Магістерські роботи

Permanent URI for this collectionhttps://ena.lpnu.ua/handle/ntb/62310

Browse

Now showing 1 - 10 of 10

Виявлення безпекових аномалій мережі з використанням систем штучного інтелекту
(Національний університет "Львівська політехніка", 2024) Рупа, Олександр Святославович; Rupa, Oleksandr Sviatoslavovych; Кирик, Мар'ян Іванович; Національний університет "Львівська політехніка"
Сучасні інформаційно-комунікаційні системи є основою діяльності більшості організацій, забезпечуючи ефективне функціонування внутрішніх процесів та надання послуг. З розвитком інформаційних технологій зростають як масштаби мереж, так і кількість потенційних загроз, пов’язаних із безпекою. Складність сучасних інформаційно-комунікаційних мереж у поєднанні з великою кількістю користувачів і зовнішніх підключень ускладнює традиційні методи моніторингу та аналізу аномальної активності. Тому виникає необхідність у застосуванні новітніх інструментів для виявлення безпекових аномалій, одним із найефективніших серед яких є штучний інтелект. Об’єктом дослідження є процес виявлення безпекових аномалій у мережі за допомогою технологій штучного інтелекту. Предмет дослідження включає методи та підходи до аналізу мережевого трафіку, які дозволяють автоматично виявляти аномальні дії в мережі. Мета роботи та завдання дослідження. Метою магістерської кваліфікаційної роботи є аналіз методів виявлення безпекових аномалій в інформаційно-комунікаційних мережах, що сприятиме підвищенню рівня захищеності інформаційної інфраструктури організацій. Для досягнення поставленої мети було визначено наступні завдання дослідження: 1. Здійснити аналіз основних загроз безпеці в інформаційно-комунікаційних мережах; 2. Дослідити традиційні методи виявлення аномалій, зокрема сигнатурні та евристичні підходи; 3. Проаналізувати нейронні мережі як інструмент для виявлення безпекових аномалій та перевірити ефективність залучення машинного навчання для виявлення кіберзагроз. 4. Експериментально перевірити ефективність методу залучення штучного інтелекту і машиного навчання для виявлення безпекових аномалій. Методи дослідження включають проведення аналізу наукової літератури з питань безпеки мереж та виявлення аномалій, а також експериментальні дослідження, що здійснюються на тестовому стенді з метою визначення оптимальних параметрів для виявлення безпекових аномалій у мережі. Наукова новизна дослідження полягає у розробці підходу до виявлення аномалій, що поєднує традиційні методи та інструменти штучного інтелекту, що дозволяє забезпечити підвищену ефективність у виявленні потенційних загроз. Практичне значення дослідження полягає у можливості застосування результатів для покращення моніторингу безпеки та створення системи, що автоматично аналізує поведінку мережі та своєчасно сигналізує про потенційні загрози. Випускна кваліфікаційна робота складається зі вступу, 5-ти розділів, висновку, списку використаних джерел та додатків. У першому розділі роботи розглянуто ключові підходи до виявлення аномалій у інформаційно-комунікаційних мережах. Важливою складовою сучасної кібербезпеки залишаються традиційні методи, такі як сигнатурні та евристичні системи. Сигнатурні методи працюють на основі вже відомих шаблонів атак, забезпечуючи високу точність і швидкість. Проте вони не здатні протидіяти новим загрозам, які ще не внесені до бази даних. Евристичні методи, в свою чергу, дозволяють виявляти відхилення в поведінці систем, що не обмежуються заздалегідь визначеними шаблонами, однак часто мають вищий рівень помилкових спрацьовувань, що може знижувати їхню ефективність [1]. Другий розділ присвячений ролі нейронних мереж у виявленні безпекових аномалій, зосереджуючись на їхньому потенціалі як інструменту для забезпечення кібербезпеки. Нейронні мережі стали невід’ємною частиною сучасних підходів до аналізу даних завдяки своїй здатності виявляти складні патерни та закономірності, що часто залишаються непоміченими традиційними методами. Вони можуть обробляти великі обсяги даних, що є критично важливим у контексті сучасних загроз, оскільки атаки стають дедалі більш складними і різноманітними. Нейронні мережі забезпечують можливість виявлення аномалій у реальному часі, що є важливим аспектом для систем кібербезпеки [2]. У ситуаціях, коли загроза може бути виявлена та нейтралізована на ранній стадії, нейронні моделі можуть значно знизити ризики і забезпечити захист інформаційних систем. Це особливо важливо в умовах постійних кібер-атак, коли кожна секунда може мати вирішальне значення. Завдяки своїй здатності аналізувати дані в режимі реального часу, нейронні мережі стають ключовим компонентом у системах моніторингу безпеки. У третьому розділі, розглянуто комплексні підходи до впровадження системи збору та аналізу журналів подій з метою підвищення рівня безпеки корпоративної інформаційно-комунікаційної мережі. Одним із ключових рішень було створення власного скрипту на Python для збору та парсингу журналів, що дозволяє уникнути залежності від сторонніх систем, таких як Elasticsearch або Loki, і забезпечити гнучкість у налаштуванні та адаптації системи до вимог організації [3]. Важливим аспектом впровадження є уніфікація процесу збору даних з різних джерел: систем Windows (Windows Event Log), Linux (systemd-journal), мережевих пристроїв (SNMP traps, Cisco log service), а також інших критичних компонентів мережевої інфраструктури. Це дозволяє забезпечити цілісність і достовірність зібраної інформації для подальшого аналізу [4]. На основі цих даних система штучного інтелекту буде здатна відповідати на важливі запити, зокрема щодо дій користувачів протягом робочого дня, їхньої взаємодії з корпоративними сервісами, а також автоматично виявляти нетипову поведінку, що може свідчити про потенційні загрози безпеці. У четвертому розділі комплексний підхід до інтеграції та неперервного навчання моделей машинного навчання, акцентуючи увагу на важливості збору та підготовки даних для навчання. Зібравши великий обсягів інформації з різних джерел, дозволило отримати детальну картину дій користувачів. Дані пройшли етапи попередньої обробки, де були видалені шуми, нормалізовані значення, а також створена відповідна структура для подальшого навчання моделей. Провевши навчання кількох моделей класифікації, включаючи Random Forest, SVM та Logistic Regression. Результати показали, що моделі можуть досягати високої точності у визначенні статусу дій користувачів. Аналіз різних алгоритмів дав змогу не лише оцінити їх ефективність, але й вибрати найбільш підходящі для специфічних завдань, пов'язаних із моніторингом та безпекою.Інтеграція цих моделей в платформу LAMA забезпечила зручний доступ до аналізу дій користувачів через веб-інтерфейс [5]. Використання RESTful API дозволило здійснювати запити до моделей класифікації та отримувати важливу інформацію про свою активність, завантаженість комутаторів та серверів у реальному часі. Система, що постійно навчається, здатна виявляти аномалії та незвичні патерни в поведінці користувачів, що сприяє покращенню інформаційної безпеки організації. Поєднуючи результати навчання моделей із платформою для аналізу даних, було створено ефективний інструмент для моніторингу та управління інформаційними потоками.
