Кваліфікаційні роботи магістрів (Маг_ЕОМ)
Постійний URI для цієї колекції
Перегляд
Останні подання
Публікація Методи автоматизації тестування та верифікації системного програмного забезпечення(2025) Василенко, Д. В.Метою даної кваліфікаційної роботи є розробка та вдосконалення методів автоматизації тестування і верифікації системного програмного забезпечення з використанням сучасних інструментів і практик програмної інженерії. Об'єктом дослідження є процес тестування та верифікації системного програмного забезпечення. Предметом дослідження є методи автоматизації, інструменти та підходи до підвищення ефективності тестування та верифікації СПЗ. Наукова новизна роботи полягає у: формулюванні вдосконаленої моделі автоматизованої верифікації системного ПЗ з інтеграцією формальних методів у CI/CD-процеси; поєднанні різнорівневих методів аналізу (статичного, динамічного та формального) в єдиному фреймворку; проведенні комплексного порівняльного аналізу інструментів, орієнтованого саме на компоненти СПЗ. Практична значущість дослідження полягає в можливості: застосування результатів для автоматизованої перевірки драйверів, модулів ядра, системних служб; підвищення якості, надійності та безпеки ПЗ на ранніх етапах розробки; адаптації розроблених методів до реальних CI/CD процесів у промисловому середовищі.Публікація Модель виявлення аномалій в мікросервісних інфраструктурах на основі методу головних компонент(2025) Гудзинський, І. В.Метою кваліфікаційної роботи є розробка моделі виявлення аномалій у мікросервісних інфраструктурах на основі методу головних компонент, зокрема – робастного методу RPCA (Robust Principal Component Analysis), для покращення надійності та безпеки розподілених систем. У ході виконання кваліфікаційної роботи проаналізовано особливості архітектури мікросервісних систем та проблематику виявлення аномалій у високовимірних даних. Застосовано метод RPCA, що дозволяє розкласти дані на низькорівневу частину (нормальні патерни) та розріджену частину (аномалії), забезпечуючи виявлення відхилень без потреби в попередньому маркуванні. Реалізовано прототип моделі та проведено експериментальну перевірку на тестових даних, що моделюють типові навантаження та збої у мікросервісному середовищі. Результати підтвердили ефективність RPCA у виявленні як одиничних, так і комплексних аномалій, що можуть впливати на працездатність мікросервісів.Публікація Модель мультиагентної системи виявлення вторгнень(2025) Дубихвіст, В. В.Метою кваліфікаційної роботи є розробка моделі мультиагентної системи виявлення вторгнень. У ході виконання кваліфікаційної роботи проведено аналіз функціонування систем виявлення вторгнень. Запропоновано модель мультиагентної системи виявлення вторгнень та розроблено модулі запропонованої системи. Проведено тестування створеної системи з використанням набору даних NSL-KDD.Публікація Виявлення аномалій у мережевому трафіку SCADA(2025) Іванченко, Д. І.Метою кваліфікаційної роботи є розробка методу виявлення аномалій у мережевому трафіку SCADA-систем з метою підвищення рівня кібербезпеки об'єктів критичної інфраструктури. У ході виконання кваліфікаційної роботи було проаналізовано архітектуру та принципи функціонування SCADA-систем, досліджено типи можливих атак на мережеву інфраструктуру SCADA, а також проведено огляд сучасних підходів до виявлення аномалій у трафіку. В якості основи для побудови системи виявлення були використані методи машинного навчання, зокрема алгоритми неконтрольованого навчання. Було реалізовано процес збору, попередньої обробки та аналізу трафіку, з використанням реальних або симульованих даних. Проведено експериментальну перевірку ефективності моделей для класифікації аномалій, оцінено якість за допомогою метрик (precision, recall, F1-score, AUC). Робота демонструє, що застосування алгоритмів машинного навчання дозволяє своєчасно виявляти потенційно небезпечну активність у SCADA-системах.Публікація Метод оптимального розташування віртуальних об'єктів у системах комп'ютерного зору(2025) Кириленко, Д. В.