Computer systems and information technologies https://csitjournal.khmnu.edu.ua/index.php/csit <div class="additional_content"> <p><strong><span class="VIiyi" lang="uk"><span class="JLqJ4b" data-language-for-alternatives="uk" data-language-to-translate-into="en" data-phrase-index="0">ISSN </span></span></strong><span class="VIiyi" lang="uk"><span class="JLqJ4b" data-language-for-alternatives="uk" data-language-to-translate-into="en" data-phrase-index="0">2710-0766<br /></span></span><span class="VIiyi" lang="uk"><span class="JLqJ4b" data-language-for-alternatives="uk" data-language-to-translate-into="en" data-phrase-index="0"><strong>ISSN</strong> 2710-0774 (online)<br /></span></span></p> <p><strong><span class="VIiyi" lang="uk"><span class="JLqJ4b" data-language-for-alternatives="uk" data-language-to-translate-into="en" data-phrase-index="0"> Публікується </span></span></strong><span class="VIiyi" lang="uk"><span class="JLqJ4b" data-language-for-alternatives="uk" data-language-to-translate-into="en" data-phrase-index="0">з 2020 року.</span></span></p> <p><strong><span class="VIiyi" lang="uk"><span class="JLqJ4b" data-language-for-alternatives="uk" data-language-to-translate-into="en" data-phrase-index="0">Видавництво: </span></span></strong><span class="VIiyi" lang="uk"><span class="JLqJ4b" data-language-for-alternatives="uk" data-language-to-translate-into="en" data-phrase-index="0">Хмельницький національний університет</span></span><span class="VIiyi" lang="uk"><span class="JLqJ4b" data-language-for-alternatives="uk" data-language-to-translate-into="en" data-phrase-index="0"> (Україна)<br /></span></span><strong><span class="VIiyi" lang="uk"><span class="JLqJ4b" data-language-for-alternatives="uk" data-language-to-translate-into="en" data-phrase-index="0">Періодичність:</span></span></strong><span class="VIiyi" lang="uk"><span class="JLqJ4b" data-language-for-alternatives="uk" data-language-to-translate-into="en" data-phrase-index="0"> 4 рази на рік<br /></span></span><strong><span class="VIiyi" lang="uk"><span class="JLqJ4b" data-language-for-alternatives="uk" data-language-to-translate-into="en" data-phrase-index="0"> Мови рукопису: </span></span></strong><span class="VIiyi" lang="uk"><span class="JLqJ4b" data-language-for-alternatives="uk" data-language-to-translate-into="en" data-phrase-index="0">англійська </span></span></p> <p><strong><span class="VIiyi" lang="uk"><span class="JLqJ4b" data-language-for-alternatives="uk" data-language-to-translate-into="en" data-phrase-index="0">Редактори: </span></span></strong><a href="http://ki.khnu.km.ua/team/govorushhenko-tetyana/"><span class="VIiyi" lang="uk"><span class="JLqJ4b" data-language-for-alternatives="uk" data-language-to-translate-into="en" data-phrase-index="0">Т.О. Говорущенко (Україна, Хмельницький),</span></span></a></p> <p><strong><span class="VIiyi" lang="uk"><span class="JLqJ4b" data-language-for-alternatives="uk" data-language-to-translate-into="en" data-phrase-index="0"> Свідоцтво про державну реєстрацію друкованого ЗМІ: </span></span></strong><span class="VIiyi" lang="uk"><span class="JLqJ4b" data-language-for-alternatives="uk" data-language-to-translate-into="en" data-phrase-index="0">Серія КВ № 24512-14452Р (20.07.2020).</span></span></p> <p><strong><span class="VIiyi" lang="uk"><span class="JLqJ4b" data-language-for-alternatives="uk" data-language-to-translate-into="en" data-phrase-index="0"> Реєстрація: </span></span></strong><span class="VIiyi" lang="uk"><span class="JLqJ4b" data-language-for-alternatives="uk" data-language-to-translate-into="en" data-phrase-index="0">категорія Б <br /></span></span></p> <p><strong><span class="VIiyi" lang="uk"><span class="JLqJ4b" data-language-for-alternatives="uk" data-language-to-translate-into="en" data-phrase-index="0">Умови ліцензії: </span></span></strong><span class="VIiyi" lang="uk"><span class="JLqJ4b" data-language-for-alternatives="uk" data-language-to-translate-into="en" data-phrase-index="0">автори зберігають авторські права та надають журналу право першої публікації разом з твором, який одночасно ліцензується за ліцензією <a href="http://creativecommons.org/licenses/by/4.0/">Creative Commons Attribution International CC-BY</a>, що дозволяє іншим ділитися роботою з підтвердженням авторства роботи та первинної публікації в цьому журналі</span></span><strong><span class="VIiyi" lang="uk"><span