Современное состояние научных исследований и технологий в промышленности
Not a member yet
490 research outputs found
Sort by
Моделі логістики збуту технічної продукції оборонного призначення в умовах ризиків воєнного часу
Get PDFThe subject of this article is the processes of organization and optimization of the distribution logistics of technical defense products under wartime conditions, in particular, the development of a network logistics structure considering reverse flows, risks, and limited resources. The purpose of the study is to improve the efficiency of distribution logistics of technical defense products in wartime by constructing an adaptive structure of logistics flows and developing a mathematical optimization model that accounts for risks and resource constraints. The article addresses the following tasks: analysis of the specific features of distribution logistics for technical defense products in combat conditions; development of a structural model of logistics flows that considers direct and reverse links as well as the reuse of components; construction of a mathematical model for optimizing logistics processes with consideration of time costs, delay risks, and resource constraints; justification of the application of scenario analysis and adaptive planning to enhance the resilience and continuity of supply under uncertainty. The following methods are applied: a systems approach, structural decomposition of logistics processes, risk-based approach, constrained mathematical modeling, scenario analysis, and adaptive planning. The results obtained include the construction of a structural model of logistics flows for supplying the Armed Forces of Ukraine, which takes into account direct and reverse flows as well as component reuse; the development of a mathematical model for optimization of distribution logistics with an objective function of minimizing time and constraints on supply volume, total risk, and the number of routes. It is demonstrated that risk consideration significantly affects the choice of optimal routes and strategies. The feasibility of using scenario analysis and adaptive planning to ensure continuity of supply in combat conditions is substantiated. Conclusions. The proposed structural and mathematical models make it possible to reduce the logistics cycle time, increase the resilience of the logistics system to risks, and ensure rapid response to changing circumstances. The use of reverse logistics and component reuse helps reduce costs and mitigate resource shortages. Scenario analysis and adaptive planning are effective tools for managing the distribution logistics of technical products under uncertainty and wartime risks.Предметом дослідження статті є процеси організації та оптимізації логістики збуту технічної продукції оборонного призначення в умовах воєнного часу, зокрема побудова мережевої структури логістики з огляду на реверсивні потоки, ризики й обмежені ресурси. Мета роботи – підвищення ефективності логістики збуту технічної продукції оборонного призначення за умов воєнного часу способом побудови адаптивної структури логістичних потоків і розроблення математичної моделі оптимізації відповідно до ризиків і ресурсних обмежень. У статті необхідно розв’язати такі завдання: аналіз особливостей логістики збуту технічної оборонної продукції в умовах бойових дій; розроблення структурної моделі логістичних потоків з огляду на прямі й зворотні зв’язки та повторне використання компонентів; побудова математичної моделі оптимізації логістичних процесів, зважаючи на часові витрати, ризики затримок та ресурсні обмеження; обґрунтування застосування сценарного аналізу та адаптивного планування для підвищення стійкості та безперервності постачання в умовах невизначеності. Застосовано такі методи: системний підхід, структурна декомпозиція логістичних процесів, ризик-орієнтований підхід, математичне моделювання з обмеженнями, сценарний аналіз і адаптивне планування. Досягнуті результати. Побудовано структурну модель логістичних потоків у забезпеченні ЗСУ, яка бере до уваги прямі й зворотні потоки та повторне використання компонентів; розроблено математичну модель оптимізації логістики збуту з цільовою функцією мінімізації часу та обмеженнями на обсяг постачання, сукупний ризик і кількість маршрутів. Показано, що взяття до уваги ризиків значно впливає на вибір оптимальних маршрутів і стратегій. Обґрунтовано доцільність застосування сценарного аналізу й адаптивного планування для підтримки безперервності постачання в умовах бойових дій. Висновки. Запропоновані структурна та математична моделі дають змогу зменшити час логістичного циклу, підвищити стійкість логістичної системи до ризиків і забезпечити оперативне реагування на зміни обстановки. Упровадження реверсивної логістики та повторного використання компонентів сприяє зниженню витрат і дефіциту ресурсів. Сценарний аналіз і адаптивне планування є ефективними інструментами управління логістикою збуту технічної продукції в умовах невизначеності та воєнних ризиків
Метод доповнення 3D-моделей точкових хмар з використанням графових нейронних мереж
