State University of Telecommunications Open Journals System
Not a member yet
2308 research outputs found
Sort by
БАГАТОБАЗОВИЙ ХМАРНИЙ МОНІТОРИНГ ТРАФІКУ DNS ДЛЯ ОПЕРАТИВНОЇ КОРЕКЦІЇ ПОТОЧНИХ ПАРАМЕТРІВ RPZ
No full textThe paper presents the results of test studies of a software tool (ST) for monitoring the current state of a definedgroup of DNS servers. To improve the informative content and timeliness of test measurement data analysis, artificialintelligence (AI) capabilities are integrated, enabling flexible adjustment of test structures and profiles. The improved STincreases situational awareness regarding security threats in DNS traffic. The experimental version implements cloudbased multi-source measurements using spatially distributed cloud sensors, centrally controlled via an administratorconsole. This architecture allows monitoring DNS query processing parameters from simulated clients located in differentdomain zones. Within the framework of simulation modeling for various DNS query encryption protocols, the parametersof the daily availability of servers were evaluated. The results confirmed the system’s ability to automatically adaptmeasurement parameters and structure based on real-time AI analytics of previous observations. The generalization ofthe obtained information has made it possible to identify promising directions for further improvement of the implementedconcept, including: enhancing the administrative procedures of the cloud bot-testers system; refining the specifics inherentto different AI systems in accordance with the monitoring tasks performed; formalizing criteria for assessing the currentstate of DNS traffic; improving precedent-based analysis mechanisms for detecting anomalous traffic; enhancing theprocedures for synthesizing new scenarios to detect previously unknown threats exploiting DNS traffic (services andapplications) vulnerabilities.Keywords: DNS, RPZ, AI, information security, traffic filtering.
References1. Chepel, D., & Malakhov, S. (2024). Uzahalnennia napriamiv filtratsii DNS trafiku yak skladovoi bezpekysuchasnykh informatsiinykh system [Summary of DNS traffic filtering trends as a component of modern informationsystems security]. Computer Science and Cybersecurity, (1), 6–21. https://doi.org/10.26565/2519-2310-2024-1-01 [inUkrainian].2. Chepel, D., & Malakhov, S. (2025). Multyprotokolnyi monitorynh trafiku DNS, yak osnova dlia koryhuvanniapotochnykh parametriv RPZ [Multiprotocol monitoring of DNS traffic as a basis for adjusting current RPZ parameters].ΛΌΓOΣ. Collection of Scientific Papers, 242–246. https://doi.org/10.36074/logos-24.01.2025.049 [in Ukrainian].3. Korobeinykova, T., & Fedchuk, T. (2024). Ohliad protokoliv DNS, DoH ta DoT [Overview of DNS, DoH andDoT protocols]. ΛΌΓOΣ. Collection of Scientific Papers, 253–256. https://doi.org/10.36074/logos-01.03.2024.056 [inUkrainian].4. Google. (n.d.). Gemini Developer API. https://ai.google.dev/gemini-api/docs5. Haneef, A. (n.d.). On the scalable generation of cyber threat intelligence from passive DNS streams.http://surl.li/phbham6. Korte, K. (n.d.). Measuring the quality of open source cyber threat intelligence feeds. http://surl.li/yhiqoe7. Li, V. G., Dunn, M., Pearce, P., McCoy, D., Voelker, G. M., Savage, S., & Levchenko, K. (2019). Reading thetea leaves: A comparative analysis of threat intelligence. USENIX Security Symposium, 851–867. https://atc.usenix.org/system/files/sec19fall-li_prepub.pdf8. Alieyan, K., ALmomani, A., Manasrah, A., & Kadhum, M. M. (2015). A survey of botnet detection based onDNS. Neural Computing and Applications, 28(7), 1541–1558. https://doi.org/10.1007/s00521-015-2128-09. Choi, H., Lee, H., Lee, H., & Kim, H. (2007). Botnet detection by monitoring group activities in DNS traffic.7th IEEE International Conference on Computer and Information Technology (CIT 2007), 715–720. https://doi.org/10.1109/CIT.2007.9010. Zhao, D., Traore, I., Sayed, B., Lu, W., Saad, S., Ghorbani, A., & Garant, D. (2013). Botnet detection basedon traffic behavior analysis and flow intervals. Computers & Security, 39, 2–16. https://doi.org/10.1016/j.cose.2013.04.00711. Lyu, M., Gharakheili, H. H., & Sivaraman, V. (2022). A survey on DNS encryption: Current development,malware misuse, and inference techniques. ACM Computing Surveys, 55(8), 1–28. https://doi.org/10.1145/3547312. Lu, C., Liu, B., Li, Z., Hao, S., Duan, H., Zhang, M., Leng, C., Liu, Y., Zhang, Z., & Wu, J. (2019). An endto-end, large-scale measurement of DNS-over-encryption: How far have we come? Proceedings of the ACM InternetMeasurement Conference (IMC '19), 22–35. https://doi.org/10.1145/3355369.335558013. Siby, S., Juarez, M., Diaz, C., Vallina-Rodriguez, N., & Troncoso, C. (2020). Encrypted DNS – Privacy? Atraffic analysis perspective. Proceedings of the 27th Network and Distributed System Security Symposium (NDSS).https://arxiv.org/abs/1906.0968214. Connery, H. M. (n.d.). DNS response policy zones history, overview, usage and research.https://www.dnsrpz.info/RPZ-History-Usage-Research.pdf15. Ichise, H., Jin, Y., & Iida, K. (2023). Policy-based detection and blocking system for abnormal direct outboundDNS queries using RPZ. Proceedings of the 22nd International Symposium on Communications and InformationTechnologies (ISCIT) ,1–6. https://ieeexplore.ieee.org/document/1037604216. Patsakis, C., & Casino, F. (2019). Exploiting statistical and structural features for the detection of domaingeneration algorithms. Journal of Information Security and Applications, (Preprint). https://arxiv.org/pdf/1912.0584917. Koh, J. J., & Rhodes, B. (2018). Inline detection of domain generation algorithms with context-sensitive wordembeddings. In Proceedings of the 2018 IEEE International Conference on Big Data, 2966–2971. https://ieeexplore.ieee.org/document/862206618. Kumar, A. D., Thodupunoori, H., Vinayakumar, R., Soman, K. P., Poornachandran, P., Alazab, M., &Venkatraman, S. (2019). Enhanced domain generating algorithm detection based on deep neural networks. CompanionProceedings of The 2019 World Wide Web Conference, 189–196. https://doi.org/10.1145/3308558.331649819. Google Cloud. (n.d.). Gemini 2.0 Flash. https://cloud.google.com/vertex-ai/generative-ai/docs/models/gemini/2-0-flash#2.0-flash20. Relevance AI. (n.d.). Explore the capabilities of Gemini 2.0 Flash. https://relevanceai.com/llmmodels/explore-gemini-2-0-flash-capabilities21. Chepel, D. O. (2024). Analiz suchasnykh metodiv i tekhnolohii DNS filtratsii trafiku, yak skladovoi bezpekysuchasnykh informatsiinykh system [Analysis of modern DNS traffic filtering methods and technologies as part of thesecurity of modern information systems] (Master’s thesis, V. N. Karazin Kharkiv National University). [in Ukrainian].У статті представлені результати тестових досліджень програмного засобу (ПЗ) для моніторингу поточногостану визначеної групи DNS-серверів. Для покращення інформативності та своєчасності аналізу даних тестовихвимірювань інтегровано можливості штучного інтелекту (ШІ), що дозволяє гнучко налаштовувати тестові структурита профілі. Удосконалений ПЗ підвищує ситуаційну обізнаність щодо загроз безпеці в DNS-трафіку. Експериментальнаверсія реалізує хмарні багатоджерельні вимірювання з використанням просторово розподілених хмарних датчиків,централізовано керованих через консоль адміністратора. Ця архітектура дозволяє моніторити параметри обробки DNSзапитів від модельованих клієнтів, розташованих у різних доменних зонах. В рамках імітаційного моделювання длярізних протоколів шифрування DNS-запитів було оцінено параметри щоденної доступності серверів. Результатипідтвердили здатність системи автоматично адаптувати параметри та структуру вимірювань на основі аналітикипопередніх спостережень ШІ в режимі реального часу. Узагальнення отриманої інформації дозволило визначитиперспективні напрямки подальшого вдосконалення реалізованої концепції, включаючи: вдосконаленняадміністративних процедур системи хмарних ботів-тестерів; уточнення специфіки, властивої різним системам ШІ,відповідно до виконуваних завдань моніторингу; формалізація критеріїв оцінки поточного стану DNS-трафіку;удосконалення механізмів аналізу на основі прецедентів для виявлення аномального трафіку; удосконалення процедурсинтезу нових сценаріїв для виявлення раніше невідомих загроз, що використовують вразливості DNS-трафіку (сервісівта програм).Ключові слова: DNS, RPZ, ШІ, інформаційна безпека, фільтрація трафіку.
