http://nrpcomp.ukma.edu.ua/issue/feedНаукові записки НаУКМА. Комп'ютерні науки2025-05-14T15:12:55+03:00Oksana Kyriienkoo.kyriienko@ukma.edu.uaOpen Journal Systems<p style="font-size: 120%;">Періодичне фахове видання <em>«Наукові записки НаУКМА. Комп’ютерні науки»</em> є науковим рецензованим журналом відкритого доступу, в основу діяльності якого покладено публікацію наукових статей в галузі <em>сучасної кiбернетики, інформатики та програмування</em>.</p> <p style="font-size: 120%;"><em><span style="font-weight: 400;">Ідентифікатор медіа: R40-04349</span></em></p> <p style="font-size: 120%;"><em>P-ISSN: 2617-3808<br />E-ISSN: 2617-7323</em></p> <hr /> <p style="font-size: 120%;"><a href="https://mon.gov.ua/static-objects/mon/sites/1/atestatsiya-kadriv-vyshchoi-kvalifikatisii/2024/10/02/per-fakh-vid-dlya-publ-rez-dosl-na-zdob-stup-dn-kn-df-02-10-2024.pdf" target="_blank" rel="noopener">Журнал входить до Переліку наукових фахових видань України, в яких можуть публікуватися результати дисертаційних робіт на здобуття наукових ступенів доктора наук, кандидата наук та ступеня доктора філософії, категорія «Б» (наказ Міністерства освіти і науки України від 02.07.2020 № 886).</a></p>http://nrpcomp.ukma.edu.ua/article/view/329427Координація мікросервісів із використанням машин станів2025-05-12T17:24:20+03:00Олексій Віталійович Олецькийoletsky@ukma.edu.uaВіталій Олегович Моголівськийv.moholivskyi@ukma.edu.ua<p>У статті розглянуто підхід до координації мікросервісів на основі використання машин станів як абстракції для управління розподіленим потоком виконання програми з мікросервісною архітектурою. Реалізовано прототип бібліотеки, загальну архітектуру і принципи роботи якого описано в статті.<br>У разі застосування описаного підходу полегшується та упорядковується робота з паралельними потоками виконання і довготривалими фоновими задачами. Крім того, покращується прозорість процесів, що полегшує їх моніторинг, візуалізацію, тестування і відлагодження. Для використання машин станів у мікросервісному середовищі реалізовано інтеграцію з брокером повідомлень і належне довготривале зберігання їхнього стану.</p>2025-05-12T00:00:00+03:00Авторське право (c) 2024 O. Oletsky, V. Moholivskyihttp://nrpcomp.ukma.edu.ua/article/view/329430Система для автоматизації процесу нормалізації баз даних2025-05-12T17:42:17+03:00Соломія Андріївна Яремкоs.yaremko@ukma.edu.uaВолодимир Ігорович Новакvolodymyr.novak@ukma.edu.ua<p>У статті розкрито поняття процесу нормалізації баз даних, проведено аналіз наявних інструментів для нормалізації, виділено основні їхні переваги та недоліки. Описано функціонал і реалізацію нової системи для автоматичної нормалізації структури бази даних з урахуванням недоліків наявних систем.</p>2025-05-12T00:00:00+03:00Авторське право (c) 2024 S. Yaremko, V. Novakhttp://nrpcomp.ukma.edu.ua/article/view/329537Алгоритмічний підхід до аналізу метрик у галузі розроблення відеоігор з відкритим світом2025-05-13T12:22:44+03:00Максим Володимирович Касьяненкоomnix.try@gmail.comАлла Миколаївна Нагірнаa.nahirna@ukma.edu.ua<p>Статтю присвячено розгляду наявних метрик у галузі розроблення відеоігор із відкритим світом та побудові алгоритмічного підходу до аналізу цього типу метрик. Для відеоігор із відкритим світом запропоновано низку числових і графічних метрик, що дають змогу аналізувати продукт ще на етапі його розроблення, однак мають низку недоліків. Також представлено програмну реалізацію алгоритмічного підходу, що дає можливість обчислювати й аналізувати метрики для ігор із відкритим світом. Роботу системи було перевірено шляхом аналізу реальної відеогри.