Системи і технології зв’язку, інформатизації та кібербезпеки

ПЕРСПЕКТИВИ РОЗВИТКУ СИСТЕМИ ТА ЗАСОБІВ ЗВ’ЯЗКУ СПЕЦІАЛЬНОГО ПРИЗНАЧЕННЯ З УРАХУВАННЯМ ВПРОВАДЖЕННЯ МЕРЕЖ LTE

2024-12-12T17:43:41+00:00

Подальший розвиток системи зв’язку Збройних Сил України неможливий без врахування отриманого
передового бойового досвіду та поступового впровадження сучасних систем (комплексів, зразків) зв’язку для
вирішення завдань, що стоять перед Силами оборони України. Тому ключовими постають питання не тільки
вибору нових інформаційних технологій та сучасних стандартів у галузі комунікацій, але й дослідження щодо їх
впровадження в умовах бойових (максимально наближених до бойових) дій.

Досвід виконання завдань на сході України, особливо під час наступальних (контрнаступальних) дій, чітко
визначив проблеми забезпечення зв’язком на територіях, не підготовлених у відношенні зв’язку, а також на
таких, де телекомунікаційна інфраструктура повністю або частково зруйнована. Метою статті є
обґрунтування перспектив розвитку системи та засобів зв’язку спеціального призначення з урахуванням не
тільки теоретичних досліджень у галузі радіозв’язку, але й результатів практичних досліджень ефективності
системо-технічних рішень, що ґрунтуються на використанні радіообладнання стандартів стільникового
зв’язку 3G та 4G.

За результатами досліджень сформовано висновки та пропозиції щодо перспектив подальшого
впровадження системи, засобів та обладнання LTE в системі зв’язку Збройних Сил України. Зазначені пропозиції
ґрунтуються на отриманих результатах отриманого досвіду використання зазначеного обладнання в інтересах
забезпечення зв’язком військових частин (підрозділів) в Сумській області України, а також на лінії бойового
зіткнення в умовах ведення наступальних (контрнаступальних) дій Сил оборони України на сході нашої
Держави.

Наведений матеріал статті є актуальним та необхідним для врахування під час проведення досліджень,
спрямованих на удосконалення форм і способів бойового застосування засобів (підрозділів) зв’язку,
обґрунтування рішень щодо вибору необхідного комунікаційного обладнання, а також формування управлінських
рішень органами військового управління щодо організації (забезпечення) зв’язку в майбутніх операціях
з визволення тимчасово окупованих територій України.

Посилання:

Лаврут О. О., Климович О. К., Тарасюк М. Л., Антонюк О. Л. Стан та перспективи
застосування сучасних технологій та засобів радіозв’язку в Збройних Силах України. Системи
озброєння та військова техніка. 2017. № 1 (49). С. 42–49.
2. Лаврут О. О., Лаврут Т. В., Климович О. К., Здоренко Ю. М. Новітні технології та засоби
зв’язку у Збройних Силах України: шлях трансформації та перспективи розвитку. Наука і техніка
Повітряних Сил Збройних Сил України. 2019. № 1 (34). C. 91–101. URL:
https://doi.org/10.30748/nitps.2019.34.13.
3. Радзівілов Г. Д., Масесов М. О, Дєгтяр О. А. Світові тенденції зі створення та розвитку
військової техніки. Комп’ютерно-інтегровані технології: освіта, наука, виробництво. 2024.
Випуск № 56. С. 381–385. DOI: https://doi.org/10.36910/6775-2524-0560-2024-56-45.
4. Лазута Р. Р. та ін. Військова навчально-методична публікація щодо застосування технології
LTE (4G) системи зв’язку у військових частинах Збройних Сил України. Матеріали вивчення бойового
досвіду застосування Збройних Сил України. Київ: НЦЗІ ВІТІ. 20 с.

ПРИЙНЯТТЯ РІШЕНЬ В ПРОЦЕСІ ПОШУКУ ВРАЗЛИВОСТІ SERVER-SIDE WEB APPLICATION

2024-12-12T20:47:58+00:00

Процес пошуку вразливості складається з трьох етапів. На першому етапі здійснюється ідентифікація
дефекту програмних та програмно-апаратних компонентів з оцінкою їх придатності для експлуатації. Другий
етап присвячений вибору існуючого або розробці нового експлойту для ідентифікованого дефекту. На третьому
етапі відбувається налагодження зручності використання та надійності експлойту. Вразливість (vulnerability)
системи об’єкта кіберзахисту до здійснення негативного технічного ефекту (negative technical impact) завжди
базується на експлуатації її дефектів. Ідентифікація дефекту з оцінкою придатності до застосування є
багатоетапним процесом вибору рішення в умовах невизначеності. Ефективність процесу пошуку дефекту
можна підвищити на основі застосування теорії прийняття рішень.

Ідея полягає у зменшенні невизначеності, використовуючи інформаційну модель для пошуку вразливості
із можливістю її кількісного аналізу. Для кількісного аналізу застосовуються класичні критерії вибору рішень в
умовах невизначеності. Інформаційна модель є ієрархічною, має чотири рівні та включає чотири типи
елементів. Перший рівень складається з методів Initial Access, другий – з категорій вразливості Web Application.
Третій та четвертий рівень оцінки, відповідно, дефектів та вразливості компонентів.

Доцільність, раціональність та обґрунтованість рішень з пошуку дефектів базується на застосуванні
апробованих джерел експертного досвіду світового рівня. Так, Adversarial Tactics, Techniques & Common
Knowledge (ATT&CK) визначає, системи класу Server-side Web Application привабливим для хакерів об’єктом
атак з найбільшою середньою кількістю потенційних дефектів у складі принаймні трьох компонентів:
Web Server, Web Application Server, DBMS Server. Для з’ясування розподілу дефектів Server-side Web Application
за характерними класами необхідно скористатися Open Worldwide Application Security Project (OWASP), для
детального ознайомлення з ними – Common Weakness Enumeration (CWE). Застосування National Vulnerability
Database (NVD) та Common Vulnerabilities and Exposures (CVE) доповнює оцінку знайденого дефекту.

Посилання:

Закон України “Про основні засади забезпечення кібербезпеки України”.
2. Постанова Кабінету Міністрів України від 16 травня 2023 року № 497 “Про затвердження
Порядку пошуку та виявлення потенційної вразливості інформаційних (автоматизованих),
електронних комунікаційних, інформаційно-комунікаційних систем, електронних комунікаційних
мереж”.
3. Adversarial Tactics, Techniques & Common Knowledge. URL: https://attack.mitre.org.
4. Common Attack Pattern Enumerations and Classifications. URL: https://capec.mitre.org.
5. Open Worldwide Application Security Project. URL: https://owasp.org.
6. Терещенко Т. П., Остапчук В. М., Хусаінов П. В., Черниш Ю. О. Оцінка та запобігання
прояву вразливості Server-Side Web Application / за заг. ред. Г. Д. Радзівілова // Системи і технології
зв’язку, інформатизації та кібербезпеки: збірник наукових праць. Київ: Військовий інститут
телекомунікацій та інформатизації ім. Героїв Крут. 2024. № 5. 240 с. DOI: 10.58254/viti.5.2024.
С. 204–214.
7. Герасимов Б. М., Локазюк В. М., Оксіюк О. Г., Поморова О. В. Інтелектуальні системи
підтримки прийняття рішень: навч. посібник. К.: Вид-во Європ. ун-ту, 2007. 335 с.
8. Common Weakness Enumeration. URL: https://cwe.mitre.org.
9. Common Weakness Scoring System. URL: https://cwe.mitre.org/cwss/cwss_v1.0.1.html.
10. Common Vulnerabilities and Exposures. URL: https://cve.mitre.org.
11. Common Vulnerability Scoring System. URL: https://www.first.org/cvss/.

ОРГАНІЗАЦІЙНО-ТЕХНІЧНІ РІШЕННЯ ЩОДО ПОБУДОВИ ЗАХИЩЕНИХ ІНФОРМАЦІЙНО-КОМУНІКАЦІЙНИХ СИСТЕМ

2024-12-12T20:40:02+00:00

В роботі розглянуті основні підходи до побудови архітектури відкритих ключів PKI з розділенням на
базову, дворівневу та багаторівневу ієрархії. Розглянуті сучасні способи атак на існуючі інфраструктури
відкритих ключів, протоколи побудови захищених з’єднань як провідних так і безпровідних систем.

Визначені основні класи атак на інфраструктури PKI, з яких основна увага приділена найбільш
небезпечному класу атак – людина посередині (MITM-атакам). В роботі наведено моделі різних класів MITMатак, їх деталі та існуючі способи зменшення ризиків їх реалізації.

Також наведені існуючі приклади успішних атак на компанії та різні організації, які реалізовували моделі
MITM-атак на прикладному, мережевому та фізичному рівні моделі міжмережної взаємодії.
Для інфраструктури PKI одним з варіантів наводиться її сегментування, що дозволяє зменшувати масштаби
впливу атаки на центр сертифікації ключів.

Також у роботі наведено альтернативний спосіб захисту від MITM-атак з використанням технології
розподіленого мікрореєстра (DLT) для створення децентралізованих систем розповсюдження криптографічних
ключів (DKMS). Рішення базується на використанні мікрореєстрів (distributed micro ledger technology – DMLT).
Застосування DMLT для створення DKMS дозволяє забезпечити захист від більшості класів MITM-атак.

Посилання:

A. Twigg, N. Dimmock. Attack-Resistance of Computational Trust Models. In Proceedings of the
12th IEEE International Workshops on Enabling Technologies: Infrastructure for Collaborative Enterprises
(WETICE’03). 2003.
2. E. Bruneton, T. Coupaye, M. Leclerc, V. Quéma, and J.-B. Stéfani. The Fractal Component Model
and its Support in Java. Software - Practice and Experience (SP&E), special issue on Experiences with Autoadaptive and Reconfigurable Systems, 36 (11-12): 1257–1284, 2006.
3. A. Joseph Ed. “Security and Privacy in Pervasive Computing”, IEEE Pervasive Computing, 6 (4):
73–75. 2007.
4. R. Oppliger, G. Pernul and C. Strauss, Using Attribute Certificates to Implement Role Based
Authorization and Access Control Models, in the Proc. of 4. Fachtagung Sicherheit in Informationsystemen
(SIS 2000), Zurich, Switzerland, 2000, 169–184.
5. G. Myles, A. Friday and N. Davies. Preserving Privacy in Environments with Location-Based
Applications. Pervasive Computing, 2 (1): 56–64. 2003.
6. T. Dierks and C. Allen, The TLS Protocol Version 1.0, IETF RFC 2246, Jan. 1999.
7. Nicolas Serrano, Hilda Hadan, L. Jean Camp. A Complete Study of P.K.I. (PKI’s Known Incidents)
A. SSRN Electronic Journal · January 2019. Web: https://www.researchgate.net/publication/334789185.
8. URL: https://gist.github.com/ArturT/bc8836d3bedff801dc324ac959050d12.
9. URL: https://stackoverflow.com/questions/31621118/disable-sslv3-on-nginx.
10. URL: https://github.com/tko22/simple-blockchain.
11. URL: https://github.com/codingtmd/mini-blockchain/tree/master.

МАТЕМАТИЧНА МОДЕЛЬ КОНТРОЛЮ ЯКОСТІ ОЦІНКИ ТЕХНІЧНОГО СТАНУ РАДІОЕЛЕКТРОННОГО ОБЛАДНАННЯ

2024-12-12T20:30:31+00:00

У статті розглядається питання контролю технічного стану радіоелектронного обладнання
спеціального призначення в умовах впливу зовнішніх факторів. Основна увага приділяється формалізації процесу
контролю через побудову математичної моделі, яка описує залежність вихідних параметрів системи контролю
від внутрішніх та зовнішніх впливів.

Проаналізовано існуючі методи контролю, які відображають складнощі вибору точок контролю
в сучасних інтегральних схемах. Показано необхідність впровадження нових, більш гнучких та адаптивних
рішень при розв’язанні задач технічного діагностування. У роботі пропонується вдосконалена математична
модель контролю технічного стану радіоелектронного обладнання, яка дозволяє більш точно оцінювати
функціональний стан об’єкта контролю в реальному часі. Процес контролю описується в моделі через
імовірності зміни стану узагальненого показника який забезпечує точність системи контролю. Такий підхід до
контролю якості функціонального стану об'єкта на основі побудови стохастичних графів дозволяє оцінити
імовірність помилки і точність під час контролю технічного стану.

Результати дослідження можуть бути застосовані для ефективного обслуговування радіоелектронного
обладнання, а також покращення показників діагностування технічного стану та передбачення можливих
відмов об’єкта контролю.

Посилання:

Кузавков В. Технічна діагностика складних технічних об’єктів / В. Кузавков, В. Хорошко,
О. Янковський // Захист інформації, Т. 24, № 3, 2022. С. 115–120.
2. Креденцер Б.П. Оценка эксплуатационно-технических характеристик объектов
телекоммуникаций при априорной неопределенности / Б. П. Креденцер, А. И. Миночкин,
Д. И. Могилевич. К.: Феникс, 2012. 335 с.
3. Креденцер Б.П. Оцінка надійності резервованих систем при обмеженій вихідній інформації /
Б.П. Креденцер, В.В. Вишнівський, М.К. Жердєв та інші. К.: Фенікс, 2013. 334 с.
4. Geff I. Disz M. Unified approach to the study of self-checking systems – Digital Proc., 2007, v5, #6,
p. 289–307.
5. Ashjaee M., Reddy S. On totally self-checking checkers for separable codes. – IEEE Trans. Comput.,
2009, v.C-27, #7, p. 736–745.
6. Барковський В. В. Теорія імовірностей та математична статистика. 5-те вид. /
В. В. Барковський, Н. В. Барковська, O. K. Лопатін. Київ: Центр учбової літератури, 2010. 424 с.
7. Белоконь Р. Н. Исследование влияния методических и инструментальных составляющих
ошибки контроля определяющих параметров изделия на показатели достоверности контроля качества
изделия / Р. Н. Белоконь // Современные методы оценки качества продукции. К.: Знания, 1994.
С. 22–24.
8. Міночкін А. І. Перспективи створення та розвитку систем діагностування радіоелектронних
засобів із вбудованим програмним забезпеченням / А. І. Міночкін, В. В. Кузавков, С. О. Клімович //
Системи і технології зв’язку, інформатизації та кібербезпеки. Київ: ВІТІ. 2024. № 5. С. 78–86.
9. Кузавков В. В. Обґрунтування вибору показників оцінки ефективності функціонування
автоматизованої системи контролю / В. В. Кузавков, О. Г. Янковський, Ю. В. Болотюк // Сучасні
інформаційні технології у сфері безпеки та оборони. Київ. 2022. Том 2 (44). С. 21–27.
10. Вишнівський В. В. Особливості використання фізичного діагностування при побудові
інтелектуальної системи діагностики радіоелектронної техніки / В. В. Вишнівський, С. І. Глухов,
К. П. Сторчак // Зв’язок. 2019. № 1. С. 8–13.
11. Жердєв М. К. Методика обробки діагностичної інформації для автоматизованої системи
технічного діагностування радіоелектронної техніки / М. К. Жердєв, С. І. Глухов, М. М. Нікіфоров //
Розвиток радіотехнічного забезпечення, АСУ та зв’язку Повітряних Сил 2019. С. 70–78.
12. Рижов Є. В. Оцінка впливу діагностичного забезпечення на надійність радіоелектронних
систем / Є. В. Рижов, Л. М. Сакович, С. І. Глухов, Ю. А. Настишин // Військово-технічний збірник,
2021 (24), С. 3–8.

МОДЕЛЬ ВИЗНАЧЕННЯ ІНВАРІАНТНОЇ КОМПОНЕНТИ В ПОВЕДІНЦІ ШКІДЛИВОГО ПРОГРАМНОГО ЗАБЕЗПЕЧЕННЯ НА ОСНОВІ ІНТЕГРАЦІЇ НЕЧІТКОЇ ЛОГІКИ ТА ГЕНЕТИЧНИХ АЛГОРИТМІВ

2024-12-12T20:08:47+00:00

Виявлення поліморфного та метаморфного шкідливого програмного забезпечення є надзвичайно
важливим завданням забезпечення кібербезпеки через їх здатність уникати виявлення існуючими системами
кіберзахисту шляхом автоматичної модифікації власного коду та/або структури. У даному контексті
запропоновано підхід до виявлення поліморфного та метаморфного шкідливого програмного забезпечення, який
базується на визначенні інваріантної компоненти для кожного відомого типу шкідливого програмного
забезпечення під час аналізу його поведінки. Суть даного підходу полягає у визначенні такої області поведінки,
яка залишається незмінною для конкретного типу шкідливого програмного забезпечення, незалежно від
проведених модифікацій. Для пошуку зазначеної інваріантної компоненти в поведінці шкідливого програмного
забезпечення для кожного його типу, множина значень вихідного простору ознак описується нечіткими
лінгвістичними термами з метою отримання множини нечітких продукційних правил для кожного типу
шкідливого програмного забезпечення. Наступним кроком є визначення нечіткої інваріантної компоненти для
кожного відомого типу шкідливого програмного забезпечення у вигляді нечіткої підмножини ознак з отриманої
на попередньому кроці множини нечітких продукційних правил засобами генетичних алгоритмів. Запропонована
модель дає змогу значно підвищити точність виявлення поліморфного та метаморфного програмного
забезпечення на основі поведінкових характеристик, властивих вже класифікованим зразкам, що, у свою чергу,
сприяє підвищенню загальної ефективності системи кібербезпеки.

