Інформаційні технології та суспільство

АВТОМАТИЗОВАНА ПЕРЕВІРКА ТВЕРДЖЕНЬ З ВИКОРИСТАННЯМ RAG-МЕХАНІЗМУ ТА КЛАСИФІКАЦІЇ ОЗНАК

2026-06-01T15:03:14+03:00

Об’єктом дослідження є проблема автоматичної верифікації фактів у цифровому середовищі, насиченому дезінформацією. У роботі проаналізовано сучасні підходи до детекції фейкових новин, включаючи трансформерні архітектури, нейросемантичні та графові моделі. Додатково визначено обмеження наявних методів, зокрема популярність використання статичних ознак та погану здатність до узагальнення при постійному динамічному потоці інформації. Запропоновано власну архітектуру мультимодальної моделі, яка поєднує класифікацію стилю, детекцію AI-тексту та модуль перевірки фактів, підкріплений пошуком релевантних доказів через RAG-механізм. Результати експериментів на тестовому наборі із 1660 прикладів показали, що модель досягає високого показника Recall (84,6 %), зберігаючи прийнятну збалансованість точності (Accuracy – 78,6 %, Precision – 74,4 %, F1 – 80,8 %). Отримані результати свідчать про достатню ефективність мультизадачного навчання у системах перевірки на правдивість. Це дозволяє ефективно виявляти фейкові новини з різних джерел, хоча й із певною кількістю хибнопозитивних спрацювань, але баланс між високим Recall і нижчим Precision є обґрунтованим, оскільки система орієнтована на зменшення можливості пропуску фейкових новин. Запропонована модель є придатною для використання в реальних умовах моніторингу інформаційного простору, зокрема в контексті протидії інформаційним загрозам. Ефективність моделі пояснюється комбінацією кількох незалежних ознак (стиль, походження, фактологічність) та гнучкою системою інтеграції сигналів. Крім того, використання RAG-механізму забезпечує додатковий рівень інтерпретованості отриманих результатів з прив’язкою до зовнішніх джерел. Її можна застосовувати в онлайн-платформах з великою кількістю неструктурованих повідомлень. Підхід може бути розширений мультимедійним аналізом та адаптований для іншого визначеного мовного середовища.

ДИНАМІЧНА АДАПТАЦІЯ ПРОФІЛЮ КОРИСТУВАЧА В РЕКОМЕНДАЦІЙНІЙ СИСТЕМІ НА ОСНОВІ АНАЛІЗУ ІНФОРМАЦІЇ ПРО ЙОГО ПОВЕДІНКУ

2026-06-01T15:06:48+03:00

Зростання обсягів цифрового контенту та ускладнення поведінкових сценаріїв користувачів підвищують вимоги до точності й адаптивності сучасних рекомендаційних систем. У цих умовах особливого значення набувають методи динамічного оновлення профілю користувача, здатні забезпечити актуальність персоналізації в умовах змін інтересів, впливу контексту та нерівномірного характеру взаємодії з інформаційними сервісами. Проблема полягає у необхідності забезпечення адаптації таких систем до змін інтересів користувача в умовах динамічного середовища, де короткострокові вподобання швидко змінюються, а довгострокові зберігають інерційність, що ускладнює підтримання високої точності персоналізації. Метою дослідження є розробка математичної моделі та архітектурного рішення для динамічної адаптації профілю користувача, які дозволяють ефективно поєднувати аналіз довгострокових та короткострокових інтересів з урахуванням контекстуальних факторів для підвищення точності персоналізації в рекомендаційних системах. Робота спрямована на подолання таких недоліків існуючих систем, як висока чутливість до випадкового «шуму» в діях користувачів, складність інтерпретації оновлень та нездатність своєчасно реагувати на згладжування змін у поведінкових моделях. В роботі використовується механізм динамічного керування балансом між короткостроковими (STI) та довгостроковими (LTI) інтересами за допомогою адаптивного коефіцієнта, що дозволяє системі автоматично перемикатися на актуальні потреби користувача при різкій зміні поведінки або спиратися на стійкі звички при стабільній взаємодії. Розроблено метод інтеграції контекстних чинників у процес оновлення профілю користувача, що забезпечує можливість підсилювати або послаблювати значущість подій залежно від зовнішніх умов (час, пристрій, місцеперебування), перетворюючи профіль на контекстно-чутливу структуру. Технологічний підхід базується на архітектурі конвеєрної обробки даних для потокового аналізу подій у режимі реального часу. Експериментальна валідація запропонованих рішень проведена шляхом тестування на датасеті MovieLens із порівняльним аналізом точності рекомендацій динамічних моделей відносно статичних. Характерною відмінністю запропонованого підходу є інтеграція контекстуальних параметрів у процес оновлення профілю, що перетворює його на контекстно-чутливу структуру, здатну адаптуватися до умов взаємодії. Технічні випробування довели спроможність рекомендаційної системи стабільно працювати в умовах інтенсивного потоку даних, забезпечуючи швидке оновлення знань системи про людину без втрати загальної продуктивності. Практичне застосування можливе в рекомендаційних системах, що функціонують у режимі реального часу та працюють з інтенсивними потоками даних, зокрема в медіасервісах, електронній комерції та інформаційних платформах, за умови наявності засобів збору подій користувача та інфраструктури потокової обробки.

