В. Г. Дзісяк
Current Organizations / Institutes
The organizations/institutes from the scholar's latest article
Research Subjects
В. Г. Дзісяк has a total of 13 co-authors. Here are the top co-authors by number of shared publications:
- Artem Antonenko
National University of Life and Environmental Sciences of Ukraine
4 shared publications - Юрій Валентинович Мішкур
Державний університет інформаційно-комунікаційних технологій
4 shared publications - Andrii Balvak
State University of Information and Communication Technologies
3 shared publications - С. О. Востріков
Державний університет інформаційно-комунікаційних технологій
3 shared publications Arsenii Tverdokhlib
State University Information and Communication Technologies
1 shared publication- Danyil Solskyi
Державний університет інформаційних та комунікаційних технологій
1 shared publication
Latest Publications
- Open Access
- 30 December 2025
- Published by Publishing House Helvetica (Publications) in Таврійський науковий вісник. Серія: Технічні науки
- No. 6,p. 3-14
УДОСКОНАЛЕННЯ МЕТОДІВ УПРАВЛІННЯ ТА ІНТЕГРАЦІЇ КОМПОНЕНТІВ В ІНФРАСТРУКТУРУ РОЗПОДІЛЕНИХ СИСТЕМ
У статті розглядаються сучасні платформи для потокового аналізу даних, що забезпечують реальний час обробки в розподілених системах. Серед ключових – Apache Kafka, Flink та Spark Streaming. Kafka функціонує як розподілений журнал змін (commit log), записуючи події в упорядковані стрічки для надійної доставки та відтворення історії. Логічна структура тем з партиціями дозволяє масштабувати потоки, розподіляючи їх між незалежними споживачами, досягаючи високої пропускної здатності в системах з багатьма джерелами. Flink забезпечує низькозатримкову обробку, підтримуючи об’єднання потоків, часові вікна та станоутримуючі обчислення. Гнучкість до джерел/приймачів та адаптивність до змін конфігурації без перезапуску, з checkpointing для збереження станів та автоматичного відновлення після збоїв, критична для довготривалих обчислень з цілісністю даних. Spark Streaming застосовує micro-batching, агрегуючи дані в інтервали для обробки як пакети, інтегруючи з механізмами Spark для поєднання потокової аналітики з історичними даними, ідеально для моніторингу та прогнозних моделей.Інфраструктура потокової обробки включає Kubernetes для автоматизованого розгортання контейнерів, динамічного масштабування вузлів за навантаженням, моніторингу стану та самовідновлення шляхом перезапуску. Балансування навантаження рівномірно розподіляє дані, запобігаючи перевантаженням у багатокомпонентних системах. Машинне навчання посилює адаптивність, прогнозуючи збої на основі історичних/поточних даних, виявляючи закономірності для проактивного реагування. Виклик concept drift – зміна характеристик даних – вирішується онлайн-навчанням, що оновлює моделі в потоці для збереження точності. Інтеграція з виявленням аномалій (пороги, кластеризація, Isolation Forest) дозволяє оперативно фіксувати загрози, збої чи атаки в розподілених середовищах з багатьма джерелами. ML оптимізує розподіл навантаження в хмарах, прогнозуючи та виділяючи ресурси для завантажених компонентів, мінімізуючи ризики та витрати. Потоковий аналіз забезпечує безперебійність, надаючи актуальну інформацію про компоненти та виявляючи відхилення проактивно. Інтеграція з резервуванням фіксує стани в реальному часі для швидкого відновлення, відтворюючи події для аналізу інцидентів. Консенсус RAFT синхронізує зміни між репліками, забезпечуючи узгодженість при асинхронних подіях та втратах вузлів. Резервне копіювання в потокових системах охоплює checkpoints для мінімальних втрат. У Kubernetes – знімки via Velero, включаючи дані, конфігурації, секрети для автоматичного відновлення в держреєстрах України (ЄДР, eHealth). Кластеризація в Kafka розподіляє партиції між брокерами з автопередачею при збоях. Горизонтальне масштабування реагує на пікові навантаження в держсистемах (податки, соціальні заявки). Моніторинг Prometheus/Grafana збирає метрики в реальному часі (навантаження, помилки), інтегруючись з Kafka via JMX для виявлення деградації. Попереджувальне обслуговування з ML прогнозує відмови за аномаліями, активуючи захист в кібербезпеці (сканування, підбір паролів). Оптимізація архітектури – дедуплікація, налаштування партицій, компактні формати (Avro/Protobuf), шифрування в Kafka для зменшення трафіку та ризиків витоку.