class="JLqJ4b" data-language-for-alternatives="uk" data-language-to-translate-into="en" data-phrase-index="0">. </span></span></strong></p> <p><strong><span class="VIiyi" lang="uk"><span class="JLqJ4b" data-language-for-alternatives="uk" data-language-to-translate-into="en" data-phrase-index="0">Заява про відкритий доступ: </span></span></strong><span class="VIiyi" lang="uk"><span class="JLqJ4b" data-language-for-alternatives="uk" data-language-to-translate-into="en" data-phrase-index="0">журнал "Комп'ютерні системи та інформаційні технології" забезпечує негайний відкритий доступ до свого змісту за принципом, що надання вільного доступу до досліджень для громадськості підтримує більший глобальний обмін знаннями. </span></span><span class="VIiyi" lang="uk"><span class="JLqJ4b" data-language-for-alternatives="uk" data-language-to-translate-into="en" data-phrase-index="0">Повнотекстовий доступ до наукових статей журналу представлений на офіційному веб-сайті в розділі Архіви.</span></span></p> <p><strong><span class="VIiyi" lang="uk"><span class="JLqJ4b" data-language-for-alternatives="uk" data-language-to-translate-into="en" data-phrase-index="0">Адреса: </span></span></strong><span class="VIiyi" lang="uk"><span class="JLqJ4b" data-language-for-alternatives="uk" data-language-to-translate-into="en" data-phrase-index="0">Міжнародний науковий журнал “Журнал комп’ютерних систем та інформаційних технологій”, Хмельницький національний університет, вул. 11, м. Хмельницький, 29016, </span></span><span class="VIiyi" lang="uk"><span class="JLqJ4b" data-language-for-alternatives="uk" data-language-to-translate-into="en" data-phrase-index="0">Україна</span></span><strong><span class="VIiyi" lang="uk"><span class="JLqJ4b" data-language-for-alternatives="uk" data-language-to-translate-into="en" data-phrase-index="0">.</span></span></strong></p> <p><strong><span class="VIiyi" lang="uk"><span class="JLqJ4b" data-language-for-alternatives="uk" data-language-to-translate-into="en" data-phrase-index="0"> Тел .: </span></span></strong><span class="VIiyi" lang="uk"><span class="JLqJ4b" data-language-for-alternatives="uk" data-language-to-translate-into="en" data-phrase-index="0">+380951122544. </span></span></p> <p><strong><span class="VIiyi" lang="uk"><span class="JLqJ4b" data-language-for-alternatives="uk" data-language-to-translate-into="en" data-phrase-index="0">Електронна адреса: </span></span></strong><span class="VIiyi" lang="uk"><span class="JLqJ4b" data-language-for-alternatives="uk" data-language-to-translate-into="en" data-phrase-index="0">csit.khnu@gmail.com.</span></span></p> <p><strong><span class="VIiyi" lang="uk"><span class="JLqJ4b" data-language-for-alternatives="uk" data-language-to-translate-into="en" data-phrase-index="0">Веб-сайт: </span></span></strong><span class="VIiyi" lang="uk"><span class="JLqJ4b" data-language-for-alternatives="uk" data-language-to-translate-into="en" data-phrase-index="0">http://csitjournal.khmnu.edu.ua.</span></span></p> </div> Khmelnytskyi National University uk-UA Computer systems and information technologies 2710-0766 АЛГОРИТМИ ОНОВЛЕННЯ ДАНИХ В СИСТЕМІ МАШИННОГО НАВЧАННЯ https://csitjournal.khmnu.edu.ua/index.php/csit/article/view/180 <p class="06AnnotationVKNUES"><em>У цій роботі було виконано аналіз методів для операціоналізації пошуку аномалій, виявлення дрифту даних та самого DataQC пайплайну як такого. Проаналізовані підходи до аналізу операціоналізації пайплайну та до операціоналізації виявлення дрифту даних. Виявлення аномалій допомагає нам оцінити чистоту і якість наших даних. Важливо, щоб у моделі не було аномальних викидів, оскільки вони заплутують модель. Також важливо мати послідовні дані без змін у розподілі ознак. Було запропоновано рішення з вибраними технологіями для операціоналізації DataQC пайплайну, визначено наступні кроки для подальшого дослідження. Запропоновано для побудови заданого DataQC пайплайну використати та обґрунтовати власне рішення для пошуку аномалій та виявлення дрифту даних через специфіку задачі, проблеми та відстуності готових рішень які б задовольняли наші вимоги. В роботі розглядаються етапи операціоналізація вищезгаданого пайплайну, який виконує етапи: фільтрування, пошуку аномалій, звітування, валідації, та порівняння нових даних з історичними, для існуючої у системі моделі машинного навчання. Описується складність задачі операціоналізації у реальному