МАТЕМАТИЧНА МОДЕЛЬ АДАПТИВНОГО УПРАВЛІННЯ РУХОМ БПЛА З ВИКОРИСТАННЯМ ФАЗОВИХ КООРДИНАТ

2026-06-01T15:13:14+03:00

У статті розглянуто задачу адаптивного управління рухом безпілотного літального апарата в умовах динамічних змін зовнішнього середовища та обмежених обчислювальних ресурсів бортових систем. Проведено аналіз сучасних підходів до управління безпілотних літальних апаратів, зокрема методів ройового інтелекту, нейромережевих алгоритмів та класичних оптимізаційних підходів, що дозволило виявити їх основні переваги та обмеження з точки зору точності та обчислювальної складності. Запропоновано підхід до побудови математичної моделі руху безпілотних літальних апаратів з використанням фазових координат, що забезпечує зменшення розмірності задачі керування без втрати інформативності опису динаміки польоту. Сформовано фазовий вектор стану, який включає швидкісні, кутові та просторові параметри руху, що дозволяє здійснювати синтез керуючих впливів на основі поточного стану системи. Розроблено математичну модель адаптивного управління, яка базується на формуванні векторів непрямого та прямого керування з урахуванням конструктивних характеристик безпілотних літальних апаратів та зовнішніх збурень. Виконано імітаційне моделювання руху безпілотних літальних апаратів у фазових координатах, результати якого підтверджують адекватність моделі, стійкість системи керування та коректність відпрацювання заданих програмних траєкторій. Практична реалізація запропонованого підходу здійснена в середовищі Mission Planner, що підтвердило можливість інтеграції розробленої моделі в існуючі системи автоматичного керування без суттєвого збільшення обчислювального навантаження. Отримані результати свідчать про доцільність використання фазових координат для підвищення ефективності адаптивного управління безпілотними літальними апаратами.

МЕТОД РИЗИК-ОРІЄНТОВАНОГО УПРАВЛІННЯ ЯКІСТЮ ІТ-ПРОДУКТУ НА ОСНОВІ АНАЛІЗУ ДАНИХ ТА МАШИННОГО НАВЧАННЯ В МЕЖАХ SDLC

2026-06-01T15:16:49+03:00

Стаття присвячена розробленню методу ризик-орієнтованого управління якістю ІТ-продукту в межах життєвого циклу розробки програмного забезпечення. Об’єктом дослідження є процес забезпечення якості програмних систем за умов невизначеності та обмежених ресурсів, а проблемою, що вирішувалася, є відсутність інтегрованого механізму кількісного оцінювання, прогнозування та пріоритизації ризиків якості на основі даних SDLC. У роботі запропоновано формалізовану математичну модель, у якій ризик інтерпретується як імовірнісна характеристика дефектності програмних компонентів, а також механізм інтеграції оцінок ризику в процеси забезпечення якості у вигляді адаптивних контрольних точок і програмний прототип системи підтримки прийняття рішень. Отримані результати дозволили вирішити зазначену проблему завдяки поєднанню імовірнісного моделювання, методів машинного навчання та ризик-орієнтованої пріоритизації тестування, що забезпечує перехід від статичного контролю до data-driven управління якістю. Результати пояснюються встановленням зв’язку між метриками програмних артефактів і ймовірністю дефектів, що дає змогу ранжувати компоненти за рівнем ризику, формувати реєстр ризиків і оптимізувати розподіл ресурсів верифікації. Експериментальна апробація на відкритому наборі NASA Metrics Data Program засвідчила, що модель досягає ROC-AUC = 0,669 і PR-AUC = 0,382, а в сценарному аналізі забезпечує recall@top-k ≈ 0,38 проти ≈ 0,37 для LOC-орієнтованого підходу та ≈ 0,18 для випадкової стратегії. Практичне використання результатів доцільне в системах управління якістю програмного забезпечення, DevOps-аналітиці, середовищах CI/CD і процесах пріоритизації тестування за наявності історичних даних про метрики коду, результати перевірок, характеристики модулів і дефектність, а також обмежених ресурсів контролю.