Посилання:

Фесьоха В. В., Кисиленко Д. Ю., Нестеров О. М. Аналіз спроможності існуючих систем
антивірусного захисту та покладених у їхню основу методів до виявлення нового шкідливого
програмного забезпечення у військових інформаційних системах. Системи і технології зв’язку,
інформатизації та кібербезпеки. 2023. Т. 3. С. 143–151.
2. Фесьоха В. Особливості протистояння оборонного та наступального штучного інтелектів
у кіберпросторі. International Science Journal of Engineering & Agriculture. 2024. Т. 3, № 4. С. 105–114.
URL: https://doi.org/10.46299/j.isjea.20240304.11.
3. Bernardi M. L., Cimitile M., Mercaldo F. Process mining meets malware evolution: a study of the
behavior of malicious code. International symposium on computing and networking – across practical
development and theoretical research. 2016. URL: https://www.semanticscholar.org/paper/Process-MiningMeets-Malware-Evolution:-A-Study-of-Bernardi-Cimitile/7838664913ba2ab34d78f6120188293bd77a7fb3.
4. Ardimento P., Bernardi M. L., Cimitile M. Malware phylogeny analysis using data-aware
declarative process mining. IEEE conference on evolving and adaptive intelligent systems (EAIS). 2020. URL:
https://www.semanticscholar.org/paper/Malware-Phylogeny-Analysis-using-Data-Aware-ProcessArdimento-Bernardi/859dd8a091b4af71426a189225ee09a3a2e78a69.
5. Метод виявлення кіберзагроз на основі еволюційних алгоритмів / С. М. Лисенко,
Д. І. Стопчак, В. В. Самотес // Вісник Хмельницького національного університету. Технічні науки.
2017. № 6. С. 81–88. URL: http://nbuv.gov.ua/UJRN/Vchnu_tekh_2017_6_15.
6. Zero-day polymorphic cyberattacks detection using fuzzy inference system / V. V. Fesokha et al.
Austrian Journal of Technical and Natural Sciences. 2020. P. 8–13. URL: https://doi.org/10.29013/
ajt-20-5.6-8-13.
7. Фесьоха В. В., Кисиленко Д. Ю., Фесьоха Н. О. Обґрунтування вибору підходу до визначення
інваріантної компоненти у поведінці поліморфного (метаморфного) шкідливого програмного
забезпечення на основі зниження розмірності простору ознак. Системи і технології зв’язку,
інформатизації та кібербезпеки. 2024. Т. 5. С. 181–192.
8. Енциклопедія Інтернет-загроз – ESET. ESET. URL: https://www.eset.com/ua/support/
information/entsiklopediya-ugroz/.
9. Subach I., Fesokha V. Model of detecting cybernetic attacks on information-telecommunication
systems based on description of anomalies in their work by weighed fuzzy rules. Collection "Information
technology and security". 2017. Vol.5, no. 2. P. 145–152. URL: https://doi.org/10.20535/2411-
1031.2017.5.2.136984.
10. Feature dimensionality reduction: a review – Complex & Intelligent Systems. SpringerLink. URL:
https://link.springer.com/article/10.1007/s40747-021-00637-
x#:~:text=The%20basic%20principle%20of%20feature,5,6,7].
11. Sanjyal A. Dimensionality reduction VS feature selection. Medium. URL: https://medium.com/
@asanjyal81/dimensionality-reduction-vs-feature-selection-e68f91aa8724.
12. Зінов‘єва О. Г., Лубко Д. В. Алгоритм Мамдані в системах нечіткого виведення. ElarTSATU:
Home. URL: http://elar.tsatu.edu.ua/handle/123456789/16952.
13. Kanade V. Genetic algorithms – meaning, working, and applications – spiceworks. Spiceworks.
URL: https://www.spiceworks.com/tech/artificial-intelligence/articles/what-are-genetic-algorithms/.
14. 12 Types of Malware + Examples That You Should Know | CrowdStrike. CrowdStrike: We Stop
Breaches with AI-native Cybersecurity. URL: https://www.crowdstrike.com/en-us/cybersecurity101/malware/types-of-malware/.
15. ML-Based NIDS Datasets. School of Information Technology and Electrical Engineering. URL:
https://staff.itee.uq.edu.au/marius/NIDS_datasets/#RA6.

ОБҐРУНТУВАННЯ ДЕКЛАРАТИВНОГО ПІДХОДУ ПРИ РОЗРОБЦІ ТА УПРАВЛІННІ ІНФОРМАЦІЙНИМИ СИСТЕМАМИ З ВИКОРИСТАННЯМ ХМАРНИХ ТЕХНОЛОГІЙ

2024-12-12T19:34:29+00:00

У сучасному світі стрімкого розвитку технологій та зростаючого значення інформаційних систем для
великих організацій, включаючи Збройні сили України, актуальною стає потреба в оптимізації їх розробки та
управління ними. У Збройних силах України переважає принцип ієрархічності при побудові інформаційнокомунікаційних систем, що накладає обмеження на процес впровадження нових гнучких рішень. Для процесу
розробки та управління інформаційними системами здебільшого використовується імперативний підхід. Разом
з тим використання декларативного підходу у цих системах відкриває широкі можливості для забезпечення їх
ефективності, гнучкості та простоти у розробці та управлінні ними.

У статті розглядається можливість використання принципів декларативного підходу для оптимізації
розробки та управління інформаційними системами з використанням хмарних технологій, переваги та приклади
його застосування.

Проблематика дослідження полягає у необхідності оптимізації процесу розробки та управління
інформаційними системами з використанням хмарних технологій в умовах швидкого темпу розвитку технологій
та зростаючих потреб Збройних сил України у використанні цих систем для підвищення інформаційної
обізнаності та прискорення прийняття рішень командирами під час ведення бойових дій.

Метою дослідження є аналіз принципів декларативного підходу та визначення його можливостей для
оптимізації розробки та керування інформаційними системами з використанням хмарних технологій.
Для досягнення мети використовуються методи аналізу сучасного стану і тенденцій розвитку хмарних
технологій, а також аналізуються приклади реалізації декларативного підходу у різних ІТ-проєктах.

Проведений аналіз показує важливість декларативного підходу для підвищення ефективності розробки
та управління інформаційними системами з використанням хмарних технологій. Результати дослідження
можуть бути корисні для підрозділів, що розглядають можливість впровадження декларативного підходу у свої
проєкти. Декларативний підхід може бути застосовано у новітніх розробках інформаційних систем для
підвищення рівня автоматизації та оптимізації процесів управління інфраструктурою Збройних сил України.

Посилання:

Christian Endres, Uwe Breitenbücher, Michael Falkenthal, Oliver Kopp, Frank Leymann, Johannes
Wettinger. Declarative vs. Imperative: Two Modeling Patterns for the Automated Deployment of Applications.
Тhe 9th International Conference on Pervasive Patterns and Applications (PATTERNS). 2017. URL:
https://www.iaas.uni-stuttgart.de/publications/INPROC-2017-12-Declarative-vs-Imperative-ModelingPatterns.pdf.
2. Twain Taylor. What does declarative mean in a cloud-native world. Amazic: вебсайт. URL:
https://amazic.com/what-does-declarative-mean-in-a-cloud-native-world/.
3. Brown, M., & Davis, P. (2023). Declarative Approaches for Cloud Resource Management. Journal
of Systems and Software, 185, 111-122. DOI: 10.1016/j.jss.2023.xxx.
4. Michael Wurster, Uwe Breitenbucher1, Antonio Brogi, Lukas Harzenetter1, Frank Leymann, and
Jacopo Soldani A declarative approach for service enablement on hybrid cloud orchestration engines. NOMS
2018 – 2018 IEEE/IFIP Network Operations and Management Symposium. URL:
https://ieeexplore.ieee.org/document/8406175.
5. Розробка технологічної стратегії SAAS рішень із використанням CLOUD-NATIVE
технологій в інформаційній системі онлайн. URL: https://archive.liga.science/index.php/universum/article/
view/498/504.
6. A review on declarative approaches for constrained clustering, Thi-Bich-Hanh Dao, Christel Vrain
August 2024. URL: https://www.sciencedirect.com/science/article/pii/
S0888613X24000227?via%3Dihub#se0320.
7. Uwe Breitenbücher, Tobias Binz, Oliver Kopp, Frank Leymann, Johannes Wettinger A Modelling
Concept to Integrate Declarative and Imperative Cloud Application Provisioning Technologies. Тhe 5th
International Conference on Cloud Computing and Services Science CLOSER. 2015. № 1. Рр. 487–496. URL:
https://www.iaas.uni-stuttgart.de/publications/INPROC-2015-55-A-Modelling-Concept-to-IntegrateDeclarative-and-Imperative-Cloud-Application-Provisioning-Technologies.pdf.
8. Michael Wurster, Uwe Breitenbücher, Antonio Brogi, Lukas Harzenetter, Frank Leymann, Jacopo
Soldani. Technology-Agnostic Declarative Deployment Automation of Cloud Applications. 8th IFIP WG
2.14 European Conference, ESOCC. 2020. URL: https://link.springer.com/chapter/10.1007/978-3-030-
44769-4_8.
9. Achilleos, A. P., Kritikos, K., Rossini, A. et al. The cloud application modelling and execution
language. Journal of Cloud Computing:Advances, Systems and Applications. 2019. № 8. URL:
https://journalofcloudcomputing.springeropen.com/articles/10.1186/s13677-019-0138-7.
10. Belmont J. M. Hands-On Continuous Integration and Delivery. 1st edn. Packt Publishing,
Birmingham, 2018. URL: https://www.packtpub.com/product/hands-on-continuous-integration-and-delivery.
11. Wettinger J., Andrikopoulos V., Leymann F., Strauch S. Middleware-oriented deployment
automation for cloud applications. IEEE Transactions on Cloud Computing. 2018. № 6 (4). Рр. 1054–1066.
URL: https://www.researchgate.net/publication/296481802_Middleware-Oriented_Deployment_Automation
_for_Cloud_Applications.
12. Bergmayr, A., Bruneliere, H., Cabot, J., Hinchey, M., Langer, P., Mayerhofer, T., & Wimmer,
M. Benefits of declarative deployment models in DevOps for cloud applications. Journal of Systems and
Software. 2021. № 175.
13. Rahman, A. A., Mahdavi-Hezaveh, R., & Williams, L. A systematic mapping study of
infrastructure as code research. Information and Software Technology. 2019. № 108. Рр. 65–77.
14. Cito, J., Leitner, P., Gall, H. C.,षvšaldćuk, A., Toffetti, G., & von Lerchunderen, R. Towards
declarative, multi-cloud deployment models using TOSCA. In 2017 IEEE International Conference on
Software Architecture Workshops (ICSAW). 2017. Рр. 1–4.
15. Morris, K. Infrastructure as code: Managing servers in the cloud. O'Reilly Media. 2018.
16. Guerriero, M., Garriga, M., Tamburri, D. A., & Palomba, F. Adoption, use and impact of
infrastructure as code: A case study. In 2019 IEEE/ACM 13th International Workshop on Software
Engineering for Science (SE4Science). 2019. Рр. 1–6.
17. Sharma, S., Coyne, B., Cojocar, G. S., Smyth, B., & Enomoto, K. Understanding developers'
perception of declarative infrastructure code: A focus group study. In 2020 IEEE International Conference on
Software Maintenance and Evolution (ICSME). 2020. Рр. 672–682.
18. Smaldone, S., Brown, A. P., Laws, S., Militello, C., & Farhy, C. Taming the cloud through policy
as code. IEEE Software. 2021. № 38 (1). Рр. 59–67.
19. Ramakrishnan, R., & Gehrke, J. Database management systems. McGraw-Hill Higher Education.
2003.
20. Duckett, J. HTML and CSS: design and build websites. John Wiley & Sons. 2011.

ПЕРСПЕКТИВИ ВІЙСЬКОВОЇ АВІАЦІЇ ЧЕРЕЗ ІНТЕГРАЦІЮ БПЛА, ШІ ТА НОВІТНІХ ТЕХНОЛОГІЙ

2024-12-12T19:16:28+00:00

Стаття присвячена аналізу перспектив розвитку військової авіації через інтеграцію безпілотних
літальних апаратів (БПЛА), штучного інтелекту (ШІ) та новітніх технологій. Безпілотні літальні апарати
стали невід’ємною частиною сучасних військових стратегій, виконуючи розвідку, спостереження, збирання
розвідувальних даних (ІСР) та бойові операції. Висока ефективність БПЛА дозволяє Збройним Силам України
використовувати ці системи для розвідки, радіоелектронної боротьби та ударів. Інтеграція автономних
систем штучного інтелекту та сучасних сенсорів значно покращила можливості БПЛА, дозволяючи їм
адаптуватися до динамічних ситуацій та приймати рішення в реальному часі. Розвиток технологій роїв, де
кілька БПЛА діють злагоджено, є перспективним напрямом. Незважаючи на свої переваги, БПЛА стикаються
з викликами у сфері радіоелектронної боротьби та кіберзагроз. Забезпечення безпечних каналів зв’язку та
захист від радіоелектронних перешкод є критично важливими. Крім того, ефективне використання БПЛА
вимагає спеціалізованої підготовки операторів. Штучний інтелект стає ключовим інструментом у військовій
авіації, надаючи новітні можливості для автономного управління польотами, точного розпізнавання цілей та
оперативного прийняття рішень. Інтеграція хмарних технологій дозволяє автономним літакам отримувати та
обробляти дані в реальному часі, сприяючи злагодженій взаємодії та обміну інформацією між різними
платформами. Кібербезпека стає ключовою для захисту автономних літаків від кібератак. Технології
Інтернету речей (IoT) сприяють зв’язку між системами та сенсорами, покращуючи готовність та
обслуговування автономних бойових літаків. Модернізація пілотів-солдатів також охоплює впровадження
передових технологій для підвищення операційних можливостей.

Посилання:

Білозьоров О. С., Кадук С. О., Кривенков М. В., Беспалько О. В. Застосування штучного
інтелекту для групових дій БПЛА // Тези доповідей науково-практичної конференції інженерноавіаційного факультету Харківського національного університету Повітряних Сил ім. Івана Кожедуба "Безпілотна авіація у сучасній збройній боротьбі", 7 грудня 2023 року, Харків: Харківський
національний університет Повітряних Сил імені Івана Кожедуба, 2023. С. 45–50.
2. Герасименко В. В., Блискун О. Є., Печененко О. М., Гончаренко Є. В. Роль та виклики
спільного застосування пілотованої та безпілотної авіації у військових операціях // Тези доповідей
науково-практичної конференції інженерно-авіаційного факультету Харківського національного
університету Повітряних Сил імені Івана Кожедуба "Безпілотна авіація у сучасній збройній боротьбі",
7 грудня 2023 року, Харків: Харківський національний університет Повітряних Сил ім. Івана
Кожедуба, 2023. С. 60–65.
3. Застосування безпілотних авіаційних систем у сфері цивільного захисту: монографія /
Д. В. Бондар, А. В. Гурник, А. О. Литовченко, В. В. Хижняк, В. Л. Шевченко, Д. М. Ядченко. Київ,
2022, 312 с.
4. Компанієць О. М. Таксономія поведінки та ієрархічна модель управління роями БПЛА для
виконання бойових та спеціальних місій // Тези доповідей науково-практичної конференції інженерноавіаційного факультету Харківського національного університету Повітряних Сил імені Івана
Кожедуба "Безпілотна авіація у сучасній збройній боротьбі", 7 грудня 2023 року, Харків: Харківський
національний університет Повітряних Сил імені Івана Кожедуба, 2023. С. 25–30.
5. Рєзнік В. І., Постольник М. М., Мосолов В. М., Сторожук С. М. Авіаційна техніка четвертого
і п’ятого поколінь: історія та напрями подальшого розвитку. DOI: 10.54858/dndia.2021-17-22.
6. Leading innovators in galvano-scanners for the aerospace and defense industry. https://www.armytechnology.com/data-insights/innovators-galvanoscanners-aerospace-defence/.
7. Matt McLaughlin. How aircraft electrification is shaping the future of military aviation: Defense
News Whitepaper. 2023. 6 р.

МЕТОД ВИЗНАЧЕННЯ КООРДИНАТ МАЛОВИСОТНОГО ОБ’ЄКТА ЗА УМОВИ ВИКОРИСТАННЯ ДЕКІЛЬКОХ ПРОМЕНІВ РАДІОСИГНАЛІВ

2024-12-12T18:59:00+00:00

Нині у великих містах спостерігається стійка тенденція до збільшення просторової щільності
телекомунікаційних систем. Насиченість радіоспектра аналоговими та цифровими системами, що
використовуються для вирішення завдань радіозв’язку та телебачення, дозволяє на їх основі удосконалювати
технології напівактивного радіолокаційного виявлення та визначення координат маловисотного об’єкта.

Здійснення радіолокаційного спостереження з використанням передавачів нерадіолокаційного
призначення часто називають напівактивною радіолокацією з використанням сторонніх або паразитних
джерел випромінювання.

Перевагами таких систем є мінімізація витрат на розгортання, незначні експлуатаційні енерговитрати,
низька ймовірність встановлення завад, скритність факту роботи, екологічність та відсутність вимог до
виділення радіочастотного ресурсу. Відносно великі висоти підняття антен зв’язкових і телевізійних
передавачів за наявної випромінюваної потужності створюють сприятливі умови виявлення маловисотних
об’єктів.

Цифрові сигнали сучасних телекомунікаційних систем мають ширину спектра, що забезпечує прийнятну
роздільну здатність та точність вимірювання сумарної дальності та кутових координат [20; 21]. Загалом
системи такого типу являють собою багатопозиційну систему, що складається з одного або декількох джерел
випромінювання та однієї або кількох приймальних позицій, рознесених у просторі [22; 23].

У роботі наведено загальну характеристику запропонованого методу визначення координат повітряного
об’єкта на малій висоті за умов розповсюдження декількох променів радіосигналів.

Визначено метод і його технічне рішення щодо здатності визначати координати несанкціонованого
маловисотного об’єкта за умов існування декількох променів розповсюдження радіосигналу та представлено
алгоритм його функціонування, необхідний для технічної реалізації запропонованого методу.

У роботі розглянуто варіанти визначення координат повітряних об’єктів при різному складі первинних
вимірювань координат і кількості приймальних пунктів.

Здійснено оцінку точності визначення місця розташування об’єкта для багатопозиційних радіосистем
такого типу за умов існування декількох променів розповсюдження радіосигналу в розробленій моделі
з врахуванням кількості сигналів, що приймаються, та помилки їх вимірювання.

