The Use of Artificial Intelligence in CI/CD Systems: Enhancing Security and Managing Risks

Iveri Jajanidze; Ioseb Kartvelishvili

doi:10.52340/gs.2025.07.03.01

Authors

Iveri Jajanidze Georgian Technical University
Ioseb Kartvelishvili Georgian Technical University https://orcid.org/0000-0001-9890-4099

DOI:

https://doi.org/10.52340/gs.2025.07.03.01

Keywords:

AI in DevSecOps pipelines, Explainable AI (XAI) in cybersecurity, Federated Learning for secure model training, Adversarial attacks on machine learning models, AIdriven social engineering threats, Security visualization in CI/CD systems

Abstract

Organizations in the public and private sectors increasingly implement Continuous Integration (CI) and Continuous Deployment (CD) processes to streamline software delivery. These processes, supported by automation and DevOps practices, enable frequent code releases. However, the rise of adversarial threats—such as AI-enhanced social engineering, adversarial machine learning, and large-scale data leaks—introduces complex security challenges.

This article explores the integration of Artificial Intelligence (AI) and Machine Learning (ML) into CI/CD pipelines, highlighting how these technologies enhance security posture through real-time threat detection, automated incident response, and predictive analytics. Key areas include Explainable AI (XAI), Federated Learning (FL), adversarial attack prevention, and AI-powered malware detection. The study further discusses visualization techniques for security monitoring (ROC curves, histograms, pie charts), supported by 2024 statistical insights into AI adoption in CI/CD environments.

Downloads

Download data is not yet available.

Author Biographies

Iveri Jajanidze, Georgian Technical University

PhD Student

Ioseb Kartvelishvili, Georgian Technical University

Professor

References

Cath, C. და სხვ. (2018). Artificial intelligence and the ‘good society’: the US, EU, and UK approach. Science and Engineering Ethics, 24(2), 505–528.

Gunning, D. და სხვ. (2019). XAI—Explainable artificial intelligence. Science Robotics, 4(37).

Ucci, D. და სხვ. (2019). Survey of machine learning techniques for malware analysis. Computers & Security, 81, 123–147.

Yang, H. და სხვ. (2019). Federated machine learning: Concept and applications. ACM Transactions on Intelligent Systems and Technology, 10(2), 1–19.

ქართველიშვილი ი., კუჭავა გ. CI/CD-ის დახმარებით DevOps-ში პროგრამული უზურნველყოფის მიწოდების ხარისხისა და სიჩქარის ოპტიმიზაცია. საქართველოს ტექნიკური უნივერსიტეტის საერთაშორისო სამეცნიერო-პრაქტიკული კონფერენცია "თანამედროვე გამოწვევები და მიღწევები ინფორმაციულ და საკომუნიკაციო ტექნოლოგიებში - 2024“, საქართველო, თბილისი, 1-2 ნოემბერი, 2024 წელი.

Avtandil Bichnigauri, Ioseb Kartvelishvili, Otar Shonia, Daviti Bichnigauri, Otar Gudadze. Strengthening Cyber Defenses - The Crucial Role of Phishing Simulation in Modern Security Strategies. International Scientific Journal "Defence and Science". No. 3 (2024). https://doi.org/10.61446/ds.3.2024.8467

ქართველიშვილი ი., ოხანაშვილი მ., ჩორხაული ნ. ქსელური შეტევების აღმოჩენის არსებული მეთოდების მიმოხილვა და ანალიზი. საქართველოს ტექნიკური უნივერსიტეტის საერთაშორისო სამეცნიერო-პრაქტიკული კონფერენცია "თანამედროვე გამოწვევები და მიღწევები ინფორმაციულ ტექნოლოგიებში - 2023“, საქართველო, თბილისი, 12-13 ოქტომბერი, 2023 წელი.