Перелік посилань1. Chepel, D., & Malakhov, S. (2024). Uzahalnennia napriamiv filtratsii DNS trafiku yak skladovoi bezpekysuchasnykh informatsiinykh system [Summary of DNS traffic filtering trends as a component of modern informationsystems security]. Computer Science and Cybersecurity, (1), 6–21. https://doi.org/10.26565/2519-2310-2024-1-01 [inUkrainian].2. Chepel, D., & Malakhov, S. (2025). Multyprotokolnyi monitorynh trafiku DNS, yak osnova dlia koryhuvanniapotochnykh parametriv RPZ [Multiprotocol monitoring of DNS traffic as a basis for adjusting current RPZ parameters].ΛΌΓOΣ. Collection of Scientific Papers, 242–246. https://doi.org/10.36074/logos-24.01.2025.049 [in Ukrainian].3. Korobeinykova, T., & Fedchuk, T. (2024). Ohliad protokoliv DNS, DoH ta DoT [Overview of DNS, DoH andDoT protocols]. ΛΌΓOΣ. Collection of Scientific Papers, 253–256. https://doi.org/10.36074/logos-01.03.2024.056 [inUkrainian].4. Google. (n.d.). Gemini Developer API. https://ai.google.dev/gemini-api/docs5. Haneef, A. (n.d.). On the scalable generation of cyber threat intelligence from passive DNS streams.http://surl.li/phbham6. Korte, K. (n.d.). Measuring the quality of open source cyber threat intelligence feeds. http://surl.li/yhiqoe7. Li, V. G., Dunn, M., Pearce, P., McCoy, D., Voelker, G. M., Savage, S., & Levchenko, K. (2019). Reading thetea leaves: A comparative analysis of threat intelligence. USENIX Security Symposium, 851–867. https://atc.usenix.org/system/files/sec19fall-li_prepub.pdf8. Alieyan, K., ALmomani, A., Manasrah, A., & Kadhum, M. M. (2015). A survey of botnet detection based onDNS. Neural Computing and Applications, 28(7), 1541–1558. https://doi.org/10.1007/s00521-015-2128-09. Choi, H., Lee, H., Lee, H., & Kim, H. (2007). Botnet detection by monitoring group activities in DNS traffic.7th IEEE International Conference on Computer and Information Technology (CIT 2007), 715–720. https://doi.org/10.1109/CIT.2007.9010. Zhao, D., Traore, I., Sayed, B., Lu, W., Saad, S., Ghorbani, A., & Garant, D. (2013). Botnet detection basedon traffic behavior analysis and flow intervals. Computers & Security, 39, 2–16. https://doi.org/10.1016/j.cose.2013.04.00711. Lyu, M., Gharakheili, H. H., & Sivaraman, V. (2022). A survey on DNS encryption: Current development,malware misuse, and inference techniques. ACM Computing Surveys, 55(8), 1–28. https://doi.org/10.1145/3547312. Lu, C., Liu, B., Li, Z., Hao, S., Duan, H., Zhang, M., Leng, C., Liu, Y., Zhang, Z., & Wu, J. (2019). An endto-end, large-scale measurement of DNS-over-encryption: How far have we come? Proceedings of the ACM InternetMeasurement Conference (IMC '19), 22–35. https://doi.org/10.1145/3355369.335558013. Siby, S., Juarez, M., Diaz, C., Vallina-Rodriguez, N., & Troncoso, C. (2020). Encrypted DNS – Privacy? Atraffic analysis perspective. Proceedings of the 27th Network and Distributed System Security Symposium (NDSS).https://arxiv.org/abs/1906.0968214. Connery, H. M. (n.d.). DNS response policy zones history, overview, usage and research.https://www.dnsrpz.info/RPZ-History-Usage-Research.pdf15. Ichise, H., Jin, Y., & Iida, K. (2023). Policy-based detection and blocking system for abnormal direct outboundDNS queries using RPZ. Proceedings of the 22nd International Symposium on Communications and InformationTechnologies (ISCIT) ,1–6. https://ieeexplore.ieee.org/document/1037604216. Patsakis, C., & Casino, F. (2019). Exploiting statistical and structural features for the detection of domaingeneration algorithms. Journal of Information Security and Applications, (Preprint). https://arxiv.org/pdf/1912.0584917. Koh, J. J., & Rhodes, B. (2018). Inline detection of domain generation algorithms with context-sensitive wordembeddings. In Proceedings of the 2018 IEEE International Conference on Big Data, 2966–2971. https://ieeexplore.ieee.org/document/862206618. Kumar, A. D., Thodupunoori, H., Vinayakumar, R., Soman, K. P., Poornachandran, P., Alazab, M., &Venkatraman, S. (2019). Enhanced domain generating algorithm detection based on deep neural networks. CompanionProceedings of The 2019 World Wide Web Conference, 189–196. https://doi.org/10.1145/3308558.331649819. Google Cloud. (n.d.). Gemini 2.0 Flash. https://cloud.google.com/vertex-ai/generative-ai/docs/models/gemini/2-0-flash#2.0-flash20. Relevance AI. (n.d.). Explore the capabilities of Gemini 2.0 Flash. https://relevanceai.com/llmmodels/explore-gemini-2-0-flash-capabilities21. Chepel, D. O. (2024). Analiz suchasnykh metodiv i tekhnolohii DNS filtratsii trafiku, yak skladovoi bezpekysuchasnykh informatsiinykh system [Analysis of modern DNS traffic filtering methods and technologies as part of thesecurity of modern information systems] (Master’s thesis, V. N. Karazin Kharkiv National University). [in Ukrainian]
ОЦІНЮВАННЯ ВПЛИВУ СЕМАНТИКИ ЗОБРАЖЕНЬ НА ЕФЕКТИВНІСТЬ СТЕГАНОГРАФІЧНИХ МЕТОДІВ
No full textThe article investigates the issue of increasing the efficiency of steganographic systems by analyzing the results ofinformation hiding when using different embedding algorithms. The aim of the work is to assess the impact of the steganographictransformation method on the visual invisibility of the container and the resistance of hidden data to destructive influences. Acomparison of classical LSB modification algorithms with frequency methods based on the discrete cosine transform (DCT)and wavelet transform (DWT), as well as with combined approaches that take into account the spatial-frequency structure ofthe image, is carried out. A set of efficiency criteria is proposed, which includes objective indicators of visual quality (PSNR,SSIM, MSE), normalized mean square error, as well as indicators of resistance to various types of attacks. The paper presentsthe results of experimental studies of the efficiency of steganographic algorithms using sets of test images with differentsemantic content. It is shown that the structural and content features of the image significantly affect the hiding efficiency:images with a complex texture provide higher capacity and visual invisibility, while smooth homogeneous areas are moresensitive to changes. Additionally, the resistance of the hidden information to JPEG compression attacks, impulse noise, filteringand geometric transformations was assessed. The results of the study confirm that increasing the efficiency of the steganographicsystem is possible due to the adaptive choice of the embedding location, which takes into account the type, semantics and statistical characteristics of the container image. The conclusions obtained can be used to develop new intelligentsteganosystems that automatically determine the optimal embedding parameters in order to achieve a balance between visualinvisibility and resistance to attacks.Keywords: cyber threats, steganographic algorithm, information protection, neural networks, spatial and frequencydomain.
References1. Fridrich, J. Steganography in Digital Media: Principles, Algorithms, and Applications. Cambridge: CambridgeUniversity Press, 2009. 437 p. DOI: 10.1017/CBO9780511762800.2. Zhang, Y., Luo, X., Guo, Y., Qin, C., Liu, F. Multiple robustness enhancements for image adaptivesteganography in lossy channels // IEEE Transactions on Circuits and Systems for Video Technology. – 2020. – Vol. 30,No. 8. pp. 2750–2764. DOI: 10.1109/TCSVT.2019.2939315.3. Журавель, Ю. І., Мичуда, Л. З. Методи підвищення непомітності та стійкості стеганоповідомлень іззастосування фрактальних розмірностей // Сучасний захист інформації. 2025. № 1(61). С. 74–81. DOI: 10.31673/2409-7292.2025.011576.4. Журавель, І. М., Мичуда, Л. З., Журавель, Ю. І. Підвищення ефективності стеганографічного методуприховування даних із застосуванням ітераційних функцій та додаванням шуму // Український журналінформаційних технологій. 2021. Т. 3, № 2. С. 66–73. Режим доступу: https://ujit.undip.org.ua/index.php/ujit/article/view/182.5. Hu, Y., Yang, Z., Cao, H., Huang, Y. Multi-modal steganography based on semantic relevancy // InternationalWorkshop on Digital Watermarking. Cham: Springer International Publishing, 2020. pp. 3-14. DOI: 10.1007/978-3-030-69325-6_1.6. Zeng, L., Yang, N., Li, X., Chen, A., Jing, H., Zhang, J. Advanced image steganography using a U-Net-basedarchitecture with multi-scale fusion and perceptual loss // Electronics. 2023. Vol. 12, No. 18. Article 3808. DOI:10.3390/electronics12183808.7. Liu, L., Meng, L., Wang, X., Peng, Y. An image steganography scheme based on ResNet // Multimedia Toolsand Applications. 2022. Vol. 81, No. 27. pp. 39803-39820. DOI: 10.1007/s11042-022-13254-2.8. Lu, H., Zhang, T. RobustStegFormer: A Cross-Attention Guided and Noise-Aware Transformer for ImageSteganography // 6th International Conference on Computer Vision, Image and Deep Learning (CVIDL). IEEE, 2025. p.617-621. DOI: (уточнюється після публікації).9. Hu, D., Wang, L., Jiang, W., Zheng, S., Li, B. A novel image steganography method via deep convolutionalgenerative adversarial networks // IEEE Access. 2018. Vol. 6. P. 38303–38314. DOI: 10.1109/ACCESS.2018.2852771.10. Xie, G. Adaptive spatial image steganography and steganalysis using perceptual modelling and machinelearning: Dissertation for the degree of Doctor of Philosophy. Guildford: University of Surrey, 2022. DOI:10.15126/thesis.2022.001.11. Ponomarenko, N., Lukin, V., Zelensky, A., Egiazarian, K., Carli, M., Battisti, F. TID2013 Image qualityassessment database [Електронний ресурс]. 2013. Режим доступу: https://www.ponomarenko.info/tid2013.htm.У статті досліджено питання підвищення ефективності стеганографічних систем шляхом аналізурезультатів приховування інформації при застосуванні різних алгоритмів вбудовування. Метою роботи єоцінювання впливу методу стеганографічного перетворення на візуальну непомітність контейнера та стійкістьприхованих даних до деструктивних впливів. Проведено порівняння класичних алгоритмів LSB-модифікації зчастотними методами на основі дискретного косинусного (DCT) та вейвлет-перетворення (DWT), а також зкомбінованими підходами, що враховують просторово-частотну структуру зображення. Запропоновано комплекскритеріїв ефективності, який включає об’єктивні показники візуальної якості (PSNR, SSIM, MSE), нормованусередньоквадратичну похибку, а також показники стійкості до атак різного типу. У роботі наведено результатиекспериментальних досліджень ефективності стеганоалгоритмів із використанням наборів тестових зображень зрізним семантичним наповненням. Показано, що структурно-змістові особливості зображення суттєво впливаютьна ефективність приховування: зображення зі складною текстурою забезпечують вищу ємність і візуальну непомітність, тоді як гладкі однорідні області більш чутливі до внесених змін. Додатково оцінено стійкістьприхованої інформації до дії атак JPEG-компресії, імпульсного шуму, фільтрації та геометричних трансформацій.Результати дослідження підтверджують, що підвищення ефективності стеганографічної системи можливе завдякиадаптивному вибору місця вбудовування, який враховує тип, семантику та статистичні характеристикизображення-контейнера. Отримані висновки можуть бути використані для розроблення нових інтелектуальнихстеганосистем, що автоматично визначають оптимальні параметри вбудовування з метою досягнення балансу міжвізуальною непомітністю та стійкістю до атак.Ключові слова: кіберзагрози, стеганографічний алгоритм, захист інформації, нейронні мережі, просторовата частотна область.
