Видання зареєстровані авторами шляхом самоархівування
Permanent URI for this communityhttps://devessuir.sumdu.edu.ua/handle/123456789/1
Browse
7 results
Search Results
Item Інформаційно-аналітична система оцінювання відповідності сучасним вимогам навчального контенту спеціальності кібербезпека(Національний аерокосмічний університет "Харківський авіаційний інститут", 2021) Довбиш, Анатолій Степанович; Dovbysh, Anatolii Stepanovych; Шелехов, Ігор Володимирович; Shelekhov, Ihor Volodymyrovych; Хібовська, Юлія Олексіївна; Khibovska, Yuliia Oleksiivna; Матяш, О.В.Розв’язана актуальна задача підвищення функціональної ефективності машинного навчання інформаційно-аналітичної системи (ІАС) оцінки відповідності сучасним вимогам контенту навчальних дисциплін бакалаврського рівня спеціальності «Кібербезпека» Розроблено метод інформаційно-екстремального машинного навчання ІАС з метою адаптації навчального контенту випускової кафедри до вимог ринку праці, що дозволяє при функціонуванні системи в режимі моніторингу оперативно корегувати контент з навчальних дисципліни випускової кафедри. Ідея методу полягає у максимізації інформаційної спроможності ІАС в процесі машинного навчання, що дозволяє в режимі моніторингу отримати максимальну повну ймовірність прийняття правильних класифікаційних рішень. За результатами інформаційно-екстремального машинного навчання в рамках геометричного підходу побудовано вирішальні правила, практично інваріантні до багато вимірності простору ознак розпізнавання. Як критерій оптимізації параметрів машинного навчання використовується модифікація інформаційної міри Кульбака, яка є функціоналом точнісних характеристик класифікаційних рішень. Як параметри оптимізації розглядалися геометричні параметри гіперсферичних контейнерів класів розпізнавання, які в процесі машинного навчання відновлювалися в радіальному базисі бінарного простору ознак Хеммінга. При цьому вхідна навчальна матриця трансформувалася в робочу бінарну навчальну матрицю, яка змінювалася в процесі машинного навчання шляхом допустимих перетворень з метою адаптації вхідного математичного опису системи до максимальної достовірності класифікаційних рішень. Запропоновано категорійну модель функціонування ІАС, на основі якої розроблено алгоритм інформаційно-екстремального машинного навчанням системи з автоматичним визначенням базового класу розпізнавання. За результатами опитування фахівців з кібербезпеки сформовано вхідну структуровану навчальну матрицю, а за результатами фізичного моделювання підтверджено працездатність запропонованого методу інформаційно-екстремального машинного навчання ІАС.Item Розробка нейромережевої моделі для предиктивного аналізу ймовірності реалізації кіберзагроз на основі класифікатора загроз(ПП «Новий Світ-2000»., 2025) Стеців, О.С.; Євсеєв, С.П.; Кушнерьов, Олександр Сергійович; Kushnerov, Oleksandr SerhiiovychУ дослідженні представлено розробку та валідацію нейромережевої моделі для предиктивного аналізу ймовірності реалізації кіберзагроз. Через неефективність традиційних реактивних методів захисту, було запропоновано проактивний підхід на основі машинного навчання. Початковий набір даних, що складався з 200 записів, було розширено до 20 200 за допомогою аугментації для подолання проблеми обмеженого обсягу та дисбалансу класів. Створена архітектура багатошарового перцептрона (MLP) з використанням механізму зважених втрат та ранньої зупинки продемонструвала високу ефективність, досягнувши точності 94.94% на тестових даних. Модель також підтвердила свою узагальнюючу здатність на реальних прикладах, що не входили до навчальної вибірки, довівши її практичну цінність для створення систем проактивного управління кіберризиками.Item Класифікація кіберзагроз на основі аналізу текстових описів з використанням методів обробки природної мови(ПП «Новий Світ-2000», 2025) Шаламай, Д.С.; Євсеєв, С.П.; Кушнерьов, Олександр Сергійович; Kushnerov, Oleksandr SerhiiovychДослідження присвячене розробці системи для автоматичної класифікації кіберзагроз на основі текстових описів, наданих у довільній формі. Через недостатню оперативність традиційних підходів до документування загроз , була створена система, що використовує методи обробки природної мови (NLP) та машинного навчання. Початковий набір з 220 загроз банківського сектору було розширено до 1078 описів за допомогою технік аугментації даних, зокрема парафразування. Розроблений конвеєр обробки даних включає очищення та лематизацію тексту за допомогою бібліотеки Stanza , перетворення тексту у вектори TF-IDF та багатовихідну класифікацію з використанням RandomForestClassifier. Створена система здатна категоризувати загрози за вісьмома параметрами і спершу перевіряє схожість введеного опису з існуючими в базі за допомогою косинусної