світі, яка полягає у постійному оновленні даних, необхідності їх опрацювання та подальшому застосуванні у системі машинного навчання. Також доводиться користь від пайплайну, який б автоматично опрацьовував нові дані. В роботі досліджується проблематика, яку слід розглядати як Time-Series проблему, то при формуванні інтерактивних звітів, перевірці даних на валідність, наявність та пошук викидів, аномалій. Це рішення дозволить нам візуалізувати всі кроки, які виконує конвеєр валідації даних, що дасть змогу іншим розробникам переглянути результат його роботи, не знаючи нюансів його реалізації та не витрачаючи зайвого часу. Також пропонована архітектура MLOps дозволяє відстежувати зміни трендів даних та гарантувати, що модель збереже свою прогностичну ефективність з часом.</em></p> Наталія Бойко Роман Ковальчук Авторське право (c) 2023 Computer systems and information technologies 2023-03-30 2023-03-30 1 6 13 10.31891/csit-2023-1-1 ШЛЯХИ ВИЗНАЧЕННЯ ДІАПАЗОНУ КЛЮЧОВИХ СЛІВ ЧАСТОТНОГО СЛОВНИКУ ДЛЯ КЛАСИФІКАЦІЇ ТЕКСТУ https://csitjournal.khmnu.edu.ua/index.php/csit/article/view/205 <p>Робота присвячена актуальній проблемі класифікації текстових документів колекції за характерними ознаками, що застосовується при класифікації новин, відгуків, визначенні емоційної тональності тексту, а також для формування каталогів наукових, академічних та дослідницьких робіт. У роботі запропоновано підхід для визначення значущих слів документу для подальшого їх використання у процесі класифікації в якості вектору ознак. В ході виконання роботи було визначено авторські ключові слова, побудовано частковий словник та проаналізована кореляція між авторськими ключовими словами та переліком впорядкованих слів частотного словнику на основі методу TF, до якого також входять авторські ключові слова. Визначення діапазону та відсотку значущих слів дозволяє виконувати подальшу класифікацію наукових та дослідницьких робіт при формуванні тематичних каталогів навіть у випадку відсутності переліку авторських ключових слів, які можна використовувати для класифікації. Результати показують, що використання усього вхідного діапазону слів частотного словнику є надлишковим та призводить, як наслідок, до більшого часу класифікації.</p> Олеся Барковська Дмитро Могилевський Юлія Іваненко Дмитро Росінський Авторське право (c) 2023 Computer systems and information technologies 2023-03-30 2023-03-30 1 14 20 10.31891/csit-2023-1-2 КОМП'ЮТЕРНА СИСТЕМА ОПОВІЩЕННЯ ПРО НАДЗВИЧАЙНІ СИТУАЦІЇ ЗА ДОПОМОГОЮ ТЕЛЕКОМУНІКАЦІЙНОГО ОБЛАДНАННЯ ЛОКАЛЬНОЇ МЕРЕЖІ ОРГАНІЗАЦІЇ https://csitjournal.khmnu.edu.ua/index.php/csit/article/view/200 <p><em>У разі надзвичайної ситуації необхідно вжити всіх необхідних заходів, щоб врятувати людей. Майже всі заклади мають відкриту мережу Wi-Fi для співробітників. На теперішній час у кожного з них є мобільний телефон. На основі телекомунікаційного обладнання корпоративної мережі та смартфонів у якості хостів такої мережі можливо побудувати систему оповіщення, яка працює цілодобово. Така системі також може бути доповнена існуючими системами пожежної сигналізації та охорони. </em></p> <p><em>Моделювання системи оповіщення полегшує вивчення поведінки об'єктів з метою покращення функціональності та зменшення вартості такої системи під час її створення, подальшого перетворення і розвитку. До того ж, в такій моделі системи має бути враховано не тільки інформування про загрози, але й дії, які громадяни мають виконати, щоб уникнути небезпеки та мінімізувати збитки на виробництві. У ході роботи також проведено аналіз існуючих моделей загроз кібербезпеці для систем оповіщення про надзвичайні ситуації. </em></p> <p><em>Комплексний підхід до моделювання всіх зазначених складових комп'ютерної системи оповіщення про надзвичайні ситуації за допомогою телекомунікаційного обладнання локальної мережі організації (ЛОМ) показав, що вимоги до системи оповіщення цивільного захисту наразі потребують модернізації. Тому у роботі розглянуті питання проєктування такої системи. Також розроблено розширену модель загроз кібербезпеці системі оповіщення через обладнання ЛОМ. Визначено ключові аспекти моделі загроз кібербезпеці. Представлено модель порушника такої системи оповіщення. Розширену модель загроз кібербезпеці було створено за допомогою Cyber Kill Chain.