</p>2025-05-12T00:00:00+03:00Авторське право (c) 2024 M. Kasianenko, A. Nahirnahttp://nrpcomp.ukma.edu.ua/article/view/329538Розподіл хмарних ресурсів на базі нуклеолуса2025-05-13T12:48:01+03:00Богдан Андрійович Артюшенкоbogdan.artyushenko@intellias.com<p>Хмарні обчислення змінили процес менеджменту інфраструктури та ввели нові виклики, зокрема керування витратами на хмару. В роботі розглянуто розподіл хмарних ресурсів із метою оптимізації витрат. Показано, що розподіл хмарних ресурсів можливо розглядати як приклад кооперативної гри. Запропоновано підхід на базі нуклеолуса для розв’язання задачі максимізації найгіршого ексцесу коаліції при розподілі хмарних ресурсів. Розглянуто й досліджено приклади наближені до реальних із порівнянням з поширеними підходами.</p>2025-05-12T00:00:00+03:00Авторське право (c) 2024 Bohdan Artiushenkohttp://nrpcomp.ukma.edu.ua/article/view/329540Автоматизована генерація і налаштування мікросервісів для спрощення процесу розроблення2025-05-13T13:02:14+03:00Павло Володимирович Колінькоp.kolinko@ukma.edu.ua<p>У статті розглянуто підходи і методи автоматизованої генерації коду та структури застосунків, зокрема таких, що базуються на мікросервісній архітектурі. Описано розроблений програмний застосунок для генерації мікросервісної архітектури засобами платформи Node.js. В основу розробки покладено використання автоматизованої генерації програмного коду та архітектури на базі поняття scaffolding.</p>2025-05-12T00:00:00+03:00Авторське право (c) 2024 Pavlo Kolinkohttp://nrpcomp.ukma.edu.ua/article/view/329551Автоматизована локалізація застосунків у мікросервісній архітектурі2025-05-13T13:47:37+03:00Владислав Віталійович Веретаv.vereta@ukma.edu.uaВладислав Олександрович Ткаченкоvo.tkachenko@ukma.edu.ua<p>У цій статті проведено аналіз різних інструментів і сервісів для здійснення локалізації (перекладу) вебзастосунків, методів і підходів до їх інтеграції та масштабування. Розглянуто наявні рішення для управління локалізаціями вебсервісів. Описано розроблену архітектуру, яка дає змогу швидко адаптувати сервіс під потреби різних користувачів і різних проєктів та ефективно інтегруватися з різними платформами з урахуванням простого масштабування сервісу.<br>На базі цієї архітектури реалізовано вебсервіс EchoLocal. Він покращує взаємодію учасників процесу локалізації вебзастосунків, а також дає змогу оптимально інтегрувати цей процес у розподілену мікросервісну архітектуру сучасних застосунків і просто розгортати у своїй закритій екосистемі. EchoLocal надає можливість своїм користувачам інтегрувати та управляти локалізаціями своїх продуктів в одному місці в реальному часі.<br>EchoLocal допоможе знизити витрати на локалізацію, спростити процес адаптації контенту під різні мовні ринки та підвищити ефективність комунікації між усіма учасниками процесу локалізації.</p>2025-05-12T00:00:00+03:00Авторське право (c) 2024 V. Vereta, V. Tkachenkohttp://nrpcomp.ukma.edu.ua/article/view/329569Моделювання технології блокчейн2025-05-13T14:42:50+03:00Микола Сергійович Єщенкоm.yeshchenko@ukma.edu.ua<p>У статті розглянуто ключові характеристики технології блокчейну і підходи до комплексного моделювання блокчейну з відтворенням усіх його атрибутів. Визначено найбільш перспективний спосіб моделювання для подальшого дослідження.</p>2025-05-12T00:00:00+03:00Авторське право (c) 2024 Mykola Yeshchenkohttp://nrpcomp.ukma.edu.ua/article/view/329579Забезпечення порядку оброблення повідомлень у розподілених системах2025-05-13T15:12:54+03:00Андрій Миколайович Давиденкоandrii.davydenko@ukma.edu.ua<p>У статті проаналізовано основні виклики, які є актуальними для розробників розподілених систем, зокрема стосовно забезпечення порядку оброблень подій, що відбуваються у системі, та його впливу на загальний стан системи. Відповідно до цього, запропоновано класифікацію розподілених систем. Наведено приклади використання можливостей сучасних брокерів повідомлень RabbitMQ та Apache Kafka, які дають змогу забезпечити оброблення повідомлень лише одним споживачем у розподіленій системі, та порівняно їхні можливості.