Мета кваліфікаційної роботи полягає у розробці методу оптимального розташування віртуальних об'єктів у системах комп'ютерного зору. Об'єктом дослідження є процес розстановки віртуальних об'єктів у фізичному просторі, який обмежений у розмірах. Предметом дослідження є моделі та алгоритми оптимального розташування об'єктів доповненої реальності у фізичному просторі кінцевих розмірів. У ході виконання кваліфікаційної роботи було проведено аналіз сучасного стану розвитку технології доповненої реальності. Визначені підходи до оптимального розташування об'єкта доповненої реальності та критерій оптимальної перцептивної відстані розміщення об'єкта, з урахуванням яких формується цільова функція і розробляється метод її оптимізації. Удосконалений та досліджений метод оптимального розташування віртуальних об'єктів у системах комп'ютерного зору.Публікація Методи вирішення задачі прямокутного гільйотинного розкрою листового матеріалу(2025) Кононенко, А. І.Метою кваліфікаційної роботи є дослідження евристичних та метаевристичних алгоритмів при вирішенні задач гільйотинного розкрою. У ході виконання кваліфікаційної роботи був проведений аналіз предметної області, існуючих рішень, їх переваг та недоліків. Було розроблено та досліджено методи для вирішення задачі гільйотинного розкрою на основі генетичного, мурашиного та жадібного алгоритму, а також на основі методу симуляції відпалу. Проведено дослідження впливу основних параметрів метаевристичних алгоритмів, таких як кількість ітерацій та кількість мурах у мурашиному алгоритмі, розмір популяції та різні типи кроссоверів у генетичному алгоритмі. Також у ході виконання роботи розроблено тестове програмне забезпечення з графічним інтерфейсом користувача, яке виконує гільйотинний розкрій листового матеріалу на заданих користувачем вхідних даних за допомогою обраних алгоритмів.Публікація Моделі та методи управління трафіком в корпоративній комп'ютерній мережі(2025) Коробєйніков, М. Б.Метою кваліфікаційної роботи є дослідження існуючих методів та моделей управління трафіком у корпоративних мережах, а також розробка та практична реалізація адаптивного методу управління трафіком у корпоративній мережі з використанням машинного прогнозування навантаження для забезпечення ефективного розподілу мережевих ресурсів, підвищення якості обслуговування та стійкості до перевантажень у динамічних умовах функціонування інформаційної інфраструктури. У ході виконання кваліфікаційної роботи обґрунтовано актуальність проблеми, проаналізовано класифікацію існуючих методів управління трафіком, здійснено їх порівняльний аналіз за критеріями точності, адаптивності, ресурсоємності та придатності до масштабування. Особливу увагу зосереджено на побудові та впровадженні адаптивно-пріоритетного методу управління трафіком, що поєднує принципи пріоритетного обслуговування з машинним прогнозуванням навантаження. Метод реалізовано в середовищі Google Colaboratory з використанням бібліотек Python. Проведено генерацію синтетичних типів трафіку, побудовано прогнозну модель із використанням алгоритмів машинного навчання (лінійна регресія, дерево рішень, випадковий ліс), виконано аналіз точності та ефективності прийняття рішень щодо обслуговування різних класів даних.Публікація Моделі та методи прогнозування трафіку в корпоративній мережі(2025) Коробєйніков, О. Б.Метою кваліфікаційної роботи є розробка та апробація формальних моделей прогнозування трафіку, які дозволяють моделювати динамічні процеси в мережі з урахуванням їхньої паралельної, розподіленої та стохастичної природи. Для досягнення поставленої мети в роботі виконано аналіз існуючих підходів до прогнозування трафіку, виявлено їхні сильні та слабкі сторони, а також досліджено можливості використання мереж Петрі як інструменту структурного і поведінкового моделювання мережевих процесів. У ході виконання кваліфікаційної роботи розроблено кілька варіантів мереж Петрі, у тому числі кольорові та розширені, які відображають маршрутизацію, балансування навантаження, фільтрацію запитів і взаємодію з підсистемами моніторингу та логування. Реалізовано симуляційне середовище з візуалізацією потоків, побудоване за допомогою Python та бібліотеки graphviz. Для прогнозування використано як класичні методи (лінійна регресія, ковзне середнє), так і інтелектуальні моделі – зокрема штучні нейронні мережі типу MLP. Проведено порівняльний аналіз точності моделей на прикладах трьох типів трафіку: нормального, пікового та шумового.Публікація Метод виявлення аномалій у мобільній мережі передачі даних(2025) Коротецький, О. О.