Вісник ХНУ. Технічні науки - 2023 рік
Постійне посилання зібрання
Переглянути
Перегляд Вісник ХНУ. Технічні науки - 2023 рік за Ключові слова "004.896"
Зараз показуємо 1 - 2 з 2
Результатів на сторінці
Налаштування сортування
Документ Features of the use of modern automated projecting systems of machine-building industries(Хмельницький національний університет, 2023) Rubanka, M.; Dvorzhak, V.; Zhlali, Z.; Polishchuk, O.; Horiashchenko, S.The purpose of the study covered in this publication is to analyze the features of the use of modern automated projecting systems, in particular CAD/CAM/CAE technologies from the point of view of the feasibility of introducing into the technological process of manufacturing products of a machine-building enterprise. The most popular specialized integrated CAD/CAM/CAE systems of the highest category for solving design and technological problems of varying complexity are listed, the features of their use are revealed, the main advantages and disadvantages and the most significant functionality are outlined. The research used a set of general scientific approaches: visual-analytical, systematization of information, modern methods of research of mechanical systems, analysis of scientific literature and method of classification. The most important factors that directly affect the technological process of creating quality products of a modern enterprise of the machine-building industry are highlighted. The choice of the integrated cloud software platform CAD/CAM/CAE Autodesk Fusion 360 for three-dimensional modeling of machine-building industries is substantiated. Certain recommendations have been formulated for the effective use of the CAD/CAM/CAE Autodesk Fusion 360 automated projecting system in the technological processes of the engineering industry. The main specialized modules of the CAD/CAM/CAE Autodesk Fusion 360 computer-aided system are considered to solve complex problems of varying complexity. It is established that the use of modern CAD/CAM/CAE technologies can significantly reduce the complexity of technological processes of manufacturing products of machine-building industries. The scientific novelty of the performed researches is the development of engineering methods of designing a modern high-tech machine-building complex with the use of integrated CAD/CAM/CAE systems.Документ Виявлення кібератак в інфраструктурі інтернету речей на основі машинного навчання(Хмельницький національний університет, 2023) Бобровнікова, Кіра; Гурман, Іван; Попов, Юрій; Бойчук, Ярослав; Качур, Володимир; Hurman, Ivan; Bobrovnikova, Kira; Popov, Yury; Boychuk, Yaroslav; Kachur, VolodymyrЗростаючий попит на пристрої Інтернету речей призводить до прискорення темпів їх виробництва. Прагнучи прискорити випуск нового пристрою на ринок та зменшити його собівартість, виробники дуже часто нехтують дотриманням вимог кібербезпеки стосовно цих пристроїв. Відсутність оновлень безпеки та прозорості щодо стану безпеки пристроїв Інтернету речей, а також небезпечне розгортання в мережі перетворює пристрої Інтернету речей на об’єкт атак кіберзлочинців. Щоквартальні звіти компаній, пов’язаних з забезпеченням кібербезпеки, свідчать про низький рівень безпеки інфраструктури Інтернету речей. Враховуючи широке використання пристроїв Інтернету речей не лише в приватному секторі, а й на об’єктах різного призначення, включаючи об’єкти критичної інфраструктури, безпека цих пристроїв та інфраструктури Інтернету речей набуває важливого значення. На сьогоднішній день відомо багато різних методів виявлення кібератак на інфраструктуру Інтернету речей. Перевагами застосування методів машинного навчання в порівнянні з сигнатурним аналізом є вища точність виявлення та менша кількість хибних спрацювань, можливість виявлення аномалій та нових ознак атак. Проте ці методи мають і певні недоліки. Серед них необхідність в додаткових апаратних ресурсах та більш низька швидкість обробки даних. В роботі представлено огляд сучасних методів, спрямованих на виявлення кібератак та аномалій в мережах Інтернету речей із застосуванням методів машинного навчання. Основними недоліками відомих методів є неспроможність виявлення та адаптивного реагування на атаки нульового дня та мультивекторні атаки. Останній недолік є найбільш критичним, про що свідчить постійне зростання кількості кібератак на інфраструктуру Інтернету речей. Загальним обмеженням для більшості відомих підходів є потреба в значних обсягах обчислювальних ресурсів та значний час відгуку систем виявлення кібератак. The growing demand for IoT devices is accelerating the pace of their production. In an effort to accelerate the launch of a new device and reduce its cost, manufacturers often neglect to comply with cybersecurity requirements for these devices. The lack of security updates and transparency regarding the security status of IoT devices, as well as unsafe deployment on the Internet, makes IoT devices the target of cybercrime attacks. Quarterly reports from cybersecurity companies show a low level of security of the Internet of Things infrastructure. Considering the widespread use of IoT devices not only in the private sector but also in objects for various purposes, including critical infrastructure objects, the security of these devices and the IoT infrastructure becomes more important. Nowadays, there are many different methods of detecting cyberattacks on the Internet of Things infrastructure. Advantages of applying the machine-based methods in comparison with signature analysis are the higher detection accuracy and fewer false positive, the possibility of detecting both anomalies and new features of attacks. However, these methods also have certain disadvantages. Among them there is the need for additional hardware resources and lower data processing speeds. The paper presents an overview of modern methods aimed at detecting cyberattacks and anomalies in the Internet of Things using machine learning methods. The main disadvantages of the known methods are the inability to detect and adaptively respond to zero-day attacks and multi-vector attacks. The latter shortcoming is the most critical, as evidenced by the constantly increasing number of cyber attacks on the Internet of Things infrastructure. A common limitation for most known approaches is the need for significant computing resources and the significant response time of cyberattack detection systems.