Перелік посилань1. Fridrich, J. Steganography in Digital Media: Principles, Algorithms, and Applications. Cambridge: CambridgeUniversity Press, 2009. 437 p. DOI: 10.1017/CBO9780511762800.2. Zhang, Y., Luo, X., Guo, Y., Qin, C., Liu, F. Multiple robustness enhancements for image adaptivesteganography in lossy channels // IEEE Transactions on Circuits and Systems for Video Technology. – 2020. – Vol. 30,No. 8. pp. 2750–2764. DOI: 10.1109/TCSVT.2019.2939315.3. Журавель, Ю. І., Мичуда, Л. З. Методи підвищення непомітності та стійкості стеганоповідомлень іззастосування фрактальних розмірностей // Сучасний захист інформації. 2025. № 1(61). С. 74–81. DOI: 10.31673/2409-7292.2025.011576.4. Журавель, І. М., Мичуда, Л. З., Журавель, Ю. І. Підвищення ефективності стеганографічного методуприховування даних із застосуванням ітераційних функцій та додаванням шуму // Український журналінформаційних технологій. 2021. Т. 3, № 2. С. 66–73. Режим доступу: https://ujit.undip.org.ua/index.php/ujit/article/view/182.5. Hu, Y., Yang, Z., Cao, H., Huang, Y. Multi-modal steganography based on semantic relevancy // InternationalWorkshop on Digital Watermarking. Cham: Springer International Publishing, 2020. pp. 3-14. DOI: 10.1007/978-3-030-69325-6_1.6. Zeng, L., Yang, N., Li, X., Chen, A., Jing, H., Zhang, J. Advanced image steganography using a U-Net-basedarchitecture with multi-scale fusion and perceptual loss // Electronics. 2023. Vol. 12, No. 18. Article 3808. DOI:10.3390/electronics12183808.7. Liu, L., Meng, L., Wang, X., Peng, Y. An image steganography scheme based on ResNet // Multimedia Toolsand Applications. 2022. Vol. 81, No. 27. pp. 39803-39820. DOI: 10.1007/s11042-022-13254-2.8. Lu, H., Zhang, T. RobustStegFormer: A Cross-Attention Guided and Noise-Aware Transformer for ImageSteganography // 6th International Conference on Computer Vision, Image and Deep Learning (CVIDL). IEEE, 2025. p.617-621. DOI: (уточнюється після публікації).9. Hu, D., Wang, L., Jiang, W., Zheng, S., Li, B. A novel image steganography method via deep convolutionalgenerative adversarial networks // IEEE Access. 2018. Vol. 6. P. 38303–38314. DOI: 10.1109/ACCESS.2018.2852771.10. Xie, G. Adaptive spatial image steganography and steganalysis using perceptual modelling and machinelearning: Dissertation for the degree of Doctor of Philosophy. Guildford: University of Surrey, 2022. DOI:10.15126/thesis.2022.001.11. Ponomarenko, N., Lukin, V., Zelensky, A., Egiazarian, K., Carli, M., Battisti, F. TID2013 Image qualityassessment database [Електронний ресурс]. 2013. Режим доступу: https://www.ponomarenko.info/tid2013.htm
ОПТИМІЗАЦІЯ ПРОГНОЗУВАННЯ ШЛЯХОМ УРАХУВАННЯ ПРИЧИННОГО ВПЛИВУ
No full textThe article explores approaches to improving forecasting accuracy by incorporating causalinfluence between variables with time delays. The study uses Granger causality to detect temporal lags andadjust input variables accordingly. A method is proposed to enhance LSTM-model performance byintegrating lag analysis into the training pipeline. Experimental evaluation shows that accounting fordifferent lag times across variables significantly reduces forecasting error. The results confirm that causallag modeling improves robustness and reflects real-world dynamics in time series forecasting. The authorsemphasize the importance of considering lagged interrelationships to form a more informative input spacefor the neural network. Experimental results indicate an improvement in forecasting accuracy when causallysignificant relationships are identified in advance.Keywords: forecasting, time series, Granger causality, lag effect, prediction model, neural network
References1. Habibnia A., Etesami J., Kiyavash N. Modeling Systemic Risk: A Time-VaryingNonparametric Causal Inference Framework. SSRN. 2024. URL:https://doi.org/10.2139/ssrn.4684230.2. Research on condition operation monitoring of power system based on supervisory controland data acquisition model / B. Li et al. Alexandria Engineering Journal. 2024. Vol. 99. P. 326–334.URL: https://doi.org/10.1016/j.aej.2024.05.027.3. Open-Source Internet of Things-Based Supervisory Control and Data Acquisition System forPhotovoltaic Monitoring and Control Using HTTP and TCP/IP Protocols / W. Khalid et al. Energies.2024. Vol. 17, no. 16. P. 4083. URL: https://doi.org/10.3390/en17164083.4. Lopes F. M., Dutra E., Boussetta S. Evaluation of Daily Temperature Extremes in theECMWF Operational Weather Forecasts and ERA5 Reanalysis. Atmosphere. 2024. Vol. 15, no. 1.P. 93. URL: https://doi.org/10.3390/atmos15010093.5. Siddiqi A. Value Analytics for Earth Observing Systems. IGARSS 2024 - 2024 IEEEInternational Geoscience and Remote Sensing Symposium, Athens, Greece, 7–12 July 2024. 2024.P. 3864–3867. URL: https://doi.org/10.1109/igarss53475.2024.10642411.6. Liao S.-h., Widowati R., Lee C.-Y. Data mining analytics investigation on TikTok users'behaviors: social media app development. Library Hi Tech. 2022. URL: https://doi.org/10.1108/lht08-2022-0368.7. Chiang L. H., Braatz R. D. Process monitoring using causal map and multivariate statistics:fault detection and identification. Chemometrics and Intelligent Laboratory Systems. 2003. Vol. 65,no. 2. P. 159–178. URL: https://doi.org/10.1016/s0169-7439(02)00140-5.8. Nadim K., Ragab A., Ouali M.-S. Data-driven dynamic causality analysis of industrialsystems using interpretable machine learning and process mining. Journal of IntelligentManufacturing. 2022. URL: https://doi.org/10.1007/s10845-021-01903-y.9. Беспала О.М. Інструментарій причинно-наслідкового висновку: огляд таперспективи. Control Systems and Computers. 2020. № 5 (289). С. 52–63.URL: https://doi.org/10.15407/csc.2020.05.052.10. Deep understanding in industrial processes by complementing human expertise withinterpretable patterns of machine learning / A. Ragab et al. Expert Systems with Applications. 2019.Vol. 122. P. 388–405. URL: https://doi.org/10.1016/j.eswa.2019.01.011.11. Беспала О. М., Отрох С. І.. Ружинський В. Г.. Моделювання спрямованого ациклічногографа для причинного висновку. Наукові записки Державного університету телекомунікацій.2023. № 2 (1) С. 87-95 DOI: 10.31673/2518-7678.2023.020202.12. Беспала О. М. Метод пошуку та оцінки впливу причинно-наслідкових зв’язків всистемах прийняття рішень. Вісник НТУ "ХПІ". Серія: Інформатика та моделювання.2020. № 2 (4). С. 59 – 72.13. Granger C. W. J. Investigating Causal Relations by Econometric Models and Cross-spectralMethods. Econometrica. 1969. Vol. 37, no. 3. P. 424. URL: https://doi.org/10.2307/1912791.У статті досліджено підходи до врахування причинного впливу між зміннимиу задачах прогнозування. Основна увага приділяється методу причинності Грейнджера длявиявлення часових затримок між змінними та їх подальшого застосування в побудові прогнознихмоделей. Запропоновано підхід до покращення точності LSTM-моделі шляхом інтеграції аналізучасових затримок. Автори наголошують на важливості врахування лагових взаємозв’язків дляформування більш інформативного вхідного простору нейромережі. Експериментальні результатисвідчать про підвищення точності прогнозів за умови попереднього виявлення причинно-значущихзв’язків.Ключові слова: прогнозування, часові ряди, причинність Грейнджера, лаговий вплив,нейронні мережі
Список використаної літератури1. Habibnia A., Etesami J., Kiyavash N. Modeling Systemic Risk: A Time-VaryingNonparametric Causal Inference Framework. SSRN. 2024. URL:https://doi.org/10.2139/ssrn.4684230.2. Research on condition operation monitoring of power system based on supervisory controland data acquisition model / B. Li et al. Alexandria Engineering Journal. 2024. Vol. 99. P. 326–334.URL: https://doi.org/10.1016/j.aej.2024.05.027.3. Open-Source Internet of Things-Based Supervisory Control and Data Acquisition System forPhotovoltaic Monitoring and Control Using HTTP and TCP/IP Protocols / W. Khalid et al. Energies.2024. Vol. 17, no. 16. P. 4083. URL: https://doi.org/10.3390/en17164083.4. Lopes F. M., Dutra E., Boussetta S. Evaluation of Daily Temperature Extremes in theECMWF Operational Weather Forecasts and ERA5 Reanalysis. Atmosphere. 2024. Vol. 15, no. 1.P. 93. URL: https://doi.org/10.3390/atmos15010093.5. Siddiqi A. Value Analytics for Earth Observing Systems. IGARSS 2024 - 2024 IEEEInternational Geoscience and Remote Sensing Symposium, Athens, Greece, 7–12 July 2024. 2024.P. 3864–3867. URL: https://doi.org/10.1109/igarss53475.2024.10642411.6. Liao S.-h., Widowati R., Lee C.-Y. Data mining analytics investigation on TikTok users'behaviors: social media app development. Library Hi Tech. 2022. URL: https://doi.org/10.1108/lht08-2022-0368.7. Chiang L. H., Braatz R. D. Process monitoring using causal map and multivariate statistics:fault detection and identification. Chemometrics and Intelligent Laboratory Systems. 2003. Vol. 65,no. 2. P. 159–178. URL: https://doi.org/10.1016/s0169-7439(02)00140-5.8. Nadim K., Ragab A., Ouali M.-S. Data-driven dynamic causality analysis of industrialsystems using interpretable machine learning and process mining. Journal of IntelligentManufacturing. 2022. URL: https://doi.org/10.1007/s10845-021-01903-y.9. Беспала О.М. Інструментарій причинно-наслідкового висновку: огляд таперспективи. Control Systems and Computers. 2020. № 5 (289). С. 52–63.URL: https://doi.org/10.15407/csc.2020.05.052.10. Deep understanding in industrial processes by complementing human expertise withinterpretable patterns of machine learning / A. Ragab et al. Expert Systems with Applications. 2019.Vol. 122. P. 388–405. URL: https://doi.org/10.1016/j.eswa.2019.01.011.11. Беспала О. М., Отрох С. І.. Ружинський В. Г.. Моделювання спрямованого ациклічногографа для причинного висновку. Наукові записки Державного університету телекомунікацій.2023. № 2 (1) С. 87-95 DOI: 10.31673/2518-7678.2023.020202.12. Беспала О. М. Метод пошуку та оцінки впливу причинно-наслідкових зв’язків всистемах прийняття рішень. Вісник НТУ "ХПІ". Серія: Інформатика та моделювання.2020. № 2 (4). С. 59 – 72.13. Granger C. W. J. Investigating Causal Relations by Econometric Models and Cross-spectralMethods. Econometrica. 1969. Vol. 37, no. 3. P. 424. URL: https://doi.org/10.2307/1912791