Посилання:

Howland P. E., Maksimiuk D., Reitsma G. FM radio based bistatic radar. IEE Proceedings – Radar,
Sonar and Navigation. 2005. P. 107–115. DOI: 10.1049/ip-rsn: 20045077.
2. Samczyński P., Wilkowski M., Kulpa K. Trial results on bistatic passive radar using non-cooperative
pulse radar as illuminator of opportunity. INTL – International Journal of Electronics and
Telecommunications. 2012. P. 171–176.
3. Honda J., Otsuyama T. Feasibility study on aircraft positioning by using ISDB-T signal delay. IEEE
Antennas and Wireless Propagation Letter. 2016. P. 1787–1790.
4. Howland P. E. Target tracking using television-based bistatic radar. IEE Proceedings – Radar, Sonar
and Navigation. 1999. P. 166–174.
5. Salah A. Experimental study of LTE signals as illuminators of opportunity for passive bi-static radar
applications / Abdullah R.S.A. Raja, A. Ismail, F. Hashim, Aziz N.H. Abdul. Electronics Letters. 2014.
P. 545–547. DOI: 10.1049/el.2014.0237.
6. Chen Р. С. A non-line-of-sight error mitigation algoritm in location estimation. Proc. IEEE Wireless
Communications Networking Conference. 1999. Vol 1. P. 316–320.
7. Cong L., Zhuang W. Non-line-of-sight error mitigation in TDOA mobile location. Proc. IEEE
Globecom. Nov 2001. P. 680–684.
8. Європейський патент ЕР 3173809, ПМК кл. G01S 5/06, G0 5/02; опубл. 31.05.2017.
9. Сайко В. Г., Наритник Т. М. Безпроводові системи зв’язку терагерцового діапазону:
монографія. Німеччина: Видавництво «LAP LAMBERT Academic Publishing RU», 2019. 68 с.
10. Сайко В. Г. Мережі мобільного зв’язку нового покоління 4G/5G/6G: монографія /
В. Г. Сайко, Р. С. Одарченко, А. О. Абакумова, Т. М. Наритник, В. С. Наконечний, В. М. Домрачев,
С. В. Толюпа, В. Ю. Заблоцький, П. Ф. Баховський. К.: ТОВ «Про формат», 2021. 200 с.
11. Saiko V., Odarchenko R., Zhurakovskyi B., Yevdokymenko M., Fesenko V., Tkachova O.
A Model for Building a Wireless Terahertz Network for 5G NR. Proceedings of the IEEE International
Conference on Intelligent Data Acquisition and Advanced Computing Systems: Technology and Applications,
IDAACS. 2023. P. 1071–1076.
12. Сайко В. Г., Радзівілов Г. Д., Комаров В. О., Фомін М. М., Солодовник В. І.,
Криволапов Я. В., Криволапов Г. Я. Алгоритм визначення координати несанкціонованого БпЛА за
умов декількох променів розповсюдження сигнал // Вчені записки Таврійського національного
університету імені В. І. Вернадського. Серія: Технічні науки. Том 35 (74). 2024. № 1. С. 74–80.
13. Zhu X., Feng Y. RSSI-based algorithm for indoor localization. Communications and Network.
2013. Vol. 5 (02). P. 37–42.
14. Tonissen S. M., Bar-Shalom Y. Maximum likelihood track-before-detect with fluctuating target
amplitude. IEEE Transactions on Aerospace and Electronic Systems. 1998. № 34. P. 796–809.
15. Hadzagic M., Michalska H., Lefebrvre E. Track-Before-Detect Methods in Tracking LowObservable Targets: A Survey. Sensors & Transducers Magazine (S&T e-Digest). 2005. Special Issue, August.
P. 374–380.
16. Davey J. S., Rutten M. G., Cheung B. A. Comparison of Detection Performance for Several Trackbefore-Detect Algorithms. EURASIP Journal on Advances in Signal Processing. 2008. P. 1–10.
17. Orlando D., Venturino L., Lops M., Ricci G. Track-Before-Detect Strategies for STAP Radars.
IEEE Trans. Signal Process. 2010. № 58. P. 933–938.
18. Nicomino F., Addabbo P., Clemente C., Biondi F., Giunta G., Orlando D. A Track-Before-Detect
Strategy Based on Sparse Data Processing for Air Surveillance Radar Applications. Remote Sensing. 2021.
№ 13. P. 2–19.
19. Неуймин А. С., Жук С. Я. Обнаружение цели в импульсно-доплеровской РЛС на основе
многообзорного накопления сигналов. Вестник Национального технического университета Украины
«КПИ». Серия: Радиотехника. Радиоаппаратостроение. 2013. № 53. С. 89–97.
20. Saiko V., Toliupa S., Brailovskyi M., Narytnyk T., Nakonechnyi V., Shtanenko S.. Mathematical
Simulation of FMCW Radar Operation: Simulation of the Normalized Signal at the Receiver Input. 5th IEEE
International Conference on Advanced Information and Communication Technologies, AICT 2023 –
Proceedings. 2023. С. 140–146. DOI: 10.1109/AICT61584.2023. 21–25 Nov. 2023. URL:
https://ieeexplore.ieee.org/xpl/conhome/10452416/proceeding.
21. Сайко В. Г., Романов Д. О., Наритник Т. М, Комаров В. О., Фомін М. М. Аналіз перспектив
використання терагерцового діапазону частот для безпроводових мереж зв’язку спеціального
призначення. Системи і технології зв’язку, інформатизації та кібербезпеки: збірник наукових праць
ВІТІ. 2024. № 5. С. 138–153.
22. Saiko V., Lukova-Chuiko N., Zhurakovskyi B., Nakonechnyi V., Brailovskyi M. A Method of
Increasing the Reliability of Heterogeneous 5G/IoT Special Communication Networks when Using the
Terahertz Wave Range. CEUR Workshop Proceedingsthis. 2022. 3384. Р. 120–131.
23. Saiko V., Nakonechnyi V., Brailovskyi M., Toliupa S. Models оf improving the efficiency of radio
communication systems using the terahertz range. 2020 IEEE International Scientific-Practical Conference:
Problems of Infocommunication Science and Technology. PIC S and T 2020 – Proceedings. Р. 192–196.

АЛГОРИТМИ ПОБУДОВИ ТРАЄКТОРІЇ КОМУНІКАЦІЙНОЇ АЕРОПЛАТФОРМИ ДЛЯ ЗБОРУ ДАНИХ З ВУЗЛІВ БЕЗПРОВОДОВОЇ СЕНСОРНОЇ МЕРЕЖІ

2024-12-12T18:32:26+00:00

Пропонується рішення задачі побудови траєкторії польоту комунікаційної аероплатформи для збору
даних моніторингу з вузлів незв’язної безпроводової сенсорної мережі великої розмірності для досягнення різних
цільових функцій: мінімізація часу збору або максимізація часу функціонування мережі. Задача вирішується
послідовно за застосуванням визначеної послідовності алгоритмів: кластеризації, пошуку найкоротшого шляху
та його корегування за визначеними евристиками. Отримання допустимих рішень в реальному часі базується на
застосуванні множини розроблених алгоритмів (евристик), які враховують взаємне розташування вузлів,
наявність енергії їх батарей та об’єм трафіка моніторингу. Для оцінки ефективності застосування алгоритмів
побудови траєкторії польоту та збору даних розроблена відповідна імітаційна модель. Отримані залежності
показників ефективності (час збору даних, витрати енергії батарей, час функціонування мережі) на множині
алгоритмів побудови траєкторії збору даних комунікаційною аероплатформою при різних вхідних даних.
Результати імітаційного моделювання довели можливість зменшення часу збору даних до 20 % або підвищення
часу функціонування мережі до 15 % порівняно з існуючими рішеннями.

Посилання:

Amodu, O.A.; Nordin, R.; Jarray, C.; Bukar, U.A.; Raja Mahmood, R.A.; Othman, M. A Survey on
the Design Aspects and Opportunities in Age-Aware UAV-Aided Data Collection for Sensor Networks and
Internet of Things Applications. Drones 2023, 7, 260. URL: https://doi.org/10.3390/ drones7040260.
2. Minh T. Nguyen, Cuong V. Nguyen, Hai T. Do, Hoang T. Hua, Thang A. Tran, An D. Nguyen,
Guido Ala, and Fabio Viola. (2021). UAV-Assisted Data Collection in Wireless Sensor Networks:
A Comprehensive Survey. Electronics. 10, 2603. DOI: 10.3390/electronics10212603.
3. Imad Jawhar, Nader Mohamed, Jameela Al-Jarood (2015) UAV-based data communication in
wireless sensor networks: Models and Strategies. International Conference on Unmanned Aircraft Systems
(ICUAS). DOI: 10.1109/ICUAS.2015.7152351.
4. V. Romaniuk, O. Lysenko, A. Romaniuk, O. Zhuk (2020). Increasing the efficiency of data
gathering in clustered wireless sensor networks using UAV. Information and Telecommunication Sciences,
11 (1), 102–107. DOI: 10.20535/2411-2976.12020.102-107.
5. Zhiqing Wei, Mingyue Zhu, Ning Zhang, Lin Wang (2022). Zhiyong Feng UAV Assisted Data
Collection for Internet of Things: A Survey. IEEE Internet of Things Journal 9(17): 1-1,
DOI:10.1109/JIOT.2022.3176903.
6. Sarmad Rashedand Mujdat Soyturk (2017). Analyzing the Effects of UAV Mobility Patterns on Data
Collection in Wireless Sensor Networks Sensors. 17, 413. DOI: 10.3390/s17020413.
7. Weihuang Huang, Jeffrey Xu Yu. (2017). Investigating TSP Heuristics for Location-Based Services
Data Sci. Eng. 2: 71–93. DOI: 10.1007/s41019-016-0030-0.
8. Helsgaun K. (2017). An Extension of the Lin-Kernighan-Helsgaun TSP Solver for Constrained
Traveling Salesman and Vehicle Routing Problems; Roskilde University: Roskilde, Denmark.
DOI:10.13140/RG.2.2.25569.40807.
9. Hahsler M., Hornik, K. (2007). TSP – Infrastructure for the traveling salesperson problem. J. Stat.
Softw., 23, 1–21.
10. Wu Yue, Zhu Jiang (2018). Path Planning for UAV to Collect Sensors Data Based on Spiral
Decomposition. Procedia Computer Science 131, 873–879. DOI: 10.1016/j.procs.2018.04.29.
11. Chengliang W, Jun-hui Y (2015). Path Planning for UAV to Collect Sensor Data in Large-Scale
WSNs. Transaction of Beijing Institute of Technology; 35: 1044–1049. DOI: 10.1016/j.procs.2018.04.291.
12. Kumar Nitesh, Prasanta K. Jana (2019). Convex hull based trajectory design for mobile sink in
wireless sensor networks/International Journal of Ad Hoc and Ubiquitous Computing 30 (1): 26.
DOI: 10.1504/IJAHUC.2019.097092.
13. Q. F., Yu W., Xiao K., Liu C., Liu W. (2022). Trajectory generation and optimization using the
mutual learning and adaptive colony algorithm in uneven environments. Appl. Sci., 12, 4629.
URL: https://doi.org/10.3390/app12094629.
14. Katoch S., Chauhan S.S., Kumar V. (2021). A review on genetic algorithm: past, present, and future.
Multimed. Tools Appl., 80, 8091–8126. DOI: 10.1007/s11042-020-10139-6.
15. Emambocus B.A.S., Jasser M.B., Hamzah M., Mustapha A., Amphawan A. (2021). An enhanced
swap sequence-based particle swarm optimization algorithm to Solve TSP. IEEE Access, 9, 164820–164836.
DOI: 10.1109/ACCESS.2021.3133493.
16. Haider S.K., Jiang A., Almogren A., Rehman A.U., Ahmed A., Khan W.U., Hamam H. (2021).
Energy Efficient UAV Flight Path Model for Cluster Head Selection in Next-Generation Wireless Sensor
Networks. Sensors., 21, 8445. URL: https://doi.org/10.3390/s21248445.
17. Josiane da Costa Vieira Rezende, RoneIlídio da Silva and Marcone Jamilson Freitas Souza. (2020).
Gathering Big Data in Wireless Sensor Networks by Drone. Sensors, 20, 6954. DOI: 10.3390/s20236954.
18. Dac-Tu Ho, EstenIngar Grotli, and Tor Arne Johansen (2013). Heuristic Algorithm and Cooperative
Relay for Energy Efficient Data Collection with a UAV and WSN. International Conference Computing,
Management and Telecommunications (ComManTel). DOI: 10.1109/ComManTel.2013.6482418.
19. Cariou, C., Moiroux-Arvis, L., Pinet, F., Chanet, J.-P. (2023). Evolutionary Algorithm with
Geometrical Heuristics for Solving the Close Enough Traveling Salesman Problem: Application to the
Trajectory Planning of an Unmanned Aerial Vehicle. Algorithms, 16, 44. URL:
https://doi.org/10.3390/a16010044.
20. Nguyen, K. K., Duong, T. Q., Do-Duy, T., Claussen, H., & Hanzo, L. (2022). 3D UAV Trajectory
and Data Collection Optimization via Deep Reinforcement Learning. IEEE Transactions on Communications.
DOI: 10.1109/TCOMM.2022.3148364
21. Hrymud A., Romaniuk V. (2023). A model of situational control of the telecommunication aerial
platform flight trajectory to collect data from nodes of a wireless sensor network. Communication,
informatization and cyber-security systems and technologies, № 3. p. 88–100. DOI:
10.58254/viti.3.2023.12.101.

ІНФОРМАЦІЙНА СИСТЕМА ОЦІНЮВАННЯ НАДІЙНОСТІ ДЕШИФРУВАЛЬНИКА ПУНКТУ ДИСТАНЦІЙНОГО ПІЛОТУВАННЯ

2024-12-12T18:19:21+00:00

В умовах збройної агресії з боку російської федерації проти України, яка переросла у повномасштабне
військове вторгнення 24 лютого 2022 року, виникає найбільша загроза національній безпеці, оскільки мова йде
про знищення української державності. Як засвідчив досвід підготовки та проведення розвідувальних операцій
Збройними силами України під час широкомасштабного вторгнення збройних сил російської федерації на
територію нашої держави, застосування безпілотних літальних апаратів І класу засвідчило ефективність
їх використання, що актуалізувало питання підвищення ефективності збору розвідувальної інформації за їхньою
допомогою.

Ключову роль в роботі безпілотного літального апарата першого класу відіграє дешифрувальник
дистанційної пілотажної станції. Від його ефективності залежить якість роботи засобів повітряної розвідки.
У статті розглянуто основні показники надійності оператора людино-машинної системи. Проведено аналіз
існуючих методів контролю оператора людино-машинної системи, який показує, що показник його
працездатності не вимірюється, а визначається шляхом моніторингу його функціонального стану з подальшою
оцінкою показників працездатності.

Виходячи з результатів аналізу, встановлено, що застосування теорії нечітких множин та згортки за
нелінійною схемою компромісу в задачах оцінки ефективності людино-машинних систем надає змогу
ідентифікувати стан надійності дешифратора пункту дистанційного пілотування в реальному часі
з урахуванням працездатності людини та ефективності роботи обладнання.

Розроблено інформаційну систему оцінювання надійності дешифрувальника пункту дистанційного
пілотування, в основу якої покладена узагальнена математична модель у вигляді багаторівневого ієрархічного
дерева логічного висновку, що відображає класифікацію показників та проміжні оцінки. Корінь дерева відповідає
результату оцінювання, а вершина оцінювання – показникам надійності пункту дистанційного пілотування.
Сам процес ґрунтується на математичному апараті нечіткої логіки та здійснюється з використанням
доступної експертної інформації у вигляді логічних правил “ЯКЩО – ТО”, що пов’язують нечіткі терми
показників надійності пункту дистанційного пілотування і результат оцінювання.

Надійність отриманих даних досягається шляхом формування нечіткої бази знань з використанням
нечітких термів, які враховують специфіку процесу отримання розвідувальної інформації на віддалених пунктах
пілотування.

Посилання:

Пількевич І. А., Лобода Р. І., Мірошніченко С. І. Аналіз шляхів забезпечення ефективності
добування розвідувальної інформації за допомогою БпАК І класу // Проблеми створення,
випробування, застосування та експлуатації складних інформаційних систем: зб. наук. пр. Житомир:
ЖВІ, 2023. Вип. № 25 (ІІ). С. 4–19. Інв. 5427 дск.
2. ДСТУ 2860–94 Надійність техніки. Терміни та визначення. Наказ Держстандарту України
№ 333 від 28 грудня 1994 р.
3. ДСТУ 2861–94 Надійність техніки. Аналіз надійності. Основні положення. Наказ
Держстандарту України № 310 від 08 грудня 1994 р.
4. ДСТУ 2863–94 Надійність техніки. Програма забезпечення надійності. Загальні вимоги.
Наказ Держстандарту України № 310 від 08 грудня 1994 р.
5. Дячук О. А., Фуртат Ю. О. Проблема надійності при участі людини-оператора в процесі
прийняття рішень по керуванню об’єктами енергетики // Математичне та комп’ютерне моделювання.
Серія: Технічні науки. Кам’янець-Подільський: Кам’янець-Подільський національний університет
імені Івана Огієнка, 2020. Вип. 21. С. 61–75. URL: https://doi.org/10.32626/2308-5916.2020-21.61-75.
6. Пількевич І. А., Лобода Р. І., Дмитрук В. В., Лобода В. В. Перспективні напрями підвищення
ефективності функціонування БпАК І класу // Збірник наукових праць “Труди університету”. Київ:
Національний університет оборони України ім. Івана Черняховського, 2021. № 2 (165). С. 42–49.
Інв. 2574 т.
7. Осієвський С. В., Третяк В. Ф., Кулагін К. К., Власов А. В., Закіров З. З., Кривчун В. І. Метод
підвищення ефективності функціонування людино-машинної системи за рахунок підвищення якості
програмного забезпечення системи підтримки прийняття рішень. Грааль науки. № 6. С. 170–181. URL:
https://doi.org/10.36074/grail-of-science.25.06.2021.029.
8. Філімонов В. І. Фізіологія людини: підручник. 4-е вид. / В. І. Філімонов. Київ: ВСВ
«Медицина», 2021. 488 с. ISBN: 978-617-505-851-0.
9. Токар А. М. Удосконалене ергономічне забезпечення ефективності добування розвідувальної
інформації на постах радіоперехоплення. Житомир: 20.02.14 – Озброєння і військова техніка. ЖВІ,
2013. 188 с. Інв. 262 т.
10. Засядько А. А. Способи спрощення задачі нелінійного програмування на основі
класифікації обмежень // Системи обробки інформації. Харків: ХНУПС, 2020. Вип. 2 (161). С. 59–70.
URL: https://doi.org/10.30748/soi.2020.161.07.