Get PDFConstructing models representing three-dimensional objects as a set of unstructured points (3D point cloud models) in space is becoming increasingly widespread across various domains, including autonomous navigation, robotics, virtual/augmented reality, and 3D reconstruction. Accurately capturing and processing 3D point cloud data is critical for applications requiring a comprehensive understanding of the surrounding environment, such as obstacle avoidance, path planning, and scene modelling. However, due to various reasons, point clouds often contain missing regions, posing significant challenges for subsequent data processing. Incomplete point cloud data can have serious consequences, for instance, in autonomous navigation systems, where errors may lead to collisions or other hazardous situations. Addressing this issue is crucial for the reliable processing of 3D data. This work aims to develop and investigate a method for automatically completing and reconstructing point clouds using graph neural networks. The study's primary objectives include analysing existing approaches to constructing and restoring three-dimensional graph models, developing and implementing a method for automatically completing point clouds using graph neural networks and modelling the proposed method for tasks related to the completion and 3D reconstruction of point cloud models. In this work, a conceptual model for point cloud completion was developed using graph neural networks, enabling the efficient encoding of incomplete point clouds as graphs and the prediction of missing points. The proposed solution for completing incomplete 3D point clouds offers scientific novelty and combines the power of graph neural networks (GNN) with the Point Completion Network (PCN) architecture. The suggested approach allows for high-quality restoration of incomplete 3D data, essential for numerous applications, such as 3D reconstruction, robot navigation, and more. The practical significance of the work’s results is validated by the modelling outcomes of the developed method on classical datasets and their comparison with existing approaches to solving the studied problem. A promising direction for further research on this topic includes testing various architectures of graph neural networks, tuning hyperparameters, applying alternative loss functions, and leveraging more powerful computational resources to train the constructed neural network models.Побудова моделей подання тривимірних об’єктів у вигляді просторової сукупності слабкоструктурованих точок (3D-моделей точкових хмар) набуває поширення в різних сферах, зокрема в завданнях створення віртуальної реальності, маршрутизації автономних роботів і 3D-реконструкції. Необхідність формувати та обробляти дані 3D-моделей хмар точок є суттєвою для застосунків, що потребують ретельного аналізу особливостей навколишнього середовища, пов’язаних з подоланням перешкод, визначенням маршрутів транспортних засобів та моделюванням реальних сцен. Утім, з різних причин точкові хмари часто містять пропущені ділянки, що створює значні проблеми для подальшого оброблення інформації. Неповні дані точкових хмар можуть мати серйозні наслідки, наприклад, у системах автономної навігації, де помилки призводять до зіткнень або інших небезпечних ситуацій. Розв’язання цієї проблеми є ключовим для надійного оброблення 3D-даних. Метою статті є розроблення та дослідження методу автоматичного доповнення й реконструкції точкових хмар з використанням графових нейронних мереж. Основними завданнями дослідження є аналіз наявних підходів до побудови та відновлення тривимірних графових моделей, розроблення та програмна реалізація методу автоматичного доповнення точкових хмар з використанням графових нейронних мереж, а також моделювання запропонованого методу для завдань доповнення та 3D-реконструкції моделей точкових хмар. У роботі розглянуто загальну модель доповнення точкових хмар із застосуванням графових нейронних мереж, що дають змогу кодувати неповні 3D-моделі хмар точок із використанням графів та прогнозуванням положення відсутніх фрагментів моделей. Запропоноване рішення для доповнення неповних 3D-хмар точок має наукову новизну та поєднує потужність графових нейронних мереж (GNN) з архітектурою мережі Point Completion Network (PCN). Окреслений підхід сприяє якісному відновленню неповних 3D-даних у практичному застосуванні. Значущість роботи підтверджують результати моделювання запропонованого методу для класичних датасетів та їх порівняння з деякими наявними підходами до розв’язання досліджуваної проблеми. Перспективним напрямом продовження досліджень з окресленої теми є випробування різних архітектур нейронних графових мереж, налаштування гіперпараметрів, застосування альтернативних функцій втрат і більш потужних обчислювальних ресурсів для навчання побудованих нейромережних моделей
Модель ML для аналізу властивостей речовини на основі її фізико-хімічних особливостей
Get PDFSubject matter. The article focuses on extending previous binary classification results to multi-class classification using an ML model to analyze substance properties based on physicochemical characteristics. Goal. The primary objective is to develop a new ML model and metrics to compare different models' analysis quality, particularly in predicting wine quality from its composition. Tasks are data preparation, model development, training, tuning, evaluation, deployment, and monitoring. Methods. The study uses AWS SageMaker for data preparation, model development, training, tuning, evaluation, deployment, and monitoring, with data processed using Jupyter notebooks and pandas. Results. Data Analysis: The analysis includes descriptive statistics, correlation matrices, and visualizations like histograms and scatter plots to understand data relationships and quality. Model Training and Evaluation: The models were trained using XGBoost, with data split into training, validation, and testing sets, and evaluated using confusion matrices and AUC-ROC metrics. Confusion Matrix Analysis: Confusion matrices for two models showed mixed results, highlighting the challenge of comparing model performance and the need for further research on unbalanced classes. Hyperparameter Tuning: Amazon SageMaker's automatic hyperparameter tuning was used to optimize model performance, employing Bayesian optimization and Gaussian process regression. ROC-AUC Metrics: The study utilized ROC-AUC metrics to evaluate model performance, with micro-averaging and macro-averaging approaches showing different AUC values for the two models. Key Findings: The second model showed slightly better performance based on AUC metrics, but confusion matrix analysis suggested the need for models tailored to unbalanced classes. Conclusions. The research successfully developed a new ML model for multi-class classification, demonstrating its potential for improving wine quality prediction and suggesting future research directions.