ФЛЕШ-ДЗВІНКИ В СУЧАСНИХ ТЕЛЕКОМУНІКАЦІЙНИХ МЕРЕЖАХ: ЗАГРОЗИ, ВИКЛИКИ ТА ЕФЕКТИВНІ ЗАХОДИ ПРОТИДІЇ
No full textThis paper addresses the phenomenon of Flash Calls — ultra-short incomingcalls used for user authentication in modern telecommunication networks — and their impact on networksecurity and operator revenues. Unlike traditional SMS-based methods, Flash Calls allow cost-effective,high-speed verification, but simultaneously bypass billing systems and facilitate fraudulent practices suchas CLI spoofing and international revenue sharing fraud (IRSF). The paper explores the technicalcharacteristics of Flash Calls, highlights their detection complexity, and analyses vulnerabilities in currentanti-fraud systems. A multi-layered countermeasure architecture is proposed, integrating real-timeanalytics, machine learning algorithms, and STIR/SHAKEN protocols to identify and block fraudulentactivity. The effectiveness of the approach is supported by traffic analysis and experimental blocking resultson global platforms such as Meta. The proposed system ensures reliable identification of malicious patternswhile minimizing false positives and preserving service quality.Keywords: Flash Calls, CLI spoofing, fraud detection, Voice firewall, Wangiri, machine learning,STIR/SHAKEN, telecom security, IMS network
References1. Hitchins D. What are flash calls and how do they work? Infobip. URL:https://www.infobip.com/blog/what-is-a-flash-call.2. Taylor L. CFCA 2021 Global Fraud Loss Survey. New York, NY, USA : CSFA, 2021. 67 p,URL: https://cfca.org/document/2021-fraud-loss-survey/.3. GSMA. Flash Call Traffic Analysis Report 2024. GSMA Intelligence.4. Sinapsio. Wangiri Fraud and Flash Calls | Betatel LTD. Blog. URL:https://api.betatel.com/blog/wangiri-fraud-and-flash-calls.5. Vetoshko I.P., Kravchuk S.O. Opportunities to Improve the Quality of Voice Services in 5GNetworks // 2023 IEEE International Conference on Information and TelecommunicationTechnologies and Radio Electronics (UkrMiCo), ISBN: 979-8-3503-4848-4, 13-18 November 2023,Kyiv, Ukraine. https://doi.org/10.1109/UkrMiCo61577.2023.10380376.6. 3GPP TS 23.501 version 16.7.0 Release 16. 5G; System architecture for the 5G System (5GS).Effective from 2021-01-21. Official edition. FRANCE : 650 Route des Lucioles F-06921 SophiaAntipolis Cedex, 2021. 451 p.7. Vetoshko I.P., Kravchuk S.O. Possibilities of improving the voice services quality in 5Gnetworks // Information and Telecommunication Sciences. – 2023. – Vol.14, No 2. – P. 9-16,https://doi.org/10.20535/2411-2976.22023.9-168. Flash calls. Mobileum. URL: http://www.mobileum.com/products/riskmanagement/business-assurance/flash-calls.9. ATIS-1000080.v004. Signature-based Handling of Asserted information using toKENs(SHAKEN): Governance Model and Certificate Management. Effective from 2021-10-05. Officialedition. New York, NY: ATIS Packet Technologies and Systems Committee (PTSC), 2021. 29 p.10. Voice Firewall. Mobileum. Comprehensive Voice Traffic Policy Management andAnalytics System. URL: https://www.mobileum.com/products/roaming-and-core-network/networkservices/voice-firewall/.11. 3GPP TS 31.102 version 17.14.1 Release 17. Universal Mobile TelecommunicationsSystem (UMTS); LTE; 5G; Characteristics of the Universal Subscriber Identity Module (USIM) application. Effective from 2024-10-08. Official edition. FRANCE : 650 Route des Lucioles F-06921Sophia Antipolis Cedex, 2024. 371 p.12. Ветошко І.П. Кравчук С.О. Розгортання голосових сервісів у мережах 5G // Grail ofScience. – 2023. - № 24. – с. 278–281, https://doi.org/10.36074/grail-of-science.17.02.2023.051.13. 3GPP TR 33.835 V16.1.0. Study on authentication and key management for applicationsbased on 3GPP credential in 5G. Effective from 2020-07-09. Official edition. FRANCE : 650 Routedes Lucioles F-06921 Sophia Antipolis Cedex, 2020. 83 p.14. Dahlman E., Parkvall S., Sköld J. 5G Standardization. 5G NR: the Next GenerationWireless Access Technology. 2018. 442p. URL: https://doi.org/10.1016/b978-0-12-814323-0.00002-8.15. Team G. Why Do You Need a Voice Firewall? GMS | AI-driven communicationssolutions | GMS. URL: https://gms.net/blog/why-do-you-need-a-voice-firewall.У статті розглядається феномен Flash-дзвінків – надкороткихвхідних дзвінків, що використовуються для аутентифікації користувачів у сучаснихтелекомунікаційних мережах – та їх вплив на безпеку мереж і доходи операторів. На відміну відтрадиційних SMS-методів, Flash-дзвінки дозволяють здійснювати економічно ефективну,високошвидкісну верифікацію, але водночас обходять білінгові системи і сприяють шахрайськимдіям, таким як підміна CLI і міжнародне шахрайство з розподілом доходів (IRSF). У статтідосліджуються технічні характеристики флеш-дзвінків, підкреслюється складність їх виявлення тааналізуються вразливості в існуючих системах протидії шахрайству. Запропоновано багаторівневуархітектуру протидії, що поєднує аналітику в режимі реального часу, алгоритми машинногонавчання та протоколи STIR/SHAKEN для виявлення та блокування шахрайських дій. Ефективністьпідходу підтверджується аналізом трафіку та результатами експериментальних блокувань наглобальних платформах, таких як Meta. Запропонована система забезпечує надійну ідентифікаціюшкідливих патернів, мінімізуючи помилкові спрацьовування та зберігаючи якість обслуговування.Ключові слова: Flash-дзвінки, підміна CLI, виявлення шахрайства, голосовий файрвол,Вангірі, машинне навчання, STIR/SHAKEN, телекомунікаційна безпека, мережа IMS
Список використаної літератури1. Hitchins D. What are flash calls and how do they work? Infobip. URL:https://www.infobip.com/blog/what-is-a-flash-call.2. Taylor L. CFCA 2021 Global Fraud Loss Survey. New York, NY, USA : CSFA, 2021. 67 p,URL: https://cfca.org/document/2021-fraud-loss-survey/.3. GSMA. Flash Call Traffic Analysis Report 2024. GSMA Intelligence.4. Sinapsio. Wangiri Fraud and Flash Calls | Betatel LTD. Blog. URL:https://api.betatel.com/blog/wangiri-fraud-and-flash-calls.5. Vetoshko I.P., Kravchuk S.O. Opportunities to Improve the Quality of Voice Services in 5GNetworks // 2023 IEEE International Conference on Information and TelecommunicationTechnologies and Radio Electronics (UkrMiCo), ISBN: 979-8-3503-4848-4, 13-18 November 2023,Kyiv, Ukraine. https://doi.org/10.1109/UkrMiCo61577.2023.10380376.6. 3GPP TS 23.501 version 16.7.0 Release 16. 5G; System architecture for the 5G System (5GS).Effective from 2021-01-21. Official edition. FRANCE : 650 Route des Lucioles F-06921 SophiaAntipolis Cedex, 2021. 451 p.7. Vetoshko I.P., Kravchuk S.O. Possibilities of improving the voice services quality in 5Gnetworks // Information and Telecommunication Sciences. – 2023. – Vol.14, No 2. – P. 9-16,https://doi.org/10.20535/2411-2976.22023.9-168. Flash calls. Mobileum. URL: http://www.mobileum.com/products/riskmanagement/business-assurance/flash-calls.9. ATIS-1000080.v004. Signature-based Handling of Asserted information using toKENs(SHAKEN): Governance Model and Certificate Management. Effective from 2021-10-05. Officialedition. New York, NY: ATIS Packet Technologies and Systems Committee (PTSC), 2021. 29 p.10. Voice Firewall. Mobileum. Comprehensive Voice Traffic Policy Management andAnalytics System. URL: https://www.mobileum.com/products/roaming-and-core-network/networkservices/voice-firewall/.11. 3GPP TS 31.102 version 17.14.1 Release 17. Universal Mobile TelecommunicationsSystem (UMTS); LTE; 5G; Characteristics of the Universal Subscriber Identity Module (USIM) application. Effective from 2024-10-08. Official edition. FRANCE : 650 Route des Lucioles F-06921Sophia Antipolis Cedex, 2024. 371 p.12. Ветошко І.П. Кравчук С.О. Розгортання голосових сервісів у мережах 5G // Grail ofScience. – 2023. - № 24. – с. 278–281, https://doi.org/10.36074/grail-of-science.17.02.2023.051.13. 3GPP TR 33.835 V16.1.0. Study on authentication and key management for applicationsbased on 3GPP credential in 5G. Effective from 2020-07-09. Official edition. FRANCE : 650 Routedes Lucioles F-06921 Sophia Antipolis Cedex, 2020. 83 p.14. Dahlman E., Parkvall S., Sköld J. 5G Standardization. 5G NR: the Next GenerationWireless Access Technology. 2018. 442p. URL: https://doi.org/10.1016/b978-0-12-814323-0.00002-8.15. Team G. Why Do You Need a Voice Firewall? GMS | AI-driven communicationssolutions | GMS. URL: https://gms.net/blog/why-do-you-need-a-voice-firewall
АНАЛІЗ МЕТОДІВ СЕГМЕНТАЦІЇ БІОМЕДИЧНИХ 3D-ДАНИХ ЗА ДОПОМОГОЮ ГЛИБОКОГО НАВЧАННЯ
No full textThis article provides a comprehensive review of modern approaches to the segmentation ofbiomedical 3D scans using deep learning techniques. A comparative analysis of neural networkarchitectures is conducted, particularly convolutional neural networks (CNNs), Transformers, and the latestMamba-type models, which offer varying levels of computational complexity, accuracy, and generalizationcapability. The advantages of hybrid architectures, multimodal approaches, and pretraining strategies –including self-supervised learning and generative adversarial networks (GANs) – are described as methodsto improve performance under conditions of limited labeled data. The article highlights currentsegmentation challenges related to the high complexity of biomedical images, variability in scanningprotocols, and resource constraints. Practical recommendations are offered for selecting the appropriatearchitecture based on task requirements, dataset characteristics, and available computational resources.Standard evaluation metrics (e.g., Dice coefficient, Hausdorff distance) and the use of publicly availablemedical datasets (BraTS, LiTS, ACDC) for model benchmarking are also discussed.Keywords: medical image segmentation, 3D biomedical data, deep learning, convolutional neuralnetworks, transformers, Mamba architecture, medical imaging, multimodal data, data augmentation, neuralmodels, computational efficiency, self-supervised learning, BraTS, LiTS, ACDC