БАГАТОФУНКЦІОНАЛЬНИЙ ВІЙСЬКОВИЙ СИМУЛЯТОР КЕРУВАННЯ МОБІЛЬНИМ РОБОТОМ З FPV ТА СИСТЕМОЮ ЗВОРОТНОГО ЗВ’ЯЗКУ

2024-12-12T18:02:01+00:00

Aктивний розвиток в останнє десятиліття мобільної та автономної робототехніки сприяє пошуку
можливостей їх застосування та вирішення завдань у галузі "Військова справа, національна безпека, безпека
державного кордону".

В дослідженні наведена класифікація, розглянуті сучасні аспекти та стан військових симуляторів
в світі. Проведений аналіз використання технологій сучасних військових симуляторів, що застосовуються
в Україні для забезпечення максимально реалістичного та ефективного навчання військовослужбовців, та
наведені приклади використання військових симуляторів в Україні.

В процесі опису багатофункціонального військового симулятора керування мобільним роботом з FPV
та системою зворотного зв’язку, надана цільова функція зворотного зв’язку, та визначена важливість
використання математичного апарату для побудови пристрою симуляції.

В роботі надані схеми та режими роботи багатофункціонального військового симулятора керування
мобільним роботом з FPV та системою зворотного зв’язку.

При написанні висновків вказані, що важливим фактором сучасності є, інтеграція нових технологій.
Майбутні військові симулятори обов’язково можуть включати ряд нових технологій, які ще більше
підвищать їхню ефективність та реалістичність.

Посилання:

Lateef F. Simulation-based learning: Just like the real thing [Electronic resource] / F. Lateef // Journal
of Emergencies, Trauma, and Shock. 2010. Vol. 3, No. 4. P. 348. Mode of access:
https://doi.org/10.4103/0974-2700.70743.
2. Hurrel S. Simulation-based learning benefits and challenges for eLearning [Electronic resource] /
S. Hurrel // Helping You Be Powered By Knowledge | Neovation. Mode of access:
https://www.neovation.com/learn/90-simulation-based-learning-benefits-and-challenges-for-elearning.
3. Красота-Мороз Г. Симуляційний тренінг як сучасна педагогічна технологія розвитку
компетентностей військовослужбовців сил спеціальних операцій в системі професійної військової
освіти [Електронний ресурс] / Г. Красота-Мороз, Д. Оленєв // Військова освіта. 2023. С. 186–195.
Режим доступу: https://doi.org/10.33099/2617-1783/2023-47/186-195.
4. Петришин Б. Сучасні технології у підготовці військових: тактичні симулятори SKIFTECH
[Електронний ресурс] / Б. Петришин // Рубрика. Режим доступу: https://rubryka.com/article/symulyatoryskiftech/.
5. The Critical Role of Virtual Reality & Simulation in Military Training Â» Karve [Electronic resource]
// Karve â Your Strategic Growth Partner. – Mode of access: https://www.karveinternational.com/insights/thecritical-role-of-virtual-reality-simulation-in-military-training (date of access: 10.10.2024).
6. Які симулятори використовують бійці ЗСУ для навчання на Stinger, Javelin та навіть польський
ПЗРК Grom | Defense Express [Електронний ресурс] // Військовий портал Defense Express - все про
військову справу. Режим доступу: https://defence-ua.com/people_and_company/
jaki_simuljatori_vikoristovujut_bijtsi_zsu_dlja_navchannja_na_stinger_javelin_ta_navit_polskij_pzrk_grom
-13136.html.
7. Logics7 розробила понад 30 симуляторів зброї для підготовки ЗСУ [Електронний ресурс] //
Militarnyi. Режим доступу: https://mil.in.ua/uk/news/logics7-rozrobyla-ponad-30-symulyatoriv-zbroyi-dlyapidgotovky-zsu/.
8. Івахненко Д. Ігрові симулятори, на яких можна почати опановувати бойові навички
[Електронний ресурс] / Д. Івахненко, Д. Гадомський // Texty.org.ua – статті та журналістика даних для
людей Тексти.org.ua. Режим доступу: https://texty.org.ua/articles/111677/ihrovi-symulyatory-u-yakyhmozhna-pochaty-opanovuvaty-bojovi-navychky/.
9. Симулятори бойових дій купити | ТОВ "Інтерактивні системи плюс" [Електронний ресурс] //
ТОВ "Інтерактивні системи плюс". Режим доступу: https://isp.com.ua/.
10. Moiseienko O. How Virtual Reality Technologies in Ukraine are Enhancing Modern Warfare And
Helping To Train Soldiers [Electronic resource] / O. Moiseienko // UNITED24 Media. Mode of access:
https://united24media.com/war-in-ukraine/how-virtual-reality-technologies-in-ukraine-are-enhancingmodern-warfare-and-helping-to-train-soldiers-1466.
11. Система імітації бою MILES в ЗСУ [Електронний ресурс] // Militarnyi. Режим доступу:
https://mil.in.ua/uk/systema-imitatsiyi-boyu-miles-v-zsu.
12. Bell, B. S. Current issues and future directions in simulation-based training in North America //
B. S. Bell, A. M. Kanar, S.W.J. Kozlowsi - The International Journal of Human Resource Management, 19(8),
2008, pp. 1416–1434.
13. Перемот О. Що потрібно знати, як довго тренуватися та чи допоможе ігровий досвід.
[Електронний ресурс] / О. Перемот // GameDevDOU. Режим доступу: https://gamedev.dou.ua/articles/
fpv-simulator-steam-games/.
14. Top 10 Military Technology Trends for 2025 | StartUs Insights [Electronic resource] // StartUs
Insights. Mode of access: https://www.startus-insights.com/innovators-guide/top-10-military-technologytrends-2022.
15. Forrester J. W. Industrial Dynamics / J. W. Forrester Massachusetts : MIT Press. 1996. 480 p.
16. Sterman J. Business Dynamics: Systems Thinking and Modeling for a Complex World with
CD-ROM / J. Sterman. – London: McGraw-Hill Education, 2000. 1008 p.

МОДЕЛІ ТА МЕТОДИ ВИЯВЛЕННЯ ВТОРГНЕНЬ У БЕЗПРОВОДОВИХ СЕНСОРНИХ МЕРЕЖАХ ТАКТИЧНОЇ ЛАНКИ УПРАВЛІННЯ ВІЙСЬКАМИ

2024-12-11T09:27:15+00:00

Безпроводові сенсорні мережі є важливим елементом сучасних військових операцій, що забезпечують
моніторинг та передачу даних у реальному часі. Однак ці мережі вразливі до фізичних і кібератак через
обмеженість ресурсу, відсутність фізичного контролю над сенсорами та викликами, що пов’язані
з використання безпроводових каналів зв’язку. Метою статті є проведення порівняльного аналізу моделей та
методів виявлення вторгнень у безпроводових сенсорних мережах тактичної ланки управління військами.

Аналіз охоплює централізовані та децентралізовані підходи до управління безпекою з акцентом на моделі
виявлення, що базуються на сигнатурах, аномаліях та специфікаціях. Також у статті розкрито можливості
використання гібридних методів, що комбінують переваги вищезазначених підходів. Для порівняння
ефективності моделей використовувалися загальнодоступні набори даних (KDD, NSL-KDD, WSN-DS) та
синтетичні набори даних отриманих з використанням мережевих симуляторів. Результати показують, що
централізовані моделі більш ефективні для малих мереж, але створюють навантаження на базову станцію, що
може спричиняти затримки при виявленні атак. Децентралізовані моделі знижують навантаження та
підвищують швидкість реагування на атаки, проте також мають свої недоліки. У статті зазначено, що жоден
з існуючих методів не забезпечує повного захисту, тому комбінування підходів є найбільш ефективним рішенням.

Моделі та методи виявлення вторгнень на основі аномалій класифікуються залежно від їх функціональних
можливостей: на основі статистики, на основі інтелектуального аналізу даних, на основі машинного навчання
та на основі штучного інтелекту. Використання штучних нейронних мереж і машинного навчання значно
покращує точність виявлення аномалій, але такі системи вимагають великих обчислювальних ресурсів та
складні в налаштуванні.

Основний аналітичний висновок статті полягає в необхідності створення гібридної системи виявлення
вторгнень з використанням штучних нейронних мереж і машинного навчання, яка поєднує централізовані та
децентралізовані методи з урахуванням специфічних загроз для безпроводових сенсорних мереж тактичної
ланки управління військами.

Напрямом подальших досліджень слід вважати розроблення функціональної моделі системи виявлення
вторгнень для підсистеми безпеки у безпроводових сенсорних мережах тактичної ланки управління військами.

Посилання

Міночкін А. І., Романюк В. А., Шаціло П. В. Виявлення атак в мобільних радіомереж. Збірник
наукових праць № 1. – Київ. ВІТІ НТУУ “КПІ”. – 2005. – С. 102-111.
Ghosal A., Halder S. A survey on energy efficient intrusion detection in wireless sensor
networks. Journal of Ambient Intelligence and Smart Environments. 2017. Vol. 9, no. 2. P. 239–261.
URL: https://doi.org/10.3233/ais-170426 (date of access: 07.10.2024).
Артюх С.Г., Жук О.В., Чернега В.М. Класифікація атак у безпроводових сенсорних мережах
тактичної ланки управління військами. Сучасні інформаційні технології у сфері безпеки та оборони.
2023.Т. 48. № 3, 2023. С.11-19.
On the Vital Areas of Intrusion Detection Systems in Wireless Sensor Networks / A. Abduvaliyev et
al. IEEE Communications Surveys & Tutorials. 2013. Vol. 15, no. 3. P. 1223–1237.
URL: https://doi.org/10.1109/surv.2012.121912.00006 (date of access: 08.10.2024)..
Alrajeh N. A., Khan S., Shams B. Intrusion Detection Systems in Wireless Sensor Networks:
A Review. International Journal of Distributed Sensor Networks. 2013. Vol. 9, no. 5. P. 167575.
URL: https://doi.org/10.1155/2013/167575 (date of access: 07.10.2024).
Osanaiye O. A., Alfa A. S., Hancke G. P. Denial of Service Defence for Resource Availability in
Wireless Sensor Networks. IEEE Access. 2018. Vol. 6. P. 6975–7004.
URL: https://doi.org/10.1109/access.2018.2793841 (date of access: 08.10.2024).
Alrajeh N. A., Lloret J. Intrusion Detection Systems Based on Artificial Intelligence Techniques in
Wireless Sensor Networks. International Journal of Distributed Sensor Networks. 2013. Vol. 9, no. 10.
P. 351047. URL: https://doi.org/10.1155/2013/351047 (date of access: 08.10.2024).
Intrusion Detection System Based on Evolving Rules for Wireless Sensor Networks / N. Lu et
al. Journal of Sensors. 2018. Vol. 2018. P. 1–8. URL: https://doi.org/10.1155/2018/5948146 (date of access:
08.10.2024).
A Partially Distributed Intrusion Detection System for Wireless Sensor Networks / E. Cho et
al. Sensors. 2013. Vol. 13, no. 12. P. 15863–15879. URL: https://doi.org/10.3390/s131215863 (date of access:
08.10.2024).
Centralized IDS Based on Misuse Detection for Cluster-Based Wireless Sensors Networks /
F. Hidoussi et al. Wireless Personal Communications. 2015. Vol. 85, no. 1. P. 207–224.
Hierarchical Abnormal-Node Detection Using Fuzzy Logic for ECA Rule-Based Wireless Sensor
Networks / N. Berjab et al. 2018 IEEE 23rd Pacific Rim International Symposium on Dependable Computing
(PRDC), Taipei, Taiwan, 4–7 December 2018. 2018. URL: https://doi.org/10.1109/prdc.2018.00051 (date of
access: 08.10.2024).
Ioannou C., Vassiliou V. An Intrusion Detection System for Constrained WSN and IoT Nodes Based
on Binary Logistic Regression. MSWIM '18: 21st ACM Int'l Conference on Modelling, Analysis and
Simulation of Wireless and Mobile Systems, Montreal QC Canada. New York, NY, USA, 2018.
URL: https://doi.org/10.1145/3242102.3242145 (date of access: 08.10.2024).
Osanaiye O. A., Alfa A. S., Hancke G. P. Denial of Service Defence for Resource Availability in
Wireless Sensor Networks. IEEE Access. 2018. Vol. 6. P. 6975–7004.
URL: https://doi.org/10.1109/access.2018.2793841 (date of access: 08.10.2024).
Intrusion detection model of wireless sensor networks based on game theory and an autoregressive
model / L. Han et al. Information Sciences. 2019. Vol. 476. P. 491–504.
URL: https://doi.org/10.1016/j.ins.2018.06.017 (date of access: 08.10.2024).
Detection and mitigation of sinkhole attacks in wireless sensor networks / H. Shafiei et al. Journal
of Computer and System Sciences. 2014. Vol. 80, no. 3. P. 644–653.
URL: https://doi.org/10.1016/j.jcss.2013.06.016 (date of access: 08.10.2024).
Ballarini P., Mokdad L., Monnet Q. Modeling tools for detecting DoS attacks in WSNs. Security
and Communication Networks. 2013. Vol. 6, no. 4. P. 420–436.
Kaur G., Singh M. Detection of black hole in Wireless Sensor Network based on Data Mining. 2014
5th International Conference- Confluence The Next Generation Information Technology Summit, Noida, India,
25–26 September 2014. 2014. URL: https://doi.org/10.1109/confluence.2014.6949343 (date of access:
08.10.2024).
Hybrid Anomaly Detection by Using Clustering for Wireless Sensor Network / B. Ahmad et
al. Wireless Personal Communications. 2018. Vol. 106, no. 4. P. 1841–1853.
URL: https://doi.org/10.1007/s11277-018-5721-6 (date of access: 08.10.2024).
Applying Data Mining Techniques to Intrusion Detection in Wireless Sensor Networks /
L. Coppolino et al. 2013 Eighth International Conference on P2P, Parallel, Grid, Cloud and Internet
Computing (3PGCIC), COMPIEGNE, France, 28–30 October 2013. 2013.
A New Intrusion Detection System Based on KNN Classification Algorithm in Wireless Sensor
Network / W. Li et al. Journal of Electrical and Computer Engineering. 2014. Vol. 2014. P. 1–8.
URL: https://doi.org/10.1155/2014/240217 (date of access: 08.10.2024).
Garofalo A., Di Sarno C., Formicola V. Enhancing Intrusion Detection in Wireless Sensor Networks
through Decision Trees. Lecture Notes in Computer Science. Berlin, Heidelberg, 2013. P. 1–15.
URL: https://doi.org/10.1007/978-3-642-38789-0_1 (date of access: 08.10.2024)..
Cooperative game theoretic approach using fuzzy Q-learning for detecting and preventing intrusions
in wireless sensor networks / S. Shamshirband et al. Engineering Applications of Artificial Intelligence. 2014.
Vol. 32. P. 228–241. URL: https://doi.org/10.1016/j.engappai.2014.02.001 (date of access: 08.10.2024).
Wang H., Wen Y., Zhao D. Identifying localization attacks in wireless sensor networks using deep
learning. Journal of Intelligent & Fuzzy Systems. 2018. Vol. 35, no. 2. P. 1339–1351.
URL: https://doi.org/10.3233/jifs-169677 (date of access: 08.10.2024).
A Lightweight Intrusion Detection Method Based on Fuzzy Clustering Algorithm for Wireless
Sensor Networks / H. Qu et al. Advances in Fuzzy Systems. 2018. Vol. 2018. P. 1–12.
URL: https://doi.org/10.1155/2018/4071851 (date of access: 08.10.2024).
Wireless Sensor Networks Intrusion Detection Based on SMOTE and the Random Forest
Algorithm / X. Tan et al. Sensors. 2019. Vol. 19, no. 1. P. 203. URL: https://doi.org/10.3390/s19010203 (date
of access: 08.10.2024).
Mansouri A., Majidi B., Shamisa A. Metaheuristic neural networks for anomaly recognition in
industrial sensor networks with packet latency and jitter for smart infrastructures. International Journal of
Computers and Applications. 2018. P. 1–10. URL: https://doi.org/10.1080/1206212x.2018.1533613 (date of
access: 08.10.2024).
Bitam S., Zeadally S., Mellouk A. Bio-inspired cybersecurity for wireless sensor networks. IEEE
Communications Magazine. 2016. Vol. 54, no. 6. P. 68–74.
N. Nithiyanandam, P. Latha Parthiban, B. Rajalingam. Effectively Suppress the Attack of Sinkhole
in Wireless Sensor Network using Enhanced Particle Swarm Optimization Technique. International Journal
of Pure and Applied Mathematics, Vol. 118, No. 9, pp. 313-329, 2018.
An Integrated Intrusion Detection Model of Cluster-Based Wireless Sensor Network / X. Sun et
al. PLOS ONE. 2015. Vol. 10, no. 10. P. e0139513. URL: https://doi.org/10.1371/journal.pone.0139513 (date
of access: 08.10.2024).
A Hybrid Spectral Clustering and Deep Neural Network Ensemble Algorithm for Intrusion
Detection in Sensor Networks / T. Ma et al. Sensors. 2016. Vol. 16, no. 10. P. 1701.
URL: https://doi.org/10.3390/s16101701 (date of access: 08.10.2024).
A Hybrid Spectral Clustering and Deep Neural Network Ensemble Algorithm for Intrusion
Detection in Sensor Networks / T. Ma et al. Sensors. 2016. Vol. 16, no. 10. P. 1701.
URL: https://doi.org/10.3390/s16101701 (date of access: 08.10.2024).
Sedjelmaci H., Senouci S. M., Feham M. An efficient intrusion detection framework in clusterbased wireless sensor networks. Security and Communication Networks. 2013. Vol. 6, no. 10. P. 1211–1224.
URL: https://doi.org/10.1002/sec.687 (date of access: 08.10.2024).
Hybrid Intrusion Detection System for enhancing the security of a cluster-based Wireless Sensor
Network / K. Q. Yan et al. 2010 3rd IEEE International Conference on Computer Science and Information
Technology (ICCSIT 2010), Chengdu, China, 9–11 July 2010. 2010. URL: https://doi.org/10.1109/
iccsit.2010.5563886 (date of access: 08.10.2024).
Subba B., Biswas S., Karmakar S. A Game Theory Based Multi Layered Intrusion Detection
Framework for Wireless Sensor Networks. International Journal of Wireless Information Networks. 2018.
Vol. 25, no. 4. P. 399–421. URL: https://doi.org/10.1007/s10776-018-0403-6 (date of access: 08.10.2024).
Otoum S., Kantarci B., Mouftah H. T. Detection of Known and Unknown Intrusive Sensor Behavior
in Critical Applications. IEEE Sensors Letters. 2017. Vol. 1, no. 5. P. 1–4. URL: https://doi.org/10.1109/
lsens.2017.2752719 (date of access: 08.10.2024).