Предмет статті – розширення попередніх результатів бінарної класифікації на багатокласову за допомогою моделі ML для аналізу властивостей речовини на основі її фізико-хімічних особливостей. Мета дослідження – розроблення нової моделі ML і показників для порівняння якості аналізу різних моделей, зокрема для аналізу якості вина за його складом. Завдання: підготовка даних, вибір типу моделі, її навчання, налаштування, оцінювання, розгортання та моніторинг. У дослідженні використовується метод AWS SageMaker для підготовки даних, розроблення моделі, її навчання, налаштування, оцінювання, розгортання та моніторингу, а дані обробляються за допомогою блокнотів Jupyter і Pandas. Досягнуті результати. Аналіз даних передбачає описову статистику, кореляційні матриці та візуалізації, як-от гістограми та діаграми розсіювання, щоб зрозуміти взаємозв’язки та якість даних. Моделі було навчено за допомогою XGBoost, дані розподілено на набори для навчання, перевірки, тестування та оцінення за допомогою матриць невідповідності та показників AUC-ROC. Матриці невідповідності для двох моделей показали змішані результати, доводячи складність порівняння продуктивності моделі та необхідність подальших досліджень незбалансованих класів. Автоматичне налаштування гіперпараметрів Amazon SageMaker було використано для оптимізації продуктивності моделі за допомогою баєсівської оптимізації та регресії процесу Гаусса. У дослідженні застосовувалися показники ROC-AUC для оцінювання продуктивності моделі з підходами мікро- та макроусереднення, що показують різні значення AUC для двох моделей. Друга модель продемонструвала трохи кращу продуктивність на основі показників AUC, але аналіз матриці невідповідності показав потребу в моделях, адаптованих до незбалансованих класів. Висновки: у дослідженні успішно розроблено нову модель ML з метою багатокласової класифікації, продемонстровано її потенціал для покращення передбачення якості вина та запропоновано майбутні напрями досліджень
Розроблення об’єктно-орієнтованого алгоритму порівняння зображень для їх ефективного пошуку
Get PDFThe object of research is content-based image retrieval (CBIR). The subject of this study is models and methods for content-based image retrieval (CBIR) and managing large volumes of media content in extensive image storage systems. The goal of the research is to develop an algorithm for comparing object-oriented image descriptors, which involves using advanced computer vision models for object detection and constructing efficient methods for comparing and searching these descriptors. The proposed descriptor and comparison algorithm aim to enhance the efficiency and accuracy of image search and management processes. The tasks include: analyzing modern approaches and solutions for creating and comparing image descriptors and their use in CBIR; developing metrics and algorithms for comparing image descriptors that effectively utilize information about detected objects – such as their types, sizes, and locations – for image search in large data repositories; conducting experiments to evaluate the proposed image search algorithm and comparing its efficiency with existing solutions. The methodology includes: conducting a comprehensive review of advanced image descriptor generation methods, including hash-based descriptors, handcrafted descriptors, and deep learning-based descriptors; analyzing the use of existing descriptors in CBIR systems, focusing on their advantages and limitations; evaluating the best image search algorithms, including deep learning-based approaches; developing an object descriptor comparison algorithm for tag-based search, image-based search, and other tasks. The results obtained are as follows: an object-based image descriptor was developed using state-of-the-art machine learning models for object detection; metrics and comparison algorithms for the proposed descriptors were developed, enabling their use for CBIR in large data repositories; a series of experiments were conducted to assess the efficiency and search quality of the proposed descriptor and algorithms in large-scale image storage systems. These experiments compared their performance with existing methods, revealing their advantages and limitations, namely: faster descriptor generation; faster descriptor comparison than hashed, handcrafted, and deep learning-based descriptors; efficient image filtering in storage; higher search quality and speed for image-based queries. However, the descriptor’s effectiveness depends on the quality of the model and data used for object detection, as images without detected objects do not appear in search results, which may limit search completeness. Conclusions: The developed algorithm for comparing object-oriented image descriptors is an effective tool for solving various CBIR tasks. The obtained results are satisfactory, as the proposed image search algorithm outperforms most alternatives in terms of speed and search quality. A promising direction for future research is the development of a CBIR system using the proposed descriptor and algorithms, enhanced by parallel and distributed computing, and further refinement for specific applications. This would allow its use not only for general-purpose images but also for more precise scientific domains.