- 30 December 2025
- Published by Publishing House Helvetica (Publications) in Таврійський науковий вісник. Серія: Технічні науки
- No. 6,p. 3-14
Open AccessУДОСКОНАЛЕННЯ МЕТОДІВ УПРАВЛІННЯ ТА ІНТЕГРАЦІЇ КОМПОНЕНТІВ В ІНФРАСТРУКТУРУ РОЗПОДІЛЕНИХ СИСТЕМ
У статті розглядаються сучасні платформи для потокового аналізу даних, що забезпечують реальний час обробки в розподілених системах. Серед ключових – Apache Kafka, Flink та Spark Streaming. Kafka функціонує як розподілений журнал змін (commit log), записуючи події в упорядковані стрічки для надійної доставки та відтворення історії. Логічна структура тем з партиціями дозволяє масштабувати потоки, розподіляючи їх між незалежними споживачами, досягаючи високої пропускної здатності в системах з багатьма джерелами. Flink забезпечує низькозатримкову обробку, підтримуючи об’єднання потоків, часові вікна та станоутримуючі обчислення. Гнучкість до джерел/приймачів та адаптивність до змін конфігурації без перезапуску, з checkpointing для збереження станів та автоматичного відновлення після збоїв, критична для довготривалих обчислень з цілісністю даних. Spark Streaming застосовує micro-batching, агрегуючи дані в інтервали для обробки як пакети, інтегруючи з механізмами Spark для поєднання потокової аналітики з історичними даними, ідеально для моніторингу та прогнозних моделей.Інфраструктура потокової обробки включає Kubernetes для автоматизованого розгортання контейнерів, динамічного масштабування вузлів за навантаженням, моніторингу стану та самовідновлення шляхом перезапуску. Балансування навантаження рівномірно розподіляє дані, запобігаючи перевантаженням у багатокомпонентних системах. Машинне навчання посилює адаптивність, прогнозуючи збої на основі історичних/поточних даних, виявляючи закономірності для проактивного реагування. Виклик concept drift – зміна характеристик даних – вирішується онлайн-навчанням, що оновлює моделі в потоці для збереження точності. Інтеграція з виявленням аномалій (пороги, кластеризація, Isolation Forest) дозволяє оперативно фіксувати загрози, збої чи атаки в розподілених середовищах з багатьма джерелами. ML оптимізує розподіл навантаження в хмарах, прогнозуючи та виділяючи ресурси для завантажених компонентів, мінімізуючи ризики та витрати. Потоковий аналіз забезпечує безперебійність, надаючи актуальну інформацію про компоненти та виявляючи відхилення проактивно. Інтеграція з резервуванням фіксує стани в реальному часі для швидкого відновлення, відтворюючи події для аналізу інцидентів. Консенсус RAFT синхронізує зміни між репліками, забезпечуючи узгодженість при асинхронних подіях та втратах вузлів. Резервне копіювання в потокових системах охоплює checkpoints для мінімальних втрат. У Kubernetes – знімки via Velero, включаючи дані, конфігурації, секрети для автоматичного відновлення в держреєстрах України (ЄДР, eHealth). Кластеризація в Kafka розподіляє партиції між брокерами з автопередачею при збоях. Горизонтальне масштабування реагує на пікові навантаження в держсистемах (податки, соціальні заявки). Моніторинг Prometheus/Grafana збирає метрики в реальному часі (навантаження, помилки), інтегруючись з Kafka via JMX для виявлення деградації. Попереджувальне обслуговування з ML прогнозує відмови за аномаліями, активуючи захист в кібербезпеці (сканування, підбір паролів). Оптимізація архітектури – дедуплікація, налаштування партицій, компактні формати (Avro/Protobuf), шифрування в Kafka для зменшення трафіку та ризиків витоку.