Метою кваліфікаційної роботи є розробка ефективного методу виявлення аномалій у мобільній мережі передачі даних з використанням сучасних підходів машинного навчання, зокрема напівкерованих автоенкодерів. У ході виконання кваліфікаційної роботи було здійснено попередню обробку даних мобільної мережі, зокрема очищення від аномалій та нормалізацію. Для побудови моделі використовувався набір даних без аномалій, розподілений на тренувальний, валідаційний та тестовий піднабори. На основі напівкерованого автоенкодера було створено модель, здатну виявляти відхилення у поведінці мережі за допомогою оцінки середньоквадратичної помилки. Після кількох епох тренування модель досягла стабільних показників точності. Проведено аналіз важливості змінних, що дало змогу визначити найбільш інформативні параметри – зокрема, змінні, пов'язані з часом доби, виявились важливішими за лічильники. Результати показали, що автоенкодер здатен ефективно виявляти нетипову активність у мобільній мережі, що може бути використано для підвищення її безпеки та якості обслуговування.Публікація Модель багатовимірного аналізу даних для прийняття управлінських рішень(2025) Костін, К. Д.Метою кваліфікаційної роботи є розробка моделі багатовимірного аналізу даних, що підтримує прийняття обґрунтованих управлінських рішень. Для досягнення цієї мети розглянуто теоретичні основи управлінських рішень та OLAP-аналітики. У ході виконання кваліфікаційної роботи наведено сценарії практичного застосування моделі багатовимірного аналізу в маркетингу: зокрема, для виявлення аномалій і потенційного шахрайства, аналізу результативності рекламних кампаній та стратегічного планування бюджетів. Детально описано технічні аспекти реалізації: інтеграцію даних (ETL-процеси), вибір архітектури OLAP-системи та BI-інструментів, побудову звітів і панелей моніторингу. Разом з тим вказано на перспективу подальшого розвитку.Публікація Метод розпізнавання жестів для інтерактивного керування комп'ютером з урахуванням контекстної адаптації(2025) Білоусов, І. А.Метою кваліфікаційної роботи є розробка та експериментальна перевірка контекстно-адаптивного методу розпізнавання жестів для інтерактивного керування комп'ютером на основі відеопотоку з вебкамери. Проаналізовано сучасні галузі застосування жестового керування, наведено класифікацію жестів і виконано порівняння наявних алгоритмів розпізнавання (класичних та глибинних). Сформульовано постановку задачі. Обґрунтовано вибір технологій комп'ютерного зору, моделей глибинного навчання, а також API WinAPI/Xlib для визначення активного вікна. Запропоновано архітектуру системи, реалізовано програмні модулі на Python. Розроблено JSON-базу правил «жест → дія» з можливістю оновлення. У ході виконання кваліфікаційної роботи реалізовано застосунок, який дозволяє призначати різні функції одним і тим самим жестам залежно від активного програмного контексту, забезпечуючи інтуїтивне та гнучке керування комп'ютером без додаткового апаратного забезпечення.Публікація Методи коригування нелінійності функції перетворення засобів вимірювань за допомогою штучних нейронних мереж(2025) Авакін, С. М.Метою кваліфікаційної роботи є розробка та дослідження властивостей адаптивної системи коригування нелінійності функції перетворення засобів вимірювань на базі штучної нейронної мережі. У ході виконання кваліфікаційної роботи розглянуто загальну характеристику та властивості штучних нейронних мереж, їх класифікацію та області застосування, архітектуру та методи навчання багатошарового персептрона та радіально-базисної нейромережі. Розглянуто методи апроксимації нелінійних функцій перетворення засобів вимірювань. Запропоновано узагальнену структуру адаптивної системи коригування нелінійності функції перетворення засобу вимірювання за допомогою штучних нейронних мереж, а саме багатошарового персептрона та радіально-базисної нейромережі. Для вивчення властивостей запропонованих нейромережевих систем коригування функції перетворення засобів вимірювань застосовувалось комп'ютерне моделювання в середовищі MATLAB з використанням бібліотеки Neural Network Toolbox. У процесі моделювання досліджувався вплив виду нелінійності на якість коригування функції перетворення.Публікація Метод виявлення аномалій у журналах API для забезпечення безпеки та надійності програмних систем(2025) Авдєєв, О. С.