Дослідження алгоритмів демодуляції у системах зв’язку із використанням технології Massive MIMO
(Національний університет "Львівська політехніка", 2024) Захарчук, Петро Віталійович; Zakharchuk, Petro Vitaliiovych; Пиріг, Юлія Володимирівна; Національний університет "Львівська політехніка"
Для розв'язання важливих завдань економіки та соціальної сфери потрібне розроблення сучасної високошвидкісної інфраструктури зберігання, оброблення та передавання інформації. Темпи розвитку телекомунікацій, що зростають, і відчутні зміни потреб та очікувань абонентів мереж бездротового зв'язку ставлять складні завдання комплексного передавання, оброблення даних в умовах жорсткого обмеження часових, енергетичних і частотних ресурсів [1-3]. Для збільшення пропускної спроможності в системах бездротового зв'язку 5-го і 6-го поколінь (5G і 6G) використовується технологія з великим числом передавальних і приймальних антен (MIMO). Однак зі збільшенням числа антен відбувається істотне підвищення складності алгоритмів демодуляції. Таким чином, розробка ефективних демодуляторів, що мають порівняно низьку складність реалізації, є актуальною проблемою . Технологія Massive MIMO дає змогу підвищити як спектральну, так і енергетичну ефективність бездротових систем зв'язку, однак для практичної реалізації потрібні високоефективні алгоритми цифрової обробки сигналів, які не потребують застосування додаткових ресурсів. Слід зазначити, що стандартами регламентується тільки передавальний бік систем радіозв'язку, розробка приймачів залишається на розсуд розробників і виробників обладнання. В умовах жорсткої конкуренції на ринку послуг зв'язку, а також в умовах імпортозаміщення обладнання інтерес до дешевих ефективних і простих демодуляторів різко зростає. Незважаючи на те, що наразі вже існує багато алгоритмів, і сучасні цифрові сигнальні процесори дають змогу реалізувати складні алгоритми цифрового оброблення сигналів для систем із великим числом антен, усе ще залишається актуальним завдання синтезу алгоритму, який володіє прийнятною обчислювальною складністю і хорошими характеристиками завадостійкості [4,5]. Актуальним завданням є дослідження алгоритмів демодуляції, що мають завадостійкість вищу, ніж у кращого лінійного алгоритму - оптимального за критерієм мінімуму середньоквадратичної помилки та мають такий самий порядок складності. Для підвищення завадостійкості лінійних демодуляторів під час синтезу алгоритмів демодуляції необхідно враховувати доступну апріорну інформацію про передані сигнали . На шляху до масового впровадження технології Massive MIMO є чимало труднощів, зокрема, проблема синтезу високоефективних і таких, що мають прийнятну обчислювальну складність, алгоритмів цифрового оброблення сигналів. Дослідження алгоритмів демодуляції з прийнятною обчислювальною складністю, які враховують апріорну інформацію про множину інформаційних символів і мають завадостійкість, близьку до завадостійкості демодулятора ML, на сьогоднішній день є одним із пріоритетних завдань сучасного бездротового зв'язку. Предметом дослідження є алгоритми демодуляції для систем MIMO з великим числом антен. Об'єктом дослідження є демодуляція сигналів у системах Massive MIMO із застосуванням різних порядків квадратурної амплітудної модуляції. Метою магістерської кваліфікаційної роботи є дослідження алгоритмів демодуляції у системах безпровідного зв'язку, що використовують технологію MIMO з великим числом антен.
Дослідження методів автоматизації процесів управління критичною інфраструктурою з використанням технологій 4G/5G та IoT
(Національний університет "Львівська політехніка", 2024) Іванишин, Святослав Ігорович; Ivanyshyn, Sviatoslav Ihorovych; Бешлей, Галина Володимирівна; Національний університет "Львівська політехніка"
Дипломна робота присвячена розробці та дослідженню систем автоматизації для управління критичною інфраструктурою із застосуванням сучасних технологій Інтернету речей (IoT), 4G/5G і NB-IoT. У рамках роботи проаналізовано тенденції розвитку IoT, розглянуто архітектури автоматизації, впроваджено інтеграційні рішення з використанням платформи Home Assistant, а також створено та протестовано прототип системи моніторингу температури на основі технологій LTE/NB-IoT. Перший розділ зосереджений на вивченні сучасних тенденцій розвитку технологій IoT, 4G та 5G і їхнього застосування для управління критичною інфраструктурою. Окреслено можливості цих технологій щодо підвищення стабільності, надійності та ефективності роботи систем. Проведено огляд архітектур і ключових компонентів IoT-систем, що застосовуються для моніторингу та автоматизації об’єктів критичної інфраструктури. Особливу увагу приділено методам розгортання IoT-рішень та їхній адаптації до умов конкретних об’єктів. Висновки підсумовують перспективи подальшого розвитку IoT як основи для цифровізації критичних об’єктів. У другому розділі детально описано методи автоматизації, які базуються на платформі Home Assistant. Наведено приклад інтеграції об’єктів критичної інфраструктури з Home Assistant, що дозволяє централізовано контролювати IoTпристрої, автоматизувати процеси моніторингу та зменшити залежність від хмарних рішень. Також представлено метод моніторингу та управління акумуляторними батареями LiFePO4 на основі спеціалізованого аддона Batmon. Розглянуто сценарії автоматизації, спрямовані на підвищення енергоефективності та надійності систем. Крім того, проаналізовано переваги використання технології NB-IoT для задач моніторингу й автоматизації, включаючи стабільність зв’язку, низьке енергоспоживання та здатність працювати у складних умовах. У третьому розділі описано процес розгортання прототипу системи моніторингу температури для критичної інфраструктури з використанням технологій LTE/NB-IoT. Проведено аналіз функціональних можливостей прототипу, що базується на платформах Raspberry Pi 3 і LTE IoT 3 Click. Детально описано процес підготовки та налаштування компонентів системи, зокрема конфігурацію зв’язку між пристроями та використання MQTT-протоколу. Визначено технічні переваги LTE/NB-IoT у задачах моніторингу, серед яких стабільність передачі даних, широке покриття та здатність функціонувати в умовах слабкого сигналу. Четвертий розділ присвячений практичній реалізації та тестуванню прототипу системи моніторингу. Описано процес автоматизації параметрів мережі та функціональності клієнта MQTT за допомогою Python-скриптів. Здійснено збір ключових показників ефективності системи, включаючи затримки передачі даних, пропускну здатність і якість зв’язку. Проведені експерименти показали, що реалізований прототип забезпечує стабільну роботу, низькі затримки та високу надійність передачі даних навіть за низької якості сигналу. Наведено рекомендації щодо оптимізації роботи системи для підвищення її ефективності в реальних умовах. У п'ятому розділі проведено техніко-економічне обґрунтування розробленого прототипу. Об’єктом дослідження є процеси автоматизації управління критичною інфраструктурою з використанням сучасних інформаційно-комунікаційних технологій, таких як NB-IoT, 4G/5G та IoT. Предметом дослідження є методи інтеграції та автоматизації управління критичною інфраструктурою шляхом застосування протоколів NB-IoT, інструментів моніторингу в реальному часі та архітектур IoT-систем.. Метою роботи є дослідження методів автоматизації процесів управління критичною інфраструктурою з використанням NB-IoT технології та розробка прототипу системи моніторингу температури об'єктів критичної інфраструктури.
