| dc.contributor.author | Магденко, А. Р. | uk |
| dc.contributor.author | Грицак, А. В. | uk |
| dc.contributor.author | Mahdenko, A. R. | en |
| dc.contributor.author | Hrytsak, A. V. | en |
| dc.date.accessioned | 2026-09-03T10:44:48Z | |
| dc.date.available | 2026-09-03T10:44:48Z | |
| dc.date.issued | 2026 | |
| dc.identifier.citation | Магденко А. Р., Грицак А. В. Метод кросплатформної кореляції цифрових слідів для деанонімізації суб’єктів кіберзагроз // Матеріали Міжнародної науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2026)», м. Вінниця, 22-26 червня 2026 р. Електрон. текст. дані. 2026. URI: https://conferences.vntu.edu.ua/index.php/mn/mn2026/paper/view/29289. | uk |
| dc.identifier.uri | https://ir.lib.vntu.edu.ua/handle/123456789/53612 | |
| dc.description.abstract | У тезах розглядається інноваційний метод кросплатформної кореляції цифрових слідів, спрямований на автоматизацію процесів деанонімізації суб’єктів тіньової економіки. Обґрунтовано архітектурну модель розробленого програмного комплексу, що інтегрує мікросервісний підхід (Apache Kafka) та гібридну систему баз даних (MongoDB, Neo4j). Запропоновано алгоритм детермінованої екстракції криптографічних ідентифікаторів із неструктурованих текстів, який усуває колізії форматів між різними блокчейн-мережами. | uk |
| dc.description.abstract | The paper presents an innovative method of cross-platform correlation of digital footprints aimed at automating the de-anonymization processes of shadow economy subjects. The architectural model of the developed software complex, which integrates a microservice approach (Apache Kafka) and a hybrid database system (MongoDB, Neo4j), is substantiated. An algorithm for the deterministic extraction of cryptographic identifiers from unstructured texts is proposed, eliminating format collisions between various blockchain networks. It is proven that synthesizing communication graphs (Telegram, DarkWeb) and financial transactions exponentially increases the efficiency of realtime cyberspace investigations. | en |
| dc.language.iso | uk_UA | uk_UA |
| dc.publisher | ВНТУ | uk |
| dc.relation.ispartof | Матеріали Міжнародної науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2026)», м. Вінниця, 22-26 червня 2026 р. | uk |
| dc.relation.uri | https://conferences.vntu.edu.ua/index.php/mn/mn2026/paper/view/29289 | |
| dc.subject | OSINT | en |
| dc.subject | деанонімізація | uk |
| dc.subject | графові бази даних | uk |
| dc.subject | кібербезпека | uk |
| dc.subject | блокчейн-аналітика | uk |
| dc.subject | обробкаприродної мови | uk |
| dc.subject | тіньова економіка | uk |
| dc.subject | OSINT | en |
| dc.subject | de-anonymization | en |
| dc.subject | graph databases | en |
| dc.subject | cybersecurity | en |
| dc.subject | blockchain analytics | en |
| dc.subject | natural languageprocessing | en |
| dc.subject | shadow economy | en |
| dc.title | Метод кросплатформної кореляції цифрових слідів для деанонімізації суб’єктів кіберзагроз | uk |
| dc.type | Thesis | |
| dc.identifier.udc | 004.056.53:004.62 | |
| dc.relation.references | Internet Organised Crime Threat Assessment (IOCTA) 2024 / European Cybercrime Centre. The Hague : Europol, 2024. 84 p. URL: https://www.europol.europa.eu/publication-events/main-reports/internet-organised-crime-threatassessment-iocta-2024 (дата звернення: 12.05.2026). | en |
| dc.relation.references | Hassan N. A., Hijazi R. Open Source Intelligence Methods and Tools: A Practical Guide to Online Intelligence. Berkeley : Apress, 2018. 331 p. URL: https://content.e-bookshelf.de/media/reading/L-11293072-01e9ad742f.pdf (дата звернення: 12.05.2026). | en |
| dc.relation.references | The 2024 Crypto Crime Report / Chainalysis Team. New York : Chainalysis Inc., 2024. 142 p. URL: https://www.chainalysis.com/blog/2024-crypto-crime-report-introduction/ (дата звернення: 13.05.2026). | en |
| dc.relation.references | Narkhede N., Shapira G., Palino T. Kafka: The Definitive Guide: Real-Time Data and Stream Processing at Scale. Sebastopol : O'Reilly Media, 2017. 322 p. | en |
| dc.relation.references | Rabiner L. R. A tutorial on hidden Markov models and selected applications in speech recognition. Proceedings of the IEEE. 1989. Vol. 77, no. 2. P. 257–286. URL: https://www.cs.ubc.ca/~murphyk/Bayes/rabiner.pdf (дата звернення: 14.05.2026). | en |
| dc.relation.references | Sutton R. S., Barto A. G. Reinforcement Learning: An Introduction. 2nd ed. Cambridge : MIT Press, 2018. 552 p. URL: https://web.stanford.edu/class/psych209/Readings/SuttonBartoIPRLBook2ndEd.pdf (дата звернення: 14.05.2026). | en |
| dc.relation.references | Fast unfolding of communities in large networks / V. D. Blondel, J.-L. Guillaume, R. Lambiotte, E. Lefebvre. Journal of Statistical Mechanics: Theory and Experiment. 2008. Vol. 2008, no. 10. P. P10008. URL: https://www.researchgate.net/publication/1913681_Fast_Unfolding_of_Communities_in_Large_Networks (дата звернення: 15.05.2026). | en |
| dc.relation.references | Robinson I., Webber J., Eifrem E. Graph Databases. 2nd ed. Sebastopol : O'Reilly Media, 2015. 256 p. URL: https://web4.ensiie.fr/~stefania.dumbrava/OReilly_Graph_Databases.pdf (дата звернення: 15.05.2026). | en |
