Ivan Dychka

The problem of the article is to increase the effectiveness of information security means within the national cyberspace by automated detection of the manipulative component in text messages of the mass media. It is shown that one of the main directions of increasing the effectiveness of such means is the use of large language models, which are capable of performing a deep contextual analysis of a natural language text, taking into account emotional, rhetorical and semantic content. It is established that most of the known solutions in the field of detecting text manipulations using large language models are quite difficult to adapt to the conditions of practical application in systems for protecting domestic cyberspace due to the need to create a powerful hardware and software infrastructure to service the corresponding LLM-means and the need to form specialized training samples that take into account the main types of manipulative influences characteristic of the realities of information confrontation. To overcome these limitations, the article proposes a concept for using LLM tools (GPT, Gemini, DeepSeek, Grok, etc.), which is based on the implementation of dialogic interaction with pre-standardized formalized queries that take into account the main types of manipulative influences. Such influences, according to the classification, include emotional-manipulative messages, information substitutions, discrediting narratives, context manipulation, propaganda constructs, exploitation of socially sensitive topics, and artificial formation of public opinion through bot activity. A method of interaction with LLM has been developed, which includes the stages of text pre-processing, the formation of queries at the basic, typological, and interpretative levels, as well as the interpretation of LLM responses in a formalized form. Experimental studies involving three groups of texts (scientific, political, and destructive-propaganda) have shown that the analysis results obtained using the GPT-4-turbo LLM tool agree with expert assessments by an average of 87%, which indicates a high level of reliability of the results obtained and confirms the practical effectiveness of the proposed solutions. It is shown that it is possible to increase the accuracy and stability of assessments of the manipulative component by retraining the LLM tools by including examples of correct answers in the query, which allows to increase the consistency of the results without the need for complete retraining of the model.

Today’s challenges determine the need to improve the biometric authentication of personnel of critical infrastructure facilities. Common means of biometric authentication, which are usually based on the use of neural network technologies for facial image analysis, need improvement in the direction of adaptation to the conditions of recognition during the performance by personnel of their functional duties, which are characterized by the influence of interference during video recording and an increase in the probability attacks using dummies. Another area of improvement is determined by the availability of video recording tools, which provide the ability to recognize a person by the iris of the eye and the ability to recognize emotions. It is shown that the first stage of improvement of neural network means of biometric authentication is the development of a formalized description of the recognition process, which takes into account promising areas of improvement. A conceptual model containing a formalized description and criteria for evaluating the effectiveness of the recognition process is proposed. At the same time, for the first time, an approach to determining the parameters of obstacles was proposed, which involves comparing the parameters of obstacles with the location and number of key and control faces that they overlap. Recognition of attacks is proposed to be implemented based on the analysis of the dynamics of basic emotions, the dynamics of eye movement parameters and the environment. The results of this study are important in the context of the development of effective biometric authentication tools, as they provide a formalized description of the requirements for the functional capabilities of the main components of the process of recognizing the identity and emotions of personnel of critical infrastructure facilities.

The ever-evolving volume of digital information requires the development of innovative search strategies aimed at obtaining the necessary data efficiently and economically feasible. The urgency of the problem is emphasized by the growing complexity of information landscapes and the need for fast data extraction methodologies. In the field of natural language processing, named entity recognition (NER) is an essential task for extracting useful information from unstructured text input for further classification into predefined categories. Nevertheless, conventional methods frequently encounter difficulties when confronted with a limited amount of labeled data, posing challenges in real-world scenarios where obtaining substantial annotated datasets is problematic or costly. In order to address the problem of domain-specific NER with limited data, this work investigates NER techniques that can overcome these constraints by continuously learning from newly collected information on pre-trained models. Several techniques are also used for making the greatest use of the limited labeled data, such as using active learning, exploiting unlabeled data, and integrating domain knowledge. Using domain-specific datasets with different levels of annotation scarcity, the fine-tuning process of pre-trained models, such as transformer-based models (TRF) and Toc2Vec (token-to-vector) models is investigated. The results show that, in general, expanding the volume of training data enhances most models' performance for NER, particularly for models with sufficient learning ability. Depending on the model architecture and the complexity of the entity label being learned, the effect of more data on the model's performance can change. After increasing the training data by 20%, the LT2V model shows the most balanced growth in accuracy overall by 11% recognizing 73% of entities and processing speed. Meanwhile, with consistent processing speed and the greatest F1-score, the Transformer-based model (TRF) shows promise for effective learning with less data, achieving 74% successful prediction and a 7% increase in performance after expanding the training data to 81%. Our results pave the way for the creation of more resilient and efficient NER systems suited to specialized domains and further the field of domain-specific NER with sparse data. We also shed light on the relative merits of various NER models and training strategies, and offer perspectives for future research.