Дослідження методів оцінки пропускної здатності радіорелейних ліній зв'язку із адаптивною модуляцією
(Національний університет "Львівська політехніка", 2024) Волков, Віталій Миколайович; Volkov, Vitalii Mykolaiovych; Русин, Богдан Павлович; Національний університет "Львівська політехніка"
Радіорелейні лінії (РРЛ) широко застосовуються на транспортних мережах зв'язку та мережах доступу різного призначення завдяки можливості швидкого розгортання з істотно меншими витратами, порівняно з волоконно-оптичними лініями зв'язку (ВОЛЗ). У мережах рухомого зв'язку радіорелейні лінії становлять основу бездротового розподільного транспортного сегмента, оскільки забезпечують інформаційне включення вузлів радіодоступу з ядром мережі безпосередньо або через найближчий майданчик, обладнаний точкою доступу до ВОЛЗ [1-3]. Розвиток технологій рухомого зв'язку 5G, і в перспективі 6G, висуває високі вимоги до пропускної спроможності бездротового транспортного сегмента загалом і радіорелейних ліній. Одним із напрямів підвищення пропускної здатності РРЛ для задоволення вимог мереж 5G є освоєння нових діапазонів радіочастотного спектра. Застосування діапазону міліметрових радіохвиль дає змогу загалом розв'язати завдання підвищення пропускної здатності радіорелейних систем передавання. Однак, суттєва залежність поширення радіохвиль зазначеного діапазону від метеоумов і недостатня вивченість цієї залежності є стримувальним фактором прогнозування якості зв'язку в радіорелейних лініях на етапі їхнього планування і проектування [4,5]. Склалася ситуація, коли методи і моделі розрахунку показників якості радіорелейного зв'язку, описані в нормативних документах галузі та рекомендаціях, відстають від технологічних досягнень і не охоплюють широко застосовувану на практиці ділянку міліметрового діапазону хвиль E-band. Особливістю радіорелейного зв'язку в міліметровому діапазоні частот є його сильна схильність до впливу опадів, що спричиняють глибокі завмирання сигналів, для боротьби з якими на інтервалах РРЛ (радіорелейних інтервалах - РРІ) або підтримують підвищений запас потужності, або використовують адаптивну модуляцію (АМ), або адаптивне управління потужністю передавача в поєднанні з АМ. Під адаптивною модуляцією розуміють автоматичне перемикання рівнів (режимів) модуляції залежно від величини глибини завмирань на радіорелейному інтервалі з метою підтримання максимальної пропускної здатності радіорелейного інтервалу залежно від поточних (контрольованих) умов поширення радіохвиль. Контрольованими параметрами є потужність сигналу на прийомі або відношення сигнал-шум, а керованими параметрами є рівні модуляції. Завдяки використанню вищих рівнів модуляції, що забезпечують вищу швидкість, але з меншою стійкістю, доступний запас на завмирання може бути перетворено на збільшення пропускної здатності. Хоча радіорелейне обладнання в міліметровому діапазоні з використанням адаптивної модуляції AQAM широко застосовують на практиці вже близько 10 років, відсутність в наявних методах і методиках розрахунку показників якості математичного апарату для врахування опадів у цьому діапазоні й урахуванні використання АМ ускладнює оцінювання ефективності функціонування РРЗІ на етапі планування, а також ускладнює обґрунтованість відповідних проєктних і технічних рішень. За час експлуатації радіорелейного обладнання міліметрового діапазону хвиль зібрано достатній обсяг статистичних даних, що дає змогу оцінити й узагальнити вплив метеоумов на завмирання сигналів. На основі наявних статистичних даних актуальним є дослідження зазначеного впливу в діапазоні E-Band. Таким чином, чинні методики оцінки РРІ вже не повною мірою відповідають сучасним технологіям. У зв'язку з цим, дослідження, спрямовані на врахування адаптивної модуляції та її впливу на пропускну спроможність цифрової радіорелейної лінії (ЦРРЛ) під час впливу опадів на завмирання в міліметровому діапазоні, є актуальними. Об'єктом дослідження є радіорелейна лінія (РРЛ) з адаптивною модуляцією (АМ). Предметом дослідження є методи розрахунку пропускної здатності радіорелейних ліній з адаптивною модуляцією. Мета дослідження полягає в підвищенні пропускної здатності радіорелейних ліній за рахунок використання адаптивної модуляції та кількісного обґрунтування режимів роботи радіорелейних станцій (РРС) під час планування й оптимізації РРЛ з АМ. У першому розділі розглянуто тенденції розвитку мереж мобільного зв'язку (ММЗ), що спрямовані на досягнення максимально можливої пропускної спроможності, мінімального часу затримки, поліпшеної спектральної ефективності, високої точності синхронізації тощо. У другому розділі представлено модель радіорелейної лінії з адаптивною модуляцією, що дає змогу оцінювати вплив режимів роботи радіорелейних станцій з адаптивною модуляцією на стійкість функціонування РРЛ в умовах впливу завмирань. Розроблена модель містить залежності пропускної спроможності від функції розподілу ймовірності завмирань для різних типів трафіку в РРЛ: для пріоритетного безперервного типу трафіку без використання АМ, для непріоритетного переривчастого типу трафіку з використанням АМ та для агрегованого типу трафіку, що поєднує у собі передавання безперервного та переривчастого типів трафіку в РРЛ з АМ. У третьому розділі представлено метод розрахунку пропускної здатності радіорелейної лінії з адаптивною модуляцією в умовах завмирань, характерних для міліметрового діапазону хвиль, що є найбільш точним порівняно з наявними. Показано взаємозв'язок пропускної здатності з коефіцієнтами неготовності інтервалів РРЛ з різними градаціями швидкості передавання за відомої функції розподілу завмирань. У четвертому розділі здійснено дослідження ефективності використання розробленого методу розрахунку пропускної здатності радіорелейної лінії з адаптивною модуляцією з урахуванням особливостей поширення радіохвиль у міліметровому діапазоні. У п’ятому розділі здійснена економічна оцінка впровадження автоматизованого тестування програмного забезпечення для контролю якості обслуговування користувачів. На основі здійснених обчислень підтверджено доцільність реалізації розглянутого проєкту.
