Представлена комплексная методология прогнозирования утечек данных и оценки рисков вредоносного воздействия на объекты критической информационной инфраструктуры на примере транспортной отрасли. Проведен анализ статистических данных о количестве утечек данных ограниченного доступа в России за 2013–2022 гг. В рамках исследования сравнивается точность численных методов прогнозирования: линейная регрессия, сглаживание методами скользящей средней и экспоненциальное сглаживание. Был определен наиболее точный метод прогнозирования – линейная регрессия, который используется для прогнозирования утечек данных ограниченного доступа в транспортной отрасли на 2024–2028 гг. Кроме того, когнитивная модель позволяет оценить возможность утечек данных и их последствий с учетом таких факторов, как векторы атак, уязвимости системы, поведение пользователей, а также применяемых мер безопасности. Комбинированный подход при одновременном использовании численных методов и когнитивного моделирования обеспечивает целостное представление о рисках кибербезопасности, позволяя делать более точные прогнозы и принимать более обоснованные решения. Результаты исследования подчеркивают важность учета как технических, так и человеческих факторов при повышении кибербезопасности и предлагают рекомендации для будущих исследований по уточнению когнитивной модели с привлечением экспертов не только в технической, но и в экономической и юридической областях.