</p>2025-05-12T00:00:00+03:00Авторське право (c) 2024 Andrii Davydenkohttp://nrpcomp.ukma.edu.ua/article/view/329588Структурований оптимізований пошук у неструктурованих даних для задачі аналізу меню2025-05-13T15:57:14+03:00Олег Русланович Смишo.smysh@ukma.edu.uaАнастасія Олексіївна Чижоваanastasiia.chyzhova@ukma.edu.ua<p>У статті представлено розроблення пошукової системи для цифрових меню закладів харчування Києва українською мовою. Проєкт реалізовано з використанням сучасних методів обробки природної української мови, зокрема для завдань лематизації, класифікації текстів і фільтрації даних. Основну увагу приділено розробленню алгоритмів, які забезпечують пошук інформації про складники страв, харчові обмеження, алергени та інші ключові характеристики.<br>У рамках дослідження здійснено аналіз цифрових меню київських закладів, що надало змогу сформувати цілісну картину сучасного стану ресторанного бізнесу в Україні. Результати роботи демонструють можливість структурованого та оптимізованого пошуку в неструктурованих даних меню українською мовою, що дає змогу користувачам легко обирати страви, які розміщено ресторанами.</p>2025-05-12T00:00:00+03:00Авторське право (c) 2024 O. Smysh, A. Chyzhovahttp://nrpcomp.ukma.edu.ua/article/view/329676Узагальнений агент штучного інтелекту SIMA2025-05-14T09:40:28+03:00Микола Миколайович Глибовецьglib@ukma.edu.uaНазарій Петрович Бачинськийn.bachynskyi@ukma.edu.ua<p>Стаття аналізує проєкт SIMA (Scalable, Instructable, Multiworld Agent) від Google DeepMind, спрямований на створення узагальненого ШІ-агента, здатного виконувати завдання у різноманітних тривимірних середовищах за мовними інструкціями. Розглянуто методи навчання, оцінювання та особливості роботи агента, а також проведено порівняння з іншими проєктами, такими як OpenAI Five і AlphaStar. Попри досягнуті результати, висвітлено ключові виклики, зокрема технічні та етичні аспекти, що залишаються на шляху до створення загального штучного інтелекту.</p>2025-05-12T00:00:00+03:00Авторське право (c) 2024 M. Glybovets, N. Bachynskyihttp://nrpcomp.ukma.edu.ua/article/view/329682Фреймворк управління загрозами та реагування на інциденти IoT системи2025-05-14T09:57:53+03:00Сергій Сергійович Щербинаserhii.shcherbyna@ukma.edu.uaТрохим Анатолійович Бабичt.babych@ukma.edu.ua<p>У статті розглянуто розроблення та впровадження фреймворку для управління загрозами та реагування на інциденти в системах Інтернету речей (IoT). Запропонований фреймворк поєднує елементи розподіленої архітектури, зокрема Nginx як розподільник навантаження, MQTT брокер HiveMQ, сервер авторизації та збірку сервісів ELK Stack. Це рішення забезпечує безпечну комунікацію IoT пристроїв за допомогою протоколу TLS та механізмів шифрування, автентифікації і авторизації. Особливу увагу надано використанню машинного навчання для виявлення аномалій у реальному часі, що дає змогу ефективно реагувати на потенційні загрози в різних доменах IoT. Фреймворк розроблено з урахуванням обмежених обчислювальних ресурсів IoT пристроїв і вимог до їхньої безпеки.</p>2025-05-12T00:00:00+03:00Авторське право (c) 2024 S. Shcherbyna, T. Babychhttp://nrpcomp.ukma.edu.ua/article/view/329686Вразливості безпеки та рішення для захисту в системах Інтернету речей2025-05-14T10:22:25+03:00Андрій Миколайович Глибовецьa.glybovets@ukma.edu.uaСергій Сергійович Щербинаserhii.shcherbyna@ukma.edu.uaОксана Валентинівна Кирієнкоo.kyriienko@ukma.edu.ua<p>У статті представлено аналіз розробки комплексного рішення для захисту IoT систем та відомих і новітніх рішень у цій сфері.