Дослідження структурної надійності телекомунікаційних мереж на основі інверсії їх станів
(Національний університет "Львівська політехніка", 2024) Шпіка, Володимир Володимирович; Shpika, Volodymyr Volodymyrovych; Масюк, Андрій Романович; Національний університет "Львівська політехніка"
Сучасні телекомунікаційні мережі мають великі розміри і складну інфраструктуру, що робить їх більш уразливими до різного роду відмов, які можуть призвести до серйозних наслідків. У результаті, оператор повинен вирішити одну з основних проблем мережі - це забезпечення її високою надійністю, оскільки від надійності телекомунікаційної мережі залежить якість сервісу, що надається. Проблеми аналізу надійності не обмежуються тільки телекомунікаціями, вони також актуальні і для інших систем, компоненти яких можуть вийти з ладу, наприклад, енергетичні, транспортні та механічні системи, програмне забезпечення, інтегральні ланцюги та інші [1-3]. Загальною ознакою цих систем є здатність представлення їх у вигляді графа, що описує взаємозв'язки між компонентами. При цьому мережі повинні будуватися так, щоб між будь-якою парою вузлів існувало кілька шляхів передачі інформації, що забезпечує високу ймовірність наявності хоча б одного робочого шляху. В ідеалі шляхи мають бути незалежними, або допускати між будь-якими взаємодіючими парами вузлів наявність щонайменше однієї множини шляхів, які не перетинаються, і містять спільні ребра. У сучасних телекомунікаційних мережах доступність користувачів, що взаємодіють, завжди має бути постійною. Доступність мережі багато в чому залежить від її надійності, яку потрібно підтримувати на високому рівні незалежно від технологій, що використовуються на мережах: SDH/SONET, OTN, MPLS, IP та інші. Висока надійність на мережах зв'язку досягається, зокрема, і механізмами відмовостійкості, особливості яких необхідно враховувати. Оператор повинен мати можливість оперативно, за прийнятні часові рамки, розрахувати надійність своєї мережі у разі зміни її топології, складу тощо. Головною складністю є оцінка надійності телекомунікаційної мережі та визначення кількісних показників характеристик мережі, відносно яких оператор може забезпечити гарантовану якість послуг, що надаються [4,5]. У роботі аналіз надійності телекомунікаційної мережі проведено на основі показника коефіцієнта готовності, який входить до базової структури угоди про рівень обслуговування (SLA). Визначення показників надійності в складнорозгалужених мережах є важко обчислюваним завданням, і наявними методами отримати за прийнятний час точні значення цих параметрів виявляється не завжди можливим. Крім того, відомі методи застосовні не для всіх мір зв'язності мережі і не враховують механізми забезпечення відмовостійкості. Таким чином, дослідження методів розрахунку надійності телекомунікаційної мережі в межах заданого типу зв'язності, що дають змогу знизити трудомісткість розрахунків, а також ураховувати застосовувані механізми забезпечення відмовостійкості, є актуальним завданням. Об'єкт дослідження - структурна надійність телекомунікаційної мережі, що підтримує механізми забезпечення відмовостійкості. Предмет дослідження - методи оцінки ймовірностей зв'язності телекомунікаційної мережі . У першому розділі проаналізовано особливості функціонування механізмів відмовостійкості різних типів телекомунікаційних мереж. Розглянуто процес ефективного надання різноманітних послуг телекомунікаційними мережами із заданою якістю обслуговування (QoS), коли оператор має забезпечити високу надійність цих мереж, а також гарантувати її згідно з угодою про рівень обслуговування (SLA). У другому розділі на основі математичної моделі телекомунікаційної мережі, побудованої за узагальненою моделлю Ердеша-Реньї, проаналізовано процедури формування множини різних станів мереж, зокрема для двополюсних і всеполюсних графів. У третьому розділі для розрахунку імовірності зв'язності телекомунікцаійної мережі розглянуто підхід, заснований на багатозмінній інверсії (MVI), який призводить до компактної форми запису підсумкового виразу зв'язності та до зниження обчислювальної складності. Застосовано рекурсивну процедуру приведення кількох подій незв'язності до об'єднання незалежних подій, що використовує на кожному етапі лише дві операції: розщеплення і поглинання, що дає змогу не розглядати у всіх сумах інверсії всіх раніше врахованих підграфів. Розроблено модифікований підхід до оцінювання ймовірності зв'язності із застосуванням перерізів, що знижує обчислювальну складність розрахунків внаслідок меншої кількості кількості кількості перерізів порівняно з багатополюсними деревами, розглянутих на практиці графів. У четвертому розділі розглянуто вплив показників телекомунікаційної мережі на її результуючу надійність щодо коефіцієнта готовності. Запропоновано метод розрахунку ймовірностей зв'язності телекомунікаційної мережі, що підтримує механізми забезпечення відмовостійкості, який використовує розбиття елементів основного і резервного маршрутів на три групи ділянок: перша - фіксовані, друга - зарезервовані, третя - резервні. Представлено аналіз надійності телекомунікаційної мережі, основою якої є магістральна кабельна мережа, що підтримує механізми забезпечення відмовостійкості. Показано, що механізми відмовостійкості є значущим способом підвищення структурної надійності мережі. У п’ятому розділі здійснена економічна оцінка створення підприємства малого бізнесу , основною діяльністю якого буде надання послуг щодо захисту переданих даних. На основі здійснених обчислень підтверджено доцільність реалізації розглянутого проєкту.