</em></p> <p><em>Використання моделювання для дослідження кожної зі структурних складових системи оповіщення визначається як доцільне, тому що реальний експеримент, особливо з відтворенням кіберінцидентів, проводити недоцільно через значні фінансові і трудові витрат, а також при необхідності проведення аналізу проектованої системи, яка ще фізично не існує в даній організації.</em></p> Сергій Божаткін Вікторія Гусєва-Божаткіна Тетяна Фаріонова Володимир Буренко Богдан Пасюк Авторське право (c) 2023 Computer systems and information technologies 2023-03-30 2023-03-30 1 21 28 10.31891/csit-2023-1-3 ОРГАНІЗАЦІЯ ЗМАГАНЬ З ВИКОРИСТАННЯМ МУЛЬТИАГЕНТНИХ ТЕХНОЛОГІЙ ТА МОДИФІКОВАНОГО МЕТОДУ БОРДА https://csitjournal.khmnu.edu.ua/index.php/csit/article/view/196 <p><em>Хакатони дозволяють зібрати на одному майданчику одночасно: найбільші промислові компанії країни, вендорів технологій зі стрімко мінливого середовища на ринках, молодих розробників (у тому числі студентів), інженерів з досвідом роботи в IT-сфері або у конкретно затребуваних технологіях.</em></p> <p><em>Проаналізовано поточний стан етапів організації хакатону для вдосконалення підходу до підвищення соціальної інтеграції учасників. Досліджено статистичні показники ймовірності появи вакансій протягом періоду після хакатону та плинності кадрів, надані спонсорами хакатонів за сферами діяльності.</em></p> <p><em>Розглянуто методи визначення переможця в різних системах конкурсного відбору. Особливу увагу приділено особливостям турнірних систем, які використовуються на чемпіонатах з кіберспорту. Детально розглянуто особливості застосування олімпійської системи організації ІТ-спортивних заходів, зважаючи на те, що кіберспорт неухильно наближається до того, щоб стати включеним у програму Олімпіади 2024. Пропонується система відбору переможців на основі модифікованого методу Борда, яка складається з двох або максимум трьох турів і не залежить від кількості учасників.</em></p> <p><em>У статті описано алгоритм моніторингу воронки продажів із кількома агентами (MASFM). Алгоритм MASFM дозволяє ефективно шукати спонсорство, оскільки він допомагає виявити близько 16–23 % нових спонсорів за статистикою за останні 2 роки. У програмній архітектурі платформи онлайн-хакатонів реалізовано реальний сценарій збільшення продуктивності в 15 разів, що не потребує серйозного рефакторингу та складних змін коду. Крім того, застосовані послідовні кроки можуть знизити вартість такої загальновживаної в онлайн-хакатонах інфраструктури, як Heroku.</em></p> <p><em>В результаті реалізована ефективна архітектура програмного забезпечення, що дозволяє зменшити максимальний час відповіді до 3 секунд, а продуктивність платформи онлайн-хакатону збільшити з 71 до 94 запитів на секунду. Подальше покращення функціональності платформи онлайн-хакатону можливо завдяки імплементації в розглянуту архітектуру мікросервісів.</em></p> Іван Бурлаченко Володимир Савінов Ірина Журавська Авторське право (c) 2023 Computer systems and information technologies 2023-03-30 2023-03-30 1 29 37 10.31891/csit-2023-1-4 АНАЛІЗ ІНСТРУМЕНТІВ ТЕСТУВАННЯ ПРОГРАМНОГО ЗАБЕЗПЕЧЕННЯ ВІДПОВІДНО ДО РІВНІВ ТЕСТУВАННЯ https://csitjournal.khmnu.edu.ua/index.php/csit/article/view/209 <p><em>Останнім часом програмне забезпечення (ПЗ) інтенсивно використовується майже в усіх галузях підприємництва. Тестування є невід'ємним процесом життєвого циклу програмного забезпечення, під час якого доводиться, власне, відповідність ПЗ заданим вимогам і потребам замовника, тим самим забезпечується якість ПЗ. В статті проведено аналіз інструментів для тестування ПЗ з узагальненням їх по рівнях тестування.</em></p> <p><em>Дослідження показало, що існує ряд досліджень, спрямованих на огляд і класифікацію інструментів тестування ПЗ. Коректний вибір інструментів для тестування ПЗ є одним із життєво важливих елементів для забезпечення якості усього проєкту. Проте більшість робіт у галузі тестування зосереджені на описі методів тестування без прямого підключення до інструментів, які базуються на цих методах.