Інші праці КІТС (ДМетІ)

Permanent URI for this collectionhttp://crust.ust.edu.ua/handle/123456789/14594

Browse

Now showing 1 - 2 of 2

Адаптивна система оцінювання ризиків онлайн транзакцій на основі інтелектуального аналізу
(Український державний університет науки і технологій, ІВК «Системні технології», Дніпро, 2025) Носов, Валерій Олександрович; Островська, Катерина Юріївна
UKR: З кожним роком кількість фінансових операцій неспинно зростає, а з нею і відповідні кіберзагрози, зокрема шахрайство, тому виявлення ризикових транзакцій в електронній комерції набуває все більшої актуальності. У дослідженні розглянуто адаптивний підхід до оцінювання ризиків онлайн транзакцій на основі інтелектуального аналізу даних, зокрема машинного навчання. Запропонована система передбачає багаторівневу структуру в яку входять поведінковий аналіз, семантична оцінка транзакцій та інтеграція результатів для формування фінального індикатора ризику. Увагу приділено виявленню відхилень від типових шаблонів, зіставленню історичних даних з поточними діями користувача, а також гнучкому реагуванню на підозрілі активності та аномалії у режимі реального часу. Зазначений підхід дозволить підвищити точність виявлення шахрайських операцій, зменшити кількість хибнопозитивних спрацювань, і забезпечити здатність моделі до адаптації в умовах постійно зростаючих загроз у динамічному середовищі.
Концептуальні основи виявлення аномалій у промислових інформаційних системах з використанням машинного навчання
(Український державний університет науки і технологій, ІВК «Системні технології», Дніпро, 2026) Довидовський, Едуард О.; Гуда, Антон Ігорович; Селівьорстова, Тетяна Віталіївна
UKR: У роботі розглянуто підходи до виявлення аномалій у промислових інформаційно-управляючих системах із використанням методів машинного навчання. Проаналізовано особливості функціонування сучасних виробничих середовищ та пов’язані з ними ризики інформаційної безпеки, що виникають у процесі цифрової трансформації промисловості та інтеграції інформаційних технологій у виробничі процеси. Основну увагу приділено моделям неконтрольованого навчання, які дозволяють формувати узагальнене уявлення про нормальний стан системи без попереднього маркування даних. Розглянуто принцип роботи автоенкодера як інструмента виявлення відхилень на основі аналізу помилки реконструкції. Запропоновано узагальнену концептуальну схему виявлення аномалій, що базується на порівнянні фактичних і відновлених значень параметрів та дозволяє інтерпретувати відхилення як потенційні порушення нормального функціонування системи. Робота має теоретичний характер і спрямована на систематизацію існуючих підходів.