References1. Ronneberger, O., Fischer, P., & Brox, T. U-Net: Convolutional networks for biomedical imagesegmentation. MICCAI, 234–241.2. Chen, J., Lu, Y., Yu, Q., Luo, X., Adeli, E., Wang, Y., Xing, L. TransUNet: Transformers MakeStrong Encoders for Medical Image Segmentation. arXiv preprint arXiv:2102.04306.3. Hatamizadeh, A., Nath, V., Liu, Y., Yin, Z., Kapp, D., & Tagare, H. Swin-Unet: Unet-like PureTransformer for Medical Image Segmentation. arXiv preprint arXiv:2205.05003.4. Zhang, Y., Yang, J., & Wang, Q. GAN-based data augmentation for liver tumor segmentationin CT scans. Medical Image Analysis, 78, 102401.5. Zhou, Z., Seyedhosseini, M., & Tasdizen, T. Self-supervised learning for 3D medical imagesegmentation. EEE Transactions on Medical Imaging, 42(3), 901–912.6. Kim, H., Lee, J., & Park, J. Efficient3DNet: Lightweight 3D convolutional networks for fastmedical image segmentation. Computerized Medical Imaging and Graphics, 100, 102198.7. S. Niyas, S.J. Pawan, M. Anand Kumar, Jeny Rajan. Medical image segmentation with 3Dconvolutional neural networks: A survey. Neurocomputing, Volume 493,7 July 2022, Pages 397-413https://doi.org/10.1016/j.neucom.2022.04.065.8. Ali Hatamizadeh, Yucheng Tang, Vishwesh Nath, Dong Yang, Andriy Myronenko, BennettLandman, Holger R. Roth, Daguang Xu; Proceedings of the IEEE/CVF Winter Conference onApplications of Computer Vision (WACV), 2022, pp. 574-5849. Zhaohu Xing, Tian Ye, Yijun Yang, Guang Liu, Lei Zhu. SegMamba: Long-range SequentialModeling Mamba For 3D Medical Image Segmentation. (2024)https://doi.org/10.48550/arXiv.2401.13560.10. Md. Eshmam Rayed, S.M. Sajibul Islam, Sadia Islam Niha, Jamin Rahman Jim, Md MohsinKabir, M.F. Mridha. Deep learning for medical image segmentation: State-of-the-art advancementsand challenges. ELSEVIER Volume 47, 2024,101504https://doi.org/10.1016/j.imu.2024.101504.У статті здійснено комплексний огляд сучасних підходів досегментації біомедичних 3D-сканів із використанням методів глибокого навчання. Проведенопорівняльний аналіз архітектур нейронних мереж, зокрема згорткових нейронних мереж (CNN),трансформерів (Transformer) та новітніх моделей типу Mamba, які забезпечують різні рівніобчислювальної складності, точності та здатності до узагальнення. Описано переваги використаннягібридних архітектур, мультимодальних підходів, стратегій попереднього навчання, включаючисамонавчання та генеративні змагальні мережі (GAN), для підвищення точності в умовах обмеженихрозмічених даних. Стаття висвітлює актуальні проблеми сегментації, пов’язані з високоюскладністю біомедичних зображень, варіативністю протоколів сканування та обмеженнямиресурсів. Запропоновано практичні рекомендації щодо вибору архітектури на основі характеристикзадачі, набору даних і обчислювальних можливостей. Також розглянуто стандартні метрики оцінки(коефіцієнт Дайса, відстань Хаусдорфа) та використання відкритих медичних наборів (BraTS, LiTS,ACDC) для тестування моделей.Ключові слова: сегментація медичних зображень, 3D-біомедичні дані, глибоке навчання,згорткові нейронні мережі, трансформери, архітектура Mamba, медична візуалізація,мультимодальні дані, доповнення даних, нейронні моделі, обчислювальна ефективність,самонавчання, BraTS, LiTS, ACDC
Список використаної літератури1. Ronneberger, O., Fischer, P., & Brox, T. U-Net: Convolutional networks for biomedical imagesegmentation. MICCAI, 234–241.2. Chen, J., Lu, Y., Yu, Q., Luo, X., Adeli, E., Wang, Y., Xing, L. TransUNet: Transformers MakeStrong Encoders for Medical Image Segmentation. arXiv preprint arXiv:2102.04306.3. Hatamizadeh, A., Nath, V., Liu, Y., Yin, Z., Kapp, D., & Tagare, H. Swin-Unet: Unet-like PureTransformer for Medical Image Segmentation. arXiv preprint arXiv:2205.05003.4. Zhang, Y., Yang, J., & Wang, Q. GAN-based data augmentation for liver tumor segmentationin CT scans. Medical Image Analysis, 78, 102401.5. Zhou, Z., Seyedhosseini, M., & Tasdizen, T. Self-supervised learning for 3D medical imagesegmentation. EEE Transactions on Medical Imaging, 42(3), 901–912.6. Kim, H., Lee, J., & Park, J. Efficient3DNet: Lightweight 3D convolutional networks for fastmedical image segmentation. Computerized Medical Imaging and Graphics, 100, 102198.7. S. Niyas, S.J. Pawan, M. Anand Kumar, Jeny Rajan. Medical image segmentation with 3Dconvolutional neural networks: A survey. Neurocomputing, Volume 493,7 July 2022, Pages 397-413https://doi.org/10.1016/j.neucom.2022.04.065.8. Ali Hatamizadeh, Yucheng Tang, Vishwesh Nath, Dong Yang, Andriy Myronenko, BennettLandman, Holger R. Roth, Daguang Xu; Proceedings of the IEEE/CVF Winter Conference onApplications of Computer Vision (WACV), 2022, pp. 574-5849. Zhaohu Xing, Tian Ye, Yijun Yang, Guang Liu, Lei Zhu. SegMamba: Long-range SequentialModeling Mamba For 3D Medical Image Segmentation. (2024)https://doi.org/10.48550/arXiv.2401.13560.10. Md. Eshmam Rayed, S.M. Sajibul Islam, Sadia Islam Niha, Jamin Rahman Jim, Md MohsinKabir, M.F. Mridha. Deep learning for medical image segmentation: State-of-the-art advancementsand challenges. ELSEVIER Volume 47, 2024,101504https://doi.org/10.1016/j.imu.2024.101504
ВИКОНАВЧА СЛУЖБА ЗАРУБІЖНИХ КРАЇН: КРАЩІ ПРАКТИКИ ТА ДОСВІД ДЛЯ УКРАЇНИ
No full textThe article is devoted to the analysis of the effectiveness of the stateexecutive service, which even now causes a number of complaints, the reason forwhich is the low effectiveness of work ᴨᴏ the implementation of decisionsThe positioning of our countryʼs European integration intentions requiresthe implementation of real steps in the direction of bringing the domestic systemof public administration closer to the standards of the European community. Thesphere of execution of court decisions, which needs significant modernization, isno exception. The need for reform is determined by the fact that the existing systemof executive proceedings in Ukraine is internally contradictory, underdeveloped,incomplete, and disconnected from the people.The modern experience of the functioning of the executive service institutein civil society and, accordingly, the system of public administration of foreigncountries is summarized, and the possibilities of its application in the process ofreforming the executive service of Ukraine are outlined.Taking into account the characteristic signs and forms of redistribution ofpower and the sphere of enforcement of decisions, it is worth distinguishing centralized and decentralized systems of executive proceedings. When comparingthe effectiveness of centralized and decentralized systems of executive proceedingsthat are used in the world, it should be noted that the most effective are those thatfunction in countries where the population is characterized by respect for the law,a high level of legal culture, etc.
References1. Kuzmina, I.S. ( 2015). Foreign experience in building executive systems:comparative characteristics and prospects for application in Ukraine.Bulletin of Zaporizhzhya National University, 1, 139–145.2. Makushev, P.V. ( 2014). International experience of legal regulation ofactivities of representatives of state bodies in executive proceedings.Almanac of international law, 6, 33–403. Marchenko, M.G., Shmatko, E.V. (2016). Innovations of executiveproceedings in Ukraine. A young scientist, 4 (31), 624–628.4. Law of Ukraine (March 18, 2004). About the National Program for theAdaptation of the Legislation of Ukraine to the Legislation of the EuropeanUnion: № 1629-IV. Information of the Verkhovna Rada of Ukraine, 29, Art.367.5. Severin, D.V. (2014). Foreign experience of bodies exercising powersrelated to the execution of court decisions and its adaptation to the domesticlegal system. European perspectives, 3, 81–87.6. Surai, I.G. (2019). Democratic governance: values and competences.Bulletin of the National Academy of Public Administration under thePresident of Ukraine, 2, 71–76.7. Teremecki, V.I., Krupnova, L.V. (2016). Application of foreign experiencein the field of execution of jurisdictional decisions in Ukraine. Judicialappeal, 4(45), 38–45.8. Fiolevskyi, D.P., Lobantsev, S.Yu., Mezyentsev, E.I. (2004). Stateexecutive service in Ukraine: training. Manual. Kyiv: Alerta, 564 p.9. Shandruk, C. (2010). Systems of enforcement of court decisions. Worldexperience. Democratic governance, 5. Аvailable at:http://lvivacademy.com/ vidavnitstvo_1/visnik5/fail/+Shandruk.Стаття присвячена аналізу ефективності діяльності державноївиконавчої служби, яка і нині викликає ряд нарікань, причиною яких ϵ низькарезультативність роботи ᴨᴏ виконанню рішень. Позиціонування нашоюкраїною євроінтеграційних намірів потребує здійснення реальних кроків yнапрямі наближення вітчизняної системи публічного управління до стандартів європейського співтовариства. Не є винятком і сферавиконання судових рішень, яка потребує суттєвої модернізації.Необхідність реформування зумовлена тим, що існуюча в Україні системавиконавчого провадження є внутрішньо суперечливою, слаборозвинутою,незавершеною, відірваною від людей.Узагальнено сучасний досвід функціонування інституту виконавчоїслужби в громадянському суспільстві та відповідно системі публічногоуправління зарубіжних країн та окреслено можливості його застосування впроцесі реформування виконавчої служби України.Враховуючи характерні ознаки й форми перерозподілу владнихповноважень y сфері примусового виконання рішень, варто виокремитицентралізовані й децентралізовані системи виконавчого провадження. Припорівнянні ефективності централізованих та децентралізованих системвиконавчого провадження які застосовуються в світі, слід зазначити, щонайефективнішими виявляються ті ɜ них, які функціонують y країнах, денаселенню властиві повага до закону, високий рівень правової культуритощо.