ВИМОГИ ДО ПЕРСПЕКТИВНОГО КІБЕРОЗБРОЄННЯ ЗБРОЙНИХ СИЛ УКРАЇНИ

2024-12-12T17:27:11+00:00

Аналіз досвіду виконання завдань відповідними підрозділами Сил оборони України під час відбиття
широкомасштабної збройної агресії російської федерації проти України свідчить про те, що отримання
переваги в кіберпросторі можливе лише за наявності власної сучасної кіберзброї. Завдання зі створення
кіберзброї передбачає розроблення вимог до неї. Актуальність цього завдання також підтверджується
зростанням кількості кібератак на військові об’єкти з боку російської федерації, що відображено у звітах
оперативного центру реагування на кіберінциденти Державного центру кіберзахисту Державної служби
спеціального зв’язку та захисту інформації України за останні роки. Отже, метою статті є дослідження
існуючих шляхів створення сучасного кіберозброєння в інтересах Збройних сил України та висування вимог до
нього.

У статті наведені результати аналізу застосування кіберзброї та тенденції щодо її розвитку.
Розглянуто класифікацію кіберзброї за принципом її застосування. Запропоновано складові кіберозброєння
Збройних сил України, які ґрунтуються на підставі аналізу тактики дій хакерських угруповань, інформаційних
загроз, спрямованих на Україну з боку російської федерації.

У статті зазначаються об’єкти (цілі), які мають вражати перспективне кіберозброєння Збройних сил
України з врахуванням його цільового призначення та завдань. Серед основних об’єктів кібервпливу визначені:
критична інфраструктура держави противника; системи бойового управління, системи (мережі) зв’язку та
автоматизації противника; системи (платформи) управління зброєю та військовою технікою противника;
інформаційні та медіаресурси противника; окремі персони (посадові особи); групи осіб, верстви населення
противника.

Надано системні та функціональні і нефункціональні вимоги до перспективного озброєння видів Збройних
сил України. Запропоновані результати досліджень, у подальшому, можуть стати підґрунтям для розроблення
відповідних оперативно-тактичних вимог до перспективного кіберозброєння видів Збройних сил України.

Посилання:

Бойовий досвід з питань кібербезпеки отриманий під час російсько-української війни (аналіз
та уроки). Частина перша (січень-травень 2022 року): збірник інформаційно-аналітичних матеріалів /
С. А. Микусь, О. Й. Мацько, О. В. Войтко та ін. К.: НУОУ, 2022. 92 с.
2. Звіт оперативного центру реагування на кіберінциденти ДЦКЗ. URL:
https://cip.gov.ua/ua/news/kilkist-zareyestrovanikh-kiberincidentiv-zrosla-na-46-zvit-operativnogo-centrureaguvannya-na-kiberincidenti-dckz (дата звернення: 20.10.2023).
3. Зміна тактик, цілей і спроможностей хакерських груп уряду рф та контрольованих ним
угруповань: прогнози. URL: https://cip.gov.ua/ua/news/zmina-taktik-cilei-i-spromozhnostei-khakerskikhgrup-uryadu-rf-ta-kontrolovanikh-nim-ugrupovan-prognozi (дата звернення: 20.02.2023).
4. Білюга А. Д. Кіберзброя: сучасні загрози національній безпеці та шляхи протидії. Наука і
оборона. 2021. № 2. C. 42–49.
5. ВСТ 01.114.001 – 2023 (01). Вид. 1. “Електромагнітна та кіберборотьба. Глосарій термінів і
визначень”.
6. Даник Ю. Г. Воробієнко П. П., Чернега В. М. Основи кібербезпеки та кібероборони:
підручник [Видання друге, перероб. та доп.]. Oдеса: ОНАЗ ім. О. С. Попова, 2019. 320 с.
7. Arpanet. URL: https://www.quora.com/topic/ARPANET (дата звернення: 20.10.2023).
8. National Cybersecurity Strategy / The White House. Washington, 2023. URL:
https://www.whitehouse.gov/wp-content/uploads/2023/03/National-Cybersecurity-Strategy-2023.pdf (дата
звернення: 20.03.2023).
9. Грищук Р. В. Кібернетична зброя: класифікація, базові принципи побудови, методи та засоби
застосування й захисту від неї // Сучасна спеціальна техніка. Київ, 2016. № 3 (46). С. 94–101.
10. Cyber Kill Chain. URL: https://www.lockheedmartin.com/en-us/capabilities/cyber/cyber-killchain.html (дата звернення: 08.09.2023).
11. IEEE Std 830-1998 IEEE Recommended Practice for Software Requirements Specifications –
Description. URL: https://ieeexplore.ieee.org/document/720574/definitions#definitions (дата звернення:
08.09.2023).

АНАЛІЗ РОЗВИТКУ МЕРЕЖ ЗВ’ЯЗКУ П’ЯТОГО ПОКОЛІННЯ

2024-12-12T11:56:41+00:00

Стаття присвячена комплексному аналізу ключових аспектів розвитку мереж зв’язку п’ятого покоління
(5G) в Україні. Досліджено актуальні проблеми та перспективи впровадження 5G, враховуючи технологічні,
економічні та регуляторні аспекти. Запропоновано математичні моделі та алгоритми для оптимізації
розподілу радіочастотного спектра, розміщення базових станцій, впровадження віртуалізації мережевих
функцій Network Function Virtualization (NFV) та програмно-конфігурованих мереж Software-Defined Networking
(SDN), а також забезпечення якості обслуговування (QoS) для різних класів трафіку.

Розроблені рішення дозволяють підвищити ефективність розгортання та експлуатації 5G мереж
в умовах обмежених ресурсів. Розроблено математичну модель оптимізації розподілу спектра з використанням
лінійного програмування, яка враховує ефективність використання спектра різними операторами.
Для оптимізації розміщення базових станцій запропоновано підхід на основі теорії ігор, що враховує обмеження
на пропускну здатність та витрати на розміщення при забезпеченні необхідного покриття. Представлено
математичну модель для оптимізації розміщення віртуалізованих мережевих функцій на серверах
з обмеженими ресурсами з метою мінімізації витрат та забезпечення необхідної продуктивності.
Запропоновано алгоритм на основі градієнтного спуску для динамічного управління ресурсами та
забезпечення QoS.

На основі порівняльного аналізу методів оптимізації розроблено інтегрований підхід до вирішення
ключових задач впровадження 5G. Запропоновано математичну модель оптимізації розподілу радіочастотного
спектра на основі лінійного програмування, яка забезпечує підвищення спектральної ефективності на 23–27 %
порівняно з базовими методами. Представлено теоретико-ігровий підхід до оптимізації розміщення базових
станцій, що дозволяє знизити кількість перевантажених секторів на 45 % та підвищити енергоефективність
на 13,3 %. Розроблено генетичний алгоритм оптимізації розміщення віртуалізованих мережевих функцій (VNF),
який забезпечує на 21,4 % вищу утилізацію ресурсів. Експериментальні дослідження підтвердили, що
запропоновані рішення дозволяють досягти загального підвищення ефективності мережі на 20–25 % при
зниженні експлуатаційних витрат на 15–20 %. Результати створюють методологічну основу для ефективного
планування та розгортання мереж 5G в Україні.

Посилання:

Shafi M., Molisch A. F., Smith P. J., Haustein T., Zhu P., De Silva P., Tufvesson F., Benjebbour A.,
Wunder G. 5G: A Tutorial Overview of Standards, Trials, Challenges, Deployment, and Practice. IEEE Journal
on Selected Areas in Communications. 2017. Vol. 35, No. 6. P. 1201–1221.
2. Dahlman E., Parkvall S., Skold J. 5G NR: The Next Generation Wireless Access Technology.
Academic Press, 2022. 466 p.
3. Osseiran A., Monserrat J. F., Marsch P. 5G Mobile and Wireless Communications Technology.
Cambridge University Press, 2021. 439 p.
4. Parkvall S., Dahlman E., Furuskar A., Frenne M. NR: The New 5G Radio Access Technology. IEEE
Communications Standards Magazine. 2017. Vol. 1, No. 4. P. 24–30.
5. Holma H., Toskala A., Nakamura T. 5G Technology: 3GPP New Radio. Wiley, 2023. 448 p.
6. Agiwal M., Roy A., Saxena N. Next Generation 5G Wireless Networks: A Comprehensive Survey.
IEEE Communications Surveys & Tutorials. 2018. Vol. 18, No. 3. P. 1617–1655.
7. Forge S., Blackman C., Bohlin R. The Role of 5G in Private Networks for Vertical Industries.
European Commission, 2021. 51 p.
8. Xiao M., Mumtaz S., Huang Y., Dai L., Li Y., Matthaiou M., Karagiannidis G. K., Björnson E., Yang
K., Chih-Lin I., Ghosh A. Millimeter Wave Communications for Future Mobile Networks. IEEE Journal on
Selected Areas in Communications. 2017. Vol. 35, No. 9. P. 1909–1935.
9. Wu Y., Khisti A., Xiao C., Caire G., Wong K. K., Gao X. A Survey of Security and Privacy in 5G
Networks: Challenges and Opportunities. IEEE Access. 2023. Vol. 6. P. 4850–4874.
10. Ahmad I., Kumar T., Liyanage M., Okwuibe J., Ylianttila M., Gurtov A. 5G Security: Analysis of
Threats and Solutions. IEEE Communications Standards Magazine. 2021. Vol. 2, No. 1. P. 49–55.
11. Liyanage M., Ahmad I., Abro A. B., Gurtov A., Ylianttila M. A Comprehensive Guide to 5G
Security. Wiley, 2023. 528 p.
12. Zhang H., Liu N., Chu X., Long K., Aghvami A., Leung V. C. M. Network Slicing Based 5G and
Future Mobile Networks: Mobility, Resource Management, and Challenges. IEEE Communications
Magazine. 2023. Vol. 55, No. 8. P. 138–145.
13. Liang C., Yu F. R., Zhang X. Information-centric network function virtualization over 5G mobile
wireless networks. IEEE Network. 2015. Vol. 29, No. 3. P. 68–74.
14. Oughton E. J., Frias Z., Russell T., Sicker D., Cleevely D. D. Towards 5G: Scenario-based
assessment of the future supply and demand for mobile telecommunications infrastructure. Technological
Forecasting and Social Change. 2022. Vol. 133. P. 141–155.
15. Chiaraviglio L., D’Andreagiovanni F., Lancellotti R., Shojafar M., Blefari-Melazzi N., Canali C. An
approach to balance maintenance costs and electricity consumption in cloud data centers. IEEE Transactions
on Sustainable Computing. 2018. Vol. 3, No. 4. P. 274–287.
16. Ordonez-Lucena J., Ameigeiras P., Lopez D., Ramos-Munoz J. J., Lorca J., Folgueira J. Network
Slicing for 5G with SDN/NFV: Concepts, Architectures, and Challenges. IEEE Communications Magazine.
2020. Vol. 55, No. 5. P. 80–87.
17. Mijumbi R., Serrat J., Gorricho J., Bouten N., De Turck F., Boutaba R. Network Function
Virtualization: State-of-the-Art and Research Challenges. IEEE Communications Surveys & Tutorials. 2019.
Vol. 18, No. 1. P. 236–262.
18. Обіход Т. В. Перспективи та недоліки 5G зв’язку в Україні / Т. В. Обіход // Інститут ядерних
досліджень НАН України. Київ, 2023. DOI: 10.13140/RG.2.2.23786.70085.
19. Zhang H., Dong Y., Cheng J., Hossain M. J., Leung V. C. M. Fronthauling for 5G LTE-U Ultra
Dense Cloud Small Cell Networks. IEEE Wireless Communications. 2016. Vol. 23, No. 6. P. 48-53.
20. Гнатюк С. О. Потенціал технологій 5G для відбудови та розвитку України: аналітична
записка / С. О. Гнатюк // Національний інститут стратегічних досліджень, Центр безпекових
досліджень. Київ: НІСД [Електронний ресурс].
21. Barakabitze A. A., Ahmad A., Mijumbi R., Hines A. 5G network slicing using SDN and NFV:
A survey of taxonomy, architectures and future challenges. Computer Networks. 2023. Vol. 167. 106984.
22. Бєляков Р. О. Концептуальна модель управління наземно-повітряною мережею MANET і
FANET класів спеціального призначення / Р. О. Бєляков, О. Д. Фесенко // Вісник Херсонського
національного технічного університету. 2024. № 1. DOI: 10.35546/kntu2078-4481.2024.1.28.
23. Конфендрат В. М. Порівняння моделей поширення радіохвиль в умовах міської забудови /
В. М. Конфендрат, Д. О. Маковеєнко // Цифрові технології. 2020. № 27. С. 86–93 // Одеська
національна академія зв’язку ім. О. С. Попова, Український науково-дослідний інститут радіо і
телебачення. Одеса, 2020.

МЕТОД ПІДВИЩЕННЯ ОБІЗНАНОСТІ ОСОБОВОГО СКЛАДУ З ІНФОРМАЦІЙНОЇ БЕЗПЕКИ ЗА ДОПОМОГОЮ ПРОГРАМНОГО ЗАСТОСУНКУ GOPHISH

2024-12-12T11:43:55+00:00

У сучасних умовах кіберпростору, де загрози постійно еволюціонують, особливої уваги потребують
фішингові атаки. Вони є одним із найпоширеніших методів соціальної інженерії, що використовуються для
отримання доступу до конфіденційної інформації через маніпуляції з користувачами. Такі атаки можуть
призвести до витоку даних, фінансових втрат та репутаційних ризиків.

Однією з ключових проблем є недостатня підготовка персоналу до розпізнавання фішингових загроз.
Традиційні методи навчання не забезпечують належної інтерактивності та реалістичності, що знижує
ефективність підвищення обізнаності. Для вирішення цього питання потрібні нові підходи, які моделюють
реальні сценарії кібератак.

Інструмент Gophish дозволяє створювати персоналізовані фішингові кампанії, що імітують реальні
атаки та аналізують реакції користувачів. Його функціонал включає створення шаблонів листів, відправку
повідомлень та збір даних про взаємодію користувачів. Це дозволяє організаціям виявляти слабкі місця,
коригувати навчальні програми та проводити додаткові тренінги.

Результати показують, що використання Gophish підвищує обізнаність персоналу щодо протидії
соціальній інженерії. Інтерактивні симуляції сприяють кращому розумінню користувачами фішингових загроз
та допомагають їм вчасно розпізнати небезпеку. Завдяки зібраній аналітиці керівництво може оперативно
впроваджувати коригувальні заходи.

Розвиток штучного інтелекту та машинного навчання відкриває нові можливості для вдосконалення
таких інструментів. Майбутні рішення зможуть адаптувати симуляції під конкретних користувачів, що
зробить навчання ще ефективнішим.

Посилання:

The NIST Cybersecurity Framework (CSF) 2.0. National Institute of Standards and Technology.
URL: https://doi.org/10.6028/NIST.CSWP.29 (date of access: 08.10.2024).
2. Звіт за четвертий квартал 2023. Державний центр кіберзахисту Державної служби
спеціального зв’язку та захисту інформації України. URL: https://scpc.gov.ua/uk/articles/341 (дата
звернення: 08.10.2024).
3. Gray J. Practical Social Engineering: A Primer for the Ethical Hacker. San Francisco: No Starch
Press, 2022. 240 p.
4. Phishing Attacks in Social Engineering: A Review / K. Sarpong Adu-Manu et al. Journal of Cyber
Security. 2023. P. 1–29. URL: https://doi.org/10.32604/jcs.2023.041095 (date of access: 08.10.2024).
5. The State of Phishing 2023. Slashnext. URL: https://slashnext.com/wpcontent/uploads/2023/10/SlashNext-The-State-of-Phishing-Report-2023.pdf (date of access: 08.10.2024).
6. IBM Security X-Force Threat Intelligence Index 2023. URL: https://www.ibm.com/security/services/
(date of access: 08.10.2024).
7. Advances in AI-based Phishing Detection and Prevention: A Review / R. Singh, A. Sharma. Journal
of Cyber Security and Privacy, 2023. P. 32–45. URL: https://doi.org/10.3390/cybersecurity-2023-01234 (date
of access: 08.10.2024).
8. Gophish – Open Source Phishing Framework. Gophish. URL: https://getgophish.com/ (date of
access: 08.10.2024).
9. Why Is Phishing Awareness Training Important? Terranova Security | Partner of Choice in Security
Awareness. URL: https://www.terranovasecurity.com/blog/why-is-phishing-training-so-important (date of
access: 08.10.2024).
10. Enhancing Cybersecurity Through Phishing Simulation Training. Journal of Information Security &
Privacy, Rouse, M., & Field, R. (date of access: 08.10.2024).
11. ISO/IEC 27002:2022 Information security, cybersecurity and privacy protection – Information
security controls (ISO/IEC 27002:2017, IDT; ISO/IEC 27002:2013 including Cor 1:2014 and Cor 2:2015,
IDT).
12. Can you spot when you’re being phished? Jigsaw | Google. URL:
https://phishingquiz.withgoogle.com/?hl=en (date of access: 08.10.2024)

АНАЛІЗ АЛГОРИТМІВ РАННЬОГО ВИЯВЛЕННЯ КІБЕРАТАК НА МЕРЕЖІ З ВИКОРИСТАННЯМ МАШИННОГО НАВЧАННЯ

2024-12-12T11:28:25+00:00

Захист критичної інфраструктури та національна безпека посилюються завдяки безпеці та надійності
мереж. В цих мережах циркулює різна інформація з різними грифами від відкритої до закритої. Наслідки
кібератак на ці мережі можуть, бути серйозними, включаючи шкоду репутації, фінансові втрати, операційні
перебої та витік даних. Традиційні методи безпеки, такі як брандмауери та антивірусне програмне
забезпечення, стають все менш ефективними проти сучасних і постійно мінливих кіберзагроз. Як наслідок,
потужні системи виявлення мережевих вторгнень (IDS) стали незамінними для проактивного виявлення та
пом’якшення наслідків кібератак.