Дослідження функціонування безпровідної сенсорної мережі при використанні методів інтелектуального аналізу даних
(Національний університет "Львівська політехніка", 2024) Клиновський, Олег Ігорович; Klynovskyi, Oleh Ihorovych; Пиріг, Юлія Володимирівна; Національний університет "Львівська політехніка"
Нині розробка і впровадження нових систем і пристроїв, що містять елементи штучного інтелекту, в усі галузі народного господарства є пріоритетним науковим напрямом. XXI століття - це століття Інтернету речей (ІР), як промислового, так і соціально-побутового, з повсюдним застосуванням лінійки методів і технологій інтелектуального аналізу даних. В архітектурі ІР виділяють чотири рівні: рівень сенсорів і сенсорних мереж, рівень шлюзів і мереж, сервісний рівень і рівень додатків [1-3]. Базовим рівнем є низькошвидкісні бездротові сенсорні мережі (БСМ), засновані на кількох стандартах. На сьогодні бездротові сенсорні мережі (БСМ) дають змогу збирати й передавати дані в Інтернеті речей (IoT - Internet Of Things) і широко використовуються в різних галузях, як-от військова, промислова, сільськогосподарська, екологічна, транспортна, соціальна та медична. БСМ належать до типу повсюдних мереж, що забезпечують безперервний зв'язок і доступ до інформації в будь-який час і в будь-якому місці. Технологічний прогрес, пов'язаний, зокрема, і з застосуванням методів інтелектуального аналізу даних, призвів до появи нових типів БСМ, таких як літаючі мережі, ройова робототехніка, тактильний інтернет, інтелектуальні телекомунікаційні послуги. У зв'язку з цим перспективним є застосування гетерогенних мереж, що інтегрують сегменти наземної мережі зі стаціонарними сенсорними вузлами з бездротовими датчиками з повітряною мережею безпілотних літальних апаратів малої вартості для передавання даних на великі відстані для обробки на базову станцію. У зв'язку з обмеженістю ресурсів БСМ, важливим питання постає вибір способу організації передавання інформації. Актуальним постають дослідження, пов'язані із застосуванням методів інтелектуального аналізу даних з метою поліпшення характеристик передавання даних і показників якості в гетерогенній бездротовій сенсорній мережі, яка містить наземний сегмент зі стаціонарними сенсорними вузлами та літаючу мережу, що є вкрай актуальним завданням під час моніторингу й контролю зон покриття з використанням Інтернету речей у важкодоступній місцевості [4,5]. Об'єктом досліджень є гетерогенні безпровідні сенсорні мережі та показники якості їхнього функціонування. Предметом досліджень є методи та алгоритми кластеризації та маршрутизації даних у гетерогенній бездротовій мережі з використанням інтелектуального аналізу даних. Метою магістерської кваліфікаційної роботи є підвищення ефективності БСМ завдяки застосуванню методів і алгоритмів інтелектуального аналізу під час збирання та маршрутизації даних у гетерогенній БСМ, яка об'єднує наземну мережу зі стаціонарними сенсорними вузлами та літаючу сенсорну мережу. У першому розділі проаналізовано показники якості обслуговування (QoS) для безпровідних мереж, на основі чого визначено, що найбільш важливими із них є час життя мережі та енергоспоживання. Розглянуто різні підходи до класифікації протоколів маршрутизації в безпровідних сенсорних мережах, що ґрунтуються на різних параметрах і критеріях. У другому розділі розглянуто алгоритми маршрутизації в БСМ на основі машинного навчання. Здійснено аналіз найбільш поширених методів ІАД, що придатні для використання в БСМ. Наведено параметри, що впливають на вибір оптимальної кількості кластерів на різних рівнях у БСМ. У третьому розділі розглянуто гетерогенну модель безпровідної сенсорної мережі, що містить дві частини: наземну і літаючу. Розроблено метод ефективної кластеризації наземної бездротової сенсорної мережі з використанням модифікованого алгоритму K-середніх, що використовує аналітичний метод для знаходження оптимальної кількості кластерів, для заданої кількості вузлів, розподілених в області зондування. У четвертому розділі представлено програмний комплекс із віддаленим доступом для моделювання передачі даних у гетерогенній БСМ та дослідження ефективності застосування алгоритмів інтелектуального аналізу даних. Здійснено імітаційне моделювання передачі даних у гетерогенній БСМ для різних сегментів мережі, топологій та з різною кількістю вузлів, продемонстровано працездатність пропонованих рішень на основі інтелектуальних методів. Показано можливість використання для рою БПЛА алгоритму K-середніх для кластеризації і знаходження найкоротшого шляху із застосуванням алгоритму Дейкстри. У п’ятому розділі здійснено техніко-економічне обгрунтування створення проєкту для використання розподілених інтрнет -ресурсів у сучасних мережах зв’язку. На основі здійснених обчислень підтверджено доцільність реалізації розглянутого проєкту.
