Browsing by Author "Саченко, Анатолій Олексійович"

Now showing 1 - 3 of 3

Теорія та практика аналого-цифрових функціональних перетворювачів на комутованих конденсаторах
(Національний університет "Львівська політехніка", 2019) Мичуда, Леся Зиновіївна; Пістун, Євген Павлович; Національний університет «Львівська політехніка»; Саченко, Анатолій Олексійович; Русин, Богдан Павлович; Мельничук, Степан Іванович
У дисертації започатковано нові та розвинуто відомі теоретичні та практичні основи функціонального перетворення аналогових сигналів, зокрема, розроблено методологічні засади побудови, створено нові методи, математичні моделі, алгоритми та засоби аналого-цифрового функціонального перетворення на комутованих конденсаторах, що значно переважають аналоги розширеними функціональними можливостями, підвищеною точністю та швидкодією. Методологічні засади побудови АЦФП на комутованих конденсаторах поєднують структурні (зміни основи логарифмування і співвідношення ємностей) і алгоритмічні (вибору числа піддіапазонів перетворення, кількості та величини кроків на кожному з них) принципи підвищення точності та швидкодії. Наведено результати експериментальних досліджень розроблених нових АЦФП і показано їх переваги над аналогами за функціональними можливостями та характеристиками. В диссертации основаны новые и развиты известные теоретические и практические основы функционального преобразования аналоговых сигналов, в частности, разработаны методологические принципы построения, созданы новые методы, математические модели, алгоритмы и средства аналого-цифрового преобразования на коммутируемых конденсаторах, которые значительно преобладают аналоги расширенными функциональными возможностями, повышенной точностью и быстродействием. Методологические принципы построения АЦФП на коммутируемых конденсаторах сочетают структурные (изменения основы логарифмирования и соотношения емкостей) и алгоритмические (выбора числа поддиапазонов преобразования, количества и величины шагов на каждом из них) принципы повышения точности и быстродействия. На основе этих принципов впервые: реализованы новые методы аналого-цифрового функционального преобразования: метод многофункционального аналого-цифрового преобразования с параллельным опросом логарифматоров; метод логарифмического аналого-цифрового преобразования разницы двух входных напряжений; метод логарифмического аналого-цифрового функционального преобразования со сравнением уровней компенсационных напряжений соседних поддиапазонов; развито: метод рекуррентного аналого-цифрового функционального преобразования с многократным обращением к эталону старшего разряда; метод логарифмического аналого-цифрового преобразования с импульсной обратной связью с созданием режима короткого замыкания на выходе преобразователя напряжение-ток; предложен новый принцип действия интерполирующих логарифмических аналого-цифровых преобразователей с сочетанием перераспределения и накопления заряда. На основе разработанных методов аналого-цифрового функционального преобразования созданы новые алгоритмы и структуры АЦФП и реализованы действующие макеты АЦФП, экспериментальные исследования которых показали преимущество их в точности, быстродействии и функциональных возможностях над известными аналогами, в частности, дают возможность получить степенные функции и корни с показателем 10 и больше, логарифм разницы двух напряжений, перемножать и делить до 10 и больше входных сигналов, обеспечить точность на 2 – 4 разряда выше разрядности АЦФП. The thesis created new, and also received the further development of the well-known theoretical and practical bases of the functional conversion of analog signals, in particular, methodological principles of construction have been developed, new methods, mathematical models, algorithms and means of analog-to-digital functional conversion (ADFC) based on switched capacitors have been created, that considerably prevail analogues on advanced functionality, increased accuracy and speed. Methodological principles of construction of ADFC on switched capacitors combine structural (changes of basis of taking the logarithm and ratio of capacities of capacitors) and algorithmic (the choice of number of subranges of conversion, amount and size of steps on each of them) principles of increase of accuracy and speed. Results of experimental researches of worked out new ADFC are bought and shown their advantages above analogues in functional possibilities and characteristics.