</em></p> <p><em>Підхід фахівця до тестування ПЗ вимагає додаткової інформації про доступні на даний момент інструменти тестування. Із зростаючою складністю програмних продуктів та коротшими циклами розробки стає очевидним, що ручне тестування не може забезпечити рівень якості, необхідний для ринку. Неправильний вибір інструментів тестування для проєкту призводить до неадекватних вимірювань якості або заміни інструментів під час проєкту. Як неправильний вибір, так і зміна інструментів тестування в процесі розробки впливають на якість програмного продукту і, як наслідок, на успіх проєкту в цілому. Класифікатори, які розглянуто у роботі, можна використовувати для відповідного вибору інструментів тестування ПЗ. З одного боку, це може бути корисним для орієнтації в широкому предметному полі тестування, скорочуючи час, необхідний спеціалістам для пошуку вірного рішення. З іншого боку, його можна використати як короткий вступ до галузі тестування, що швидко розвивається, і доступних інструментів тестування для тих, хто не є експертом у цій галузі. Проведена класифікація може бути застосована для тестування різноманітних програмних проєктів, залежно від виду ПЗ та методології розробки.</em></p> Ірина Засорнова Тетяна Говорущенко Олег Войчур Авторське право (c) 2023 Computer systems and information technologies 2023-03-30 2023-03-30 1 38 46 10.31891/csit-2023-1-5 English ПОКРАЩЕННЯ ЯКОСТІ ПОШУКУ СПАМУ В КОМЕНТАРЯХ ЗА ДОМОГОГОЮ АНАЛІЗУ ТОНАЛЬНОСТІ З ВИКОРИСТАННЯМ МАШИННОГО НАВЧАННЯ https://csitjournal.khmnu.edu.ua/index.php/csit/article/view/206 <p>&nbsp;</p> <p><em>У наш час люди все більше і більше проводять часу в Інтернеті та відвідують різноманітні сайти. Багато з цих сайтів мають коментарі, що допомагають людям приймати рішення. Так, багато відвідувачів інтернет-магазину дивиться на відгуки до товару перед покупкою, а користувачі відеохостингів часто орієнтуються на коментарі перед переглядом. Проте не всі коментарі однаково корисні, досить часто можна зустріти спам-коментарі які не несуть жодної корисної інформації. Особливо сильно зросла кількість спам-коментарі під час повномасштабного вторгнення, коли ворог за допомогою ботів намагається посіяти паніку та заспамити Інтернет простір. Часто такі коментарі відрізняються за емоційним забарвленням від звичайних, тому існує сенс використовувати аналіз тональності для їх виявлення. Метою дослідження є покращення якості пошуку спаму за допомогою визначення тональності коментарів з використанням машинного навчання. В результаті було обрано LSTM нейромережу та датасет для її навчання та перевірки. Було описано три метрики для оцінки якості нейромережі, а датасет було проаналізовано та розбито та навчальну, валідаційну та тестову вибірки. Навчання нейромережі відбувалося на платформу </em><em>Google</em> <em>Colab</em><em> з використанням GPU. У результаті нейромережа змогла оцінювати тональність коментаря по шкалі від 1 до 5, де чим вище оцінка – тим більш емоційно-позитивний відгук і навпаки. Після навчання нейромережа досягла точності у 76.3% на тестовому датасеті, а серденя квадратична помилка становила 0.6478, що позначає що нейромережа помиляється менше ніж на один клас.</em> <em>При використанні алгоритму наївного байєсівського класифікатора без аналізу тональності, точність склала 88.3%, тоді як з параметром тональності тексту точність зросла до 93.1%. При використанні алгоритму випадкового лісу без аналізу тональності, точність склала 90.8%, тоді як з параметром тональності тексту точність зросла до 95.7%. В результаті що додавання параметру тональності підвищило точність для обох моделей. Значення приросту точності становить 4.8% для наївного байєсівського класифікатора та 4.9% для випадкового лісу.</em></p> Олександр Єрмолаєв Інесса Кулаковська Авторське право (c) 2023 Computer systems and information technologies 2023-03-30 2023-03-30 1 47 52 10.31891/csit-2023-1-6 НОВА ІНФОРМАЦІЙНА СИСТЕМА ДЛЯ КЛАСИФІКАЦІЇ СТАНУ ДОРОЖНЬОГО ПОКРИТНЯ ЗА ДОПОМОГОЮ МЕТОДІВ МАШИННОГО НАВЧАННЯ ТА ПАРАЛЕЛЬНИХ ОБЧИСЛЕНЬ https://csitjournal.khmnu.edu.ua/index.php/csit/article/view/215 <p class="06AnnotationVKNUES"><em>Аналіз стану дорожнього покриття при класичному підході розпізнавання особливостей із використання зображень потребує великої кількості даних з попередньо підготовленим описом та обчислювальних потужностей. Враховуючи сучасні потреби своєчасного контролю якості покриття дорожніх шляхів, аналіз можливо спростити з використанням показників записаних у табличному виглядів та методів машинного навчання, які у сукупності повинні показати задовільну точність результатів. У роботі було обґрунтовано доцільність розробки та дослідження інформаційної системи класифікації стану дорожнього покриття, а також визначено як ключовий напрямок оптимізацію аналогічних підходів та покращення отриманих результатів шляхом використання більшої кількості ознак, зокрема врахування не лише