Список використаної літератури1. Кузьміна І.С. Зарубіжний досвід побудови виконавчих систем:порівняльна характеристика та перспективи застосування в Україні.Вісник Запорізького національного університету. 2015. № 1 (ІІ).С. 139–145.2. Макушев П.В. Міжнародний досвід правового регулюваннядіяльності представників державних органів у виконавчомупровадженні. Альманах міжнародного права. 2014. № 6. С. 33–40.3. Марченко М.Г., Шматко Є.В. Новації виконавчого провадження вУкраїні. Молодий вчений. 2016. № 4 (31). С. 624–628.4. Про Загальнодержавну програму адаптації законодавства України дозаконодавства Європейського Союзу : Закон України від 18.03.2004.№ 1629-IV. Відомості Верховної Ради України. 2004. № 29. Ст. 367.5. Сіверін Д.В. Зарубіжний досвід діяльності органів, що здійснюютьповноваження, повʼязані із виконанням судових рішень, та йогоадаптація до вітчизняної правової системи. Європейські перспективи.2014. № 3. С. 81–87.6. Сурай І.Г. Демократичне врядування: цінності та компетентності.Вісник Національної академії державного управління приПрезидентові України. 2015. № 2. С. 71–76.7. Теремецький В.І., Крупнова Л.В. Застосування зарубіжного досвіду всфері виконання юрисдикційних рішень в Україні. Судова апеляція.2016. № 4 (45). С. 38–45.8. Фіолевський Д.П., Лобанцев С.Ю., Мєзєнцев Є.І. Державна виконавчаслужба в Україні : навч. посіб. Київ : Алерта, 2004. 564 с.9. Шандрук C. Системи примусового виконання рішень суду. Світовийдосвід. Демократичне врядування. 2010. Вип. 5. URL:http://lvivacademy.com/ vidavnitstvo_1/visnik5/fail/+Shandruk
ЦИФРОВА ГОТОВНІСТЬ В ПУБЛІЧНОМУ УПРАВЛІННІ МУЗЕЯМИ
No full textThe article discusses the issue of digital transformation in museums in Ukraine,specifically evaluating the level of implementation of digital innovations in museumactivities. Museums are increasingly focusing on integrating modern digitaltechnologies, such as virtual tours, online exhibitions, interactive platforms, and socialmedia, to improve engagement with audiences and preserve cultural heritage. Inparticular, in 2024, the Ministry of Culture and the Ministry of Digital Transformationof Ukraine initiated the creation of museum fund registries, which allow the evaluationof the digital readiness of institutions.One of the key aspects of the study is the development of a methodology forassessing the digital transformation of museums. The selection of evaluation indicatorsincludes museum websites, traffic indicators, the use of digital elements on sites, as wellas the analysis of social media and digital projects. The criteria assessed includedesign, user-friendliness, integration of virtual tours, use of mobile technologies, andthe availability of online resources.The results of the study reveal significant diversity in approaches to digitizationamong museums in Ukraine, depending on the type of museum, available resources,and strategic priorities. Museums actively use the Sketchfab platform to create 3Dmodels, as well as mobile applications and video content on YouTube to engage newaudiences. At the same time, tools such as AR/VR and mobile applications are usedsparingly due to the high cost of implementation.Digital transformation in museums not only contributes to improving engagementwith visitors but also helps in the preservation and popularization of cultural heritage.However, successful implementation of digital initiatives requires adequate funding,infrastructure modernization, and staff qualifications. The article emphasizes theimportance of creating comprehensive frameworks to assess the level of digitaltransformation in museums, which will not only help understand current practices butalso formulate recommendations for further development of digital strategies in themuseum sector.
References1. Agostino, D. and Costantini, C. (2022) A measurement framework for assessing thedigital transformation of cultural institutions: the Italian case. Meditari AccountancyResearch, 30, 4, 1141-1168. DOI: https://doi.org/10.1108/MEDAR-02-2021-1207.2. Cantino, V, Culasso, F, Racca, G. Smart Tourism. URL:https://iris.unito.it/bitstream/2318/1675966/1/SMART%20TOURISM%20Museum4.0.pdf.3. Digital strategies and transformation in museums: a step-by-step guide. Audiocult.com. URL: https://en.audio-cult.com/digitale-strategien-im-museum-eineanleitung.4. Europeana Pro. Building Digital Capacity. URL:https://pro.europeana.eu/page/building-digital-capacity.5. Kamariotou, V., Kamariotou, M., Kitsios, F. (2021). Moving Towards MuseumDigital Strategy: A Transformational Framework. URL:https://www.researchgate.net/publication/348926406_Moving_Towards_Museum_Digital_Strategy_A_Transformational_Framework.6. Kamariotou, V., Kamariotou, M., Kitsios, F. (2021).7. Kamariotou, V., Kamariotou, M., Kitsios, F. (2021).8. Memory Savers – Digital Cultural Heritage for Ukraine. Sucho.org. Published 2023.Accessed September 18, 2024. URL: https://memorysavers.sucho.org/9. Nikolaou, P. (2024). Museums and the Post-Digital: Revisiting Challenges in theDigital Transformation of Museums. Heritage, 7, 1784–1800. DOI:https://doi.org/10.3390/heritage7030084.10. Povroznik, N. (2024). Museumsʼ digital identity: key components. Internet Histories,8(1–2), 153–168. DOI: https://doi.org/10.1080/24701475.2024.233309411. Reiestr Muzeinoho Fondu Ukrainy. Mcip.gov.ua. URL:https://museum.mcip.gov.ua.У статті розглядається проблема цифрової трансформації музеїв вУкраїні, зокрема, оцінка рівня впровадження цифрових інновацій у музейнійдіяльності. Музеї все більше орієнтуються на інтеграцію новітніх цифровихтехнологій, таких як віртуальні тури, онлайн-виставки, інтерактивніплатформи та соціальні медіа, щоб покращити взаємодію з аудиторією тазберігати культурну спадщину. Зокрема, в 2024 році Міністерство культури таінформаційної політики та Міністерство цифрової трансформації Україниініціювали створення реєстрів музейних фондів, що дозволяє оцінити цифровуготовність установ.Одним з важливих аспектів дослідження є розробка методики для оцінкицифрової трансформації музеїв. Вибір індикаторів оцінки включає вебсайтимузеїв, показники трафіку, використання цифрових елементів на сайтах, атакож аналіз соціальних мереж і цифрових проектів. Оцінюються такі критерії,як дизайн, зручність користування, інтеграція віртуальних турів, використаннямобільних технологій та наявність онлайн-ресурсів.Результати дослідження показують значну різноманітність у підходах доцифровізації серед музеїв України, залежно від типу музею, наявних ресурсів та стратегічних пріоритетів. Музеї активно використовують платформуSketchfab для створення 3D моделей, а також мобільні додатки та відеоконтентна YouTube для залучення нової аудиторії. Водночас, інструменти як AR/VR тамобільні додатки використовуються обмежено через високу вартістьвпровадження.Цифрова трансформація музеїв не лише сприяє покращенню взаємодії звідвідувачами, але й допомагає в збереженні та популяризації культурноїспадщини. Однак для успішної реалізації цифрових ініціатив необхідне відповіднефінансування, модернізація інфраструктури та кваліфікація кадрів. Статтянаголошує на важливості створення всебічних рамок для оцінки рівня цифровоїтрансформації музеїв, що дозволить не лише зрозуміти поточні практики, а йсформулювати рекомендації для подальшого розвитку цифрових стратегій умузейній сфері.
Список використаних джерел1. Agostino D., Costantini C. A measurement framework for assessing the digitaltransformation of cultural institutions: the Italian case. Meditari AccountancyResearch. 2022. Vol. 30. № 4. Р. 1141-1168. DOI: https://doi.org/10.1108/MEDAR02-2021-1207.2. Cantino V, Culasso F, Racca G. Smart Tourism. URL:https://iris.unito.it/bitstream/2318/1675966/1/SMART%20TOURISM%20Museum4.0.pdf.3. Digital strategies and transformation in museums: a step-by-step guide. Audiocult.com. URL: https://en.audio-cult.com/digitale-strategien-im-museum-eineanleitung.4. Europeana Pro. Building Digital Capacity. URL:https://pro.europeana.eu/page/building-digital-capacity.5. Kamariotou, V., Kamariotou, M., Kitsios, F. (2021). Moving Towards MuseumDigital Strategy: A Transformational Framework. URL:https://www.researchgate.net/publication/348926406_Moving_Towards_Museum_Digital_Strategy_A_Transformational_Framework.6. Kamariotou, V., Kamariotou, M., Kitsios, F. (2021).7. Kamariotou, V., Kamariotou, M., Kitsios, F. (2021).8. Memory Savers – Digital Cultural Heritage for Ukraine. Sucho.org. Published 2023.Accessed September 18, 2024. URL: https://memorysavers.sucho.org.9. Nikolaou, P. Museums and the Post-Digital: Revisiting Challenges in the DigitalTransformation of Museums. Heritage. 2024. № 7. Р. 1784–1800. DOI:https://doi.org/10.3390/heritage7030084.10. Povroznik N. Museumsʼ digital identity: key components. Internet Histories. 2024.№ 8(1–2). Р. 153–168. DOI: https://doi.org/10.1080/24701475.2024.2333094.11. Реєстр Музейного Фонду України. Mcip.gov.ua. URL:https://museum.mcip.gov.ua
ОРГАНІЗАЦІЙНО-УПРАВЛІНСЬКІ ІННОВАЦІЇ У ЗАБЕЗПЕЧЕННІ СПЕЦІАЛІЗОВАНОЇ МЕДИЧНОЇ ДОПОМОГИ В УМОВАХ ВОЄННОГО СТАНУ
No full textThe article analyzes organizational and managerial innovations inensuring specialized medical care under martial law. It is established that the reform ofthe healthcare system requires updating the regulatory framework and improvingmanagement processes to increase the efficiency of medical service delivery. It was foundthat the Resolution of the Cabinet of Ministers of Ukraine № 97 of February 4, 2023,ensured the unification of terminology and optimization of the structure of medical careprovision, contributing to a systemic approach to management. It is emphasized that theadopted changes reflect the evolution of state policy, ensuring the effectiveness andquality of medical services, especially under martial law. The Resolution of the Cabinetof Ministers of Ukraine № 174 of February 28, 2023, is highlighted as forming a capablehospital network, optimizing the territorial organization of medical infrastructure, andincreasing the resilience of the healthcare system to external challenges.At the regional level, the practical implementation of state decisions takes placethrough the creation of interregional clusters of specialized medical institutions,particularly in the Lviv region, where a decentralized management model with digitalizedprocesses is applied. It is determined that the Law of Ukraine № 2347-IX of July 1, 2022,contributes to greater transparency in healthcare institutionsʼ activities, more efficientuse of budget funds, and enhanced public oversight.It is noted that digital tools – including electronic referrals and telemedicineservices – ensure the continuity of medical care and the promptness of response underconditions of limited access to infrastructure. The effectiveness of implementingmanagerial innovations is confirmed through the introduction of mobile medical clinics,modernization of material and technical resources, and the development of rehabilitationservices, which ensure comprehensive patient recovery.The results of the budget program 2301110 demonstrate a significant expansionof healthcare facilities, an increase in bed capacity and medical personnel, and improvedtreatment performance. It is concluded that the developed model of public administrationin the healthcare sector is characterized by high adaptability, responsiveness, and theability to maintain resilience and continuity in providing specialized medical care to thepopulation even in crisis conditions of martial law.
