Vira Babenko

Стаття присвячена розробці методу навчання нейронних мереж на незбалансованих даних для задачі автоматичного виявлення вразливостей програмного коду. У реальних програмних проєктах частка вразливого коду зазвичай не перевищує 5–10 % від загального обсягу, що створює значний дисбаланс класів із коефіцієнтом від 10 до 100. Такий дисбаланс призводить до градієнтного домінування класу більшості та суттєво знижує здатність моделей розпізнавати вразливості. Проведено аналіз існуючих підходів до роботи з незбалансованими даними, зокрема методів передискретизації (Random Oversampling, SMOTE, Random Undersampling), статичного зважування класів та Focal Loss. Показано, що ці методи мають суттєві обмеження при застосуванні до програмного коду: методи передискретизації некоректно працюють із дискретними структурами коду, а статичні ваги не адаптуються до зміни складності прикладів у процесі навчання. Запропоновано метод адаптивного зважування, що поєднує три компоненти: зважування класів із параметричним контролем сили корекції на основі оберненої частоти класу, динамічне оцінювання складності прикладів на основі ентропії передбачення моделі та компонент навчального плану (curriculum learning), який забезпечує поступове введення складних прикладів через експоненціальну функцію темпу. Додатково розроблено стратегію адаптивного семплювання мінібатчів, що динамічно регулює співвідношення класів залежно від прогресу навчання та гарантує представництво класу меншості в кожному мінібатчі. Наведено математичну формалізацію всіх компонентів методу, включаючи механізми нормалізації ваг для збереження масштабу градієнтів та часткової компенсації зміщення семплювання через налаштовуваний параметр балансу. Результати дослідження можуть бути використані для підвищення ефективності систем автоматичного аналізу безпеки програмного забезпечення

У статті розглянуто проблему верифікації політик безпеки в умовах багаторівневих, розподілених та динамічних інформаційних середовищ. Показано обмеженість традиційних централізованих підходів у контексті зростання складності сучасних інформаційних систем і кількості взаємопов’язаних політик. Обґрунтовано доцільність застосування модульних експертних систем для підвищення гнучкості, масштабованості та адаптивності процесів перевірки політик безпеки. Акцент зроблено на необхідності формалізованого подання політик і автоматизованого виявлення конфліктів та прогалин у правилах доступу. Запропонований підхід орієнтований на використання в гетерогенних середовищах із багаторівневою структурою контролю безпеки. Метою дослідження є розробка архітектури модульної експертної системи для верифікації політик безпеки в багаторівневих інформаційних середовищах. Дослідження базується на використанні методів формалізації політик безпеки, логічного аналізу правил доступу та модульного проєктування експертних систем. Для оцінювання ефективності запропонованого підходу застосовано експериментальне моделювання та порівняльний аналіз із наявними рішеннями. Запропоновано архітектурну модель експертної системи з незалежними модулями верифікації, синхронізованими через централізований контролер. Експериментальні результати підтвердили підвищення швидкості перевірки політик, покращення масштабованості та зменшення часу оновлення знань порівняно з традиційними підходами. Наукова новизна полягає у поєднанні модульного підходу з ієрархічною моделлю інформаційного середовища для верифікації політик безпеки. Запропонована архітектура забезпечує узгоджену перевірку політик на різних рівнях без втручання у внутрішню логіку окремих модулів. Отримані результати підтверджують ефективність модульної експертної системи для застосування в складних інформаційних середовищах. Запропонований підхід може бути використаний як основа для створення інструментів автоматизованого контролю та аналізу політик безпеки в критично важливих інформаційних системах.

У статті розглянуто актуальну на сьогоднішній день задачу синтезу СЕТ-операцій на основі елементарних функцій операцій керованих інформацією. Роботу присвячено питанням зменшення складності генерації максимальної кілько- сті СЕТ-операцій на основі елементарних функцій операцій керованих інформацією для малоресурсних потокових шифрів. У роботі було проведено моделювання СЕТ-операцій та отримано чотири підгрупи по 10 симетричних операцій. Будь яка з підгруп може бути використана для побудови 48 СЕТ-операцій, які включають усі 10 операцій цієї підгрупи. Проведено аналіз обчислювального експерименту щодо моделювання СЕТ-операцій на основі елементарних функцій операцій керованих інформацією. Встановлено відсутність перетину серед синтезованих множин СЕТ-операцій, на основі модифікацій СЕТ-операцій з різних підгруп. На основі вибору чотирьох СЕТ-операцій (по одній з кожної групи) існує можливість синтезування повної групи СЕТ-операцій на основі елементарних функцій керованих інформацією. Така група включає 192 операції. У роботі наведено групу елементарних функцій операцій керованих інформацією та підмножини симетричних СЕТ-операцій на основі елементарних функцій операцій керованих інформацією. Описано вимоги, на основі яких необхідно проводити вибір базової групи для побудови методу синтезу СЕТ-операцій на основі елементарних функцій операцій керованих інформацією. Наведено умови розгляду вимог до СЕТ-операцій базової групи. За результатами обчислювального експерименту розроблено метод вибору базових груп симетричних СЕТ-операцій, що дає можливість зменшити складність генерації максимальної кількості СЕТ-операцій на основі елементарних функцій операцій керованих інформацією для малоресурсних потокових шифрів. Розроблений метод можливо застосовувати в малоресурсних телекомунікаційних системах як мобільного, так і стаціонарного типу. Перспективою подальших досліджень з напрямку є побудова малоресурсних систем криптографічного перетворення інформації із застосуванням СЕТ-операцій на основі елементарних функцій операцій керованих інформацією.