подібності, перш ніж задіяти модель машинного навчання.Item An Information-Extreme Algorithm for Universal Nuclear Feature-Driven Automated Classification of Breast Cancer Cells(Multidisciplinary Digital Publishing Institute, 2025) Савченко, Тарас Русланович; Savchenko, Taras Ruslanovych; Лахтарина, Руслана Юріївна; Lakhtaryna, Ruslana Yuriivna; Денисенко, Анастасія Петрівна; Denysenko, Anastasiia Petrivna; Довбиш, Анатолій Степанович; Dovbysh, Anatolii Stepanovych; Coupland, Sarah E.; Москаленко, Роман Андрійович; Moskalenko, Roman AndriiovychДіагностика раку молочної залози значною мірою спирається на гістопатологічну оцінку, яка схильна до суб'єктивності та неефективності, особливо при використанні зображень цілих зрізів (WSI). Це дослідження спрямоване на усунення цих обмежень шляхом розробки автоматизованого алгоритму класифікації клітин раку молочної залози, використовуючи інформаційно-екстремальний підхід машинного навчання та універсальні цитологічні ознаки. Метою є досягнення об'єктивної та узагальненої гістопатологічної діагностики. Методи: Оцифровані гістологічні зображення оброблялися для ідентифікації гіперхроматичних клітин. З окремих клітин було виділено 21 цитологічну ознаку (10 геометричних та 11 текстурних), обраних за їхній потенційний універсальний характер для різних видів раку. Ці ознаки потім використовувалися для класифікації клітин як нормальних або злоякісних за допомогою інформаційно-екстремального алгоритму. Цей алгоритм оптимізує інформаційний критерій у бінарному просторі Геммінга для досягнення надійного розпізнавання з мінімальною кількістю вхідних ознак. Архітектурна інновація полягає в застосуванні цього інформаційно-екстремального підходу до аналізу цитологічних ознак для класифікації ракових клітин. Результати: Функціональна ефективність алгоритму була оцінена на наборі даних зі 176 маркованих зображень клітин, що дало багатообіцяючі результати: точність 89%, прецизійність 85%, повнота 84% та F1-показник 88%. Ці метрики демонструють збалансовану та ефективну модель для автоматизованої класифікації клітин раку молочної залози. Висновки: Запропонований інформаційно-екстремальний алгоритм, що використовує універсальні цитологічні ознаки, пропонує потенційно об'єктивну та обчислювально ефективну альтернативу традиційним методам і може зменшити деякі обмеження глибокого навчання в гістопатологічному аналізі. Майбутня робота буде зосереджена на валідації алгоритму на більших наборах даних та дослідженні його застосовності до інших типів раку.Item Інформаційно-екстремальне ієрархічне навчання системи керування протезом кісті руки з неінвазивною системою зчитування біосигналів(Національний університет "Запорізька політехніка", 2020) Довбиш, Анатолій Степанович; Dovbysh, Anatolii Stepanovych; П'ятаченко, Владислав Юрійович; Piatachenko, Vladyslav Yuriiovych; Симоновський, Юлій Віталійович; Symonovskyi, Yulii Vitaliiovych; Шкуропат, О.А.Актуальність. Розв’язана актуальна задача інформаційного синтезу здатної навчатися системи керування протезом кісті руки з неінвазивною системою зчитування біосигналів. Мета роботи – підвищення функціональної ефективності системи керування протезом кісті руки з неінвазивною системою зчитування біосигналів на основі машинного навчання, що дозволяє при функціонуванні системи в робочому режимі розпізнавати з високою достовірністю і оперативністю когнітивні команди користувача протезу. Метод. У рамках інформаційно-екстремальної інтелектуальної технології (ІЕІ-технології) аналізу даних, яка базується на максимізації інформаційної спроможності системи розпізнавання в процесі машинного навчання, запропоновано метод інформаційного синтезу інтелектуальної системи керування протезом кісті руки з неінвазивною системою зчитування біосигналів. На відміну від існуючих методів інтелектуального аналізу даних метод інформаційно-екстремального машинного навчання розроблено в рамках функціонального підходу до моделювання когнітивних процесів, притаманних людині при формування та прийняття класифікаційних рішень. Такий підхід дозволяє наділити систему керування протезом властивостями адаптивності до довільних початкових умов формування когнітивних команд і перенавчання при розширенні словника ознак та алфавіту класів розпізнавання. Крім того, вирішальні правила, побудовані за отриманими в процесі машинного навчання геометричними параметрами гіперсферичних контейнерів класів розпізнавання є практично інваріантними до багато вимірності простору ознак розпізнавання. На основі запропонованої категорійної моделі розроблено алгоритм машинного навчання з оптимізацією ієрархічної структури даних. При цьому досліджено вплив на функціональну ефективність машинного навчання структур даних, побудованих у вигляді дихотомічного і