Теорія та практика створення розподілених систем виявлення зловмисного програмного забезпечення в локальних комп’ютерних мережах
(Хмельницький національний університет, 2019) Савенко, Олег Станіславович; Саченко, Анатолій Олексійович; Марковський, Георгій; Хмельницький національний університет; Мельник, Анатолій Олексійович; Мухін, Вадим Євгенійович; Дрозд, Олександр Валентинович
Дисертація присвячена вирішенню актуальної науково-технічної проблеми розроблення теорії і практики створення розподілених систем виявлення зловмисного програмного забезпечення в локальних комп’ютерних мережах для покращення ефективності його виявлення. В роботі розроблено удосконалену модель архітектури розподіленої системи виявлення зловмисного програмного забезпечення в локальних комп’ютерних мережах та модель архітектури її типових компонентів на основі структур Кріпке, а також метод взаємодії компонентів розподіленої багаторівневої системи виявлення зловмисного програмного забезпечення для підтримки її цілісності та визначення порядку передачі знань між її компонентами. Розроблені алгебраїчні системи та алгебри з введеними операціями на множині ЗПЗ для створення поведінкових сигнатур ЗПЗ з метою їх формалізованого представлення в системах виявлення. Розроблено метод виявлення бот-мереж у локальних комп’ютерних мережах, суть якого полягає в здійсненні активного моніторингу системних подій та узгодженій взаємодії компонентів розподіленої системи при прийнятті рішення. Розроблено метод виявлення файлового зловмисного програмного забезпечення в локальних комп’ютерних мережах, який полягає в поєднанні роботи програмних агентів, що здійснюють виявлення зловмисного програмного забезпечення в окремих комп’ютерних системах. Диссертация посвящена решению актуальной научно-технической проблемы разработки теории и практики создания распределенных систем обнаружения вредоносных программ в локальных компьютерных сетях для улучшения эффективности обнаружения. В работе разработаны усовершенствованная модель архитектуры распределенной системы обнаружения вредоносных программ в локальных компьютерных сетях и модель архитектуры ее типовых компонентов на основе структур Крипке, а также метод взаимодействия компонентов распределенной многоуровневой системы обнаружения вредоносных программ для поддержания ее целостности и определения порядка передачи знаний между ее компонентами. Разработанны алгебраические системы и алгебры, с введенными операциями на множестве вредоносных программ, для создания поведенческих сигнатур вредоносных программ с целью их формализованного представления в системах обнаружения. Разработан метод выявления бот-сетей в локальных компьютерных сетях, суть которого заключается в осуществлении активного мониторинга системных событий и согласованного взаимодействия компонентов распределенной системы при принятии решения. Разработан метод выявления файловых вредоносных программ в локальных компьютерных сетях, который заключается в совмещении работы программных агентов, осуществляющих выявление вредоносных программ в отдельных компьютерных системах. The dissertation is devoted to the solution of the actual scientific and technical problem of development of the theory and practice of creation of the distributed systems of detection of malware in local computer networks in order to increase its reliability of detection. Addressing this is important in all areas where LANs are being used extensively. In the work the advanced model of architecture of the distributed system of detection of malware in local computer networks is developed, based on complex consideration of the requirements of distribution, decentralization, multilevel and self-organization, and the model of architecture of its typical components on the basis of the Strengths components with representation of components which they may be in operation. It allowed to take into account the presence of software modules in different states and became the basis for determining the security status of the whole distributed system and its components. A method of interaction between components of a distributed multilevel malware detection system was developed on the basis of maintaining its integrity and determining the order of knowledge transfer between its components and using established analytical dependencies between the security levels of software modules and the security level of the whole distributed multilevel system. The method is the basis for the development of a linking piece of software that organizes the interaction of the components of a distributed multilevel malware detection system on local computer networks. Algebraic systems and algebras have been developed with the introduction of multiple malware operations, which became the basis for creating behavioral signatures of malware for their formalized representation in detection systems. The method of discovery of botnets in local computer networks was developed, the essence of which is to carry out active monitoring of system events and coordinated interaction of components of the distributed system when making a decision, made it possible to create tools that are able to integrate into the distributed system and to classify botnets for them behavioral