Машинне навчання стало життєздатним методом для створення адаптивних засобів виявлення
вторгнень, які можуть виявляти нові та складні шаблони атак. Навчаючись на величезних маркованих наборах
даних мережевого трафіку, моделі ML можуть розуміти тонкі закономірності і диференціальні ознаки
нормальних і аномальних або зловмисних потоків трафіку. Це дозволяє виявляти можливі кіберзагрози та
вторгнення, які традиційні IDS на основі сигнатур не можуть виявити. Виділення дискримінаційних ознак і
навчання відповідних моделей класифікації з таких даних є непростим завданням.
У представленому дослідженні проведено аналіз ефективності алгоритмів ML для виявлення кібератак,
зокрема розподілених атак на відмову в обслуговуванні DDoS, у даних мережевого трафіку. У представленому
дослідженні система виявлення мережевих атак розроблена з використанням моделей ML і глибинного навчання
(DL) та експериментується на наборі даних CICIDS2017.

Основними завданнями дослідження є розроблення стратегії вилучення цінної інформації з необроблених
мережевих потоків; вивчення впливу підготовки даних на частоту хибних спрацьовувань; проведення
порівняльного аналізу моделей ML для ідентифікації кібератак.

Основною метою дослідження є забезпечення розуміння розробки надійної адаптивної системи виявлення
мережевих вторгнень з використанням підходів ML, які підвищують можливості кібербезпеки та захищають
від майбутніх кібератак

Посилання:

Li Y., Liu Q. A comprehensive review study of cyber-attacks and cyber security; Emerging trends
and recent developments. Energy Reports. 2021. URL: https://doi.org/10.1016/j.egyr.2021.08.126 (date of
access: 03.05.2024).
2. George A. S., George A. H. & Baskar T. Digitally Immune Systems: Building Robust Defences in
the Age of Cyber Threats. Partners Universal International Innovation Journal. 2023. Vol. 1. № 4.
P. 155–172. DOI: 10.5281/zenodo.8274514.
3. Explainable Intrusion Detection for Cyber Defences in the Internet of Things: Opportunities and
Solutions / N. Moustafa et al. IEEE Communications Surveys & Tutorials. 2023. P. 1.
URL: https://doi.org/10.1109/comst.2023.3280465 (date of access: 03.05.2024).
4. A Review of Intrusion Detection Systems Using Machine and Deep Learning in Internet of Things:
Challenges, Solutions and Future Directions / J. Asharf et al. Electronics. 2020. Vol. 9, no. 7. P. 1177.
URL: https://doi.org/10.3390/electronics9071177 (date of access: 03.05.2024).
5. An Experimental Analysis of Attack Classification Using Machine Learning in IoT Networks /
A. Churcher et al. Sensors. 2021. Vol. 21, no. 2. P. 446. URL: https://doi.org/10.3390/s21020446 (date of
access: 03.05.2024).
6. Evaluating Deep Learning Based Network Intrusion Detection System in Adversarial Environment /
Y. Peng et al. 2019 IEEE 9th International Conference on Electronics Information and Emergency
Communication (ICEIEC), Beijing, China, 12–14 July 2019. 2019. URL:
https://doi.org/10.1109/iceiec.2019.8784514 (date of access: 03.05.2024).
7. Intrusion Detection and Prevention Systems: An Updated Review / N. A. Azeez et al. Data
Management, Analytics and Innovation. Singapore, 2019. P. 685–696. URL: https://doi.org/10.1007/978-981-
32-9949-8_48 (date of access: 03.05.2024).
8. A Survey of Intrusion Detection Systems Leveraging Host Data / R. A. Bridges et al. ACM Computing
Surveys. 2020. Vol. 52, no. 6. P. 1–35. URL: https://doi.org/10.1145/3344382 (date of access: 03.05.2024).
9. Parizad A., Hatziadoniu C. Cyber-Attack Detection Using Principal Component Analysis and Noisy
Clustering Algorithms: A Collaborative Machine Learning-Based Framework. IEEE Transactions on Smart
Grid. 2022. Vol. 13, no. 6. Р. 4848-4861. URL: https://doi.org/10.1109/tsg.2022.3176311 (date of access:
03.05.2024).
10. Eliyan L. F., Di Pietro R. DoS and DDoS attacks in Software Defined Networks: A survey of
existing solutions and research challenges. Future Generation Computer Systems. 2021. Vol. 122. P. 149–171.
URL: https://doi.org/10.1016/j.future.2021.03.011 (date of access: 03.05.2024).
11. Alghawazi M., Alghazzawi D., Alarifi S. Detection of SQL Injection Attack Using Machine
Learning Techniques: A Systematic Literature Review. Journal of Cybersecurity and Privacy. 2022. Vol. 2,
no. 4. P. 764–777. URL: https://doi.org/10.3390/jcp2040039 (date of access: 03.05.2024).
12. SSH and FTP brute-force Attacks Detection in Computer Networks: LSTM and Machine Learning
Approaches / M. D. Hossain et al. 2020 5th International Conference on Computer and Communication
Systems (ICCCS), Shanghai, China, 15–18 May 2020. 2020. URL: https://doi.org/10.1109/
icccs49078.2020.9118459 (date of access: 03.05.2024).
13. Thankappan M., Rifà-Pous H., Garrigues C. Multi-Channel Man-in-the-Middle Attacks Against
Protected Wi-Fi Networks: A State of the Art Review. Expert Systems with Applications. 2022. Vol. 210.
P. 118401. URL: https://doi.org/10.1016/j.eswa.2022.118401 (date of access: 03.05.2024).
14. Almulla K. Cyber-attack detection in network traffic using machine learning. 2022. URL:
https://repository.rit.edu/cgi/viewcontent.cgi?article=12453&context=theses (date of access: 03.05.2024).
15. Deep Learning Approach for Intelligent Intrusion Detection System / R. Vinayakumar et al. IEEE
Access. 2019. Vol. 7. P. 41525–41550. URL: https://doi.org/10.1109/access.2019.2895334 (date of access:
03.05.2024).
16. BAT: Deep Learning Methods on Network Intrusion Detection Using NSL-KDD Dataset / T. Su et
al. IEEE Access. 2020. Vol. 8. P. 29575–29585. URL: https://doi.org/10.1109/access.2020.2972627 (date of
access: 03.05.2024).
17. Ding Y., Zhai Y. Intrusion Detection System for NSL-KDD Dataset Using Convolutional Neural
Networks. CSAI '18: Proceedings of the 2018 2nd International Conference on Computer Science and
Artificial Intelligence, Shenzhen, China, 8–10 December 2018. New York, USA, ACM Press, 2018. P. 81–85.
URL: https://doi.org/10.1145/3297156.3297230 (date of access: 03.05.2024).
18. Meena G., Choudhary R. R. A review paper on IDS classification using KDD 99 and NSL KDD
dataset in WEKA. 2017 International Conference on Computer, Communications and Electronics
(Comptelix), Jaipur, India, 1–2 July 2017. 2017. URL: https://doi.org/10.1109/comptelix.2017.8004032 (date
of access: 03.05.2024).
19. Benchmarking datasets for Anomaly-based Network Intrusion Detection: KDD CUP 99
alternatives / A. Divekar et al. 2018 IEEE 3rd International Conference on Computing, Communication and
Security (ICCCS), Kathmandu, 25–27 October 2018. 2018. URL: https://doi.org/10.1109/
cccs.2018.8586840 (date of access: 03.05.2024).
20. A Deep Learning Approach for Network Intrusion Detection Based on NSL-KDD Dataset /
C. Zhang et al. 2019 IEEE 13th International Conference on Anti-counterfeiting, Security, and Identification
(ASID), Xiamen, China, 25–27 October 2019. IEEE. P. 41–45. URL: https://doi.org/10.1109/
icasid.2019.8925239 (date of access: 04.05.2024).
21. CICIDS2017. URL: https://www.researchgate.net/figure/Description-of-files-containingCICIDS2017-dataset_tbl1_329045441 (date of access: 04.05.202

ПЕРСПЕКТИВИ ВИКОРИСТАННЯ ТЕХНОЛОГІЇ БЛОКЧЕЙН У СФЕРІ ЗАХИСТУ ІНФОРМАЦІЇ ДЛЯ ПОТРЕБ СЕКТОРА БЕЗПЕКИ І ОБОРОНИ

2024-12-12T11:11:42+00:00

Блокчейн-технології швидко завойовують популярність у різних галузях завдяки своїй здатності
забезпечувати надійний захист даних, прозорість та децентралізацію. Особливо важливими вони стають
у сфері телекомунікацій, де зберігання, обробка, передача та управління даними має критичне значення,
особливо у військовій сфері. Використання технології блокчейн може значно підвищити рівень безпеки,
ефективність та надійність в зазначеній галузі, вирішуючи проблеми централізації та вразливості до атак.

Використання блокчейн-технологій, за рахунок їх децентралізації, значно підвищить безпеку
інформаційно-комунікаційних систем, завдяки розподіленій архітектурі, де дані зберігаються на численних
незалежних вузлах, що ускладнює їхнє масове знищення чи модифікацію. Відсутність єдиної точки відмови
знижує ризики зламів, а механізми консенсусу забезпечують перевірку і захист від несанкціонованих змін.
В цілому, така технологія дозволяє створювати більш стійкі, надійні та захищені системи, що дозволить
значно зменшити втрати особового складу, техніки та майна.

Метою дослідження є аналіз сучасного стану та існуючих проблемних питань, які автори пропонують
вирішити за допомогою розробки та впровадження блокчейн-технологій у телекомунікаційній галузі, зокрема
білінгових операцій, роумінгу, управління ідентифікацією користувачів та дослідження можливостей
автоматизації процесів за допомогою смарт-контрактів, що дозволить підвищити ефективність роботи
інформаційно-комунікаційних систем за рахунок підвищення швидкості передачі даних і оптимізації їх роботи.

Подальші наукові дослідження, на думку авторів, можуть бути спрямовані на можливість
масштабування та зниження енергоспоживання використання технології блокчейн, а також на його
інтеграцію з іншими технологіями, такими як штучний інтелект та квантові технології

Посилання:

Blockchain Technology Review. 2023. URL: https:// ar5iv.labs.arxiv.org/blockchain-review.
2. Blockchain in Telecommunications: Challenges and Opportunities. MDPI Journals. 2022. URL:
https://www. MDPI.com/journal/blockchain-telecom.
3. Understanding Blockchain Technology. 2023. URL: https://Reintech.io/blog/understandingblockchain.
4. Arthur D. Little. How blockchain platforms enhance telecom & media. ADL Insights. 2022. URL:
https://www.adlittle.com/blockchain-telecom-media.
5. Zhang, X., Li, J., Wang, Y. Blockchain technology in telecommunications: a review. Journal of
Network and Computer Applications. 2022. URL: https://www.journal.com/blockchain-telecommunicationsreview.
6. Liu, S., Zhao, Q., Chen, R. Application of Blockchain in Telecommunications: Challenges and
Opportunities. Telecommunications Policy. 2022. URL: https://www.telecompolicy.org/blockchainchallenges-opportunities.
7. Мануілов Я. С. Використання технології блокчейн у телекомунікаціях // Вчені записки ТНУ
імені В. І. Вернадського. Серія: Технічні науки. 2021. Том 32 (71), № 3. С. 123–127. DOI:
https://doi.org/10.32838/2663-5941/2021.3/20.
8. Четверіков І. О., Петренко А. І. Впровадження блокчейн для забезпечення інформаційної
безпеки // Журнал кібербезпеки. 2021. № 99. С. 162–169. DOI: 10.33111/mise.99.
9. Койбічук В. В., Рожкова М. С. Економічний аналіз використання блокчейн у різних галузях.
Науковий журнал економічних досліджень. 2021.
10. Nazanin Moosavi, Hamed Taherdoost. Blockchain Technology Application in Security:
A Systematic Review. MDPI, 2023. P. 60-=–70. URL: https://doi.org/10.3390/blockchains1020005.
11. Sparsh Sharma, Imtiaz Ahmad, Shaima Qureshi, Malik Ishfaq. Blockchain Technology: Benefits,
Challenges, Applications, and Integration of Blockchain Technology with Cloud Computing. Future Internet,
2022. URL: https://www.mdpi.com/fi14110341.
12. Daneshgar F, Ameri Sianaki O, Guruwacharya P. Blockchain: a research framework for data
security and privacy. In Advances in Intelligent Systems Computing. 2019. URL: https://doi.org/10.1007/978-
3-030-15035-8_95.
13. Banchhor P, Sahu D, Mishra A, Ahmed MB. A systematic review on blockchain security attacks,
challenges and issues. IJERT, 2021. URL: https://www.ijert.org/research/a-systematic-review-on-blockchainsecurity-attacks-challenges-and-issues-IJERTV10IS040292.pdf.
14. Krishnan KN, Jenu R, Joseph T, Silpa ML. Blockchain based security framework for IoT
implementations. IEEE, 2018. URL: https://doi.org/10.1109/CETIC4.2018.8531042.
15. Опірський І., Василишин С. Перспективи військового застосування технології блокчейну //
Ukrainian Scientific Journal of Information Security. 2022. Т. 28, № 2. С. 57–66. DOI: 10.18372/2225-
5036.28.16950.
16. Tsoulias K., Palaiokrassas G., Fragkos G., Litke A., Varvarigou T. A graph model-based
blockchain implementation for increasing performance and security in decentralized ledger systems // IEEE
Access. 2020. DOI: 10.1109/ACCESS.2020.3006383

МЕТОДОЛОГІЯ ВИЗНАЧЕННЯ ТЕХНІЧНОГО СТАНУ ІМПУЛЬСНОГО БЛОКА ЖИВЛЕННЯ В ДИНАМІЧНОМУ РЕЖИМІ

2024-12-12T10:55:39+00:00

Оскільки блок живлення є складовою частиною будь-якого радіоелектронного пристрою, для забезпечення
високої якості та надійності його функціонування необхідна періодична перевірка його експлуатаційних
характеристик та застосованих в ньому конструктивних рішень.

Відсутність або несвоєчасність процедур перевірки ставить під загрозу функціонування усього пристрою
і робить користувача вразливим перед ймовірним настанням раптових відмов та подальшими потенційно
неприємними ситуаціями.

Слід враховувати, що елементна база (якість виготовлення) блоків живлення не відрізняється від якості
елементної бази усього пристрою, при цьому цей блок є посередником між мережею електроживлення
(параметрами, характеристиками та станом мережі живлення) і основним пристроєм (технічним станом та
адекватністю користувача при його застосуванні).

Отже, від ефективності та коректності функціонування блока живлення, стабільності його параметрів
залежить довговічність основного обладнання. На випадок критичного стану устаткування саме блок
живлення містить в собі запобіжник (систему автоматичного аварійного вимикання), при цьому
спрацьовування запобіжника не дозволяє визначити причину (джерело) критичного стану (мережа – блок
живлення – основне устаткування – порушення правил експлуатації). Заміна запобіжника, або підміна блока
живлення не гарантує кінцевого розв’язання задачі технічного діагностування. З огляду на постійно зростаючу
складність та високу вартість сучасних радіоелектронних пристроїв (в тому числі і з елементами штучного
інтелекту) критично важливим є питання своєчасного діагностування потенційних несправностей блоків
живлення. Тому, розробка науково обґрунтованих підходів до визначення технічного стану саме блоків живлення
та локалізації його несправностей є актуальною задачею.

Посилання:

Коренівська О. Л., Бенедицький Б. В. Надійність експлуатація та ремонт радіоелектронної та
телекомунікаційної техніки: навч. посіб. Житомирська політехніка, 2020. 181 с.
2. Бобало Ю. Я. Аналіз методів оцінювання безвідмовності систем сумісно працюючих
компонентів електронних пристроїв / Ю. Я. Бобало, Л. А. Недоступ, О. В. Лазько // Радіоелектронні і
комп’ютерні системи. 2007. № 7 (26). С. 212–214.
3. ДСТУ ІЕС 60706-2:2008 (ІЕС 60706-2:2006, IDT) Ремонтопридатність устаткування.
Частина 2. Вимоги до ремонтопридатності та дослідження на етапі проектування та конструювання.
45 с.
4. Єманов В. В. Досвід функціонування системи технічного забезпечення силових структур
провідних країн світу в умовах кризових ситуацій: Честь і закон. № 2 (85). 2023. С. 80–85.
5. Піддубний В. О., Товкач І. О. Елементна база радіоелектронної апаратури: Пасивні
радіокомпоненти. В 4 ч. Ч. 1.: навч. посіб. Київ: КПІ ім. Ігоря Сікорського, 2021. 98 с.
6. Панфілов І. П., Савицька М. П., Флейта Ю. В. Компонентна база радіоелектронної апаратури:
навч. посіб. Модуль 1. Одеса: ОНАЗ ім. О. С. Попова, 2013. 180 с.
7. Толстова А. В., Огненна Х. В. Теоретичні аспекти формування механізму інноваційного
розвитку промислового підприємства. Науковий вісник Міжнародного гуманітарного університету.
2016. Вип. 21. С. 106–110. URL: http://www.vestnik-econom.mgu.od.ua/journal/2016/21-2016/24.pdf.
8. K. Khan, R. Verma, A. Roy Review of High Voltage Pulsed Power Supplies and Power Electronics
in Pulse Power Generation /Power-Research-A-Journal-of-CPRI URL: https://www.researchgate.net/journal/
Power-Research-A-Journal-of-CPRI-0973; http://dx.doi.org/10.33686/pwj.v19i2.1140.
9. Givi H., Farjah E. and Ghanbari T. A comprehensive monitoring system for online fault diagnosis
and aging detection of non-isolated dc–dc converters’ components / IEEE Trans. Power Electron. vol. 34, № 7.
2019. Рp. 6858–6875.

МЕТОДИКА ОЦІНКИ ТОЧНОСТІ РОЗПІЗНАВАННЯ СИМВОЛІВ І ТЕКСТУ З ЗОБРАЖЕННЯ ДЛЯ АНАЛІЗУ ЯКОСТІ СУЧАСНИХ ІНСТРУМЕНТІВ OCR

2024-12-11T11:37:54+00:00

Оптичне розпізнавання символів – це потужна технологія, яка перетворює зображення з текстом
у редагований і пошуковий формат. Це забезпечує ефективність у роботі з документами, підвищує доступність
інформації і сприяє автоматизації багатьох процесів.