Об’єктом у статті є пошук зображень на основі змісту. Предмет дослідження – моделі та методи пошуку зображень на основі змісту (CBIR) і управління значними обсягами медіаконтенту у великих системах збереження зображень. Мета статті – розроблення алгоритму порівняння об’єктно-орієнтованих дескрипторів зображень, що передбачає використання передових моделей комп’ютерного зору для виявлення об’єктів і побудови ефективних методів порівняння й пошуку цих дескрипторів. Запропонований дескриптор і алгоритм порівняння мають на меті підвищити ефективність і точність процесів пошуку зображень і управління ними. Завдання: аналіз сучасних підходів і рішень для створення та порівняння дескрипторів зображень та їх використання в пошуку зображень на основі змісту (CBIR); розроблення метрик і алгоритмів порівняння дескрипторів зображень, що ефективно використовують інформацію про виявлені об’єкти, такі як їх типи, розміри та місце розташування для пошуку зображень у великих сховищах даних; проведення експериментів для оцінювання запропонованого алгоритму пошуку за зображенням і порівняння ефективності з наявними рішеннями. Методологія передбачає всебічний огляд передових методів створення дескрипторів зображень, зокрема: геш-дескрипторів, створених вручну дескрипторів, дескрипторів на основі глибокого навчання; аналіз використання наявних дескрипторів у системах CBIR, зважаючи на їх переваги й обмеження; аналіз найкращих алгоритмів пошуку за зображенням, зокрема з підходами, що використовують глибоке навчання; розроблення алгоритму порівняння об’єктних дескрипторів для завдань пошуку за тегами, зображенням тощо. Досягнуті результати: розроблено дескриптор зображення, оснований на об’єктах, виявлених за допомогою сучасних моделей машинного навчання; розроблено метрики й алгоритми порівняння запропонованих дескрипторів, що дають змогу використовувати їх для пошуку зображень на основі змісту у великих сховищах даних; проведено серію експериментів для оцінювання ефективності та якості пошуку у великих системах збереження зображень за допомогою запропонованого дескриптора та алгоритмів. Експерименти дали змогу порівняти їх ефективність з наявними методами, виявивши їх переваги й обмеження, а саме: більш швидке створення дескриптора, більш швидке порівняння дескрипторів, ніж гешовані, створені вручну, та дескриптори на основі глибокого навчання, ефективне фільтрування зображень у сховищі, вища якість та швидкість пошуку зображень, але ефективність дескриптора залежить від якості моделі та даних, що використовуються для виявлення об’єктів, оскільки зображення без виявлених об’єктів не з’являються внаслідок пошуку, що може обмежувати повноту пошуку. Висновки. Розроблений алгоритм порівняння об’єктно-орієнтованих дескрипторів зображень є ефективним інструментом для розв’язання низки завдань пошуку зображень на основі змісту. Досягнуті результати є задовільними, оскільки розроблений алгоритм пошуку зображень перевершує більшість аналогів за швидкістю та якістю пошуку. Перспективним напрямом цього дослідження є побудова системи пошуку зображень на основі змісту з використанням розробленого дескриптора та алгоритмів, посилене застосування паралельних і розподілених обчислень, доопрацювання під конкретні потреби, що дасть змогу використовувати його не тільки в контексті зображень загального призначення, а й для більш точних наукових напрямів
Оцінювання точності та аналіз помилок розбору залежностей для текстів українською мовою
Get PDFThe subject of our research is the dependency parsing of sentences in the Ukrainian language using the Universal Dependencies framework. The goal of the work is to evaluate the accuracy of existing transition-based and graph-based parsing architectures with and without deep word embeddings on the Ukrainian dataset, and to analyze the error profiles of such parsers. The article addresses two tasks. One is to evaluate the accuracy of several modern dependency parsing approaches applied to a hand-annotated gold standard dataset, using labeled and unlabeled attachment scores as the metric to evaluate the parsing accuracy. The other task is to analyze and categorize the errors made by standard parsers. Resolving these errors could potentially allow us to build a more accurate parser in the future. Error rate for different categories is compared to the baseline error rate, and statistical significance of such comparison is validated using the chi-square method. The key results are as follows. For the Ukrainian language, parsing accuracy is greatly increased with the use of deep word embeddings. Transition-based parser with deep word embeddings provides the highest labeled attachment score of 84.66% for the test dataset. For the same parser, higher error rates are associated with non-projectivity of dependencies, higher sentence length and higher distance to head. Also, for pronouns and numerals the error rate for labeled attachment is significantly higher than the baseline, while the unlabeled error rate is at the baseline. Conclusions: parsing accuracy for the Ukrainian dataset is sub-par in comparison with other languages, but the overall trend of accuracy improvement with the use of deep word embeddings is consistent with existing research. To improve overall parsing accuracy, we must focus on such problem areas as non-projective dependencies, longer sentences, and greater distance between the head and the dependent. In future work we intend to explore ways to improve parsing accuracy by supplementing neural parsing with other approaches, like formal rules or pre- and post-processing.