МЕТОД СЕМАНТИЧНОЇ ПРЕФІЛЬТРАЦІЇ ПРИЧИННО-НАСЛІДКОВИХ ЗВ’ЯЗКІВ У ВИСОКОВИМІРНИХ МЕРЕЖАХ

2026-06-01T15:22:02+03:00

Об’єктом дослідження у статті є процес виявлення причинно-наслідкових зв’язків у мережах надвисокої розмірності. Фундаментальна проблема, що розв’язується, полягає в експоненційній обчислювальній складності класичних алгоритмів структурного навчання (так зване «прокляття розмірності») та їхній неспроможності ефективно працювати в умовах недостатності або повної відсутності історичних статистичних даних (проблема «холодного старту»). Суть отриманих результатів зводиться до розробки та емпіричної валідації нового методу семантичної префільтрації каузальних графів. Завдяки своїм концептуальним особливостям, а саме використанню гіпотези семантичної розрідженості, запропонований метод уможливлює значне звуження простору пошуку виключно на основі аналізу метаданих вузлів. Розроблений алгоритм обробки включає чотири послідовні етапи: автоматизоване формування розгорнутих текстових тлумачень для кожного вузла за допомогою сучасних мовних моделей, перетворення цих описів у щільні числові вектори, розрахунок матриці косинусної подібності для всього простору ознак та подальше застосування стратегії адаптивного відсікання. Отримані результати дозволили успішно подолати зазначену проблему, оскільки розроблений підхід відкидає до 88.3 відсотка нерелевантних пар вузлів для масивних графів, гарантовано зберігаючи при цьому понад 90 відсотків істинних причинних ребер. Висока ефективність алгоритму пояснюється тим, що у реальних багатовимірних системах каузальні зв’язки виникають переважно між семантично спорідненими сутностями, тоді як термінологічно віддалені вузли є ймовірно незалежними. Відповідно, моделі векторизації здатні кількісно оцінити цю семантичну близькість, відсіяти шум та природним шляхом масштабуватися пропорційно до збільшення розміру мережі. Запропонований підхід може бути використаний на практиці в сучасних високотехнологічних доменах як інструмент попередньої фільтрації простору пошуку перед застосуванням класичних алгоритмів оптимізації. Головними умовами його найбільш ефективного впровадження є необхідність роботи з графами високої щільності та наявність якісних семантичних метаданих у сценаріях, де збір великих обсягів історичних спостережень є технічно неможливим.

ENTERPRISE OSINT ДЛЯ УПРАВЛІННЯ РИЗИКАМИ, МОНІТОРИНГ ЦИФРОВОГО СЛІДУ КОМПАНІЇ ТА СПІВРОБІТНИКІВ

2026-06-01T15:25:43+03:00

Об’єктом дослідження є процеси виявлення, інтерпретації та використання даних з відкритих джерел для управління кіберризиками підприємства в умовах розширення цифрового периметра. Проблема полягає в тому, що традиційні механізми внутрішнього моніторингу не забезпечують раннього виявлення витоків, компрометації облікових записів, тіньових цифрових активів і поведінкових сигналів, пов’язаних із цифровим слідом співробітників. У роботі удосконалено підхід до побудови Enterprise OSINT як безперервного циклу збору, нормалізації, верифікації та кореляції зовнішніх індикаторів із внутрішніми подіями безпеки. Результатом є структурна модель архітектури Enterprise OSINT, векторів загроз і методів їх детектування, а також процедура інтеграції даних OSINT у контур ISO/IEC 27001, SIEM та CTI. Запропоновані результати дозволяють вирішити проблему фрагментарності зовнішнього моніторингу завдяки поєднанню технічних, організаційних та аналітичних компонентів в єдиному контурі ризик-менеджменту. Їх відмінність полягає у фокусі не лише на інфраструктурі компанії, а й на цифровому сліді працівників, партнерських згадках, витоках у Surface, Deep і Dark Web та подальшій перевірці сигналів на хибнопозитивні спрацювання. Отримані результати пояснюються тим, що зовнішні дані розглядаються не як довідкова інформація, а як операційні індикатори ризику, придатні для автоматизованої валідації та пріоритезації. Практичне використання можливе в корпоративних системах інформаційної безпеки, SOC, службах економічної безпеки та підрозділах комплаєнсу за умови наявності політик етичного моніторингу, регламентів реагування, навчання персоналу та процедури повторної перевірки джерел. Додатково підхід орієнтований на зниження репутаційних і фінансових втрат через своєчасне виявлення зовнішніх індикаторів підготовки цільових атак.