Вперше цю технологію почали використовувати на початку 90-х, при оцифруванні історичних газет для
створення електронного архіву. За останні роки систему оптичного розпізнавання символів вдалося
доопрацювати до «ідеалу»: нинішні системи оптичного розпізнавання символів показують майже ідеальну
точність розпізнавання тексту. Але для цього потрібно виконання наступних вимог:
рівність і контрастність символів;
однотипність фону тексту;
контраст між фоном та літерами.

Набагато складніше процес розпізнавання символів і тексту з зображень, коли не виконуються
вищеперелічені вимоги, а саме вирішення таких задач є вимогами сьогодення для вирішення практичних завдань
у військовій сфері. Розпізнавання тексту з зображень має багато важливих застосувань, що робить його
актуальним і необхідним.

В статті, з використанням конкретних типів зображень, проаналізовано декілька найбільш відомих та
популярних моделей штучного інтелекту для розпізнавання тексту з зображення, такі як Tesseract OCR,
PyTorch, EasyOCR, Keras OCR5, OpenCV, отримані результати розпізнавання тексту і символів з зображень
різної складності.

Для оціки результатів точності розпізнавання символів і тексту, розроблена методика оцінки точності
розпізнавання на базі спеціальих метрик оцінки, яка основана на порівнянні розпізнаного тексту із еталонним
(правильним) текстом. Найбільш поширені метрики включають точність розпізнавання символів (Character
Accuracy Rate, CAR) та точність розпізнавання слів (Word Accuracy Rate, WAR).

За допомогою розробленої методики оцінки точності розпізнавання проведено аналіз точності
розпізнавання найбільш популярних інструментів технології оптичного розпізнавання тексту і символів
з зображень різної складності. Проведений аналіз показав, що найбільшу ефективність і точність розпізнавання
демонструє модель EasyOcr, яка навіть в умовах сильної «зашумленості» і неякісної контрастності зображення
демонструвала стабільний результат і при умовах подальшого налаштування для потреб користувача, може
бути застосована для рішення конкретного завдання

Посилання:

Переяславська С., Шевченко В., Смагіна О. Аналіз підходів до розпізнавання текстової
інформації у технології OCR. Scientific Collection «InterConf»: SCIENTIFIC RESEARCH IN
XXI CENTURY (March 6–8, 2021).
2. Hamad K, Kaya M. A Detailed Analysis of Optical Character Recognition Technology URL:
https://dergipark.org.tr/en/download/article-file/236939 (дата звернення: 25.04.2024).
3. Eikvil L. OCR Optical Character Recognition. URL: https://www.nr.no/~eikvil/OCR.pdf (дата
звернення: 15.09.2024).
4. Optical Character Recognition: An Illustrated Guide to the Frontier. Georeg Nagy, Stephen V. Rise,
Thomas A. Narker. Springer Science&Business Media. 2019 (дата звернення: 25.05.2024).
5. Scene Text Detection and Recognition: The Era of Deep Learning – Baoguan Shi, Xiang Bai, Kong
Yao (2017). URL: https://www.researchgate.net/publication/328899907 (дата звернення: 20.10.2024).
6. Reading Text in the Wild with Convolutional Neural Networks. Jaderberg M., Simonyan K.,
Vedaidi A., Zisserman A. URL: https://www.robots.ox.ac.uk/~vgg/publications/2016/Jaderberg16/jaderberg
16.Pdf (дата звернення: 14.08.202424).
7. URL: https://github.com/JaidedAI/EasyOCR (дата звернення: 16.03.2024).
8. URL: https://github.com/DYJNG/PyTorchOCR (дата звернення: 09.04.2024).
9. URL: https://github.com/faustomorales/keras-ocr (дата звернення: 19.04.2024).
10. URL: https://opencv.org/ (дата звернення: 18.04.2024).
11. ISO/IEC 19757-7:2009. "Information technology – Document Schema Definition Languages
(DSDL) – Part 7: Character Repertoire Description Language (CREPDL)".
12. Jurafsky, D., & Martin, J. H. (2009). "Speech and Language Processing". Upper Saddle River, New
Jersey 07458

ВДОСКОНАЛЕННЯ АЛГОРИТМУ ПОБУДОВИ ОПТИМАЛЬНОГО МАРШРУТУ З ВИКОРИСТАННЯМ «ГАРЯЧИХ ЗОН»

2024-12-11T11:22:07+00:00

У статті авторами розглянуто вирішення проблеми планування оптимальних маршрутів у динамічному
середовищі з використанням географічних даних OpenStreetMap (OSM) для території України. В умовах
конфліктних ситуацій та ведення бойових дій виникає необхідність адаптації класичних алгоритмів пошуку
маршрутів для врахування специфічних обмежень на місцевості. Основна мета дослідження – розробка
адаптивного алгоритму A*, який враховує наявність зон підвищеного ризику (“гарячих зон”), які можуть значно
вплинути на ефективність та безпечність розрахованого маршруту. Для реалізації поставленої мети був
проведений аналіз існуючих алгоритмів пошуку найкоротшого шляху з використанням класичного алгоритму A*
та його евристичної функції, що враховує відстань між точками маршруту. Розглянута алгоритмічна
особливість модифікації алгоритму A*, що включає врахування додаткового коефіцієнта вартості для "гарячих
зон". Запропонований підхід базується на додаванні адаптивного множника, який обмежує можливість
прокладання маршруту через небезпечні ділянки. Для перевірки запропонованого методу було використано OSMдані, що містять лише базову інформацію про дороги без врахування воєнних обмежень. Це обмеження
підкреслює важливість додаткового аналізу таких факторів, як безпека та ризик при плануванні маршруту.
Отримані результати показують ефективність розробленого адаптивного алгоритму A* для задачі побудови
маршруту в умовах динамічного середовища, зокрема з можливістю уникнення небезпечних зон ("гарячих зон").
Висновки проведеного дослідження підтверджують, що додатковий коефіцієнт вартості у "гарячих зонах"
покращує точність маршруту та підвищує безпеку пересування. Розроблений алгоритм може застосовуватися
для автоматизованого планування маршрутів у ситуаціях, де критично важливо враховувати змінні фактори
ризику та специфічні умови на місцевості.

Посилання:

OpenStreetMap // [Електронний ресурс]. 29.10.2024. URL: https://uk.wikipedia.org/wiki/
OpenStreetMap.
2. Ваврук Є. Я., Мозіль З. Г. Вибір алгоритму пошуку оптимального шляху передавання даних
у розподіленій системі. 2018 URL: https://science.lpnu.ua/sites/default/files/journal-paper/2019/sep/
18542/182073vis905ksmzvichniy-42-48.pdf.
3. Бульба C. C., Соловйова О. І., Семеренко Ю. О. Дослідження алгоритмів пошуку
оптимального шляху 19.04.2024. URL: https://doi.org/10.26906/SUNZ.2024.2.067.
4. Hybrid A* path search with resource constraints and dynamic obstacles. Secyrity Intelligent
Aerospace Systems / Alán Cortez and oth. 25 January 2023. Vol. 1. URL: https://doi.org/10.3389/
fpace.2022.1076271.
5. Бартіш М. Я., Дудзяний І. М. Дослідження операцій. Частина 2. Алгоритми оптимізації на
графах: Підручник. Львів: Видавничий центр ЛНУ ім. Івана Франка, 2007. 120 с.
6. Comparison of optimal path finding techniques for minimal diagnosis in mapping repair.
International Conference on Data and Software Engineering (ICoDSE) / Inne Gartina Husein*, Saiful Akbar,
Benhard Sitohang, Fazat Nur Azizah. 2017. URL: http://dx.doi.org/10.1109/ICODSE.2017.8285853.
7. Analysis of Dijkstra’s Algorithm and A* Algorithm in Shortest Path Problem. Journal of Physics:
Conference Series / Dian Rachmawati1 and Lysander Gustin. 2019. URL: https://doi.org/10.1088/1742-
6596/1566/1/012061.
8. Трохимчук Р. М. Теорія графів. Навчальний посібник для студентів факультету кібернетики /
Р. М. Трохимчук. К.: РВЦ «Київський університет», 1998. 43 с.
9. Шевцов М. В., Ніколюк П. К. Порівняння різних евристичних функцій в алгоритмі А*
18.07.2023. URL: https://jait.donnu.edu.ua/article/view/14012.
10. Change Detection from Remote Sensing to Guide OpenStreetMap Labeling / Conrad M. Albrecht
and oth. 2020. Journal: ISPRS Int. J. Geo-Inf. Vol. 9. Num. 427. URL: https://doi.org/10.3390/ijgi9070427

КІБЕРБЕЗПЕКА БЕЗПІЛОТНИХ АВІАЦІЙНИХ КОМПЛЕКСІВ ТА ОСОБЛИВОСТІ ЗАХИСТУ ВІД ПЕРЕХОПЛЕННЯ

2024-12-11T11:07:24+00:00

У статті розглядаються ключові аспекти кібербезпеки безпілотних авіаційних комплексів (БпАК)
в умовах сучасних військових конфліктів і технологічного прогресу, безпілотні системи стали важливими
інструментами для збору інформації, ведення розвідки та виконання бойових завдань. Однак їх широке
використання супроводжується новими кіберзагрозами, що потребують спеціалізованих заходів для
забезпечення безпеки. Стаття аналізує основні види кіберзагроз, які можуть вплинути на БпАК, включаючи
перехоплення комунікацій, несанкціонований доступ до управлінських систем і злом криптографічних захистів.

У статті також розглядаються сучасні методи і технології захисту, такі як криптографічні
алгоритми, механізми аутентифікації та шифрування даних. Окрім того, аналізуються існуючі стандарти і
практичні рішення для забезпечення захисту комунікаційних каналів. Остання частина статті присвячена
новітнім трендам у сфері кібербезпеки БпАК та прогнозуванню майбутніх загроз. Розглядаються можливі
рішення і підходи для покращення захисту безпілотних систем в умовах швидкої зміни кіберсередовища,
а також, надаються рекомендації для вдосконалення систем безпеки БпАК, що включають інтеграцію нових
технологій і адаптацію до нових загроз

Посилання

P.-Y. Kong, A Survey of Cyberattack Countermeasures for Unmanned Aerial Vehicles," in IEEE
Access, vol. 9, pp. 148244–148263, 2021, DOI: 10.1109/ACCESS.2021.3124996.
2. Z. Yu, Z. Wang, J. Yu, D. Liu, H. Herbert Song and Z. Li, "Cybersecurity of Unmanned Aerial
Vehicles: A Survey," in IEEE Aerospace and Electronic Systems Magazine, vol. 39, no. 9, pp. 182–215, Sept.
2024, DOI: 10.1109/MAES.2023.3318226.
3. R. Alkadi, N. Alnuaimi, C. Y. Yeun and A. Shoufan, "Blockchain Interoperability in Unmanned
Aerial Vehicles Networks: State-of-the-Art and Open Issues," in IEEE Access, vol. 10, pp. 14463–14479,
2022, DOI: 10.1109/ACCESS.2022.3145199. k
4. R. Guo, M. Huang, J. Li and J. Wang, "Cybersecurity of Unmanned Aerial Vehicles: A Survey," 2021
14th International Conference on Advanced Computer Theory and Engineering (ICACTE), Hangzhou, China,
2021, pp. 57–64, DOI: 10.1109/ICACTE53799.2021.00017.
5. L. Li, K. Qu and K.-Y. Lin, "A Survey on Attack Resilient of UAV Motion Planning," 2020 IEEE
16th International Conference on Control & Automation (ICCA), Singapore, 2020, pp. 558–563, DOI:
10.1109/ICCA51439.2020.9264513.
6. R. Hamadi, H. Ghazzai and Y. Massoud, "Reinforcement Learning Based Intrusion Detection
Systems for Drones: A Brief Survey," 2023 IEEE International Conference on Smart Mobility (SM), Thuwal,
Saudi Arabia, 2023, pp. 104–109, DOI: 10.1109/SM57895.2023.10112557.
7. M. Adil, M. A. Jan, Y. Liu, H. Abulkasim, A. Farouk and H. Song, "A Systematic Survey: Security
Threats to UAV-Aided IoT Applications, Taxonomy, Current Challenges and Requirements With Future
Research Directions," in IEEE Transactions on Intelligent Transportation Systems, vol. 24, no. 2, pp. 1437–
1455, Feb. 2023, DOI: 10.1109/TITS.2022.3220043.

СУЧАСНІ МЕТОДИ І АЛГОРИТМИ ПЛАНУВАННЯ ШЛЯХУ ДЛЯ АВТОНОМНИХ МОБІЛЬНИХ РОБОТІВ, ЇХ ЦІЛЬОВІ ФУНКЦІЇ

2024-12-11T10:52:54+00:00

Сучасна ситуація в світі алгоритмів дослідження планування шляху автономними роботами показує, що
існує велика кількість алгоритмів та їх модифікацій, які вимагають від дослідників та інженерів автономної
робототехніки тонкого розуміння фундаментальних аспектів їх функціонування. Загальною метою
дослідження є проведення аналізу існуючих алгоритмів, методів та їх модифікацій з точки зору складової
математичного апарата, а саме їх цільових функцій.

В дослідженні розглянуто 38 сучасних алгоритмів і методів планування шляху автономними роботами.
Розглянута важливість і критичність розуміння цільової функції для галузі робототехніки. Наведені приклади,
що ілюструють важливість цього аспекту. В процесі дослідження алгоритми представлені в виді
формалізованих узагальнених математичних формул з урахуванням можливих мінімізації/максимізації,
їх вдосконалень і покращень.

До кожного розглянутого алгоритму і методу наданий висновок стосовно його цільової функції.

У дослідженні окремо виділено методи "Динамічних ігор" та розглянуто застосування
фундаментального "Методу розв’язуючих функцій А. О. Чикрія" для планування шляху.

В загальних висновках, надана інформація переваг та важливості розуміння математичного апарата
алгоритмів пошуку шляху автономними роботами задля вирішення наукових завдань. Узагальнені результати
зведені до єдиної порівняльної таблиці, що надає формалізовану основну функцію алгоритмів, розкриває основну
ідею, переваги/недоліки, сферу застосування і приклад використання. Порівняльна таблиця представлена
в формі узагальненого допоміжного довідкового елемента дослідження