REFERENCES1. Myroniuk, I. S., Slabkyi, H. O., Shcherbinska, O. S., & Bilak-Lukianchuk, V. Y.(2022). Naslidky viiny z rosiiskoiu federatsiieiu dlia hromadskoho zdoroviaUkrainy [Consequences of the war with the Russian Federation for public healthin Ukraine]. Reproduktyvne zdorovia zhinky – Reproductive Health of Women, 8,26–31 [in Ukrainian].2. Maksymovych, M. I., & Lytvyn, N. A. (2022). Aktualni problemy dostupu domedytsyny pid chas voiennoho stanu [Current problems of access to medicineduring martial law]. Yurydychnyi naukovyi elektronnyi zhurnal – Legal ScientificElectronic Journal, 9, 330–332 [in Ukrainian].3. Rudoi, K., & Udrenas, H. (2025). Osoblyvosti nadannia medychnoi dopomohypid chas voiennoho stanu [Features of providing medical care during martial law].In Mizhnarodne humanitarne pravo ta osnovy bezpeky u period zbroinykhkonfliktiv – International humanitarian law and fundamentals of security duringarmed conflicts. Proceedings of the International Scientific and PracticalConference (Kyiv, February 6, 2025) (pp. 275–279). Kyiv: Kyiv Institute of theNational Guard of Ukraine [in Ukrainian].4. Kvasnii, L. H., Balanda, N. O., Senakh, P. N., & Petsukh, A. O. (2024). Vplyvviiny na systemu upravlinnia yakistiu medychnykh posluh [Impact of war on themedical services quality management system]. Filosofiia ta upravlinnia –Philosophy and Management, 3–4, 53–61 [in Ukrainian].5. Bohuslavska, S. I., Podolynnyi, S. O., & Vilivchenko, P. A. (2024). Problemyorhanizatsii derzhavnoi polityky nadannia likuvalnykh posluh pervynnoiu lankoiumedychnoi dopomohy v Ukraini [Problems of organizing state policy for theprovision of medical services by primary healthcare in Ukraine]. Ekonomichnyiprostir – Economic Space, 194, 13–17 [in Ukrainian].6. Cabinet of Ministers of Ukraine. (2023). Pro vnesennia zmin do deiakykhpostanov Kabinetu Ministriv Ukrainy shchodo orhanizatsii nadanniaspetsializovanoi medychnoi dopomohy [On amendments to certain resolutions ofthe Cabinet of Ministers of Ukraine regarding the organization of specializedmedical care]. Resolution № 97 (February 4, 2023). Retrieved fromhttps://zakon.rada.gov.ua/laws/show/97-2023-%D0%BF#Text [in Ukrainian].7. Lviv Regional State Administration. (2024). Lvivshchyna pidsumuvaladosiahnennia u sferi okhorony zdorovia za 2024 rik [Lviv region summarizedachievements in the field of healthcare in 2024]. Retrieved fromhttps://loda.gov.ua/news/127569 [in Ukrainian].8. Verkhovna Rada of Ukraine. (2022). Pro vnesennia zmin do deiakykhzakonodavchykh aktiv Ukrainy shchodo udoskonalennia nadannia medychnoi dopomohy [On amendments to certain legislative acts of Ukraine on improvingmedical care]. Law of Ukraine № 2347-IX (July 1, 2022). Retrieved fromhttps://zakon.rada.gov.ua/laws/show/2347-20#Text [in Ukrainian].9. Ministry of Health of Ukraine. (n.d.). «Ambulatorii na kolesakh»: 19 oblasteiotrymaly spetsialni mobilni medychni avto dlia vyizdiv ta diahnostyky uhromadakh [“Clinics on wheels”: 19 regions received special mobile medicalvehicles for outreach and diagnostics in communities]. Retrieved fromhttps://moz.gov.ua/uk/ambulatoriyi-na-kolesah-19-oblastej-otrimali-specialnimobilni-medichni-avto-dlya-viyizdiv-ta-diagnostiki-u-gromadah [in Ukrainian].10. eHealth Ukraine. (2025). Yak pratsiuie e-napravlennia na medychnu posluhu vUkraini? [How does an electronic referral for a medical service work in Ukraine?].Retrieved from https://ehealth.gov.ua/2025/06/13/yak-pratsyuye-e-napravlennyana-medychnu-poslugu-v-ukrayini [in Ukrainian].11. Ministry of Health of Ukraine. (2022). Pro zatverdzhennia pereliku medychnohoobladnannia dlia zabezpechennia potreb sfery okhorony zdorovia v umovakhvoiennoho stanu [On approval of the list of medical equipment to meet the needsof the healthcare sector under martial law]. Order № 761 (May 9, 2022). Retrievedfrom https://zakon.rada.gov.ua/rada/show/v0761282-22#n9 [in Ukrainian].12. Ministry of Health of Ukraine. (n.d.). Yak prokhodyt telemedychnekonsultuvannia dlia liudei u pryfrontovykh ta viddalenykh naselenykh punktakh[How telemedicine consultations are provided for people in frontline and remotesettlements]. Retrieved from https://moz.gov.ua/uk/jak-prohodit-telemedichnekonsultuvannja-dlja-ljudej-u-prifrontovih-ta-viddalenih-naselenih-punktah-#![in Ukrainian].13. Ministry of Health of Ukraine. (2025). Pasport biudzhetnoi prohramy na 2025 rik[Passport of the budget program for 2025]. Order № 262 (February 14, 2025).Retrieved from https://moz.gov.ua/storage/uploads/abdd833d-7679-4196-8e58-18bb9eafe2d3/dn_262_14022025_dod.pdf [in Ukrainian].14. Ministry of Health of Ukraine. (2024). Pasport biudzhetnoi prohramy na 2024 rik[Passport of the budget program for 2024]. Order № 254 (February 15, 2024).Retrieved from https://moz.gov.ua/storage/uploads/7ebf65e4-3f36-4465-bd5ced361d08ffda/dn_2053_09122024_dod.pdf [in Ukrainian].У статті здійснено аналіз організаційно-управлінськихінновацій у забезпеченні спеціалізованої медичної допомоги в умовах воєнногостану. Встановлено, що реформування системи охорони здоровʼя вимагаєоновлення нормативної бази та вдосконалення управлінських процесів дляпідвищення ефективності надання медичних послуг. Зʼясовано, що ПостановаКабінету Міністрів України від 4 лютого 2023 року № 97 забезпечила уніфікаціютермінології та оптимізацію структури надання медичної допомоги, що сприяєсистемному підходу в управлінні. Наголошено, що прийняті зміни відображаютьеволюцію державної політики, забезпечуючи результативність і якість медичнихпослуг, особливо в умовах воєнного стану. Підкреслено, що Постанова КМУ № 174від 28 лютого 2023 року формує спроможну госпітальну мережу, оптимізуєтериторіальну організацію медичної інфраструктури та підвищує стійкістьсистеми охорони здоровʼя до зовнішніх викликів. Констатовано, що нарегіональному рівні відбувається практична реалізація державних рішень черезстворення міжрегіональних кластерів спеціалізованих медичних закладів, зокремау Львівській області, де застосовується модель децентралізованого управління зцифровізацією процесів. Визначено, що Закон України № 2347-IX від 1 липня2022 року сприяє підвищенню прозорості діяльності закладів, ефективностівикористання бюджетних коштів та громадського контролю. Зауважено, щоцифрові інструменти, зокрема електронні направлення та телемедичні послуги,забезпечують безперервність медичного обслуговування та оперативністьреагування в умовах обмеженого доступу до інфраструктури. Визначеноефективність практичного застосування управлінських інновацій черезвпровадження мобільних медичних клінік, модернізацію матеріально-технічногозабезпечення та розвиток реабілітаційних послуг, що забезпечує комплексне відновлення пацієнтів. Встановлено, що результати бюджетної програми2301110 демонструють суттєве розширення мережі закладів, збільшенняліжкового фонду, підвищення чисельності медичного персоналу та зростаннярезультативності лікувальної діяльності. Зʼясовано, що сформована модельдержавного управління медичною сферою характеризується високоюадаптивністю, оперативністю та здатністю підтримувати стійкість ібезперервність надання спеціалізованої допомоги населенню навіть у кризовихумовах воєнного стану.
ДЖЕРЕЛА ТА ЛІТЕРАТУРА1. Миронюк І. С., Слабкий Г. О., Щербінська О. С., Білак-Лукʼянчук В. Й.Наслідки війни з російською федерацією для громадського здоровʼяУкраїни. Репродуктивне здоровʼя жінки. 2022. № 8. С. 26–31.2. Максимович М. І., Литвин Н. А. Актуальні проблеми доступу до медицинипід час воєнного стану. Юридичний науковий електронний журнал. 2022.№ 9. С. 330–332.3. Рудой К. М., Удренас Г. В. Особливості надання медичної допомоги під часвоєнного стану. Міжнародне гуманітарне право та основи безпеки у періодзбройних конфліктів : матеріали Міжнар. наук.-практ. конф. (м. Київ, 6 лют.2025 р.). Київ : Київський інститут Національної гвардії України, 2025.С. 275–279.4. Квасній Л. Г., Баланда Н. О., Сенах П. Н., Пецух А. О. Вплив війни насистему управління якістю медичних послуг. Філософія та управління.2024. № 3–4. С. 53–61.5. Богуславська С. І., Подолинний С. О., Вілівченко П. А. Проблеми організаціїдержавної політики надання лікувальних послуг первинною ланкоюмедичної допомоги в Україні. Економічний простір. 2024. № 194. С. 13–17.6. Про внесення змін до деяких постанов Кабінету Міністрів України щодоорганізації надання спеціалізованої медичної допомоги : постанова КабінетуМіністрів України від 4 лют. 2023 р. № 97. URL:https://zakon.rada.gov.ua/laws/show/97-2023-%D0%BF#Text7. Львівщина підсумувала досягнення у сфері охорони здоровʼя за 2024 рік.URL: https://loda.gov.ua/news/1275698. Про внесення змін до деяких законодавчих актів України щодоудосконалення надання медичної допомоги : Закон України від 1 лип. 2022р. № 2347-IX. URL: https://zakon.rada.gov.ua/laws/show/2347-20#Text9. «Амбулаторії на колесах»: 19 областей отримали спеціальні мобільнімедичні авто для виїздів та діагностики у громадах. URL:https://moz.gov.ua/uk/ambulatoriyi-na-kolesah-19-oblastej-otrimali-specialnimobilni-medichni-avto-dlya-viyizdiv-ta-diagnostiki-u-gromadah10. Як працює е-направлення на медичну послугу в Україні? URL:https://ehealth.gov.ua/2025/06/13/yak-pratsyuye-e-napravlennya-na-medychnuposlugu-v-ukrayini11. Про затвердження переліку медичного обладнання для забезпечення потребсфери охорони здоровʼя в умовах воєнного стану : наказ Міністерстваохорони здоровʼя України від 9 трав. 2022 р. № 761. URL:https://zakon.rada.gov.ua/rada/show/v0761282-22#n912. Як проходить телемедичне консультування для людей у прифронтових тавіддалених населених пунктах. URL: https://moz.gov.ua/uk/jak-prohodittelemedichne-konsultuvannja-dlja-ljudej-u-prifrontovih-ta-viddalenih-naselenihpunktah-#!13. Паспорт бюджетної програми на 2025 рік : наказ Міністерства охорониздоровʼя України від 14 лют. 2025 р. № 262. URL:https://moz.gov.ua/storage/uploads/abdd833d-7679-4196-8e58-18bb9eafe2d3/dn_262_14022025_dod.pdf14. Паспорт бюджетної програми на 2024 рік : наказ Міністерства охорониздоровʼя України від 15 лют. 2024 р. № 254. URL:https://moz.gov.ua/storage/uploads/7ebf65e4-3f36-4465-bd5ced361d08ffda/dn_2053_09122024_dod.pd
НАПРЯМИ ЗАБЕЗПЕЧЕННЯ ПРОДОВОЛЬЧОЇ БЕЗПЕКИ УКРАЇНИ В УМОВАХ РЕСУРСНИХ ОБМЕЖЕНЬ
Get PDFThis study highlights the features of the formation of an effective mechanism for ensuring foodsecurity in Ukraine in the conditions of global political and economic instability and uncertaintycaused by both internal factors (economic instability, reduction of production capacities, reductionin the level of investments) and external influences (armed conflict, disruption of logistics chains,global price fluctuations for agricultural products). The real destructive impact of the militaryaggression of the Russian Federation against Ukraine and its consequences for providing thepopulation of Ukraine with high-quality food products are outlined. The main steps for achieving theoptimal level of food security, which is declared in the National Strategy in conditions of resourceconstraints of varying degrees, as well as under the condition of maintaining the negative dynamicsof agricultural land loss, are identified. The essence of food security as a component of nationalsecurity, which is closely related to the effective functioning of the agro-industrial complex and thestability of the domestic market, is revealed. A systematic analysis of the existing institutional,organizational, and financial and economic instruments that affect the level of food security has beencarried out. Particular attention is paid to the role of state policy, innovative technologies inagriculture, and the possibilities of attracting international technical assistance. It is proposed toimprove the existing food security mechanism, taking into account modern challenges and limitations,including the creation of strategic reserves, stimulating domestic production, and improvingmonitoring. It has been found that an effective national mechanism for ensuring food security shouldbe based on the following components: a global interstate vision, a national regulatory and legalapparatus, an organizational and economic, informational, educational, and investment component.Key problems of food security have been identified depending on the regional zone of Ukraine, andsolutions have been proposed, taking into account the factor of territorial features and the generalsecurity situation.Keywords: agricultural sector, martial law, resource restoration, nutrition model, adaptability,global risks.