декурсивного дерев. Як критерій оптимізації параметрів машинного навчання використовується модифікація інформаційної міри Кульбака, яка є функціоналом точнісних характеристик рішень, що приймаються. Результати. Побудовані в процесі ієрархічного інформаційно-екстремального машинного навчання вирішальні правила дозволяють розпізнавати в реальному темпі часу когнітивні команди з достатньо високою повною ймовірністю прийняття правильних класифікаційних рішень. За результатами фізичного моделювання доведено, що при використанні ієрархічної структури даних у вигляді декурсивного дерева функціональна ефективність машинного навчання збільшується у порівнянні із структурою даних у вигляді дихотомічного бінарного дерева. Висновки. Експериментально підтверджено достатньо високу функціональну ефективність запропонованого методу інформаційно-екстремального машинного навчання системи керування протезом кісті руки з неінвазивною системою зчитування біосигналів. Отримані наукові результати відкривають новий напрям створення інтелектуальних протезів руки з неінвазивною системою зчитування біосигналів на основі машинного навчання та розпізнавання образів.Item The innovative impact of generative artificial intelligence on digital business transformation(ВД «Гельветика», 2024) Завражний, Костянтин Юрійович; Zavrazhnyi, Kostiantyn Yuriiovych; Кулик, Анжеліка Костянтинівна; Kulyk, Anzhelika Kostiantynivna; Antunes de Abreu, O.Зростання конкуренції та динамічні зміни на ринку роблять впровадження інноваційних технологій не просто вибором, а й життєвою необхідністю для будь-якої компанії, що прагне до успішного розвитку. Генеративний штучний інтелект з його значним потенціалом для автоматизації, персоналізації та оптимізації бізнес-процесів стає одним із перспективних напрямків цифрової трансформації. Ця стаття присвячена дослідженню підходів та визначенню стратегій адаптації генеративного штучного інтелект до потреб цифрової трансформації бізнесу. Дослідження розглядає ключові аспекти розвитку штучного інтелекту, включаючи символічний штучний інтелект, машинне навчання, глибоке навчання та генеративний штучний інтелект, а також їх вплив на бізнес-процеси. Стаття визначає потенційні переваги та виклики, пов'язані з адаптацією генеративного штучного інтелекту до потреб сучасного бізнесу, зокрема у сферах маркетингу, продажів та аналізу даних. Застосування різних підходів та стратегій, таких як підказки, тонке налаштування та використання інтерактивних систем керівництва, може покращити ефективність та релевантність генеративного штучного інтелекту в бізнес-контексті, сприяючи досягненню оптимальних результатів у різних завданнях. Автори пропонують використання технології генеративного штучного інтелекту разом з Retrieval Augmented Generation з метою покращення якості та релевантності відповідей на запити користувачів та використання агентів або інструментів оркестровки для надання інструкцій моделям. Для успішного впровадження генеративного штучного інтелекту важливо чітко визначити цілі, підібрати відповідні інструменти та технології, а також забезпечити підтримку з боку керівництва та персоналу. Впровадження генеративного штучного інтелекту сприятиме збільшенню ефективності за рахунок автоматизації рутинних завдань, підвищенню конкурентоспроможності за рахунок персоналізації та інновацій, зростанню рентабельності за рахунок оптимізації витрат, розширенню можливостей для досліджень та розробок.Item An approach to managing innovation to protect financial sector against cybercrime(Czestochowa University of Technology, 2021) Кузьменко, Ольга Віталіївна; Кузьменко, Ольга Витальевна; Kuzmenko, Olha Vitaliivna; Kubálek, J.; Боженко, Вікторія Володимирівна; Боженко, Виктория Владимировна; Bozhenko, Viktoriia Volodymyrivna; Кушнерьов, Олександр Сергійович; Кушнерёв, Александр Сергеевич; Kushnerov, Oleksandr Serhiiovych; Vida, I.Ensuring the cybersecurity management is an ever-increasing challenge for the financial institutions and the national financial regulators. The main purpose of the research is to improve cybersecurity management through analyzing large data volumes of information which helps to identify potential cyber threats at an early stage. The factors of the rapid cybercrime growth via supervised learning models with associated learning (SVM) were identified and evaluated in the paper. The object of research is 21 EU countries. The paper presents the results of an empirical analysis, which showed that the cyber threats are caused by the growth of using online banking (0.49), improvement of internet user skills (0.42), expansion of activities online (0.41). The results of the research can be useful for financial institutions, national regulators and cybersecurity professionals.