- Open Access
- 30 December 2025
- Published by Publishing House Helvetica (Publications) in Таврійський науковий вісник. Серія: Технічні науки
- Vol. 1 (5) , 13-20
АСПЕКТИ СИСТЕМИ ЗАХИСТУ КОМП’ЮТЕРНОЇ МЕРЕЖІ
Стаття присвячена розробці надійної системи захисту комп’ютерних мереж у контексті зростання інформаційних загроз і взаємопов’язаності сучасного світу завдяки Інтернету та новим мережевим технологіям. У дослідженні розглядаються два типи мереж: мережі передачі даних (наприклад, Інтернет), що є вразливими до атак через використання маршрутизаторів, та синхронні мережі, які менш схильні до загроз завдяки відсутності буферизації даних. Мережева безпека охоплює комплекс вимог і політик, спрямованих на запобігання несанкціонованому доступу, модифікації даних чи відмові в роботі мережі. Для цього застосовуються апаратні та програмні рішення, зокрема антивіруси, системи моніторингу, засоби захисту від цільових атак і механізми запобігання вторгненням. Особлива увага приділяється відмовостійкості мережі, її швидкому відновленню після атак і захисту кінцевих пристроїв за допомогою сучасних технологій. Дослідження аналізує вразливості Інтернет-архітектури, типи атак (віруси, трояни, фішинг, відмова в обслуговуванні, IP-спуфінг) та заходи безпеки, такі як шифрування, брандмауери, системи виявлення вторгнень (IDS) і протокол IPsec. Метою статті є створення ефективної системи захисту мережі, яка враховує сучасні загрози та забезпечує конфіденційність, цілісність і доступність даних. Аналіз останніх публікацій показав недоліки підходів до виявлення вторгнень, зокрема недостатнє врахування комп’ютерного середовища. У статті розглядаються принципи проектування безпечних мереж, включаючи аутентифікацію, захист каналів зв’язку та моніторинг інфраструктури. Висновки підкреслюють важливість поєднання апаратних і програмних засобів, удосконалення протоколів (зокрема IPv6) і впровадження біометричної аутентифікації для підвищення безпеки. Стаття пропонує комплексний підхід до захисту мереж, який базується на аналізі загроз, оцінці технологій і забезпеченні відмовостійкості для безперервності робочих процесів.
- 30 December 2025
- Published by Publishing House Helvetica (Publications) in Таврійський науковий вісник. Серія: Технічні науки
- Vol. 1 (5) , 13-20
Open AccessАСПЕКТИ СИСТЕМИ ЗАХИСТУ КОМП’ЮТЕРНОЇ МЕРЕЖІ
Стаття присвячена розробці надійної системи захисту комп’ютерних мереж у контексті зростання інформаційних загроз і взаємопов’язаності сучасного світу завдяки Інтернету та новим мережевим технологіям. У дослідженні розглядаються два типи мереж: мережі передачі даних (наприклад, Інтернет), що є вразливими до атак через використання маршрутизаторів, та синхронні мережі, які менш схильні до загроз завдяки відсутності буферизації даних. Мережева безпека охоплює комплекс вимог і політик, спрямованих на запобігання несанкціонованому доступу, модифікації даних чи відмові в роботі мережі. Для цього застосовуються апаратні та програмні рішення, зокрема антивіруси, системи моніторингу, засоби захисту від цільових атак і механізми запобігання вторгненням. Особлива увага приділяється відмовостійкості мережі, її швидкому відновленню після атак і захисту кінцевих пристроїв за допомогою сучасних технологій. Дослідження аналізує вразливості Інтернет-архітектури, типи атак (віруси, трояни, фішинг, відмова в обслуговуванні, IP-спуфінг) та заходи безпеки, такі як шифрування, брандмауери, системи виявлення вторгнень (IDS) і протокол IPsec. Метою статті є створення ефективної системи захисту мережі, яка враховує сучасні загрози та забезпечує конфіденційність, цілісність і доступність даних. Аналіз останніх публікацій показав недоліки підходів до виявлення вторгнень, зокрема недостатнє врахування комп’ютерного середовища. У статті розглядаються принципи проектування безпечних мереж, включаючи аутентифікацію, захист каналів зв’язку та моніторинг інфраструктури. Висновки підкреслюють важливість поєднання апаратних і програмних засобів, удосконалення протоколів (зокрема IPv6) і впровадження біометричної аутентифікації для підвищення безпеки. Стаття пропонує комплексний підхід до захисту мереж, який базується на аналізі загроз, оцінці технологій і забезпеченні відмовостійкості для безперервності робочих процесів.