ГІБРИДНА АРХІТЕКТУРА ВІЗУАЛЬНО-ІНЕРЦІАЛЬНОЇ SLAM ДЛЯ ЗАБЕЗПЕЧЕННЯ БЕЗПЕРЕРВНОЇ НАВІГАЦІЇ В УМОВАХ ОБМЕЖЕНОЇ ВИДИМОСТІ

2026-06-01T15:32:29+03:00

Актуальність дослідження зумовлена необхідністю забезпечення надійної та безперервної навігації автономних мобільних систем в умовах обмеженої видимості, де традиційні візуальні методи локалізації втрачають ефективність, а інерціальні сенсори характеризуються накопиченням похибок. За таких умов особливого значення набуває інтеграція різнорідних сенсорних даних у межах гібридних архітектур, здатних адаптуватися до змін якості вхідної інформації. Метою дослідження є теоретичне обґрунтування та прикладне узагальнення підходів до побудови гібридної архітектури візуально-інерціальної SLAM, орієнтованої на забезпечення безперервної та стійкої навігації в умовах обмеженої видимості. Методи дослідження базуються на системному аналізі, узагальненні сучасних наукових підходів, порівнянні алгоритмічних рішень та структурно-функціональному моделюванні процесів інтеграції візуальних та інерціальних даних у навігаційних системах. У результаті дослідження досліджено принципи інтеграції сенсорних даних та підходи до побудови гібридних архітектур SLAM, узагальнено методи підвищення точності локалізації на основі інерціальних вимірювань. Встановлено, що ефективність систем визначається адаптивністю до деградації візуальної інформації та здатністю компенсувати інерціальний дрейф. Кількісний аналіз показав, що застосування гібридної архітектури дозволяє знизити накопичення інерціального дрейфу на 65–70 %, скоротити обчислювальну затримку на 60–70 % та підвищити точність локалізації у 6–8 разів у критичних умовах (зменшення RMSE з ≈1.7–1.8 м до 0.18–0.25 м). Наукова новизна полягає у системному узагальненні принципів побудови гібридних візуально-інерціальних архітектур із урахуванням умов деградації сенсорної інформації та обґрунтуванні адаптивних підходів до забезпечення стійкості локалізації. Практичне значення отриманих результатів полягає у можливості їх використання при розробленні навігаційних систем безпілотних платформ, мобільної робототехніки та рятувальних комплексів, де критичною є здатність системи функціонувати в режимі реального часу за умов обмеженої або змінної видимості.

КАСКАДНИЙ МЕТОД УДОСКОНАЛЕННЯ СИСТЕМ ДЕТЕКЦІЇ ОБ’ЄКТІВ

2026-06-01T15:35:52+03:00

У статті досліджується проблема нестабільності функціонування нейромережевих моделей детекції об’єктів у системах комп’ютерного зору безпілотних літальних апаратів (БпЛА) в умовах динамічної зміни зовнішнього середовища. Показано, що традиційні універсальні моделі, зокрема архітектури сімейства YOLO, демонструють суттєве зниження показників точності (Precision) та повноти (Recall) при зміні погодних умов, освітлення та просторового масштабу об’єктів. Метою дослідження є підвищення ефективності та стійкості систем детекції об’єктів у реальному часі шляхом розробки адаптивного каскадного методу обробки відеопотоку. Запропоновано підхід Cascade YOLO, що базується на послідовному використанні спеціалізованих нейромережевих моделей із механізмом адаптивного перемикання залежно від рівня впевненості детекції. На відміну від класичних ансамблевих методів, у запропонованому підході повторна обробка кадру не виконується, а наступна модель застосовується до нового кадру, що дозволяє уникнути накопичення затримок. Методологія дослідження включає побудову математичної моделі каскадного алгоритму, програмну реалізацію та експериментальну перевірку на відеоданих із варіативними умовами спостереження. Проведене порівняння з базовою моделлю Single-YOLO показало підвищення Precision до 0.867 та Recall до 0.824 при незначному зниженні швидкодії (до 5–10 %). Отримані результати підтверджують ефективність запропонованого підходу для підвищення надійності систем технічного зору БпЛА. Практична цінність полягає у можливості впровадження методу в бортові системи обробки даних для забезпечення стабільної роботи в умовах невизначеності.