Методи побудови розподілених інформаційно-комунікаційних систем підвищеної надійності
(Національний університет "Львівська політехніка", 2024) Рупа, Андрій Святославович; Rupa, Andrii Sviatoslavovych; Кирик, Мар'ян Іванович; Національний університет "Львівська політехніка"
Сучасні методи побудови інформаційно-комунікаційних систем активно еволюціонують у відповідь на зростання потреб у швидкості, надійності та гнучкості комунікаційних мереж. Розподілені інформаційно-комунікаційні системи характеризуються своєю здатністю забезпечувати обробку та зберігання даних через мережу різноманітних автономних компонентів. Ці системи дозволяють організаціям об'єднувати ресурси, зменшувати затримки та підвищувати доступність інформації [1]. Архітектури розподілених систем можуть бути розділені на традиційні та сучасні підходи. Традиційна ієрархічна архітектура, як правило, передбачає чітку структурованість, де інформаційні потоки організовані за рівнями. Це створює зрозумілу і логічну схему управління, однак може призводити до вузьких місць у системі, особливо коли обсяг даних і запитів значно зростає. Натомість сучасні підходи, такі як архітектура Spine-Leaf, пропонують більш гнучке та масштабоване рішення [2]. Об’єкт дослідження – розподілені інформаційно-комунікаційні системи, що характеризуються підвищеною надійністю, а також методи та технології, які використовуються для їх побудови та оптимізації в умовах сучасного цифрового середовища. Предмет дослідження – підходи та методи підвищення надійності розподілених інформаційно-комунікаційних систем, а також алгоритми і технології, що забезпечують ефективність їх функціонування в умовах динамічних змін. Мета роботи та завдання дослідження. Метою магістерської кваліфікаційної роботи є аналіз методів побудови розподілених інформаційно-комунікаційних систем підвищеної надійності. Для того щоб досягнути мети роботи, потрібно виконати наступні завдання: 1. Здійснити дослідження основних проблем у побудові надійних розподілених систем та їх вирішення 2. Проаналізувати сучасні методи побудови інформаційно-комунікаційних систем. 3. Сформувати гібридної інфраструктури мережі як підхід для побудови сучасних інформаційно-комунікаційних систем 4. Експериментально перевірити ефективність гібридного методу побудови розподілених інформаційно-комунікаційних систем підвищеної надійності. Методи дослідження. У ході виконання роботи проведено аналіз наукової літератури, проведедено експериментальні дослідження на робочому стенді, з метою визначення ефективністі гібридного методу побудови розподілених інформаційно-комунікаційних систем підвищеної надійності. Наукова новизна дослідження полягає в тому, що розроблено інтегрований підхід до створення гібридних інформаційно-комунікаційних систем, що поєднує в собі традиційні методи з новітніми технологіями. Це дозволяє досягти більш високої надійності, адаптивності та ефективності функціонування систем в умовах змінних навантажень та потенційних загроз. Результати дослідження можуть слугувати основою для подальших наукових розробок у сфері інформаційних технологій і забезпечення безпеки. Випускна кваліфікаційна робота складається зі вступу, 5-ти розділів, висновку, списку використаних джерел та додатків. У першому розділі роботи, виконано аналіз основних загроз, що впливають на надійність розподілених інформаційно-комунікаційних систем, включаючи технічні збої, людські помилки, кіберзагрози та природні катастрофи. Та проведено детальний огляд методів, які забезпечують підвищення надійності розподілених інформаційно-комунікаційних систем [3]. Другий розділ присвячений традиційні та сучасним підходам до побудови мереж. Традиційні архітектури, зокрема ієрархічні моделі, забезпечують стабільність завдяки чітко структурованим рівням управління і контролю, де кожен рівень має свої чітко визначені функції. Така архітектура здебільшого побудована на централізованих компонентах, що виконують основні функції з обробки та зберігання даних. Сучасні архітектури, такі як Leaf-Spine, пропонують новий підхід, заснований на принципах децентралізації та паралелізації [4]. У цих системах навантаження розподіляється між багатьма елементами, що дозволяє досягати високої продуктивності та забезпечує велику гнучкість [5]. У третьому розділі, виконане дослідження принципу побудови мережі на основі гібридної інфраструктури демонструє. Основні переваги такої архітектури полягають у використанні spine-leaf топології, що забезпечує рівномірний розподіл трафіку і відсутність єдиної точки відмови. Завдяки такому підходу всі компоненти мережі є взаємозамінними і мають однакові конфігурації, що не тільки спрощує їхнє обслуговування, а й дозволяє швидко проводити заміну обладнання, знижуючи ризики втрати продуктивності у випадку збоїв. У четвертому розділі, проведоно тестування гібридної мережі та її розгортання продемонструвало високу ефективність реалізації інфраструктури, що ґрунтується на топології spine-leaf. Зокрема, можливість налаштування всього Core Chunk за менше ніж годину є значною перевагою для оперативності впровадження мережевих рішень.
Методи прийняття рішень в телекомунікаційних системах на основі Big Data з використанням штучного інтелекту
(Національний університет "Львівська політехніка", 2024) Березюк, Богдан Володимирович; Berezyuk, Bohdan Volodymyrovych; Чайковський, Ігор Борисович; Національний університет "Львівська політехніка"
Застосування великих даних і штучного інтелекту (ШІ) у системах зв’язку відкриває нові можливості для автоматизації процесів прийняття рішень. Це допомагає підвищити ефективність управління мережею та забезпечує стабільну роботу системи за мінливих умов. У той же час впровадження цих технологій також пов’язане з кількома проблемами, особливо при обробці великих обсягів даних і забезпеченні точності алгоритмів. Сучасні комунікаційні системи обробляють великі обсяги інформації в режимі реального часу, що вимагає розробки оптимальних методів обробки даних для підвищення якості рішень і швидкості їх прийняття. Неправильні рішення можуть призвести до збоїв у мережі, що негативно вплине на користувачів і бізнес. У цьому випадку застосування штучного інтелекту та машинного навчання має вирішальне значення для забезпечення стабільності комунікаційної системи. Алгоритми прийняття рішень на основі ШІ обробляють дані з різних джерел для формування оптимальних рішень. Чим більше джерел інформації задіяно, тим кращими будуть прогнози та рекомендації алгоритму. Однак через надмірність даних обробка може сповільнитися, що призведе до застарілих або неточних рішень. Щоб уникнути цього, використовуйте методи попередньої обробки даних, які дозволяють виділяти важливі параметри та відкидати зайву інформацію. Це забезпечує ефективність системи навіть при високому навантаженні на обчислювальні ресурси. Застосування технологій штучного інтелекту, таких як глибокі нейронні мережі та LSTM (довга короткочасна пам’ять), дозволяє визначати складні залежності у ваших даних і прогнозувати навантаження на мережу з високою точністю. Алгоритми прийняття рішень здатні обробляти величезні масиви даних, отриманих з різних джерел, таких як датчики, користувацький трафік, аналітичні сервіси тощо [1,2]. Чим більше різнорідних джерел інформації, тим більш точними стають прогнози, оскільки алгоритми мають доступ до багатошарових і взаємопов’язаних параметрів. Це дозволяє створювати комплексні моделі для прийняття рішень, які враховують безліч факторів і можуть адаптуватися до мінливих умов роботи телекомунікаційної системи. Однак, при збільшенні обсягу даних виникає проблема їх надмірності та можливого перевантаження системи. Зайві або малозначущі дані можуть знижувати швидкість обробки інформації, що, у свою чергу, впливає на своєчасність прийняття рішень. Уникнути цього можна за допомогою методів попередньої обробки даних, таких як відбір важливих