- Open Access
- 26 June 2025
- Published by Publishing House Helvetica (Publications) in Таврійський науковий вісник. Серія: Технічні науки
- No. 3,p. 3-13
ОПТИМІЗАЦІЯ МЕРЕЖЕВОЇ ІНФРАСТРУКТУРИ ДЛЯ ЗАБЕЗПЕЧЕННЯ ВІДМОВОСТІЙКОСТІ
Стаття присвячена дослідженню оптимізації мережевої інфраструктури для забезпечення відмовостійкості, безпеки та масштабованості, що є ключовими вимогами до сучасних інформаційних систем. У контексті зростання обсягів даних, поширення хмарних технологій, Інтернету речей (IoT) та ескалації кіберзагроз, створення ефективної мережевої інфраструктури стає критично важливим завданням. У статті проаналізовано сучасні підходи до вирішення цього завдання, з акцентом на інтеграцію інноваційних технологій, таких як програмно-визначені мережі (SDN), штучний інтелект (AI), віртуалізація мережевих функцій (NFV), хмарні платформи та 5G. Обґрунтовано актуальність теми, підкреслено виклики, пов’язані з глобалізацією, цифровизацією та зростанням кіберзагроз, а також визначено необхідність комплексного підходу до оптимізації мереж. Аналіз літератури охоплює праці, які досліджують архітектури відмовостійкості, стратегії кібербезпеки та технології масштабування. Мета дослідження полягає в розробці комплексного підходу до створення гнучкої мережевої інфраструктури, яка відповідає сучасним вимогам. У статті досліджено п’ять ключових напрямів досягнення мети. Перший напрям досліджує механізми забезпечення відмовостійкості, включаючи резервування маршрутизаторів, протоколи надмірності (HSRP, VRRP, STP), SDN та хмарні стратегії Disaster Recovery. Другий напрям аналізує стратегії кібербезпеки, такі як міжмережеві екрани нового покоління (NGFW), шифрування (VPN, TLS), модель Zero Trust та використання AI для виявлення аномалій. Третій напрям розглядає технології масштабування, зокрема хмарні платформи (AWS, Azure), NFV, SD-WAN та 5G. Четвертий напрям зосереджено на оптимізації продуктивності за допомогою Quality of Service (QoS), компресії, кешування, edge computing та AI для маршрутизації. П’ятий напрям висвітлює інтеграцію SDN, IoT, AI та гібридних моделей для створення адаптивної інфраструктури. Інтеграція сучасних технологій дозволяє створювати мережі, які є надійними, безпечними та здатними до масштабування. Практичні приклади, такі як впровадження технологій у Netflix, Zoom та AT&T, ілюструють ефективність запропонованих підходів.
- 26 June 2025
- Published by Publishing House Helvetica (Publications) in Таврійський науковий вісник. Серія: Технічні науки
- No. 3,p. 3-13
Open AccessОПТИМІЗАЦІЯ МЕРЕЖЕВОЇ ІНФРАСТРУКТУРИ ДЛЯ ЗАБЕЗПЕЧЕННЯ ВІДМОВОСТІЙКОСТІ
Стаття присвячена дослідженню оптимізації мережевої інфраструктури для забезпечення відмовостійкості, безпеки та масштабованості, що є ключовими вимогами до сучасних інформаційних систем. У контексті зростання обсягів даних, поширення хмарних технологій, Інтернету речей (IoT) та ескалації кіберзагроз, створення ефективної мережевої інфраструктури стає критично важливим завданням. У статті проаналізовано сучасні підходи до вирішення цього завдання, з акцентом на інтеграцію інноваційних технологій, таких як програмно-визначені мережі (SDN), штучний інтелект (AI), віртуалізація мережевих функцій (NFV), хмарні платформи та 5G. Обґрунтовано актуальність теми, підкреслено виклики, пов’язані з глобалізацією, цифровизацією та зростанням кіберзагроз, а також визначено необхідність комплексного підходу до оптимізації мереж. Аналіз літератури охоплює праці, які досліджують архітектури відмовостійкості, стратегії кібербезпеки та технології масштабування. Мета дослідження полягає в розробці комплексного підходу до створення гнучкої мережевої інфраструктури, яка відповідає сучасним вимогам. У статті досліджено п’ять ключових напрямів досягнення мети. Перший напрям досліджує механізми забезпечення відмовостійкості, включаючи резервування маршрутизаторів, протоколи надмірності (HSRP, VRRP, STP), SDN та хмарні стратегії Disaster Recovery. Другий напрям аналізує стратегії кібербезпеки, такі як міжмережеві екрани нового покоління (NGFW), шифрування (VPN, TLS), модель Zero Trust та використання AI для виявлення аномалій. Третій напрям розглядає технології масштабування, зокрема хмарні платформи (AWS, Azure), NFV, SD-WAN та 5G. Четвертий напрям зосереджено на оптимізації продуктивності за допомогою Quality of Service (QoS), компресії, кешування, edge computing та AI для маршрутизації. П’ятий напрям висвітлює інтеграцію SDN, IoT, AI та гібридних моделей для створення адаптивної інфраструктури. Інтеграція сучасних технологій дозволяє створювати мережі, які є надійними, безпечними та здатними до масштабування. Практичні приклади, такі як впровадження технологій у Netflix, Zoom та AT&T, ілюструють ефективність запропонованих підходів.
- Open Access
- 30 May 2022
- Published by Ukrainian Research and Design Institute of Building Materials and Products in European Science
- No. sge40-02,p. 63-86
OPTIMIZATION OF NETWORK INFRASTRUCTURE TO ENSURES RESILIENCE, SECURITY AND SCALABILITY
- 30 May 2022
- Published by Ukrainian Research and Design Institute of Building Materials and Products in European Science
- No. sge40-02,p. 63-86
Open AccessOPTIMIZATION OF NETWORK INFRASTRUCTURE TO ENSURES RESILIENCE, SECURITY AND SCALABILITY