швидкісних показників в момент руху автомобіля, але й показників роботи двигуна внутрішнього згоряння, яке напряму пов’язана з можливістю здійснювати рух. У результаті розроблено інформаційної системи, що класифікує стан дорожнього покриття за ознаками отриманими з різного виду датчиків та записаних у табличному вигляді. Використано методи машинного навчання такі як Випадковий Ліс, Дерево Рішень, Метод опорних векторів та бібліотеку AutoML, яка дозволила провести порівняння точності результатів з використанням великого набору методів штучного інтелекту. Найкращі результати вдалось отримати за допомогою ансамблевого методу машинного навчання Rendom Forest. Проведено аналіз роботи класифікатора при різних параметрах та виконано пошук найкращих гіперпараметрів. При цьому вдалось досягти точності класифікації стану дорожнього покриття рівній 91.9&nbsp;%. Для можливості прискорення отримання рішення було застосовано паралельні обчислення при тренуванні моделі. В результаті отримано показник прискорення у 5 разів з використанням CPU та у 51 раз з використанням GPU.</em></p> Леся Мочурад Андрій Ільків Олександр Кравченко Авторське право (c) 2023 Computer systems and information technologies 2023-03-30 2023-03-30 1 53 61 10.31891/csit-2023-1-7 АНАЛІЗ ПРОТОКОЛІВ КВАНТОВОГО ПРЯМОГО БЕЗПЕЧНОГО ЗВ’ЯЗКУ https://csitjournal.khmnu.edu.ua/index.php/csit/article/view/201 <p class="06AnnotationVKNUES"><em>Розвиток сучасних обчислювальних технологій ставить під загрозу конфіденційність інформації, що майже завжди забезпечується традиційними криптографічними засобами. Ця обставина змушує шукати нові методи захисту. З огляду на сучасні тенденції, такими альтернативами можуть стати методи квантової криптографії, що дозволяють вирішити немало складних завдань, які неможливо виконати за неквантового обміну інформацією. Квантова криптографія - розділ квантової інформатики, що вивчає методи захисту інформації за допомогою квантових носіїв. Можливість такого захисту забезпечується фундаментальними законами квантової механіки. Одним з перспективних напрямків квантової криптографії є квантовий захищений прямий зв'язок (Quantum Secure Direct Communication, QSDC), який забезпечує безпечний зв'язок без спільного ключа. Характерною особливістю цього методу є відсутність криптографічних перетворень, відповідно, відсутня проблема розподілу ключів. Метою даної роботи є загальний огляд протоколів квантової криптографії, пошук їх слабких місць для подальшого розвитку та вдосконалення, а також виявлення вразливостей до різних атак.</em></p> <p class="06AnnotationVKNUES"><em>У статті проведено аналіз нових методів та протоколів, а також представлено їх переваги та недоліки. На основі часткових узагальнень теоретичних положень та практичних досягнень у галузі квантової криптографії було розроблено узагальнену класифікацію. Порівнюючи різні фактори протоколів та їх стійкість до певних кібератак, ми маємо можливість виявити ряд проблем у цій галузі та розширити можливості вибору відповідних методів для побудови сучасних систем квантового захисту інформації. У відповідності до цього, представлено висновки щодо використання протоколів та підвищення рівня їх ефективності.</em></p> Тетяна Охріменко Сергій Дорожинський Богдан Горбаха Авторське право (c) 2023 Computer systems and information technologies 2023-03-30 2023-03-30 1 62 67 10.31891/csit-2023-1-8 ІНФОРМАЦІЙНА ТЕХНОЛОГІЯ ДЛЯ ВІЗУАЛІЗАЦІЇ 3D-МОДЕЛЕЙ ОБ’ЄКТІВ У ДОПОВНЕНІЙ РЕАЛЬНОСТІ https://csitjournal.khmnu.edu.ua/index.php/csit/article/view/203 <p><em>На сучасному етапі розвитку інформаційних технологій доповнена реальність становить інтерес як з боку науки, так і з боку бізнесу, адже є передовим та новітнім інструментом для впровадження нового досвіду користувача. Наразі вже є багато розроблених застосунків із використанням доповненої реальності для комерційної, освітньої, медичної та інших сфер застосування. Доповнена реальність сьогодні є однією з перспективних технологій, яка відома своїм застосуванням у рекламі та ігровій індустрії. Через поєднання 3D моделювання та доповненої реальності стало можливо створити новий зручний застосунок для відтворення тривимірних моделей у доданій реальності у режимі реального часу та в реальному розмірі. Тема досліджень у сфері доповненої реальності наразі є актуальною як для науки, так і для бізнес-індустрії.