https://ir.lib.vntu.edu.ua//handle/123456789/52329 2026-08-24T07:40:56Z https://ir.lib.vntu.edu.ua//handle/123456789/52269 Онтологічне моделювання бази знань «Операційні системи» Малініч, І. П.; Сілагін, О. В.; Malinich, I.; Silagin, О. In the current context of the development of higher education information ecosystems and generative artificial intelligence systems, the implementation of ontological knowledge bases has got particular importance. The application of Semantic Web technologies facilitates this process by enabling machine understanding of content, data interoperability, and seamless integration across various educational platforms. This article focuses on the ontological modeling of the "Operating Systems" subject domain as a foundation for the intellectualization of the educational process. The relevance of this research is driven by the rapidly increasing architectural complexity of modern system software, which necessitates a transition from fragmentary descriptions to machine-readable formalization. The paper outlines the advantages of utilizing the Web Ontology Language (OWL) standard to describe functional dependencies between OS components. The aim of this work is to systematize the interrelationships and genealogy of operating systems through ontological engineering. It details the process of creating a model within the Protégé environment, selected for its robust support of modern reasoners. The structure of the knowledge base encompasses OS components, system software, and the classification of operating systems. Special attention is given to modeling legacy succession and architectural forks, which are critical for understanding the evolution of modern operating systems. The practical value of this study lies in the verification of the ontology using SPARQL queries, enabling the analysis of relationships between kernel types, file systems, network stacks, and virtualization tools. This approach overcomes the limitations of static repositories and ensures the dynamic inference of new knowledge. The research results confirm the model’s effectiveness for integration into the educational environment, particularly in providing context for LLMs during student knowledge assessment. This development opens up new prospects for intelligent learning support systems that transcend traditional teaching methods for the "Operating Systems" discipline, thereby granting students a more profound understanding of the architectural principles behind complex software products.; У сучасних умовах розвитку інформаційної екосистеми вищої освіти та систем генеративного штучного інтелекту особливого значення набуває впровадження онтологічних баз знань. Застосування технологій Semantic Web дозволяє полегшити цей процес, забезпечуючи машинне розуміння контенту, інтероперабельність даних та їхню безшовну інтеграцію між різними освітніми платформами. У статті проведено онтологічне моделювання предметної області «Операційні системи» як основи для інтелектуалізації освітнього процесу. Актуальність дослідження зумовлена стрімким ускладненням архітектури сучасного системного ПЗ, що вимагає переходу від фрагментарного опису до машинозчитуваної формалізації. Описуються переваги використання стандарту Ontology Web Language для опису функціональних залежностей між компонентами ОС. Метою роботи є систематизація взаємозв\"язків та генеалогії операційних систем за допомогою онтологічного інжинірингу. Описано процес створення моделі в середовищі Protégé, його надійній підтримці сучасних систем логічного виведення. Структура бази знань охоплює компоненти ОС, системне ПЗ та класифікацію операційних систем. Особливу увагу приділено моделюванню спадкоємності та архітектурних відгалужень, що є критично важливим для розуміння еволюції сучасних ОС. Практична цінність полягає у верифікації онтології через запити SPARQL, які дозволяють аналізувати зв\"язки між типами ядер, файловими системами, мережевими стеками та засобами віртуалізації. Такий підхід долає обмеження статичних репозиторіїв та забезпечує динамічне виведення нових знань. Результати дослідження підтверджують ефективність моделі для інтеграції в освітнє середовище, зокрема для формування контексту LLM-моделей під час оцінювання знань студентів. Розробка відкриває перспективи для інтелектуальних систем підтримки навчання, виходячи за межі традиційних методів викладання дисципліни «Операційні системи», що забезпечує студентам глибше розуміння архітектурних принципів побудови складних програмних продуктів. 2026-01-01T00:00:00Z https://ir.lib.vntu.edu.ua//handle/123456789/52243 Метод динамічної верифікації підпису на основі XGBoost із використанням мікромоторних ознак та адаптивного порогу прийняття рішень Лукічов, В. В.; Підчорний, Д. О.; Lukichov, V. V.; Pidchornyi, D. O. Актуальність дослідження зумовлена необхідністю створення високонадійних біометричних систем, стійких до спроб несанкціонованого доступу та якісних підробок підпису в умовах глобальної цифровізації бізнес-процесів. Традиційні методи статичної верифікації поступово втрачають ефективність через появу нових інструментів для відтворення графічного накреслення. У зв’язку з цим автором проведено комплексний порівняльний аналіз розробленого авторами ML-рішення з визнаним комерційним галузевим стандартом Wacom Ink SDK for Verification. Основна увага приділена здатності систем відрізнити справжній підпис від кваліфікованої підробки, виконаної зловмисником з візуальним доступом до оригіналу. Експериментальне дослідження проведено з використанням професійного графічного планшета Wacom STU-540, що забезпечує високу частоту дискретизації (200 Гц) та 1024 рівні чутливості до тиску. Вибір такого обладнання