<br>Спочатку було окреслено шарове представлення архітектури IoT систем, а саме рівні сприйняття, мережі, оброблення даних і застосунку. Кожному з цих рівнів притаманні як спільні вразливості, так і унікальні. Ми уточнили критичні точки вразливості, охарактеризували основні проблеми автентифікації та авторизації. Зазначили, що стандартні облікові дані визначають як найпоширенішу та найпростішу складову вразливість, якою користуються зловмисники.<br>Проаналізовано наукові роботи, присвячені вирішенню проблем у сфері контролю доступу: централізовані центри довіри в TLS протоколі і пропозицію переходу на розподілені центри; випадки застосування IoT пристроїв без традиційних способів контролю доступу.<br>Значну увагу приділено шифруванню. Досліджені такі шифрувальні протоколи та методи, як TLS, DTLS, Novel Tiny Symmetric Encryption Algorithm, Lightweight CA Cipher (LCC) та Functional Encryption (FE), а також їхнє оптимальне застосування в IoT.</p>2025-05-12T00:00:00+03:00Авторське право (c) 2024 A. Hlybovets, S. Shcherbyna, О. Kyriienkohttp://nrpcomp.ukma.edu.ua/article/view/329715Сучасні підходи до використання баз знань для вирішення проблем великих мовних моделей2025-05-14T13:20:36+03:00Максим Віталійович Андрощукmaxym.androshchuk@ukma.edu.ua<p>Розглянуто можливості інтеграції великих мовних моделей (ВММ) із базами знань для підвищення точності й надійності їхніх відповідей. Визначено переваги такого поєднання, зокрема зменшення ризику галюцинацій — генерування неправильної або вигаданої інформації. Проаналізовано різні підходи до об’єднання ВММ із базами знань, їхні сильні та слабкі сторони. Обговорено перспективи та виклики у застосуванні цієї технології в різних галузях, зокрема інформаційний пошук, підтримку прийняття рішень та автоматизоване створення контенту. Стаття надає огляд сучасного стану досліджень у цій сфері та окреслює напрями для подальшого вивчення.</p>2025-05-12T00:00:00+03:00Авторське право (c) 2024 Maksym Androshchukhttp://nrpcomp.ukma.edu.ua/article/view/329717Оброблення природної мови за допомоги великих мовних моделей і методів машинного навчання2025-05-14T13:41:51+03:00Микола Миколайович Глибовецьglib@ukma.edu.uaДмитро Володимирович Задохінd.zadokhin@ukma.edu.uaБогдан-Ярема Дехтярb.dekhtіar@ukma.edu.uaОлена Миколаївна Пєчкуроваpyechkurova@ukma.edu.ua<p>У статті представлено аналіз можливостей великих мовних моделей для вирішення задач NLP. Описано особливості архітектури Transformer, що є основою для сучасних моделей з оброблення природної мови. Розглянуто окремі компоненти архітектури, їхню роль і важливість для роботи з людською мовою. Проведено порівняльний аналіз Transformer та інших наявних моделей для завдання машинного перекладу.<br>Проаналізовано фактори, що дали змогу створювати моделі з мільярдами параметрів — великі мовні моделі. Розглянуто сім’ю моделей Llama від Meta як приклад такої моделі. Особливу увагу було приділено моделям порівняно невеликого розміру, що можуть бути потужним і водночас доступним інструментом для оброблення природної мови.<br>Наразі глибинне машинне навчання і згорткові нейронні мережі (CNN) посідають важливе місце у сфері оброблення природної мови (NLP). Тому в статті оцінено ефективність використання його алгоритмів, моделей і методів для вирішення основних задач на прикладі задачі розпізнавання іменованих сутностей (NER).<br>Наведено методи глибинного навчання, які зробили революцію в NER, надавши можливість набагато краще розуміти контекст, фіксувати залежності на великих відстанях і ефективно використовувати великі обсяги даних. Проведено класифікацію моделей на основі трансформерів, що дають найкращі результати на цей момент. Зараз існує багато моделей, розроблених на основі трансформера.