</em></p> <p><em>У роботі запропоновано багатофункціональну інформаційну систему для візуалізації тривимірних моделей у доповненій реальності, яка реалізована у вигляді кросплатформного мобільного додатку. Запропонована інформаційна система використовує камеру пристрою як засіб візуалізації об'єкта та забезпечує швидке відтворення обраної з бази даних додатку моделі в доповненій реальності в реальному розмірі та в режимі реального часу.</em></p> <p><em>Розроблений додаток працює досить добре, має зручний та інтуїтивно зрозумілий інтерфейс і дозволяє користувачеві додавати власні моделі, що робить цей інструмент багатоцільовим. Також було створено тестові 3D моделі для проведення експериментім для перевірки роботи пропонованої інформаційної системи.</em></p> <p><em>Подальші зусилля авторів будуть спрямовані на вдосконалення існуючих алгоритмів для розширення поточної функціональності запропонованого інструменту для візуалізації 3D моделей об'єктів у доповненій реальності та застосування розробленого інструменту для реальних потреб, таких як оцифрування та візуалізація музейних експонатів та археологічних артефактів Хмельницької області.</em></p> Ольга Павлова Андрій Башта Микола Ковтонюк Авторське право (c) 2023 Computer systems and information technologies 2023-03-30 2023-03-30 1 68 74 10.31891/csit-2023-1-9 ПРОГНОЗУВАННЯ ВАЛЮТНОГО КУРСУ УКРАЇНСЬКОЇ ГРИВНІ З ВИКОРИСТАННЯМ МЕТОДІВ МАШИННОГО НАВЧАННЯ https://csitjournal.khmnu.edu.ua/index.php/csit/article/view/207 <p><em>У даній статті описано поняття валютного курсу та типологію різноманітних чинників впливу на нього. Побудовано багатофакторну регресійну модель для дослідження впливу факторів на курс української гривні та спрогнозовано динаміку цього курсу на основі досліджуваних факторів. </em></p> <p><em>Метою даної роботи є дослідження особливостей формування валютного курсу української гривні, характеристика впливу різноманітних зовнішніх факторів на цей курс та створення за допомогою Data Science технологій ефективної моделі прогнозування курсу української національної валюти, яка ґрунтується на певній кількості фундаментальних фінансово-економічних факторів впливу на цей курс.</em></p> <p><em>Для побудови моделі обрано макроекономічні показники, які теоретично мають вплив на динаміку валютного курсу. Для статистичного аналізу та подальшого моделювання зібрано дані про валютний курс української гривні до долара США та економічні показники для обраних факторних ознак за період з 2010 по вересень 2022 рр. В ході реалізації поставленого завдання проведено обробку, зведення до єдиної форми та нормалізацію зібраних даних. Для безпосереднього моделювання використано методи машинного навчання для задачі регресії, а саме метод градієнтного бустингу (XGBoost). В результаті отримано ретроспективний прогноз курсу української гривні, базований на факторних змінних і розраховано оцінку впливу кожної вибраної ознаки на валютний курс. </em></p> <p><em>Наукова новизна даної роботи полягає у застосуванні сучасних методів та технологій машинного навчання для аналізу, моделювання та прогнозування курсу української національної валюти.</em></p> <p><em>Практична значимість цієї статті полягає у можливості використання запропонованих у ній підходів до прогнозування валютного курсу української гривні з застосуванням методів машинного навчання всіма зацікавленими сторонами, зокрема фінансовими установами України, задля досягнення стабільності національної грошової одиниці, що у свою чергу вплине на розвиток національної економіки у цілому та добробут населення держави.</em></p> Василь Приймак Богдан Бартків Ольга Голубник Авторське право (c) 2023 Computer systems and information technologies 2023-03-30 2023-03-30 1 75 83 10.31891/csit-2023-1-10 БУСТИНГОВІ МЕТОДИ МАШИННОГО НАВЧАННЯ ДЛЯ ПРОГНОЗУВАННЯ УСПІШНОСТІ ВСТУПУ АБІТУРІЄНТІВ ЗВО УКРАЇНИ https://csitjournal.khmnu.edu.ua/index.php/csit/article/view/202 <p><em>Існує постійна та зростаюча потреба закладів вищої освіти (ЗВО) у забезпеченні належного та якісного супроводу вступної кампанії за допомогою інформаційних систем та технологій. Тенденції на ринку праці, ненадійність і неякісність джерел), велика кількість правил прийому можуть ускладнити процес вступу абітурієнта. Як наслідок, є ризик того, що абітурієнт не зможе зробити правильний вибір та якісно оцінити шанси на вступ. Тож, у даній роботі розглядається завдання підвищення шансів абітурієнта прийняти ефективне рішення на етапі вибору освітньої