Предметом дослідження є розбір залежностей в межах фреймворку Universal Dependencies для речень українською мовою. Метою роботи є оцінювання і порівняння точності розбору залежностей, яка досягається декількома сучасними системами на стандартному наборі даних українською мовою, а також аналіз профілю помилок таких систем. У статті виконано два завдання. Перше – оцінювання точності декількох сучасних систем розбору залежностей із використанням анотованого вручну стандартного набору даних. Метрикою точності обрано відсоток правильно побудованих позначених та непозначених зв’язків. Друге завдання – аналіз та категоризація помилок, яких припускаються стандартні системи. Виявлення та усунення цих помилок потенційно дасть змогу в подальшому створити більш точну систему розбору. У досліджуваних системах використовуються методи машинного навчання і нейронних мереж разом з методами теорії автоматів і теорії графів, а також глибокі векторні подання слів. Основні результати. Для української мови точність синтаксичного розбору значно підвищується з використанням глибокого векторного подання слів. Система на основі переходів із глибоким векторним поданням слів забезпечує найвищий показник точності побудови позначених зв’язків на рівні 84,66% для тестового набору даних. Для цієї самої системи підвищення рівня помилок спостерігається для непроєктивних залежностей, довших речень і більшої відстані до основного слова. Крім того, для займенників і числівників рівень помилок для позначених зв’язків значно перевищує базовий рівень, тоді як помилки для непозначених зв’язків залишаються на базовому рівні. Висновки: точність розбору залежностей для української мови поступається аналогічним показникам для інших мов, однак загальна тенденція підвищення точності з використанням глибокого векторного подання слів узгоджується з результатами попередніх досліджень. Для покращення загальної точності розбору важливо зосередитися на таких проблемних аспектах, як непроєктивні залежності, довгі речення та велика відстань між основним і залежним словами. У подальших дослідженнях заплановано дослідити можливості підвищення точності синтаксичного розбору способом доповнення підходу на основі машинного навчання іншими методами, зокрема використанням формальних правил або етапів попереднього та подальшого оброблення
Сучасні підходи до розгортання інфраструктури мобільних інтелектуальних систем
Get PDFSubject matter: The infrastructure of mobile intelligent systems (MIS) for monitoring critical assets using groups of unmanned aerial vehicles (UAVs), integrating edge and cloud computing, load balancing methods, and cybersecurity mechanisms. Goal: To investigate the efficiency of automated resource management in MIS through adaptive scaling, heuristic optimization, and failure prediction methods to enhance system reliability and performance. Tasks To design an MIS architecture with hybrid distribution of computations between edge and cloud components; to evaluate the impact of resource balancing mechanisms under variable load conditions; to assess the effectiveness of multi-channel communication technologies in the event of primary link failure; and to implement cybersecurity methods to ensure uninterrupted system operation. Methods: Theoretical analysis of existing approaches, modeling and simulation to assess performance and reliability. The study involves the use of genetic algorithms, swarm intelligence, and artificial potential fields for UAV trajectory management. Results: Experimental evaluations conducted in Microsoft Azure and CoppeliaSim EDU environments confirmed the effectiveness of the proposed approaches. Average latency was reduced by 35%, energy consumption was optimized, and uninterrupted data transmission was ensured in 92% of connection failure scenarios. Reliability analysis showed the benefits of component redundancy and predictive failure detection, reducing the probability of critical faults by 22% and shortening recovery time by 42%. Conclusions: Automated resource management in MIS ensures operational stability and continuity for UAV groups even under dynamic operating conditions. Computational optimization and adaptive scaling enhance system performance, reduce transmission delays, and improve energy efficiency. The developed cybersecurity approaches ensure data protection and infrastructure resilience in the face of external threats and network attacks.Предмет дослідження – інфраструктура мобільних інтелектуальних систем (МІС) для моніторингу критичних об’єктів із застосуванням груп безпілотних літальних апаратів (БПЛА), що поєднує крайові та хмарні обчислення, методи балансування навантаження та кібербезпеки. Мета роботи – аналіз методів розгортання інфраструктури МІС моніторингу критичних об’єктів, орієнтованих на використання груп БПЛА. Основну увагу зосереджено на підвищенні ефективності, надійності та адаптивності таких систем унаслідок інтеграції хмарних і крайових обчислень, розроблення механізмів автоматизованого керування ресурсами, кіберзахисту та адаптації до умов експлуатації. Завдання: розробити архітектуру МІС з гібридним розподілом обчислень між Edge- та Cloud-компонентами; дослідити вплив механізмів балансування ресурсів на продуктивність за умови змінного навантаження; оцінити ефективність мультиканальних технологій зв’язку в разі втрати основного каналу; впровадити методи кіберзахисту для забезпечення безперебійної роботи системи. Методи: теоретичний аналіз наявних підходів, моделювання та симуляція для оцінювання їх продуктивності й надійності. Дослідження передбачає використання генетичних алгоритмів, ройових алгоритмів і штучних потенційних полів для управління траєкторіями ботів. Результати дослідження. Експериментальні випробування в середовищах Microsoft Azure та CoppeliaSim EDU підтвердили ефективність запропонованих підходів. Досягнуто зменшення середньої затримки на 35%, покращено енергоспоживання, забезпечено безперервність передачі даних у 92% сценаріїв втрати зв’язку. Аналіз надійності показав доцільність резервування компонентів і впровадження методів прогнозування, що дало змогу знизити ймовірність критичних відмов на 22% та скоротити середній час відновлення на 42%. Висновки. Використання автоматизованого управління ресурсами в МІС забезпечує стабільність і безперервність роботи груп БПЛА навіть у змінних умовах експлуатації. Оптимізація обчислень і адаптивне масштабування сприяють підвищенню продуктивності системи, зменшенню затримки передачі інформації та покращенню енергоспоживання. Розроблені підходи до кібербезпеки гарантують захист даних і надійність функціювання інфраструктури в разі зовнішніх загроз та мережевих атак