The subject matter of the article is the scientific and methodological apparatus for constructing and implementing information-driven SET-operations. The goal of the work is to construct a model for the synthesis of symmetric two-operand SET-operations that allow permutation of operands and to determine the restrictions on their use in the development of low-resource stream ciphers. The following tasks are solved in the article: a model for the synthesis of symmetric two-operand SET-operations that allow permutation of operands is developed; restrictions on the use of this model are determined, which guarantee the construction of symmetric two-operand SET-operations that allow permutation of operands; it is shown that a pseudo-random change in the operating modes of the cryptographic system significantly complicates the processes of cryptanalysis of ciphergrams; modeling of SET-operations based on duplication of single-operand two-bit SET operations is carried out; the technology for constructing two-operand SET-operations based on duplication is applied to obtain a set of two-operand SET-operations. Methods of discrete mathematics, Set-theory and situational management have been introduced. Achieved results. Synthesized on the basis of this model of SET-operations allow changing the operating mode of stream cryptographic systems from symmetric to asymmetric when permuting operands in the operation. At present, the forefront of modern world experience in cryptographic science is a low-resource cryptographic system. Low-resource cryptography allows ensuring sufficiently stable cryptosystem performance with significant limitations on computational, mass-dimensional, cost and energy resources of the object of interest. One of the most relevant areas of further development of low-resource cryptography is considered to be cryptographic coding. In the process of cryptographic coding, cryptographic coding operations are implemented. The selection of operations is carried out under the control of a pseudo-random sequence, which is implemented by a cryptographic algorithm. Conclusions. A model for the synthesis of symmetric two-operand SET-operations that allow permutation of operands has been developed. Restrictions on the use of this model have been determined, which guarantee the construction of symmetric two-operand SET-operations that allow permutation of operands. The achieved results can be useful for the construction of low-resource stream encryption systems. Pseudo-random change of the operating modes of the cryptographic system significantly complicates the processes of cryptanalysis of ciphertexts.

В роботі детально проаналізовано сучасні підходи, міжнародні стандарти (CobiT, ITIL, ISO/IEC 27000) і національне законодавство, що регламентують управління кіберінцидентами, а також особливості їх застосування в умовах військового конфлікту. Окремо акцентовано на ролі державних органів, таких як Державна служба спеціального зв’язку та захисту інформації та CERT-UA, які координують заходи з кіберзахисту та реагування на інциденти. Визначено ключові етапи управління інцидентами – підготовка, швидке реагування і відновлення – як невід’ємні складові циклу безперервного удосконалення системи кібербезпеки. Особливу увагу приділено технологічним засобам підвищення кіберстійкості КІ: впровадженню SIEM-систем для моніторингу та аналізу загроз у режимі реального часу, автоматизації реагування, а також застосуванню міжнародно визнаних протоколів обміну інформацією про інциденти (наприклад Traffic Light Protocol – TLP). Підкреслено необхідність формування скоординованих міжвідомчих команд реагування, чіткого розподілу ролей і зон відповідальності, а також побудови ефективної комунікації між державними структурами, приватним сектором та операторами КІ. Не менш важливим є акцент на підготовці кадрів: регулярні тренінги, імітаційні вправи та оцінка ефективності заходів за допомогою метрик дозволяють підтримувати високий рівень готовності до кіберінцидентів. Результати дослідження можуть стати основою для розроблення інтегрованої національної системи управління інцидентами інформаційної безпеки, яка забезпечить адекватний рівень захисту стратегічних об’єктів і сприятиме зміцненню кіберстійкості держави. Запропоновані підходи та рекомендації мають безпосередній вплив на зниження ризиків кіберзагроз, мінімізацію потенційних збитків і гарантування безперервності життєво важливих функцій України в умовах постійних викликів сучасного кіберпростору.

This paper introduces a unified theoretical perspective that views deep generative models as probability transformation functions. Despite the apparent differences in architecture and training methodologies among various types of generative models - autoencoders, autoregressive models, generative adversarial networks, normalizing flows, diffusion models, and flow matching - we demonstrate that they all fundamentally operate by transforming simple predefined distributions into complex target data distributions. This unifying perspective facilitates the transfer of methodological improvements between model architectures and provides a foundation for developing universal theoretical approaches, potentially leading to more efficient and effective generative modeling techniques.

This paper examines the fundamental characteristics and applications of generative deep learning models in machine learning, with particular focus on their methodological frameworks and practical implementations. To identify and analyze the implementation and application characteristics of generative models, we conduct a systematic examination of four main types: autoregressive models, which have become foundational for large language models and sequential data processing; variational autoencoders, which utilize latent space constraints and probabilistic encoding; generative adversarial networks, which employ discriminator-based learning through competitive neural architectures; and diffusion models, which implement a noise-reduction approach through iterative refinement. Each model type presents distinct methodological solutions to the challenge of generating objects that approximate the probability distribution of a given dataset, offering unique advantages and considerations for different application scenarios. This analysis contributes to the understanding of how different generative architectures can be effectively utilized in various machine learning applications. The research demonstrates the practical applications of these models across multiple domains, highlighting their impact on contemporary machine learning tasks. In computer vision and multimedia, they have proven effective for image synthesis, super-resolution enhancement, and video generation, contributing to significant advances in content creation and modification. Their application extends to healthcare, where they facilitate the generation of synthetic patient data while maintaining privacy requirements and adhering to ethical guidelines. The study highlights the particular utility of generative models in data augmentation scenarios, especially in fields where data collection faces practical or ethical limitations, such as medical imaging and specialized research domains. Special attention is given to the conditioning mechanism that enables natural language interaction with the generation process, which has led to significant advances in text-to-image and text-to-video applications.