<br>Описано результати порівняння двох із найпоширеніших моделей — BERT (гарні результати у широкому спектрі завдань NLP, зокрема відповіді на запитання, класифікація тексту, висновок природною мовою, передбачення лівого і правого контексту слова) і GPT-3 (великі успіхи, як-от мовне моделювання, генерування тексту й відповіді на запитання). Ці моделі проходять попереднє навчання на великих текстових наборах даних, щоб вивчити фундаментальні мовні уявлення. Обидві моделі активно використовують потенціал тонкого налаштування.</p>2025-05-12T00:00:00+03:00Авторське право (c) 2024 M. Glybovets, D. Zadokhin, B. Dekhtіar, O. Pyechkurovahttp://nrpcomp.ukma.edu.ua/article/view/329728Візуалізація когнітивних станів на основі Raspberry Pi для біологічного зворотного зв’язку в реальному часі за допомогою нейро-комп’ютерного інтерфейсу2025-05-14T14:53:04+03:00Євген Анатолійович Волинецьye.volynets@ukma.edu.uaСвітлана Миколаївна Хмельsvitlana.khmel@ukma.edu.uaОлена Миколаївна Пєчкуроваpyechkurova@ukma.edu.ua<p>Нейрокомп’ютерний інтерфейс на основі ЕЕГ (Electroencephalography, електроенцефалографія) — це технологія, яка дає змогу встановлювати взаємодію між мозком людини і зовнішніми пристроями, такими як комп’ютери чи робототехніка. Основні принципи такого інтерфейсу:<br>1. Зчитування електричної активності мозку за допомогою електродів, розміщених на поверхні скальпа. Ці сигнали ЕЕГ відображають коливання потенціалів нейронів.<br>2. Оброблення та аналіз ЕЕГ-сигналів за допомогою алгоритмів машинного навчання, щоб визначити певні патерни, пов’язані з конкретними розумовими станами чи намірами користувача.<br>3. Переклад цих розпізнаних патернів у команди для управління зовнішніми пристроями, такими як комп’ютер, протези чи інтерфейси віртуальної реальності.<br>Ключові переваги нейрокомп’ютерних інтерфейсів на основі ЕЕГ — це можливість безпосереднього керування пристроями за допомогою думок та намірів, не вдаючись до традиційних методів введення, наприклад клавіатури чи миші. Це відкриває нові перспективи для людей з обмеженими можливостями, а також для інноваційних застосувань у сферах нейрореабілітації, ігор, віртуальної реальності тощо.<br>У статті описано дослідження можливостей використання ЕЕГ пристрою для збору та візуалізації інформації про когнітивний стан користувача пристрою. Дослідження проводили на електроенцефалографічному приладі Emotiv INSIGHT (5-канальна система електроенцефалографії (EEG) із напівсухими полімерними датчиками), та Raspberry Pi 4B. В рамках дослідження було розроблено прототип, що дає можливість візуалізовувати показники про емоційний і ментальний стан користувача за допомогою LED, що під’єднані до Raspberry Pi.</p>2025-05-12T00:00:00+03:00Авторське право (c) 2024 Y. Volynets, S. Khmel, O. Pyechkurovahttp://nrpcomp.ukma.edu.ua/article/view/329733Локальне керування в мережах Ґордона — Ньюелла2025-05-14T15:12:55+03:00Руслан Костянтинович Чорнейr.chornei@ukma.edu.ua<p>Запропоновано модифікацію мережі Ґордона — Ньюелла з локальною та синхронною взаємодією, яка обслуговує клієнтів у замкнутому режимі. Система околів задається за допомогою деякого скінченного графа вузлів системи. Запропоновано процедуру знаходження оптимальних нерандомізованих стратегій керування для систем із критерієм усереднених в одиницю часу витрат.</p>2025-05-12T00:00:00+03:00Авторське право (c) 2024 Ruslan Chorneihttp://nrpcomp.ukma.edu.ua/article/view/329426Передмова2025-05-12T17:13:52+03:00Микола Миколайович Глибовецьglib@ukma.edu.ua2025-05-12T00:00:00+03:00Авторське право (c) 2024 Mykola Glybovets