Двофакторна автентифікація на основі методу KWS та голосової верифікації
Get PDFThe subject matter of the article is the development and evaluation of a two-factor speaker authentication method based on voiceprint identification and keyword spotting (KWS), designed for secure voice-based access in human-machine interfaces, especially for users with limited mobility. The goal of the work is to create a method for managing speaker authentication using convolutional neural networks (CNNs), comparing the efficiency of two widely used spectral feature extraction techniques – Mel-Frequency Cepstral Coefficients (MFCC) and Short-Time Fourier Transform (STFT) spectrograms. The following tasks were solved in the article: a model of a two-factor authentication method is proposed, which includes speaker identification and voice password recognition; the quality of MFCC and STFT spectrograms features is compared; the influence of the number of epochs, CNN architecture and training parameters on the system accuracy is evaluated; the effect of the sampling rate on the performance of the models was investigated. The following methods are used: deep learning methods with CNN architecture, fine-tuning, MFCC, and STFT feature extraction, mathematical and statistical analysis of training efficiency, and system performance metrics. The following results were obtained: the method achieved 97.95% accuracy in speaker identification using MFCCs after 60 training epochs, and 99.82% accuracy in voice password verification using the same CNN structure after 20 epochs. The average accuracy of the entire authentication process was 98.75%. Moreover, using MFCC features reduced training time by a factor of 23 and memory consumption by a factor of 7 compared to STFT spectrograms. Conclusions: the effectiveness of a two-factor voice authentication method that combines speaker identification by acoustic voice characteristics and voice password verification was implemented and studied. Further research directions include studying the impact of alternative spectral features (in particular, CQCC, GFCC, prosodic parameters) on improving accuracy and resistance to spoofing. Special attention will be paid to optimizing the model for energy-efficient use on portable devices.Предметом статті є розробка та оцінка двофакторного методу автентифікації мовця на основі ідентифікації голосового відбитка та верифікації ключових слів (KWS), призначеного для безпечного голосового доступу в інтерфейсах «людина-машина», особливо для користувачів з обмеженою мобільністю. Метою роботи є створення методу управління автентифікацією мовця з використанням конволюційних нейронних мереж (CNN), порівняння ефективності двох широко використовуваних методів вилучення спектральних ознак – спектрограм Мел-частотних кепстральних коефіцієнтів (MFCC) та короткочасного перетворення Фур'є (STFT). У статті вирішено такі завдання: запропоновано модель двофакторного методу автентифікації, що включає ідентифікацію мовця та розпізнавання голосового пароля; порівняно якість ознак спектрограм MFCC та STFT; оцінено вплив кількості епох, архітектури CNN та параметрів навчання на точність системи; досліджено вплив частоти дискретизації на продуктивність моделей. Використовуються такі методи: методи глибокого навчання з архітектурою CNN, точне налаштування, вилучення ознак MFCC та STFT, математичний та статистичний аналіз ефективності навчання та показники продуктивності системи. Отримано такі результати: метод досяг 97,95% точності в ідентифікації мовця за допомогою MFCC після 60 епох навчання та 99,82% точності в перевірці голосового пароля за допомогою тієї ж структури CNN після 20 епох. Середня точність всього процесу автентифікації становила 98,75%. Більше того, використання MFCC-ознак дозволило скоротити час навчання в 23 рази, а споживання пам'яті – в 7 разів порівняно зі спектрограмами STFT. Висновки: було реалізовано та досліджено ефективність двофакторного методу голосової автентифікації, що поєднує ідентифікацію мовця за акустичними характеристиками голосу та перевірку голосового пароля. Подальші напрямки досліджень включають вивчення впливу альтернативних спектральних характеристик (зокрема, CQCC, GFCC, просодичних параметрів) на підвищення точності та стійкості до підробки. Особлива увага буде приділена оптимізації моделі для енергоефективного використання на портативних пристроях
Модель автентифікації користувачів з використанням нульового водяного знаку на основі RGB-зображень
Get PDFThe subject of the research is the methods and schemes of user authentication in information and communication networks. The aim of the work is to develop a user authentication model in information and communication systems using the zero-watermarking method based on RGB images. Objectives: to examine the main issues arising during the integration of access control systems; to develop a user authentication model using zero-watermarking; to study potential characteristics and put forward proposals/recommendations for its application in authentication; to construct graphical schemes that illustrate processes and procedures. Methods used: modeling methods and formal description methods. Results achieved: an improved user authentication model based on the zero-watermarking algorithm has been proposed as an alternative to existing authentication schemes in information and communication systems; its potential characteristics have been studied, confirming the prospects of the development; graphical representations of processes and procedures have been constructed. Conclusions: in the course of the work, the main problems faced by owners of information and communication systems during the integration of authentication systems were briefly reviewed; an improved authentication model using zero-watermarking was proposed. The zero-watermarking method is based on RGB images employing K-means clustering and DWT, while a password is used as the second factor. Three operating modes are presented: registration, authentication, and modification of key authentication data. This model serves as an alternative to existing schemes and can potentially reduce the cost of authentication, lower Type I and Type II error rates compared to similar authentication schemes, and improve the convenience of authentication in information and communication systems. It also expands the range of authentication schemes available to system owners during integration.