠĪBA, ISSRM, STRIDE, RISKA MAZINĀŠANA, GQM. Klientu attiecību pārvaldības (CRM) sistēmas ieviestais mākslīgais intelekts (MI) ir būtiski mainījis to, kā organizācijas pārvalda un mijiedarbojas ar klientiem. MI darbināmi tērzēšanas roboti nodrošina automatizētu atbalstu, personalizētu komunikāciju, uzlabo efektivitāti un klientu pieredzi. Tomēr pilnīga paļaušanās uz sarunu MI rada arī kritiskus kiber- drošības riskus, ̄īpaši, ja sensitīvi klientu dati tiek apstrādāti, izmantojot automatizētas dialoga sistēmas. Šajā darbā tiek uzrādīts strukturēts MI darbināmu CRM tērzēšanas robotu vides drošības risku novērtējums,identificēšana un analīze, izmantojot konceptuālu analītisku pieeju. Informācijas sistēmas drošības riska pārvaldības (ISSRM) modelis identificē galvenos aktīvus, ievainojamības un draudus CRM terzēšanas robota lietošanā un, izmantojot šo pieeju, tiek pārbaudīti kritiski komponenti, piemēram, klientu datubāzes, tērzēšanas robota saskarnes un CRM aizmugures infrastruktūra, lai izprastu, kā sistēmā var rasties drošības riski. STRIDE draudu modelēšanas ietvars kategorizē potenciālos uzbrukumus, kas ietekmē tērzēšanas robotu CRM sistēmas. STRIDE ļauj sistemātiski identificēt tādus draudus kā krāpšanās, manipulācijas, informācijas izpaušana, pakalpojuma atteikšana un privilēģiju eskalācija. Analīzē ir izcelti galvenie riski, tostarp uzvedņu injekcijas, neatļauta piekļuve klientu datiem un tērzēšanas robotu pakalpojumu darbības traucējumi, izmanto- jot ļaunprātīgu informācijas ievadi. Mērķa-Jautājuma-Metrikas (GQM) metode novērtē, kā ierosinātās mazināšanas stratēģijas ietekme un samazina identificētos riskus, vienlaicīgi saglabājot klientu informācijas konfidencialitāti, integritāti un pieejamību. Šajā pētījumā ir ierosinātas vairākas risku mazināšanas stratēģijas, tostarp kā uzlaboti autentifikācijas mehānismi un spēcīgāka CRM datu aizsardzība. Šo pasākumu mērķis ir samazināt ievaino- jamību un stiprināt CRM sistēmu vispārējo drošības stāvokli.
Pieder kolekcijai:: Academia
Temats:: Bakalaura darbi
Temats:: Ventspils Augstskola. Informācijas tehnoloģiju fakultāte
Temats:: Datorzinātnes
Ģeogrāfiskais nosaukums:: Ventspils (Latvija)
Oriģināla turētājs (*):: Ventspils Augstskola
Izveidošanas datums:: 13.08.2026
APLIS autortiesību statuss:: Aizsargāts ar tiesībām
APLIS piekļuves tiesības:: Šo darbu aizsargā autortiesības un/vai blakustiesības. Šo darbu var brīvi lietot personiskai lietošanai, zinātniskam pētījumam vai pašizglītībai. Citiem izmantošanas veidiem jāsaņem tiesību subjekta (-u) atļauja.
APLIS tiesību paziņojums:: Ir aizsargāts ar autortiesībām — komerciālā apritē neesošs
APLIS piekļuves paziņojums:: Pieejams tīmeklī (bez iespējas lejupielādēt)
Bloķēts:: Nē
Resursa virstips:: Teksts
Resursa tips:: Zinātnisks darbs/Teksts
URI:: https://dom.lndb.lv/data/obj/1715947
RDF dati | XML dati

Metadati

Pieejamās datnes

Tehniskās datnes

Lūdzu uzgaidiet