<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

Гібридний підхід до автоматизованого виявлення конфіденційної інформації у файлах

Ескіз

Файли

28191.pdf (222,85 KB)

Дата

2026

Автори

Назва журналу

Номер ISSN

Назва тому

Видавець

Вінницький національний технічний університет

DOI

Анотація

A hybrid approach is proposed for the development and implementation of an automated tool for analyzing file arrays for confidential information, which enables the detection of hidden insider threats and prevents critical data loss resulting from employee negligence or poor digital hygiene.

Опис

Ключові слова

automated analysis , confidential information , threats , data , digital hygiene

УДК

004.056:004.8

Тип документа

Thesis

Мова

uk_UA

Є частиною

Матеріали LV Всеукраїнської науково-технічної конференції підрозділів ВНТУ, Вінниця, 24-27 березня 2026 р. Електрон. текст. дані. 2026.

ISSN

Бібліографічний опис

Кордонський Я. Гібридний підхід до автоматизованого виявлення конфіденційної інформації у файлах // Матеріали LV Всеукраїнської науково-технічної конференції підрозділів ВНТУ, Вінниця, 24-27 березня 2026 р. Електрон. текст. дані. 2026. Електрон. текст. дані. 2026. URI: https://conferences.vntu.edu.ua/index.php/all-fitki/all-fitki-2026/paper/view/28191.

URI

https://ir.lib.vntu.edu.ua/handle/123456789/54170

Зібрання

НТКП ВНТУ. Факультет інформаційних технологій та комп'ютерної інженерії (2026)

Схвалення

Рецензія

Доповнено

Цитується в

Список використаної літератури (9)

  1. Egho-Promise E. I., Sitti M. Big Data Security Management in Digital Environment. American Journal of Multidisciplinary Research & Development (AJMRD). 2024. URL: https://www.researchgate.net/publication/385411123_Big_Data_Security_Management_in_Digital_Environment.
  2. Sarah Mathew B., Lasekan O. A., Godoy Pena M. Behavioural Determinants of Cyber Hygiene: Rethinking the Role of Education in Digital Trust and Usability. International Research Journal of Multidisciplinary Scope. 2025. URL: https://doi.org/10.47857/irjms.2025.v06i04.07251.
  3. A comparative performance analysis of regular expressions and a large language model-based approach to extract the BI-RADS score from radiological reports / F. Dennstdt et al. JAMIA Open. 2025. Vol. 8, no. 6. URL: https://doi.org/10.1093/jamiaopen/ooaf128.
  4. Luo Q., Zhang G., Sun Y. A Novel Method for Named Entity Recognition in Long-Text Safety Accident Reports of Prefabricated Construction. Buildings. 2025. URL: https://doi.org/10.3390/buildings15173063.
  5. BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding / J. Devlin et al. arXiv. 2019. URL: https://doi.org/10.48550/arXiv.1810.04805.
  6. Melnyk S. Safe Observability: A Framework for Automated PII Redaction from LLM Prompts in OpenTelemetry Pipelines. International Journal of Computer (IJC). 2025. URL: https://ijcjournal.org/InternationalJournalOfComputer/article/view/2458.
  7. Large Language Models For Text Classification: Case Study And Comprehensive Review / A. Kostina et al. arXiv. 2025. URL: https://doi.org/10.48550/arXiv.2501.08457.
  8. An Evaluation Study of Hybrid Methods for Multilingual PII Detection / H. Rajgarhia et al. arXiv. 2025. URL: https://doi.org/10.48550/arXiv.2510.07551.
  9. Koli L., Kalra S., Singh K. Decoding Complexity: Intelligent Pattern Exploration with CHPDA (Context Aware Hybrid Pattern Detection Algorithm). arXiv. 2025. URL: https://doi.org/10.48550/arXiv.2502.07815. 10.A Survey on Zero Trust Architecture: Challenges and Future Trends / Y. He et al. Wireless Communications and Mobile Computing. 2022. Vol. 2022. P. 1–13. URL: https://doi.org/10.1155/2022/6476274. 11.Adaptive PII Mitigation Framework for Large Language Models / S. Asthana et al. arXiv. 2025. URL: https://doi.org/10.48550/arXiv.2501.12465.