параметрів, очищення даних та зменшення розмірності. Ці методи дозволяють відфільтрувати непотрібні дані, зосередивши ресурси системи на найбільш релевантній інформації. Такі алгоритми, як нейронні мережі, класифікація даних і кластеризація, дають змогу зрозуміти стан мережі та створювати адаптивні рішення, які можуть динамічно перерозподіляти мережеві ресурси. Наприклад, системи зв’язку можуть автоматично пересилати дані на основі реальної пропускної здатності, затримки та інших важливих параметрів. Це значно покращує якість обслуговування, що надається кінцевим користувачам, зменшуючи час простою та ризик збою з’єднання [3,4]. Крім того, технологію ШІ можна використовувати для покращення кібербезпеки систем зв’язку. Алгоритми глибокого навчання дозволяють автоматично виявляти зловмисні операції або ненормальні моделі поведінки в мережевому трафіку, тим самим підвищуючи захист від мережевих атак. Автоматизовані системи аналізу великих даних можуть виявляти загрози та негайно блокувати їх, запобігаючи витоку конфіденційної інформації або втраті даних. Методи підтримки прийняття рішень з використанням штучного інтелекту широко використовуються в системах зв'язку. Це дозволяє автоматизувати процеси управління трафіком, оптимізувати шляхи передачі даних і передбачити можливі збої системи. Завдяки використанню аналізу часових рядів і алгоритмів машинного навчання ці системи можуть адаптуватися до мінливих умов роботи мережі та забезпечувати безперебійну роботу. Це особливо вірно у великих мережах, де своєчасність і точність прийняття рішень мають вирішальне значення для підтримки стабільної роботи [5-9]. Розробка нових методів прийняття рішень для комунікаційних систем на основі великих даних і штучного інтелекту є практичною сферою досліджень. Це дозволяє підвищити ефективність систем управління мережами та забезпечити надійність зв'язку в складних умовах експлуатації. Об’єкт дослідження – Системи управління телекомунікаційними мережами на основі великих даних. Сфера дослідження – Методи прийняття рішень у телекомунікаційних системах. Мета дослідження: Дослідження методів прийняття рішень для обробки великих даних з використанням штучного інтелекту для підвищення ефективності телекомунікаційних систем.
Підвищення ефективності роботи систем моніторингу інформаційно-комунікаційних мереж
(Національний університет "Львівська політехніка", 2024) Баштик, Віталій Володимирович; Bashtyk, Vitalii Volodymyrovych; Кирик, Мар'ян Іванович; Національний університет "Львівська політехніка"
Зі зростанням обсягу даних, різноманіття послуг, які надаються в корпоративних мережах, та підвищенням вимог до якості обслуговування, зростає потреба в ефективних системах моніторингу, які здатні забезпечити надійність, безпеку та високу доступність сервісів. Системи моніторингу мультисервісних корпоративних мереж виконують ключову роль у забезпеченні стабільної роботи різноманітних сервісів, включаючи голосові, відео- та дані, що передаються через одну інфраструктуру. Вони дозволяють своєчасно виявляти аномалії, що можуть виникати внаслідок збоїв обладнання, зловмисних атак або перевантаження мережі. Мета роботи та завдання дослідження. Метою магістерської кваліфікаційної роботи є підвищення ефективності роботи систем моніторингу інформаційно-комунікаційних мереж, що сприятиме підвищенню надійності мереж та швидкості реагування при її збоях. Для досягнення поставленої мети було визначено наступні завдання дослідження: 1. Здійснити аналіз сучасних методів побудови систем моніторингу корпоративних мереж; 2. Дослідити роль штучного інтелекту у моніторингу корпоративних мереж; 3. Проаналізувати практичні аспекти розгортання розроблених інтелектуальних засобів з використанням технологій віртуалізації та контейнирізації. 4. Експериментально дослідити ефективність розроблених засобів для аналізу системи сповіщень з залученням штучного інтелекту Об’єктом дослідження є процес надсилання сповіщень сучасних моніторингових систем. Предмет дослідження включає методи та підходи до побудови систем моніторингу корпоративних мереж, зокрема із залученням технологій штучного інтелекту для підвищення точності й ефективності виявлення мережевих аномалій. Особлива увага приділяється алгоритмам обробки великих обсягів даних у реальному часі та інтеграції з віртуалізованими і контейнеризованими середовищами. Методи дослідження включають проведення аналізу наукової літератури з питань аналізу сучасних методів та інструментів моніторингу, моделювання та симуляцію роботи систем на основі штучного інтелекту, а також експериментальне тестування розроблених рішень для оцінки їх ефективності у реальних умовах корпоративної мережі. Наукова новизна дослідження полягає у розробці та застосуванні гібридного підходу, що поєднує методи штучного інтелекту із класичними методами моніторингу, що дозволяє досягти високої чутливості до аномалій та зниження кількості хибнопозитивних спрацювань. У першому розділі роботи проведено детальний аналіз традиційних методів моніторингу [ 1]. Надано опис важливих аспектів для підтримки стабільності, ефективності й безпеки сучасних корпоративних інфраструктур. Традиційні методи моніторингу, такі як SNMP , NetFlow та аналіз логів, дозволяють адміністраторам своєчасно виявляти про блеми та запобігати порушенням у роботі мережі. Вони забезпечують глибокий рівень контролю над станом мережевих пристроїв та каналів, що сприяє підтриманню стабільної продуктивності мережі, а також захисту від загроз, таких як DDoS атаки або несанкціонован ий доступ. У другому розділі проведено аналіз інтеграція штучного інтелекту (AI) та машинного навчання (ML) у процес моніторингу корпоративних мереж. AI відіграє ключову роль у підвищенні їхньої ефективності і надійності [2]. Ці технології забезпечують не лише швидке виявлення загроз, але й автоматизоване реагування на них, що значно знижує ризики, пов'язані з кіберзлочинністю. AI-інструменти можуть аналізувати великі обсяги даних у реальному часі, виявляючи аномалії та потенційні загрози, які традиційні методи можуть пропустити. Алгоритми машинного навчання здатні навчатися на історичних даних, що дозволяє їм ідентифікувати нові патерни і адаптуватися до змін у мережевому середовищі. У третьому розділі обрану сучасну систему моніторингу, яка забезпечить надійний збір, зберігання та аналіз даних у реальному часі для подальшого підвищення ефективності її роботи. Однією з таких систем є Prometheus це інстру мент для моніторингу та оповіщення з відкритим кодом, який було створено для роботи в умовах високодинамічних середовищ, таких як хмарні сервіси та мікросервісні архітектури [ 3]. Prometheus вирізняється своєю здатністю ефективно обробляти великі обсяги дан их, надаючи можливість гнучкого налаштування процесу моніторингу. Ця система використовує модель збору метрик за допомогою pull підходу, що забезпечує її адаптивність до різноманітних середовищ, де об’єкти можуть швидко з’являтися та зникати [ 4]. Завдяки ц ій моделі система самостійно ініціює запити до заздалегідь визначених кінцевих точок, отримуючи необхідні дані без значного навантаження на моніторингову інфраструктуру. У четвертому розіділі докладно описано процес реалізації гібридної нейронної мережі C NN LSTM , спрямованої на вдосконалення системи сповіщень та моніторингу в інформаційно комунікаційних мережах [ 5]. Проведене дослідження підтвердило значну ефективність розробленого інструментарію, що об'єднує можливості аналізу просторових та часових закон омірностей, які проявляються у системі сповіщень. Застосування CNN дозволяє ідентифікувати важливі просторові ознаки, такі як закономірності у розташуванні подій та аномальних сигналів, що знижує загальне навантаження на систему і дозволяє концентрувати об числювальні ресурси на більш релевантних ознаках. Це значно покращує швидкість та продуктивність, роблячи обробку даних ефективнішою.