signatures formed by the functions embedded in their components. The method of detecting malware on local computer networks has been developed, which consists in combining the work of software agents that detect malware in individual computer systems, according to the methods implemented in them: dynamic formation of behavioral signatures by tracking calls by example software interface, finding polymorphic and metamorphic program code, scanning executable programs by creating them autonomously these processes and related software agents in a distributed system. A method for detecting malware is based on the dynamic formation of behavioral signatures by tracking API-calls. It can be used to detect other types of virus programs, including new versions of existing viruses. The method involves the formation of a signature of a viral program based on the trace of API-calls, which allows to detect a viral program represented by a developed behavioral signature from the signature base. The behavioral signature includes critical API-calls by malicious activity groups and reflects the frequency of their occurrence, as well as the nature of the interaction of the critical API-features of the viral program and describes the relationship between the critical API-functions. This makes it possible to differentiate virus programs from useful applications not only in the presence of critical API challenges, but also in their interaction with each other. Classification is used to detect this. For the file-based API that uses entanglement techniques, a method for detecting polymorphic and metamorphic viruses has been developed based on an analysis of obfuscation functions. The peculiarity of the method is the analysis of the software object and its modified versions, obtained from different modules, and further analysis based on the search for equivalent functional blocks. This allows a more detailed analysis of the software object code for the presence of polymorphic and metamorphic viruses.
Теорія і методи комп’ютерного опрацювання біосигналів на основі машинного навчання
(Національний університет "Львівська політехніка", 2020) Хома, Юрій Володимирович; Микийчук, Микола Миколайович; Національний університет "Львівська політехніка"; Бабак, Віталій Павлович; Саченко, Анатолій Олексійович; Русин, Богдан Павлович
У дисертаційній роботі вирішено актуальну науково-прикладну проблему у галузі інструментального забезпечення біоінформатики – розвиток теоретичних засад і нових підходів до удосконалення комп’ютерних систем опрацювання біосигналів на основі широкого використання штучних нейромереж і технологій глибинного навчання. Представлено концепцію трьох системних рівнів комп’ютерного опрацювання біосигналів, що базується на чіткому розмежуванні функцій системних рівнів від методів і засобів, що їх реалізують. Таке розділення сприяє структуризації знань, уможливлює оцінювання ефективності різних методів і вибір кращих проектних рішень із урахуванням специфіки завдань, умов і сценаріїв. Автоматизовано пошук оптимальних значень гіперпараметрів багатошарового нейрокласифікатора шляхом використання простої прогностичної моделі машинного навчання. Це дає змогу на 4 порядки скоротити час пошуку порівняно із повним перебором в просторі можливих значень. Розроблено і апробовано підхід до виявлення і коригування залишкових аномалій в біосигналах, який базується на застосуванні нейромережевих автоенкодерів для нелінійної фільтрації завад, зосереджених в тій самій частині спектру, що й корисний сигнал. Застосування підходу у 5-7 разів зменшує похибку ідентифікації. Результати роботи можуть бути застосовані до різних прикладних задач, у таких сферах як кібербезпека та системи доступу (біометрична ідентифікація), робототехніка (нейромережеві інтерфейси управління) і афективна інформатика (аналіз психоемоційного стану), а також у медицині (діагностика, клінічні дослідження тощо). В диссертационной работе решена актуальная научно-прикладная проблема в области инструментального обеспечения биоинформатики - развитие теоретических основ и новых подходов к совершенствованию компьютерных систем обработки биосигналов на основе широкого использования искусственных нейронных сетей и технологий глубинного обучения. Представлена концепция трех системных уровней компьютерной обработки биосигналов, основанная на четком разграничении функций системных уровней от методов и средств, которые используются для их реализации. Такое разделение способствует структуризации знаний, позволяет оценить эффективность различных методов и выбрать лучшие проектные решения с учетом специфики задач, условий и сценариев. Автоматизирован поиск оптимальных значений гиперпараметров многослойного нейроклассификатора путем использования простой прогностической модели машинного обучения. Это позволяет на 4 порядка сократить время поиска по сравнению с полным перебором в пространстве всех возможных значений. Разработан и апробирован подход к выявлению и коррекции остаточных аномалий в биосигналах, основанный на применении нейросетевых автоэнкодеров для нелинейной фильтрации помех, сосредоточенных в той же части спектра, и полезный сигнал. Применение коррекции аномалий в 5-7 раз уменьшает погрешность идентификации. Результаты работы могут быть применены в различных направлениях, таких как компьютерная безопасность и системы доступа (биометрическая идентификация), робототехника (нейросетевые интерфейсы управления) и аффективная информатика (анализ психоэмоционального состояния), а также в медицине (диагностика, клинические исследования и т.