дозволив зібрати деталізовані часові ряди, що включають координати пера (x, y), кути нахилу та азимут, а також динаміку зміни зусилля натискання. На основі аналізу реальних даних від шести користувачів, які надали як еталонні зразки, так і імітаційні спроби підробки, виконано багатокритеріальну оптимізацію порогу прийняття рішення. Встановлено, що з адаптивним значенням порогу розроблена система демонструє збалансовані показники ефективності: FAR (коефіцієнт помилкового допуску зловмисника) на рівні 1,33 % та FRR (коефіцієнт помилкового відхилення легітимного користувача) — 6,67 %. Наукова новизна роботи полягає в обґрунтуванні та селекції набору найінформативніших динамічних параметрів для моделі градієнтного бустингу XGBoost. На відміну від стандартних підходів, запропонована модель враховує не лише геометрію підпису, а й похідні характеристики: миттєву швидкість, прискорення та швидкість зміни тиску (jittering). Використання механізму регуляризації в XGBoost дозволило уникнути перенавчання на малих вибірках, що характерно для біометричних даних одного користувача. Це дозволило досягти точності, яка є конкурентоспроможною відносно закритих комерційних алгоритмів (рівень рівної помилки EER ~4 %). Особливості програмної реалізації включають етап попередньої обробки даних, де застосовується інтерполяція для вирівнювання часових кроків та нормалізація ознак для приведення їх до єдиного масштабу. Це критично важливо для стабільної роботи моделі XGBoost, оскільки мікромоторика руки кожного користувача має унікальні амплітудні характеристики. Розроблений конвеєр обробки дозволяє проводити верифікацію в режимі реального часу, витрачаючи менше 100 мс на один запит, що робить систему придатною для використання в умовах високої інтенсивності документообігу. Практичне значення отриманих результатів полягає у можливості інтеграції запропонованого підходу в корпоративні системи електронного документообігу та автоматизовані системи ідентифікації персоналу (наприклад, для верифікації водіїв або фінансових менеджерів). Головною перевагою є відсутність залежності від дороговартісного пропрієтарного програмного забезпечення та ліцензійних обмежень, зі збереженням високого рівня безпеки. Результати порівняння підтвердили, що використання градієнтного бустингу з урахуванням глибоких параметрів мікромоторики дозволяє ефективно виявляти зловмисників навіть у разі спроб ретельного копіювання візуального стилю підпису.; The relevance of the study is driven by the need to create highly reliable biometric systems resistant to unauthorized access and high-quality signature forgeries in the context of global business process digitalization. Traditional static verification methods are gradually losing effectiveness due to the emergence of new tools for reproducing graphical patterns. In this regard, the author conducted a comprehensive comparative analysis of a custom-developed ML solution against the recognized commercial industry standard — Wacom Ink SDK for Verification. The primary focus is placed on the systems' ability to differentiate a genuine signature from a skilled forgery performed by an attacker with visual access to the original. The experimental study was conducted using a professional Wacom STU-540 signature pad, which provides a high sampling rate (200 Hz) and 1024 levels of pressure sensitivity. The choice of such hardware enabled the collection of detailed time series, including pen coordinates (x, y), tilt angles, azimuth, and the dynamics of pressure changes. Based on the analysis of real-world data from six users, who provided both reference samples and imitation forgery attempts, a multicriteria optimization of the decision-making threshold was performed. It was established that at an adaptive threshold value, the developed system demonstrates balanced performance metrics: a False Acceptance Rate (FAR) of 1.33 % and a False Rejection Rate (FRR) of 6.67 %. The scientific novelty of the work lies in the substantiation and selection of a set of the most informative dynamic parameters for the XGBoost gradient boosting model. Unlike standard approaches, the proposed model considers not only the signature geometry but also derivative characteristics: instantaneous velocity, acceleration, and pressure change rate (jittering). The use of the regularization mechanism in XGBoost prevented overfitting on small datasets, which is typical for single-user biometric data. This allowed for achieving an accuracy level competitive with closed-source commercial algorithms (Equal Error Rate EER ~4 %). Features of the software implementation include a data preprocessing stage where interpolation is applied to align time steps and feature normalization is used to bring them to a single scale. This is critical for the stable operation of the XGBoost model, as each user's hand micromotors possess unique amplitude characteristics. The developed processing pipeline enables real-time verification, spending less than 100 ms per request, making the system suitable for high-intensity document management environments. The practical significance of the results lies in the possibility of integrating the proposed approach into corporate electronic document management systems and automated personnel identification systems (e.g., for verifying drivers or financial managers). The main advantage is the lack of dependence on expensive proprietary software and licensing restrictions while maintaining a high level of security. The comparison results confirmed that the use of gradient boosting, taking into account deep micromotor parameters, effectively detects intruders even during attempts of meticulous visual style copying. 2026-01-01T00:00:00Z