Посилання

Бернацький А. П. Основи робототехніки військового призначення / А. П. Бернацький. Київ: видав.
ЛІРА-К, 2024. 498 с.
2. Ладієва Л. Р. Методи оптимізації та пошуку оптимальних рішень. Електронне мережне навчальне
видання / У. Л. Р.Ладієва. Київ: КПІ ім. Ігоря Сікорського, 2023. 73 с.
3. Shi Wei Li. Verification and Analysis of Two-dimensional Path Planning Objective Function Optimization
Based on Classical Particle Swarm Optimization Algorithm / 2021 4th International Conference on Intelligent Robotics
and Control Engineering (IRCE), 18-20 September 2021. URL: https://doi.org/10.1109/IRCE53649.2021.9570874.
4. Sidhu. Performance Evaluation of Pathfinding Algorithms [Electronic resource] / Sidhu, H. Kaur // Scholarship
at UWindsor. 2020. Mode of access: https://scholar.uwindsor.ca/etd/8178.
5. Samridh Garg; Bhanu Devi Shortest Path Finding using Modified Dijkstra’s algorithm with Adaptive Penalty
Function/ 2023 14th International Conference on Computing Communication and Networking Technologies (ICCCNT).
06-08 July 2023. Mode of access: https://doi.org/10.1109/ICCCNT56998.2023.10308130.
6. Stephan Weiser, Hans Wulf, Jörn Ihlemann Application of a deepest-path algorithm to study the objective
function landscape during fitting for the Yeoh and Ogden model / PAMM Proc. Appl. Math. Mech. 2021. Mode of access:
https://doi.org/10.1002/pamm.202100086.
7. Матвійчук Р. Д., Данільчук О. М. Порівняння найвідоміших алгоритмів пошуку / Вісник студентського
наукового товариства ДонНУ ім. Василя Стуса, 2022. С. 230–234.
8. Проценко А. А., Іванов В. Г. Класичні методи планування шляху для мобільних роботів / Системи
управління навігації та зв’язку. 3(55) June 2019. С. 143–151. URL: https://doi.org/10.26906/SUNZ.2019.3.143.
9. Pankaj K. Agarwal, Esther Ezra, Micha Sharir Vertical Decomposition in 3D and 4D with Applications to Line
Nearest-Neighbor Searching in 3D / arXiv:2311.01597v1 [cs.CG] 2 Nov 2023. Mode of access:
https://doi.org/10.48550/arXiv.2311.01597.
10. Sleumer, Nora; Tschichold-Gürmann, Nadine Exact cell decomposition of arrangements used for path planning
in robotics/Technical Report / ETH Zurich, Department of Computer Science 329. 1999. Mode of access:
https://doi.org/10.3929/ethz-a-006653440.
11. Choset H. Coverage Path Planning: The Boustrophedon Cellular Decomposition / H. Choset, P.Pignon Field
and Service Robotics Springer-Verlag London Limited 1998 pp 203–209. Mode of access: https://doi.org/10.1007/978-
1-4471-1273-0_32.
12. Bott, Raoul. Morse Theory Indomitable / Bott, Raoul., - Publications Mathématiques de l’IHÉS. 68: 1988.,
pp. 99–114. Mode of access: DOI:10.1007/bf02698544.
13. Dłotko P. Computing homology and persistent homology using iterated Morse decomposition / P. Dłotko,
H. Wagne: arXiv:1210.1429v2 [math.AT] 25 Oct 2012. Mode of access: https://doi.org/10.48550/arXiv.1210.1429.
14. Rasolzadah K. Morse Theory and Handle Decomposition / K. Rasolzadah. Department of Mathematics
Uppsala University, Februari 2018.
15. R. Bahnemann, Revisiting Boustrophedon Coverage Path Planning as a Generalized Traveling Salesman
Problem / R. Bahnemann, N. Lawrance arXiv:1907.09224v1 [cs.RO] 22 Jul 2019. URL: https://doi.org/10.1007/978-981-
15-9460-1_20.
16. Laumond, J.-P. (Ed.) Robot Motion Planning and Control. London: Spring-Verlag Limited. 1998.
17. Chenghui Cai, Silvia Ferrari Information-Driven Sensor Path Planning by Approximate Cell Decomposition /
IEEE transactions on systems, man, and cybernetics, vol. 39, No. 3, June 2009. URL:
https://doi.org/10.1109/TSMCB.2008.2008561.
18. Chenghui Cai, Silvia Ferrari Information-driven sensor path planning and the treasure hunt problem /
Dissertation Duke University 2008. 112 p.
19. Ramon Gonzalez; Marius Kloetzer; Cristian Mahulea Comparative study of trajectories resulted from cell
decomposition path planning approaches / 2017 21st International Conference on System Theory, Control and Computing
(ICSTCC). URL: https://doi.org/10.1109/ICSTCC.2017.8107010.
20. Prabhakar Reddy G.V.S., Hubert J. Montas, Hanan Samet, Adel Shirmohammadi Quadtree-Based Triangular
Mesh Generation for Finite Element Analysis of Heterogeneous Spatial Data / 2001 ASAE Annual International Meeting
Sacramento, California, USA, July 30-August 1, 2001. 25 p.
21. Huiwei Wang; Yaqian Huang; Huaqing Li Quadtree-Based Adaptive Spatial Decomposition for Range Queries
Under Local Differential Privacy / IEEE Transactions on Emerging Topics in Computing (Volume: 11, Issue: 4, Oct.-
Dec. 2023). pp 1045-1056. URL: https://doi.org/10.1109/TETC.2023.3317393.
22. José Lima The K-Framed Quadtrees Approach for Path Planning Through a Known Environment / ROBOT
2017: Third Iberian Robotics Conference. 2017.
23. Zhou Yijun, Xi Jiadong, Xi Jiadong, Luo Chen A Fast Bi-Directional A* Algorithm Based on Quad-Tree
Decomposition and Hierarchical Map / Preparation of Papers for IEEE Access (February 2017). URL:
http://dx.doi.org/10.1109/ACCESS.2021.3094854.
24. Ana Rodrigues, Pedro Costa, José Lima The K-Framed Quadtrees Approach for Path Planning Through
a Known Environment / November 2018 Advances in Intelligent Systems and Computing 2018. URL:
http://dx.doi.org/10.1007/978-3-319-70833-1_5.
25. Ana Rodrigues, Pedro Costa, José Lima The K-framed quadtrees approach for path planning through a known
environment / Advances in Intelligent Systems and Computing Search for Book Publications. 2018., pp 49–59. URL:
http://doi.org/10.1007/978-3-319-70833-1_5.
26. J. W. Burns; N. S. Subotic; D. Pandelis Adaptive decomposition in electromagnetics / IEEE Antennas and
Propagation Society International Symposium. 1997. URL: https://doi.org/10.1109/APS.1997.631726.
27. Xiaomei Zhang, Xiangyu Yun, Zhe Wang, Mohan Li, Jinming Hu, Chengmin Wang, Cunfeng Wei An
adaptive decomposition algorithm for quantitative spectral CT imaging / X-RAY Spectrometry Vol.53, Iss.4., August
2024., pp. 282–293. URL: https://doi.org/10.1002/xrs.3365.
28. Tao Liu, Zhijun Luo, Jiahong Huang, Shaoze Yan, A Comparative Study of Four Kinds of Adaptive
Decomposition Algorithms and Their Applications / PMC PubMed Central 2018 Jul; 18(7): 2120. URL:
https://doi.org/10.3390 s18072120.
29. Sabudin E. N, Omar. R and Che Ku Melor C. Potential Field Methods And Their Inherent Approaches For
Path Planning / ARPN Journal of Engineering and Applied Sciences Vol. 11, No. 18, Sept. 2016., pp. 10801-10805.
30. Jan Rosell, Pedro Iñiguez Path planning using Harmonic Functions and Probabilistic Cell Decomposition /
IEEE Xplore, Conference: Robotics and Automation, ICRA 2005. URL:
http://dx.doi.org/10.1109/ROBOT.2005.1570375.
31. Emmanuel f Mazer, Juan-Manuel Ahuactzin, Pierre Bessiere The Ariadne’s Clew Algorithm / Journal of
Artificial Intelligence Research. May 1998., pp. 295–316. URL: http://dx.doi.org/10.1613/jair.468.
32. J. M. Ahuactzin, P. Bessiere, E. Mazer The Ariadne’s Clew Algorithm / Journal of Artificial Intelligence
Research 1998. pp. 295–316. URL: https://doi.org/10.48550/arXiv.1105.5440.
33. David Hsu, Jean-claude Latombe, Rajeev Motwani Path Planning in Expansive Configuration Spaces /
International Journal of Computational Geometry & Applications 09(04n05) March 1997. URL:
http://dx.doi.org/10.1142/S0218195999000285.
34. Arushi Khokhar Probabilistic Roadmap (PRM) for Path Planning in Robotics / Medium., Feb 12, 2021.
35. Lijun Qiao, Xiao Luo, Qingsheng Luo An Optimized Probabilistic Roadmap Algorithm for Path Planning of
Mobile Robots in Complex Environments with Narrow Channels / Sensors 2022, 22(22), 8983. URL:
https://doi.org/10.3390/s22228983.
36. S. Carpin Algorithmic Motion Planning: The Randomized Approach/ General Theory of Information Transfer
and Combinatorics. 2006. pp. 740–768.
37. Jinbao Chen, Yimin Zhou; Jin Gong; Yu Deng An Improved Probabilistic Roadmap Algorithm with Potential
Field Function for Path Planning of Quadrotor / 2019 Chinese Control Conference (CCC). July 2019. URL:
https://doi.org/10.23919/ChiCC.2019.8865585.
38. Nancy M. Amato, Yan Wu Randomized roadmap method for path and manipulation planning / IEEE
International Conference on Robotics and Automation vol. 1., May 1996. pp. 113–120. URL:
http://dx.doi.org/10.1109/ROBOT.1996.503582.
39. Robert Bohlin, Lidia E. Kavraki Path Planning Using Lazy / IEEE International Conference on Robotics &
Automation, San Francisco, CA., April 2000. pp. 521–528. URL: https://doi.org/10.1109/ROBOT.2000.844107.
40. Jory Denny; Kensen Shi; Nancy M. Amato Lazy Toggle PRM: A single-query approach to motion planning /
2013 IEEE International Conference on Robotics and Automation., Karlsruhe, Germany. 2013. URL:
https://doi.org/10.1109/ICRA.2013.6630904.
41. Boor, V., Overmars, M.H., Van Der Stappen, A.F.: The Gaussian sampling strategyfor probabilistic roadmap
planners. In: RSS. vol. 2, pp. 1018–1023. IEEE (1999). URL: https://doi.org/10.1109/ROBOT.1999.772447.
42. Steven M. LaValle, Michael S. Branicky On the Relationship Between Classical Grid Search and Probabilistic
Roadmaps / The International Journal of Robotics Research Vol.23, Iss. 7-8 2004. URL:
https://doi.org/10.1177/0278364904045481.
43. Huageng Zhong, Ming Cong, Minghao Wang, Yu Du, Dong Liu HB-RRT:A path planning algorithm for
mobile robots using Halton sequence-based rapidly-exploring random tree / Engineering Applications of Artificial
Intelligence., Vol. 133, Part E., July 2024. URL: https://doi.org/10.1016/j.engappai.2024.108362.
44. Anthony Stentz The D* Algorithm for Real-Time Planning of Optimal Traverses / The Robotics Institute
Carnegie Mellon University Pittsburgh, Pennsylvania 15213, September 1994.
45. Firas A. Raheema, Umniah I. Hameed Path Planning Algorithm using D* Heuristic Method Based on PSO in
Dynamic Environment / American Scientific Research Journal for Engineering, Technology, and Sciences (ASRJETS)
(2018) Volume 49, No 1, pp. 257–271.
46. Dibyendu Biswas D*, D* Lite & LPA* / Medium Jun 27, 2021.
47. Reinhard Bauer, Daniel Delling, Peter Sanders, Dennis Schieferdecker, Dominik, Schultes, Dorothea Wagner
Combining Hierarchical and Goal-Directed Speed-Up Techniques for Dijkstra’s Algorithm / Experimental Algorithms
(WEA 2008). pp.303–318.
48. Akash Lai, Shaz Qadeer A program transformation for faster goal-directed search / 2014 Formal Methods in
Computer-Aided Design (FMCAD) October 2014. URL: https://doi.org/10.1109/FMCAD.2014.6987607.
49. Akash Lal, Shaz Qadeer A Program Transformation for Faster Goal-Directed Search / FMCAD ‘14:
Proceedings of the 14th Conference on Formal Methods in Computer-Aided Design 2014, pp. 147–154.
50. Pang C. Chen, Y. Hwang SANDROS: a motion planner with performance proportional to task difficulty/ IEEE
Transactions on Robotics and Automation (Vol: 14, Iss. 3, June 1998) pp. 390–403. URL:
https://doi.org/10.1109/70.678449.
51. Iswanto, Alfian Ma’arif, Oyas Wahyunggoro, Adha Imam Cahyadi Artificial Potential Field Algorithm
Implementation for Quadrotor Path Planning / (IJACSA) International Journal of Advanced Computer Science and
Applications, Vol. 10, No. 8, 2019. URL: https://dx.doi.org/10.14569/IJACSA.2019.0100876.
52. Eryi Zhang Path planning algorithm based on Improved Artificial Potential Field method / Applied and
Computational Engineering September 2023. pp. 167–174. URL: http://dx.doi.org/10.54254/2755-2721/10/20230170.
53. Wenrui Wang, Mingchao Zhu, Zhenbang Xu An improved artificial potential field method of trajectory
planning and obstacle avoidance for redundant manipulators / International Journal of Advanced Robotic Systems,
September 2018. URL: https://doi.org/10.1177/1729881418799562.
54. Hu Hongyu, Zhang Chi, Sheng Yuhuan, Zhou Bin, Gao Fei An Improved Artificial Potential Field Model
Considering Vehicle Velocity for Autonomous Driving / IFAC-PapersOnLine Vol. 51, Iss. 31., 2018. pp. 863–867. URL:
https://doi.org/10.1016/j.ifacol.2018.10.095.
55. Kaddour Messaoudi, Noureddine Chaib A survey of UAV-based data collection: Challenges, solutions and
future perspectives / Journal of Network and Computer Applications Vol. 216, July 2023. URL:
https://doi.org/10.1016/j.jnca.2023.103670.
56. Lijuan Xie, Huanwen Chen, Guangrong Xie Artificial Potential Field Based Path Planning for Mobile Robots
Using Virtual Water-Flow Method / Advanced Intelligent Computing Theories and Applications. With Aspects of
Contemporary Intelligent Computing Techniques (ICIC 2007). Pp. 588–595. URL: http://dx.doi.org/10.1007/978-3-540-
74282-1_66.
57. Jixue Mo, Gao Changqing, Fei Liu, Qingkai Yang A Modified Artificial Potential Field Method Based on
Subgoal Points for Mobile Robot / ICIRA2023-The 16th international conference on intelligent robotics and applications.,
July 2023. URL: http://dx.doi.org/10.1007/978-981-99-6483-3_26.
58. Hong Liu; Weiwei Wan; Hongbin Zha A dynamic subgoal path planner for unpredictable environments / 2010
IEEE International Conference on Robotics and Automation., Anchorage, AK, USA., May 2010. URL:
https://doi.org/10.1109/ROBOT.2010.5509324.
59. David J. Grymin, Charles B. Neas, Mazen Farhood A hierarchical approach for primitive-based motion
planning and control of autonomous vehicles / Robotics and Autonomous Systems., Vol. 62, Iss. 2, Feb. 2014,
pp. 214–228. URL: https://doi.org/10.1016/j.robot.2013.10.003.
60. Hanlin Chen, Xizhe Zang, Yubin Liu, Xuehe Zhang, Jie Zhao A Hierarchical Motion Planning Method for
Mobile Manipulator / Sensors 2023, 23(15), 6952. URL: https://doi.org/10.3390/s23156952.
61. Yao Qi, Binbing He, Rendong Wang, Le Wang, Youchun Xu Hierarchical Motion Planning for Autonomous
Vehicles in Unstructured Dynamic Environments / IEEE Robotics and Automation Letters ( Volume: 8, Issue: 2, February
2023). pp. 496–503. URL: https://doi.org/10.1109/LRA.2022.3228159.
62. Amitava Chatterjee, Anjan Rakshit, N. Nirmal Singh Vision-Based Mobile Robot Navigation Using Subgoals/
Vision Based Autonomous Robot Navigation., vol. 44, issue 4, May 2011. pp. 620–641.
63. Nirmal Singh, Avishek Chatterjee, Amitava Chatterjee, Anjan Rakshit A two-layered subgoal based mobile
robot navigation algorithm with vision system and IR sensors / May Measurement 44(4) 2011. pp. 620–641. URL:
http://dx.doi.org/10.1016/j.measurement.2010.12.002.
64. LaValle, Steven M. Rapidly-exploring random trees: A new tool for path planning / Technical Report
(TR 98–11). Computer Science Department, Iowa State University. October 1998.
65. J. J. Kuffner; S. M. LaValle RRT-connect: An efficient approach to single-query path planning / Millennium
Conference. IEEE International Conference on Robotics and Automation. April 2000.
https://doi.org/10.1109/ROBOT.2000.844730
66. Fan Yang, Xi Fang, Fei Gao, Xianjin Zhou, Hao Li, Hongbin Jin, Yu Song Obstacle Avoidance Path Planning
for UAV Based on Improved RRT Algorithm / Discrete Dynamics in Nature and Society, Iss. 1., 2022. URL:
https://doi.org/10.1155/2022/4544499.
67. Xiong Yin, Wentao Dong, Xiaoming Wang, Yongxiang Yu, Daojin Yao Route planning of mobile robot based
on improved RRT star and TEB algorithm / Scientific reports 8942. 2024. URL: https://doi.org/10.1038/s41598-024-
59413-9.
68. Xinyu Tang, Jyh-Ming Lien, Nancy Amato OBRRT: Obstacle-Based RRT/ IEEE International Conference on
Robotics and Automation. 2006. pp. 895–900. URL: http://dx.doi.org/10.1109/ROBOT.2006.1641823.
69. Xin Cheng, Jingmei Zhou, Zhou Zhou, Xiangmo Zhao An improved RRT-Connect path planning algorithm
of robotic arm for automatic sampling of exhaust emission detection in Industry 4.0 / Journal of Industrial Information
Integration Vol. 33., June 2023. URL: https://doi.org/10.1016/j.jii.2023.100436.
70. J. J. Kuffner and S. M. LaValle RRT-Connect path solving/ CRA. Millennium Conference. IEEE International
Conference on Robotics and Automation. Symposia Proceedings (Cat. No.00CH37065). URL:
https://doi.org/10.1109/ROBOT.2000.844730.
71. Rui Zhang, He Guo, Darius Andriukaitis, Yongbo Li Intelligent path planning by an improved RRT algorithm
with dual grid map / Alexandria Engineering Journal Vol. 88., February 2024, pp. 91–104. URL:
https://doi.org/10.1016/j.aej.2023.12.044.
72. Jun Ding,Yinxuan Zhou, Xia Huang An improved RRT* algorithm for robot path planning based on path
expansion heuristic sampling / Journal of Computational Science Vol. 67, March 2023. URL:
https://doi.org/10.1016/j.jocs.2022.101937.
73. James J. Kuffner, Jr. Steven M. LaValle RRT-Connect: An Efficient Approach to Single-Query Path Planning /
In Proc. 2000 IEEE Int’l Conf. on Robotics and Automation (ICRA 2000) pp. 995–1001. URL:
http://dx.doi.org/10.1109/ROBOT.2000.844730.
74. Zhe Huang, Hongyu Chen, John Pohovey, Katherine Driggs-Campbe Neural Informed RRT*: Learning-based
Path Planning with Point Cloud State Representations under Admissible Ellipsoidal Constraints / arXiv:2309.14595v2
[cs.RO] 07 Mar 2024. URL: http://dx.doi.org/10.1109/ICRA57147.2024.10611099.
75. Бернацький А. П. Вдосконалений метод планування шляху автономного наземного робота
з використанням алгоритму MBD-RRT*FFT / Системи і технології зв’язку, інформатизації та кібербезпеки.
Випуск № 5, 2024. URL: https://doi.org/10.58254/viti.5.2024.03.37.
76. Anita Garhwal, Partha Pratim A Survey on Dynamic Spectrum Access Techniques for Cognitive Radio /
International Journal of NextGeneration Networks (IJNGN). Vol. 3, No. 4, 2012. URL:
http://dx.doi.org/10.5121/ijngn.2011.3402.
77. P. Taylor, L. Jonker, Evolutionary stable strategies and game dynamics /Mathematical Biosciences 40 (1–2)
(1978). pp.145–156.
78. Чикрій А. О. Вимірні багатозначні відображення та їх селектори в динамічних іграх переслідування /
А. А. Чикрій, І. С. Раппопорт // Пробл. упр. та інформатики. № 1-2. 2006. С. 60–70.
79. Shaobo Zhang, Qinxiang Xia, Mingxing Chen, Sizhu Cheng Multi-Objective Optimal Trajectory Planning for
Robotic Arms Using Deep Reinforcement Learning / Sensors 2023, 23(13), 5974. URL:
https://doi.org/10.3390/s23135974.
80. Masoud Fetanat; Sajjad Haghzad; Saeed Bagheri Shouraki Optimization of dynamic mobile robot path
planning based on evolutionary methods / AI & Robotics (IRANOPEN). 2015. URL:
https://doi.org/10.1109/RIOS.2015.7270743.
81. Альбус Дж. Аналітичний метод вирішення ігрового завдання про "М’яку посадку" для рухомих
об’єктів / Дж. Альбус, А. Мейстел, А. О. Чикрій, А. А. Білоусов, А. І. Козлов // Кібернетика та систем. аналіз.
№ 1. 2001. С. 97–115
82. Чикрій А. О Квазилінійні конфліктно керовані процеси зі змінною структурою / А. А. Чикрій,
І. І. Матичин // Пробл. упр. та інформатики. № 6. 1998. С. 31–41.
83. Чикрій А. О. Квазилінійні позиційні інтегральні ігри зближення / А. О. Чикрій, Г. Ц. Чикрій,
К. Ю. Волянський // Пробл. упр. та інформатики. № 6. 2001. С. 5–28.
84. Chikrii, A. Conflict-Controlled Processes / Springer Science &Business Media. 2013.
85. Барановська Л. В., Гирявець Д. М., Барановська Г. Г. Візуалізація групової гри переслідування на
площині / Conference: Information Technologies and Security (ITS-2020). 2021