Предметом дослідження методи та схеми автентифікації користувачів в інформаційно-комунікаційних мережах. Мета роботи – розробка моделі автентифікації користувачів в інформаційно-комунікаційних системах з використанням методу нульового водяного знаку на основі RGB-зображень завдання: розгляд основних проблем під час інтеграції систем контролю доступом; розробка моделі автентифікації користувачів з використанням нульового водяного знаку; дослідження потенційних характеристик та висування пропозицій/рекомендацій щодо її використання для автентифікації, побудова графічних схем, що відображають процеси та процедури Для виконання окреслених завдань використовувалися такі методи: методи моделювання, методи формального опису Досягнуті результати: запропонована вдосконалена модель автентифікації користувачів заснована на алгоритмі нульового водяного знаку, що являється альтернативою існуючим схемам автентифікації в інформаційно комунікаційних системах, досліджені її потенційні характеристики, що підтверджують перспективність розробки, побудовані графічні представлення процесів та процедур Висновки під час роботи було коротко розглянуто основні проблеми з якими стикаються власники інформаційно-комунікаційних систем при інтеграції систем автентифікації, запропоновано вдосконалену модель автентифікації за допомогою нульового водяного знаку, в якості нульового водяного знаку використовувався метод заснований на RGB-зображенях з використанням перетворення K-means та DWT, в якості другого фактору використовується пароль. Представлено три режими роботи: реєстрація, автентифікація та зміна ключових даних для автентифікації. Така модель є альтернативою існуючим схемам та можуть потенційно зменшити вартість автентифікації, кількість помилок першого та другого роду у порівняні з аналогічними схемами автентифікації, підвищити зручність автентифікації в інформаційно-комунікаційних системах. Також це розширює множину вибору схем автентифікації що мають власники систем при їх інтеграції
Метод підвищення продуктивності розподіленого брандмауера на базі Proxmox у корпоративних комп’ютерних мережах
Get PDFThe subject of the study in the article is a method for increasing the performance of a distributed firewall based on LXC containers of the Proxmox VE environment for corporate computer networks. The goal of the work is to develop approaches to ensure a high level of efficiency of a distributed firewall for monitoring and managing traffic in corporate networks and virtualized networks, enabling the minimization of delays during traffic filtering and ensuring reliable operation of the corporate network under conditions of limited hardware resources. To solve the problem, the following research methods were applied: theoretical analysis of literature sources; analysis of the features of the application of containerization technology for implementing dynamic network traffic control, study of methods to improve computational resource utilization efficiency in environments with limited hardware resources, analysis of the advantages of distributed firewall regarding minimizing data transmission delays, increasing system throughput, and reducing unauthorized access risks; experimental validation of the functionality and efficiency of the distributed firewall. The results obtained indicate that the proposed method allows minimizing delays during traffic filtering and provides automatic scaling of the firewall`s functionality while maintaining the integrity of the network security system. The proposed approach provides a high level of CCM protection by segmenting the network with the assignment of a separate LXC container to serve each local subnet, which allows for targeted traffic filtering and flexible access policy management. Conclusions: the paper proposes a configuration of a distributed firewall in the Proxmox environment, including setting up a basic set of filtering rules to ensure the effective operation of a corporate computer network. The scientific novelty of the method lies in improvement of security mechanisms in scalable environments with limited hardware resources, enabling a high level of protection against external and internal threats, while maintaining fault tolerance and reliability of the network infrastructure. Experimental validation of the method’s functionality and efficiency confirmed the feasibility of its implementation to ensure stable and controlled access to the corporate computer network’s resources.Предметом дослідження в статті є метод підвищення продуктивності розподіленого брандмауера на базі LXC-контейнерів у середовищі Proxmox VE для корпоративних комп’ютерних мереж. Мета роботи – розроблення підходів до забезпечення високого рівня ефективності розподіленого брандмауера для моніторингу та управління трафіком у корпоративних і віртуалізованих мережах, що дає змогу мінімізувати затримки під час фільтрації трафіка та забезпечити надійне функціювання корпоративної мережі в умовах обмежених апаратних ресурсів. Для розв’язання завдань упроваджено такі методи дослідження: теоретичний аналіз літературних джерел; аналіз особливостей застосування технології контейнеризації для реалізації динамічного контролю мережного трафіка; вивчення методів підвищення ефективності застосування обчислювальних ресурсів у середовищах з обмеженими апаратними ресурсами; аналіз переваг розподіленої архітектури брандмауера щодо мінімізації затримок під час передачі