п.). The thesis solves a scientific problem in the field of instrumental support of bioinformatics - the development of theoretical foundations, improvement of methodological, algorithmic, software, and technical basis of the computer systems for processing of biosignals and data based on the extensive use of artificial neural networks and deep learning technologies. Current state and future perspectives of machine learning usage in the computer bioinformatics systems are analyzed in the thesis. It is shown that the heterogeneousness of data and a wide range of bioinformatics tasks influenced the development of specialized solutions for each separate domain or application. This complicates the possibility to compare the effectiveness of certain methods as well as the usage of the best system design variants for the new tasks. A novel framework related to the development of principles for the design of the biosignals computer processing systems involving a combination of machine learning techniques and digital signal processing is presented in the thesis. The expediency of separation of the system levels within the process of biosignals processing is reasoned, and their functions are outlined. Innovativeness of the suggested approach lies in the separation of functions of the lower, middle, and upper levels from methods with the help of which they are realized, as well as from the implementation variants for these methods based on the hardware and software components. The middle system level is significantly invariable both in regards to the task to be solved and to the biosignal type. At the same time, the upper level is specific as to the final application, and the lower level is specific as to the type of biosignal. Distinct outlining of functions for each system level and the inter-level interfaces opens perspectives for information structuring during the analysis of the known decisions, which simplifies the analysis and comparison of the effectiveness of these solutions. The design process of the computer system for the specific tasks gets simplified and potentially quickens due to the possibility of transferring the best results among the related tasks. On the basis of the developed three system levels concept the range of tasks related to machine learning application and biosignals processing on all the system levels was studied and analyzed. A novel method of optimal hyperparameters selection for a multilayer neural network classifier based on the Monte Carlo method and predictive modeling was developed and introduced in the thesis, new algorithms for detection and correction of anomalies in ECG-signals were presented as well. This resulted in reduction of hyperparameters optimization time by 4 orders compared to a grid search approach in the entire hyperspace of possible values. A new approach to the detection and correction of residual anomalies in biosignals was developed and tested. This approach is based on the use of neural network autoencoders for nonlinear filtering of distortions that are located in the same spectral band as the useful signal and its application reduces identification error by 5-7 times. A method of software conditioning of biosignals was developed, which enabled parameters unification of digital records of biosignals from open databases by resampling, rescaling, time normalization, etc. and its application improves the issue of low data volume while deep neural networks training. A comprehensive study of the influence of the variability of ECG signal acquisition systems (different data sets, sampling frequency, recording duration, data volume) on the accuracy of biometric identification was performed. The obtained results proved sufficient stability and reliability of the electrocardiogram as a biometric marker and confirmed the possibility of its real-world application in biometric identification systems. Neural network equalizer was designed for dynamical error correction of bioimpedance sensors, which resulted in expanding the operating frequency band up to 100 times. Functionality was expanded, metrological characteristics were improved and the speed of the digital rheograph was doubled by improving the Howland current pump by compensating the basic bioimpedance with a coded potentiometer (trimmer) and using a direct digital synthesis of orthogonal probing signals. Intelligent processing of vibroarthrography signals based on a combination of machine learning algorithms and wavelet decomposition was developed, which allowed to achieve better accuracy in terms of knee joint disorders analysis. The results of the work can be used in various applications, such as cybersecurity and access systems (biometric identification), robotics (bio-machine control interfaces), and affective informatics (psycho-emotional state analysis), as well as a medical domain (diagnostics, clinical trials).