Стаття присвячена вирішенню актуальної науково-прикладної проблеми розробки ефективних засобів прогнозування навантаження на вебсервер. Показано, що відсутність формалізованого та детального опису процесу розробки засобів прогнозування ускладнює можливість застосування в таких засобах сучасних теоретичних рішень, а відповідно і ускладнює можливість підвищення їх ефективності. В результаті проведених досліджень розроблено концептуальну модель процесу прогнозування навантаження на вебсервер, яка за рахунок врахування технічних особливостей вебсервера, типових параметрів вебтрафіку, а також за рахунок обґрунтування переліку параметрів оцінки ефективності дозволяє деталізувати напрями досліджень з проектування відповідних засобів прогнозування з урахуванням можливості застосування моделей та методів теорії вейвлет-перетворень. Визначено, що напрямки подальших досліджень пов'язані з розробкою вейвлет-моделі прогнозування навантаження на вебсервер комп’ютерної системи загального призначення

Ekman, P. (2005). Basic Emotions. In Handbook of Cognition and Emotion (p. 45–60). John Wiley & Sons, Ltd. https://doi.org/10.1002/0470013494.ch3 Bachorowski, J.-A., & Owren, M. J. (1995). Vocal Expression of Emotion: Acoustic Properties of Speech Are Associated With Emotional Intensity and Context. Psychological Science, 6(4), 219–224. https://doi.org/10.1111/j.1467-9280.1995.tb00596.x Hirschberg, J. (2006). Pragmatics and Intonation. In The Handbook of Pragmatics (eds L.R. Horn and G. Ward). https://doi.org/10.1002/9780470756959.ch23 Tereykovska, L. (2023). Methodology of automated recognition of the emotional state of listeners of the distance learning system [Dissertation, Kyiv National University of Construction and Architecture]. Institutional repository of National transport university. http://www.ntu.edu.ua/nauka/oprilyudnennya-disertacij/ Kominek, J., & Black, A. (2004). The CMU Arctic speech databases. SSW5-2004. https://www.lti.cs.cmu.edu/sites/default/files/CMU-LTI-03-177-T.pdf (date of access: 01.06.2023) Zhou, K., Sisman, B., Liu, R., & Li, H. (2022). Emotional voice conversion: Theory, databases and ESD. Speech Communication, 137, 1–18. https://doi.org/10.1016/j.specom.2021.11.006 Burkhardt, F., Paeschke, A., Rolfes, M., Sendlmeier, W. F., & Weiss, B. (2005). A database of German emotional speech. In Interspeech 2005. ISCA. https://doi.org/10.21437/interspeech.2005-446 Livingstone, S. R., & Russo, F. A. (2018). The Ryerson Audio-Visual Database of Emotional Speech and Song (RAVDESS): A dynamic, multimodal set of facial and vocal expressions in North American English. PLOS ONE, 13(5), Стаття e0196391. https://doi.org/10.1371/journal.pone.0196391 James, J., Tian, L., & Inez Watson, C. (2018). An Open Source Emotional Speech Corpus for Human Robot Interaction Applications. In Interspeech 2018. ISCA. https://doi.org/10.21437/interspeech.2018-1349 10) Costantini, G., Iaderola, I., Paoloni, A., & Todisco, M. (2014). EMOVO Corpus: an Italian Emotional Speech Database. У Proceedings of the Ninth International Conference on Language Resources and Evaluation (LREC'14), 3501–3504, Reykjavik, Iceland. European Language Resources Association (ELRA).

Розглянуто проблему комплексного подання мультимодальних даних про об’єкт спостереження, характеристики якого вимірюються та досліджуються з урахуванням часу та взаємозв’язку між даними різних модальностей. Ця проблема є актуальною для багатьох інженерних задач. Зокрема, комплексне подання даних про фізичний об’єкт є важливим у технології цифрових двійників, яка останнім часом набуває ширшого застосування. Виходячи з того, що цифровий двійник визначається поведінковою моделлю та візуальною моделлю, у статті запропоновано модель даних, що ґрунтується на понятті мукселю, який є мінімальним елементом мультимодальних даних. Ця модель дозволяє комплексне та несуперечливе подання даних про об’єкт спостереження. Математична модель комплексного подання мультимодальних даних ґрунтується на поняттях агрегату та мультиобразу, визначених у алгебраїчній системі агрегатів. Проаналізовано зв’язок між комплексним поданням та обробленням мультимодальних даних, визначених у часі, за допомогою апарату алгебраїчної системи агрегатів та розглядом наборів агрегованих даних як функцій багатьох змінних. Таким чином, оброблення даних муксельної моделі може виконуватись, як із застосуванням логічних операцій, операцій впорядкування та відношень, визначених у алгебраїчній системі агрегатів, так й операцій і підходів, визначених у інших математичних концепціях. Оскільки муксельна модель представляє дані великого обсягу, доцільно оптимізувати спосіб подання даних. Цього можна досягти ущільненням даних, модифікацією структури даних або комбінацією першого та другого підходу. У першому підході доцільно застосувати ущільнення даних муксельної моделі на основі методу RLE. У другому підході пропонується застосовувати структури даних, аналогічні розрідженому воксельному октодереву, що застосовується для зменшення обсягів даних моделей у воксельній графіці. Практична реалізація оброблення мультимодальних даних, представлених за допомогою муксельної моделі, може бути виконана за допомогою мови програмування ASAMPL.