інформації, підвищення пропускної здатності системи та зниження ризиків несанкційного доступу; експериментальна перевірка працездатності та ефективності розподіленого брандмауера. Досягнуті результати. Запропонований метод дає змогу мінімізувати затримки під час фільтрації трафіка та забезпечити автоматичне масштабування функційності брандмауера в умовах збереження цілісної системи безпеки мережі. Розроблений підхід забезпечує високий рівень захисту ККМ способом сегментації мережі з призначенням окремого контейнера LXC для обслуговування кожної локальної мережі, що допомагає здійснювати цілеспрямовану фільтрацію трафіка та гнучке управління політиками доступу. Висновки. У роботі запропоновано конфігурацію розподіленого брандмауера в середовищі Proxmox разом із налаштуванням базового набору правил фільтрації для забезпечення ефективного функціювання корпоративної комп’ютерної мережі. Наукова новизна методу полягає в удосконаленні механізмів забезпечення безпеки в масштабованих середовищах за умов обмеженості апаратних ресурсів, що дає змогу досягти захисту високого рівня від зовнішніх і внутрішніх загроз, зберігаючи водночас відмовостійкість і надійність мережної інфраструктури. Експериментальна перевірка працездатності та ефективності методу підтвердила доцільність його впровадження для забезпечення стабільного й контрольованого доступу до мережних ресурсів ККМ
Оптимізація програмного коду для високорівневого синтезу при апаратній реалізації обчислювально-навантажених алгоритмів
Get PDFThe subject matter of the work is the impact of code optimization methods of highly intensive algorithms, used in digital signal processing, on hardware costs and performance when implemented on different platforms. The goal of the work is to conduct a comparative analysis of the impact of the effects of three C-code optimization approaches: loop unrolling, switching to fixed-point arithmetic, and their combinations, on performance and hardware costs when implementing matrix multiplication, fast Fourier transform, and wavelet transform algorithms using high-level synthesis (HLS) tools on system-on-chip (SoC) platforms, personal computers (PCs), and single-board computers. The following tasks were solved in the article: implementation of highly intensive algorithms based on selected hardware platforms and using HLS; comparison of execution time of algorithms with and without different optimization methods; comparison of hardware costs for algorithms’ implementations with and without different variants of optimization; formulate conclusions about the impact of different C-code optimization methods on performance and hardware costs on different target platforms. The following methods were used: C/C++ code optimization methods, diagnostic experiments using high-level synthesis tools to implement digital signal processing algorithms on the selected hardware platform, and statistical data collection using Python. The following results were obtained: for algorithms based on arithmetic operations, code optimization provided up to 30% reduction in execution time on ARM platforms. For algorithms based on the Fourier transform, complex optimization reduced execution time by up to 90% on processor devices. For programmable logic (FPGA), none of the optimization methods provided a significant execution acceleration. However, the transition to fixed arithmetic reduced hardware costs by 40–80% regardless of the algorithm type. Conclusions. The choice of a C code optimization strategy significantly impacts the efficiency of algorithm implementation on processor architectures. In contrast, optimizing the data types used plays a key role for FPGAs. In contrast, for FPGAs, optimizing the data types used plays a key role.Предметом дослідження є вплив методів оптимізації коду високонавантажених алгоритмів, що застосовуються у цифровій обробці сигналів, на апаратні витрати та швидкодію при реалізації на різних платформах. Мета. Порівняльний аналіз впливу трьох підходів до оптимізації C-коду, а саме розгортання циклів, перехід до арифметики з фіксованою комою та їх комбінації, на ефективність реалізації алгоритмів множення матриць, швидкого перетворення Фур’є та вейвлет-перетворення за допомогою засобів високорівневого синтезу (HLS) на платформі SoC, персональних комп’ютерах (ПК) та одноплатних комп’ютерів. У статті вирішуються такі завдання: реалізація високонавантажених алгоритмів на базі обраних апаратних платформ та з використанням HLS; порівняння часу виконання алгоритмів із застосуваннями трьох підходів до оптимізації та без; порівняння апаратних витрат для реалізацій алгоритмів з різними варіантами оптимізації коду та без; сформулювати висновки про вплив різних способів оптимізації С-коду на швидкодію та апаратні витрати на різних цільових платформах. Використовуються такі методи: методи оптимізації С/С++ коду, діагностичний експеримент за допомогою інструментарію високорівневого синтезу для реалізації алгоритмів цифрової обробки сигналів на обраній апаратній платформі та збору статистичних даних з використанням Python. Результати. Для алгоритмів на основі арифметичних операцій оптимізація коду забезпечила до 30% зменшення часу виконання на ARM-платформах. Для алгоритмів на основі перетворення Фур’є комплексна оптимізація дозволила скоротити час виконання до 90% на процесорних пристроях. Для програмованої логіки (FPGA) жоден з методів оптимізації не забезпечив значного прискорення виконання, однак перехід до фіксованої арифметики зумовив зменшення апаратних витрат на 40–80% незалежно від типу алгоритму. Висновки. Вибір стратегії оптимізації C-коду має суттєвий вплив на ефективність реалізації алгоритмів на процесорних архітектурах, тоді як для FPGA ключову роль відіграє оптимізація використаних типів даних. Отримані результати можуть слугувати практичними рекомендаціями для проєктування вбудованих систем із застосуванням HLS з метою прискорення алгоритмів