References1. Artemenko, L., Marynenko, N., Kramar, I., & Hats, L. (2023). Prodovolʹcha bezpekaUkrayiny v umovakh viysʹkovoyi ahresiyi: stan ta perspektyvy [Food security of Ukraine in theconditions of military aggression: state and prospects]. Sotsialʹno-ekonomichni problemy iderzhava, 1(28), 115–128. https://sepd.tntu.edu.ua/images/stories/pdf/2023/23albstp.pdf2. Batyhina, O. M. et al. (2013). Aktualʹni problemy pravovoho zabezpechennya prodovolʹchoyibezpeky Ukrayiny: Monohrafiya [Current problems of legal support for food security of Ukraine:Monograph]. FOP Shevchenko S. O. https://dspace.nlu.edu.ua/handle/123456789/38113. Braudel, F. (n.d.). Materialʹna tsyvilizatsiya, ekonomika i kapitalizm, XV-XVIII [Materialcivilization, economy, and capitalism, 15th-18th centuries]. Chytvo.org.ua.https://chtyvo.org.ua/authors/Fernand_Braudel/Materialna_tsyvilizatsiia_ekonomika_i_kapitalizm_XV-XVIII_st_Tom_1/4. Danylyshyn, B. (2023, March 3). Yak zabezpechyty ekonomichne zrostannya v umovakhviyny [How to ensure economic growth in the conditions of war]. Ekonomichna Pravda.https://www.epravda.com.ua/columns/2023/03/3/697664/5. Datsyshyn, M. (2022, August 5). Yak vidnovyty mistseve samovryaduvannya vid naslidkivviyny? [How to restore local self-government from the consequences of the war?]. UkrainskaPravda. https://www.pravda.com.ua/columns/2022/08/5/7362004/6. Food and Agriculture Organization of the United Nations. (n.d.). Impact of the UkraineRussia conflict on global food security and related matters under the mandate of the Food andAgriculture Organization of the United Nations (FAO). https://bit.ly/3uci2r37. Hoychuk, O. (2004). Prodovolʹcha bezpeka: Monohrafiya [Food security: Monograph].Polissya.8. Sobkevych, O. V., Shevchenko, A. V., & others. (2023). Priorytety zabezpechennya stiykostipromyslovosti y ahrarnoho sektoru ekonomiky Ukrayiny v umovakh povnomasshtabnoyi viyny:Analitychna dopovidʹ [Priorities for ensuring the stability of industry and the agrarian sector of theeconomy of Ukraine in the conditions of a full-scale war: Analytical report]. (Ya. A. Zhalil, Ed.).NISD. https://doi.org/10.53679/NISS-analytrep.2023.049. The Economist. (n.d.). Global Food Security Index.https://impact.economist.com/sustainability/project/food-security-index/explore-countries10. U.S. Department of Agriculture. (n.d.). World Agricultural Supply and Demand Estimates.https://www.usda.gov/oce/commodity/wasde/wasde0523.pdf11. Ukrayina ta hlobalʹna prodovolʹcha bezpeka v umovakh viyny [Ukraine and global foodsecurity in the conditions of war]. (n.d.). https://bit.ly/42jDUgA12. Volokhatyi, S. (n.d.). Eksperty U-LEAD dopomahayutʹ hromadam rozroblyaty prohramyprodovolʹchoyi bezpeky [U-LEAD experts help communities develop food security programs]. ULEAD. https://u-lead.org.ua/news/5813. Zaliznyuk, V. P. (2016). Evolyutsiya ponyattya ta pidkhodiv shchodo vimiruprodovolʹchoyi bezpeky [Evolution of the concept and approaches to measuring food security].Derzhavne upravlinnya: udo-skonalennya ta rozvytok, (8).https://impact.economist.com/sustainabil-ity/project/food-security-index/explore-countriesУ дослідженні висвітлено особливості формування ефективного механізму забезпеченняпродовольчої безпеки України в умовах глобальної політико-економічної нестабільності таневизначеності зумовлених як внутрішніми чинниками (економічна нестабільність,скорочення виробничих потужностей, зниження рівня інвестицій), так і зовнішніми впливами(збройний конфлікт, порушення логістичних ланцюгів, глобальні цінові коливання на аграрнупродукцію). Визначено основні кроки досягнення оптимального рівня продовольчої безпеки, щозадекларовано в Національній Стратегії в умовах ресурсних обмежень різного ступеня, атакож за умови збереження негативної динаміки втрати сільськогосподарських угідь.Розкрито сутність продовольчої безпеки як складової національної безпеки, що тіснопов’язана з ефективним функціонуванням агропромислового комплексу та стабільністювнутрішнього ринку. Здійснено системний аналіз наявних інституційних, організаційних іфінансово-економічних інструментів, що впливають на рівень продовольчої безпеки.Визначені ключові проблеми забезпечення продовольством в залежності від регіональної зониУкраїни та запропоновані шляхи вирішення з урахуванням чинника територіальнихособливостей та загальної безпекової ситуації.Ключові слова: агарний сектор, воєнний стан, відновлення ресурсів, модель харчування,адаптивність, глобальні ризики.
Список використаних джерел1. Artemenko, L., Marynenko, N., Kramar, I., & Hats, L. (2023). Prodovolʹcha bezpekaUkrayiny v umovakh viysʹkovoyi ahresiyi: stan ta perspektyvy [Food security of Ukraine in theconditions of military aggression: state and prospects]. Sotsialʹno-ekonomichni problemy iderzhava, 1(28), 115–128. https://sepd.tntu.edu.ua/images/stories/pdf/2023/23albstp.pdf2. Batyhina, O. M. et al. (2013). Aktualʹni problemy pravovoho zabezpechennya prodovolʹchoyibezpeky Ukrayiny: Monohrafiya [Current problems of legal support for food security of Ukraine:Monograph]. FOP Shevchenko S. O. https://dspace.nlu.edu.ua/handle/123456789/38113. Braudel, F. (n.d.). Materialʹna tsyvilizatsiya, ekonomika i kapitalizm, XV-XVIII [Materialcivilization, economy, and capitalism, 15th-18th centuries]. Chytvo.org.ua.https://chtyvo.org.ua/authors/Fernand_Braudel/Materialna_tsyvilizatsiia_ekonomika_i_kapitalizm_XV-XVIII_st_Tom_1/4. Danylyshyn, B. (2023, March 3). Yak zabezpechyty ekonomichne zrostannya v umovakhviyny [How to ensure economic growth in the conditions of war]. Ekonomichna Pravda.https://www.epravda.com.ua/columns/2023/03/3/697664/5. Datsyshyn, M. (2022, August 5). Yak vidnovyty mistseve samovryaduvannya vid naslidkivviyny? [How to restore local self-government from the consequences of the war?]. UkrainskaPravda. https://www.pravda.com.ua/columns/2022/08/5/7362004/6. Food and Agriculture Organization of the United Nations. (n.d.). Impact of the UkraineRussia conflict on global food security and related matters under the mandate of the Food andAgriculture Organization of the United Nations (FAO). https://bit.ly/3uci2r37. Hoychuk, O. (2004). Prodovolʹcha bezpeka: Monohrafiya [Food security: Monograph].Polissya.8. Sobkevych, O. V., Shevchenko, A. V., & others. (2023). Priorytety zabezpechennya stiykostipromyslovosti y ahrarnoho sektoru ekonomiky Ukrayiny v umovakh povnomasshtabnoyi viyny:Analitychna dopovidʹ [Priorities for ensuring the stability of industry and the agrarian sector of theeconomy of Ukraine in the conditions of a full-scale war: Analytical report]. (Ya. A. Zhalil, Ed.).NISD. https://doi.org/10.53679/NISS-analytrep.2023.049. The Economist. (n.d.). Global Food Security Index.https://impact.economist.com/sustainability/project/food-security-index/explore-countries10. U.S. Department of Agriculture. (n.d.). World Agricultural Supply and Demand Estimates.https://www.usda.gov/oce/commodity/wasde/wasde0523.pdf11. Ukrayina ta hlobalʹna prodovolʹcha bezpeka v umovakh viyny [Ukraine and global foodsecurity in the conditions of war]. (n.d.). https://bit.ly/42jDUgA12. Volokhatyi, S. (n.d.). Eksperty U-LEAD dopomahayutʹ hromadam rozroblyaty prohramyprodovolʹchoyi bezpeky [U-LEAD experts help communities develop food security programs]. ULEAD. https://u-lead.org.ua/news/5813. Zaliznyuk, V. P. (2016). Evolyutsiya ponyattya ta pidkhodiv shchodo vimiruprodovolʹchoyi bezpeky [Evolution of the concept and approaches to measuring food security].Derzhavne upravlinnya: udo-skonalennya ta rozvytok, (8).https://impact.economist.com/sustainabil-ity/project/food-security-index/explore-countrie