Метою кваліфікаційної роботи є розробка ефективного підходу до виявлення аномальної активності в журналах API-запитів з використанням методів неконтрольованого машинного навчання для підвищення рівня захищеності програмних систем. У ході виконання кваліфікаційної роботи було проаналізовано типові загрози, пов'язані з API, а також вивчено можливості застосування алгоритмів кластеризації та виявлення аномалій (K-means, GMM, Isolation Forest, OCSVM) у контексті HTTP-журналів. У якості експериментальної бази використано датасет CSIC HTTP 2010, який було попередньо оброблено з урахуванням специфіки логів API. Було проведено налаштування моделей, оптимізовано гіперпараметри та оцінено якість класифікації за допомогою метрик Precision, Recall, F1-score, AUC. Результати показали, що моделі GMM та Isolation Forest демонструють найкращу ефективність у виявленні аномалій. Отримані результати можуть бути використані для впровадження систем моніторингу безпеки API в реальному часі без потреби у розмічених даних.Публікація Метод виявлення БПЛА за допомогою акустичних сигналів(2025) Алейник, Д. С.Метою кваліфікаційної роботи є розробка системи виявлення безпілотних літальних апаратів (БПЛА) на основі аналізу їхніх акустичних сигналів із використанням методів глибинного навчання. У ході виконання кваліфікаційної роботи було проведено дослідження акустичних характеристик звуків дронів з навантаженням та без нього, зібрано та оброблено відповідний аудіодатасет, а також реалізовано фільтраційний модуль для підготовки даних тривалістю одна секунда, що забезпечує роботу системи в режимі реального часу. Основну увагу приділено порівнянню ефективності різних типів рекурентних нейронних мереж (SimpleRNN, LSTM, BiLSTM, GRU), а також згорткової нейронної мережі (CNN). Моделі навчалися з поділом даних на тренувальну та валідаційну вибірки, а також були протестовані на незалежних тестових даних. Результати експериментів показали, що рекурентні архітектури LSTM та BiLSTM забезпечують найвищу точність класифікації у завданнях розпізнавання акустичних сигналів БПЛА. Розроблена система демонструє високу ефективність у виявленні дронів у режимі реального часу та може бути використана для охорони об'єктів, моніторингу повітряного простору та в інших прикладних задачах безпеки.Публікація Метод виявлення шкідливого трафіка в комп'ютерній мережі(2025) Наумова, О. В.Метою кваліфікаційної роботи є розробка та практична реалізація методу виявлення шкідливого трафіка в комп'ютерній мережі з використанням алгоритму градієнтного бустингу, що забезпечує підвищену точність класифікації мережевих пакетів на основі аналізу їх ознак у реальному або наближеному до реального середовищі. У ході виконання кваліфікаційної роботи проведено аналіз існуючих підходів до виявлення аномалій у мережевому трафіку, зокрема сигнатурних, статистичних та інтелектуальних методів. В якості об'єкта дослідження обрано відкритий набір даних UNSW-NB15, що містить багатий набір характеристик мережевих з'єднань і охоплює різні типи атак. Для вирішення проблеми дисбалансу застосовано метод ADASYN, який забезпечив рівномірніше представлення класів у навчальній вибірці. Проведено порівняльне дослідження ефективності чотирьох моделей машинного навчання: Logistic Regression, Decision Tree, Random Forest та XGBoost. За результатами тестування встановлено, що ансамблеві методи демонструють найвищу точність класифікації, досягаючи 100% точності на збалансованому датасеті. Застосовано візуалізаційні техніки, а також аналіз важливості ознак і SHAP-інтерпретацію результатів.Публікація Метод виявлення аномалій у роботі системи обробки даних за допомогою моделей глибокого навчання(2025) Ніколаєв, О. Є.Метою кваліфікаційної роботи є розробка та дослідження методу виявлення аномалій у роботі системи обробки даних із використанням моделей глибокого навчання, зокрема гібридної архітектури CNN+LSTM. У ході виконання кваліфікаційної роботи було здійснено аналіз структури системи обробки даних, підготовлено часові ряди на основі логів активності, виявлено сезонні та нестабільні характеристики даних. Реалізовано кілька моделей прогнозування та аномалійної класифікації, включаючи MA, LSTM та CNN+LSTM. Проведено експерименти з різною кількістю історичних вхідних днів для оптимізації точності. Розроблено механізм виявлення аномалій на основі прогнозної похибки та довірчого інтервалу. Отримані результати свідчать про високу ефективність гібридного підходу для задачі моніторингу й оцінки стану інформаційних систем у режимі, близькому до реального часу.Публікація Уніфікована модель мобільних веб-застосунків на платформі Swift(2025) Оцевик, В. А.