програми. Ефективність таких систем значною мірою базується на точності їх інтелектуальних компонентів. У &nbsp;цій статті досліджується ефективність бустингових методів машинного навчання&nbsp; для вирішення проблеми прогнозування вступу за допомогою завдань бінарної класифікації. Ми оцінюємо такі точність роботи таких методів машинного навчання, як Gradient Boosting, Adaptive Boosting (AdaBoost) і eXtreme Gradient Boosting (XGBoost). Для більш детальної оцінки досліджуваних методів також представлено порівняння з методом опорних векторнів і логістичною регресією. Моделювання проводилось за допомогою програмного забезпечення «Orange». Роботу досліджуваних методиів було змодельовано на основі вибірки архівних даних, яка склала 9657 записів даних абітурієнтів денної форми навчання двох навчально-наукових інститутів Національного університету «Львівська політехніка». Вибірку випадковим чином було розподілено на навчальну та тестову вибірки у співвідношенні 80% до 20%. Для забезпечення достовірності отриманого результату роботу кожного з досліджуваних методів піддавали 10-кратній крос-валідації. Для аналізу результатів використано такі показники точності як </em><em>Classification</em> <em>accuracy</em><em> (</em><em>AUC</em><em>), </em><em>Precision</em><em>, </em><em>Recall</em><em>, </em><em>F</em><em>1 </em><em>score</em><em>. Експериментально встановлено, що найвища точність досягається при використанні XGBoost. Отримані результати досить точні. Це дає можливість використовувати досліджувані методи на наступних етапах побудови інформаційної системи підтримки прийняття рішень абітурієнтами.</em></p> Христина Зуб Павло Жежнич Авторське право (c) 2023 Computer systems and information technologies 2023-03-30 2023-03-30 1 84 90 10.31891/csit-2023-1-11 МЕТОД СИНХРОНІЗАЦІЇ ВІДЕОПОТОКІВ В РЕЖИМІ РЕАЛЬНОГО ЧАСУ В РОБОЧОМУ СЕРЕДОВИЩІ ЯБЛУНЕВОГО САДУ https://csitjournal.khmnu.edu.ua/index.php/csit/article/view/224 <p class="MyAbstractUkr"><em>Моніторинг та аналіз стану врожайності в яблуневому саду є важливими для здійснення ефективного садівництва. Безпілотні літальні апарати (БПЛА) усе частіше використовуються для цієї мети завдяки їхній здатності знімати зображення та відео високої роздільної здатності саду з різних ракурсів. Однак синхронізація відеопотоків із кількох БПЛА в реальному часі може спричиняти низку технічних проблем. Так, традиційна архітектура управління групою БПЛА під назвою «контролер-працівник», яка використовується для синхронізації відеопотоку, схильна до проблем із затримкою, що може негативно вплинути на точність системи моніторингу. Тому, для вирішення подібної проблеми, у цій роботі пропонується децентралізований метод із використанням консенсусного алгоритму, який дає змогу групі БПЛА синхронізувати свої відеопотоки в режимі реального часу без огляду на централізований пристрій керування. Запропонований метод також вирішує проблеми обмеженого підключення до мережі та враховує негативний вплив чинників навколишнього середовища, таких як пориви вітру та високу хмарність. Розроблена автоматизована система, що ґрунтується на запропонованому методі, може працювати в середовищах із низьким рівнем підключення та справлятися з проблемами, пов’язаними із чинниками робочого середовища фруктового саду. У результаті проведення експериментальних досліджень над автоматизованою системою встановлено, що запропонований підхід забезпечує синхронізацію відеопотоку в реальному часі з мінімальною затримкою та високою точністю. Зокрема, оцінка синхронізації відеопотоків за індексом SSIM коливається від 0,79 до 0,92 із середнім значенням 0,87, а за індексом PSNR – від 22 до 39, що свідчить про високу ефективність роботи розробленої системи з відеопотоками та високою якістю отриманої інформації з комбінованих зображень. Заразом було доведено ефективність розробленої системи із запропонованим підходом, що підтверджується високим середнім значенням 82,69 % показника достовірності виявлення яблук та низьким середнім рівнем похибок І (14,67 %) та II (18,33 %) роду. Загалом запропонований метод забезпечує більш надійний та ефективний підхід до синхронізації відеопотоку в реальному часі в яблуневому саду, що може значно покращити моніторинг та управління яблуневими садами.</em></p> Олександр Мельниченко Авторське право (c) 2023 Computer systems and information technologies 2023-03-30 2023-03-30 1 91 97 10.31891/csit-2023-1-12