Розроблення адаптивних систем машинного навчання для прийняття рішень у телекомунікаційних системах на основі Big Data
(Національний університет "Львівська політехніка", 2024) Міщенко, Данііл Віталійович; Mishchenko, Daniil Vitaliiovych; Червенець, Володимир Володимирович; Національний університет "Львівська політехніка"
Розробка адаптивних систем машинного навчання в комунікаційних системах на основі великих даних надає нові можливості для підвищення ефективності роботи та здатності реагувати на систематичні зміни умов. В роботі досліджено різні методи обробки даних і передові технології, такі як класичні статистичні технології, машинне навчання та глибоке навчання, щоб витріщити проблеми оброблення великих даних у сфері комунікацій. Класичні методи, такі як статистичний аналіз, кластеризація та регресія, все ще є важливими інструментами для визначення моделей і тенденцій, але передові технології, такі як глибоке навчання та обробка природної мови, дозволяють покращити аналіз. З точки зору управління мережею, інструменти на основі штучного інтелекту та Інтернету речей вважаються ключовими для автоматизованих процесів, оптимізації передачі даних і покращення взаємодії з користувачем. Поєднання алгоритмів машинного навчання та аналізу великих даних дозволяє постачальникам телекомунікаційних послуг отримувати реальну інформацію та швидко адаптуватися до коливань мережі, тим самим підвищуючи конкурентоспроможність на ринку. Зі збільшенням обсягу даних операторів закликають інвестувати в адаптивні рішення, щоб не відставати від технологічного прогресу та задовольняти мінливі потреби клієнтів. Алгоритми оптимізації, математичні моделі та технології машинного та глибокого навчання, такі як методи на основі штучного інтелекту, можуть допомогти підвищити точність прогнозування та розподілу ресурсів. Дослідження підкреслює роль адаптивних систем прийняття рішень, особливо тому, що вони можуть динамічно розподіляти мережеві ресурси, реагувати на зміни навантаження в реальному часі, тим самим скорочуючи час простою та знижуючи ризик переривання кінцевого обслуговування користувачів. Крім того, робота також наголошує на застосуванні додатків безпеки мережі штучного інтелекту та використовує глибоке навчання для виявлення ненормальних умов мережевого трафіку для запобігання вразливості безпеки. Автоматизовані системи аналізу великих даних можуть виявляти та зменшувати загрози в режимі реального часу, захищати конфіденційну інформацію та гарантувати цілісність даних. За допомогою проведеного моделювання доведено адаптивність та ефективність запропонованої системи машинного навчання у сфері комунікацій на основі оброблення великих даних. Це також підтверджує здатність системи розширюватися та підтримувати стабільність, коли обсяг даних зростає, вказуючи на те, що вона підходить для хмарних додатків, які важливі для цілісності даних і можливостей реагування. Аналіз економічної ефективності розподілених нерозподілених систем зв'язку показує, що розподілені системи мають економічні переваги та швидшу окупність інвестицій, що підтверджує доцільність великомасштабної обробки даних. Це дослідження пропонує методи прийняття рішень у режимі реального часу в телекомунікаційних системах, що забезпечують масштабованістюь та надійність, сприяє розвитку адаптивного машинного навчання. Зі збільшенням складності та кількості даних запропонований метод може досягти ефективної обробки даних, сприяти активному реагуванню на попит мережі та забезпечувати послуги високої якості. Результати підкреслили потенціал машинного навчання, що динамічно адаптується до складних сценаріїв даних і змінних умов мережі зв’язку. Ця адаптація до цілісності та надійності даних високого рівня особливо корисна для забезпечення цілісності даних і швидкого відгуку. Крім того, дослідження також дає рекомендації щодо покращення продуктивності системи шляхом вибору моделей машинного навчання, технології попередньої обробки даних і налаштування для конкретних випадків використання. Використовуючи передову технологію штучного інтелекту, таку як глибоке навчання для прогнозного аналізу, система може ефективно ідентифікувати режим даних, щоб оператори могли прогнозувати навантаження на мережу та приймати рішення. Ці розробки підтримують сильну структуру прийняття рішень не тільки для підвищення ефективності мережі, але й для підвищення рівня якості обслуговування клієнтів. Майбутній напрямок дослідження включає дослідження та вдосконалений алгоритм виявлення аномальних ситуацій, технологію фільтрації даних для покращення сценаріїв у реальному часі та довгострокові економічні вигоди від використання розподілених та адаптивних структур машинного навчання в різних середовищах зв’язку. Розробляючи та впроваджуючи такі структури, система зв’язку може краще обробляти зростаючі дані [1-7]. Об’єкт дослідження – Телекомунікаційні системи з обробленням Big Data. Сфера дослідження – Алгоритми прийняття рішень. Мета дослідження – Вдосконалення методів прийняття рішень при обробці Big Data з використанням машинного навчання для підвищення ефективності роботи телекомунікаційних систем.