Метою кваліфікаційної роботи є розробка та аналіз ефективності кросплатформенного застосунку, побудованого на основі Full Swift Stack, що охоплює мобільні платформи, зокрема iOS. Об'єктом дослідження є процес розробки кросплатформенного застосунку з використанням мови програмування Swift. Предметом дослідження є архітектура, технологічний стек та інструменти, що використовуються для розробки таких застосунків. Для досягнення поставленої мети застосовуються методи аналізу літератури та документації, порівняльний аналіз існуючих рішень, розробка та тестування прототипу, а також статистичний аналіз отриманих результатів. Дане дослідження має значний практичний потенціал, оскільки його результати можуть бути використані для створення ефективних та якісних кросплатформних застосунків. Використання єдиного технологічного стеку дозволить зменшити витрати на розробку, спростити підтримку застосунків та забезпечити їх доступність на різних платформах.Публікація Методи виявлення дронів за допомогою глибокого навчання(2025) Пахомова, Є. В.Метою кваліфікаційної роботи є розробка та дослідження методів виявлення безпілотних літальних апаратів (БПЛА) з використанням алгоритмів глибокого навчання для забезпечення ефективної та точної детекції дронів у режимі реального часу. У ході виконання кваліфікаційної роботи було проведено огляд сучасних підходів до виявлення дронів, зокрема оптичних методів на основі комп'ютерного зору. Основну увагу приділено аналізу та порівнянню архітектур моделей YOLO (v3, v4, v5), які є одноетапними детекторами об'єктів, здатними забезпечити швидке виявлення візуальних об'єктів. Досліджено проблему детекції малих об'єктів, характерну для задач виявлення дронів на великій відстані, та застосовано метод розбиття зображень на фрагменти (tiling) для покращення точності. Проведено серію експериментів із використанням як реальних, так і симульованих даних, у тому числі зображень дронів і птахів, для зменшення кількості хибнопозитивних спрацювань. Ефективність моделей оцінювалась за метриками точності, повноти та часу інференсу. За результатами досліджень сформульовано рекомендації щодо вибору архітектури моделі в залежності від обмежень апаратного забезпечення та цілей застосування.Публікація Алгоритми виявлення критичних станів здоров'я людини на основі аналізу фізіологічних та візуальних індикаторів(2025) Перетяка, Є. О.Метою кваліфікаційної роботи є розробка інтелектуальної системи виявлення критичних станів здоров'я людини на основі безперервного моніторингу фізіологічних та візуальних показників, що базується на двох алгоритмах часткового моніторингу за станом пацієнта. Запропонована система AMPA (Adaptive Multi-Modal Physiological Analysis) використовується для персоналізованого аналізу біометричних даних з застосуванням методів машинного навчання, забезпечуючи своєчасну ідентифікацію потенційно небезпечних станів здоров'я. Запропонована система включає модулі збору даних від носимих пристроїв, інтелектуального аналізу з використанням методів машинного навчання, та взаємодії з користувачем через веб-інтерфейс і мобільний додаток. Експериментальне тестування підтвердило високу ефективність розробленого методу із досягненням точності 87.3% та зменшенням кількості хибних тривог на 68.4% порівняно з традиційними підходами.Публікація Модель автоматизованого навантажувального тестування програмних застосунків з використанням методів штучного інтелекту(2025) Романенко, А. О.Метою кваліфікаційної роботи є розробка моделі системи автоматизованого навантажувального тестування програмних застосунків на основі методів машинного навчання для підвищення ефективності, точності та адаптивності процесу тестування. У ході виконання кваліфікаційної роботи було проаналізовано сучасні підходи до розпізнавання графічних елементів веб-інтерфейсів та створено модель, що поєднує можливості згорткових нейронних мереж (CNN), оптичного розпізнавання символів (OCR), генеративно-змагальних мереж (GAN) та інструменту Apache JMeter. Запропонована система дозволяє автоматично ідентифікувати структуру форм (логін, реєстрація), генерувати відповідні тестові дані, будувати сценарії навантажувального тестування та аналізувати результати у реальному часі. Проведене тестування довело високу точність роботи моделі, зокрема при класифікації складних форм. Дослідження також окреслює перспективи використання мультимодальних моделей, інтеграцію з хмарними платформами та побудову low-code інтерфейсів. Результати роботи є актуальними для розробників веб-додатків та інженерів з якості, оскільки дозволяють оптимізувати та масштабувати процеси тестування у динамічних середовищах.