Bebeshko B. Multi-circuit information management system for digital assets with intellectual support

Українська версія

Thesis for the degree of Doctor of Philosophy (PhD)

State registration number

0823U101092

Thesis Registration Form

0823U101092.pdf

Applicant for

Specialization

  • 122 - Комп’ютерні науки

Specialized Academic Board

ДФ 26.055.046

State University of Trade and Economics

Essay

Doctoral thesis is a comprehensive study of the issue of managing digital assets by improving cybernetic systems in tasks related to the predictive assessment of the success of investment procedures by investors; risk assessment and forecasting of digital asset rates based on an intellectual approach by synergistically combining game theory, fuzzy logic, and neural networks. This approach allows for analyzing trends in digital asset trading platforms and is useful for preventing situations of exchange rate instability in the digital asset investment market under conditions of vague information. The information base of the study was made up of regulatory documentation, scientific works of leading scientists and practitioners, both domestic and foreign, as well as empirical results of own research. Practical significance of the scientific results. The practical importance of the contextual model of a multi-loop information system for managing digital assets with intellectual support lies in identifying structured processes to ensure its functionality, resilience, and integrity. The discovered solution can be employed in the implementation of software for trend analysis on digital asset trading platforms. Research results can be beneficial in preventing situations of exchange rate instability and forecasting situations on trading venues that trade digital assets. The devised multi-loop digital asset management strategy with intellectual support can be applied for analyzing information on various trading aspects of digital assets and for subsequent prediction of their price fluctuations, as well as forming management recommendations for digital assets. The proposed combined method for risk assessment of financial resource losses by players and forecasting digital asset rates, which employs game theory, fuzzy logic, and neural network mechanisms, improves the quality of predictive evaluation of digital asset investment success by 7-12%. This enhancement allows for the optimization of decision-making processes concerning the digital asset market assessment. Practical significance of the scientific results. The practical importance of the contextual model of a multi-loop information system for managing digital assets with intellectual support lies in identifying structured processes to ensure its functionality, resilience, and integrity. The discovered solution can be employed in the implementation of software for trend analysis on digital asset trading platforms. Research results can be beneficial in preventing situations of exchange rate instability and forecasting situations on trading venues that trade digital assets. The devised multi-loop digital asset management strategy with intellectual support can be applied for analyzing information on various trading aspects of digital assets and for subsequent prediction of their price fluctuations, as well as forming management recommendations for digital assets. The proposed combined method for risk assessment of financial resource losses by players and forecasting digital asset rates, which employs game theory, fuzzy logic, and neural network mechanisms, improves the quality of predictive evaluation of digital asset investment success by 7-12%. This enhancement allows for the optimization of decision-making processes concerning the digital asset market assessment.

Read more

Research papers

1. Bebeshko B., Artificial intelligence face recognition for authentication./ Kryvoruchko, O., Bebeshko, B., Khorolska, K., Desiatko, A., Kotenko, N. (2020). Technical Sciences and Technologies, 2 (20), 139-148. https://stu.cn.ua/wp-content/uploads/2021/04/technical-sciences-and-technologies2.pdf

2. Bebeshko, B. (2022). Аналіз методів та моделей прогнозування ринку цифрових криптовалют. Електронне фахове наукове видання «Кібербезпека: освіта, наука, техніка», 2(18), 163-174. https://doi.org/10.28925/2663-4023.2022.18.163174

3. Bebeshko, B. (2023). Навчання штучної нейронної мережі на основі даних оцінювання результативності та ризиків інвестування в цифрові активи. Електронне фахове наукове видання «Кібербезпека: освіта, наука, техніка», 3(19), 135–145. https://doi.org/10.28925/2663-4023.2023.19.135145

4. Бебешко Б.Т. Штучна нейронна мережа управління процедурою купівлі-продажу цифрових активів у нечіткій постановці. Вісник Кременчуцького національного університету імені Михайла Остроградського. 2023. Вип. № 2 (139). С. 70–79. https://doi.org/10.32782/1995-0519.2023.2.24

5. Khorolska K., Lazorenko V., Bebeshko B., Desiatko A., Kharchenko O., Yaremych V. (2022) Usage of Clustering in Decision Support System. In: Raj J.S., Palanisamy R., Perikos I., Shi Y. (eds) Intelligent Sustainable Systems. Lecture Notes in Networks and Systems, vol 213. Springer, Singapore. https://doi.org/10.1007/978-981-16-2422-3_49

6. B. Bebeshko, K. Khorolska and A. Desiatko, "Analysis and Modeling of Price Changes on the Exchange Market Based on Structural Market Data," 2021 IEEE 8th International Conference on Problems of Infocommunications, Science and Technology (PIC S&T), 2021, pp. 151-156, doi: 10.1109/PICST54195.2021.9772208

7. Bebeshko B., Malyukov V., Lakhno M., Skladannyi P., Sokolov V., Shevchenko S., Zhumadilova M (2022) Application of game theory, fuzzy logic and neural networks for assessing risks and forecasting rates of digital currency Journal of Theoretical and Applied Information Technology 31st December 2022. Vol.100. No 24 http://www.jatit.org/volumes/Vol100No24/15Vol100No24.pdf

8. Lakhno, V., Akhmetov, B., Smirnov, O., Chubaievskyi, V., Khorolska, K., Bebeshko, B. (2023). Selection of a Rational Composition of İnformation Protection Means Using a Genetic Algorithm. In: Rajakumar, G., Du, KL., Vuppalapati, C., Beligiannis, G.N. (eds) Intelligent Communication Technologies and Virtual Mobile Networks. Lecture Notes on Data Engineering and Communications Technologies, vol 131. Springer, Singapore. https://doi.org/10.1007/978-981-19-1844-5_2

9. Bebeshko B. Cyberattacks prediction with incomplete data/ Bebeshko B., Khorolska K. // Безпека соціально-економічних процесів в кіберпросторі: зб. матеріалів Всеукр. наук.-практ. конф. (Київ, 27 бер. 2019 р.). – Київ : Київ. нац. торг.-екон. ун-т, 2019. – с.123-125

10. Bebeshko B. Use of AI in data protection/ Kryvoruchko O., Bebeshko B., Khorolska K. // Безпека ресурсів інформаційних систем: збірник тез I Міжнародної науково-практичної конференції (м. Чернігів 16-17 квітня 2020 р.). – Чернігів : НУЧП, 2020. – с.15-18

11. Бебешко Б.Т., Лазоренко В.В., Хорольська К.В. Безпека інтелектуальної системи управління цифровими активами за допомогою методу k-means при дослідженні видобутку даних // Кібергігієна. Кібербезпека. Безпека держави: матеріали наукових семінарів (Київ, 27 листопада 2020 р.)/відп. ред. АМ Десятко.–Київ: Київ. нац. торг.-екон. ун-т, 2020.– с.34-36 https://knute.edu.ua/file/MjExMzA=/d8e24930571c0d91476be247343bb902.pdf

12. Лазоренко В.В., Бебешко Б.Т., Хорольська К.В. Аналіз методів прогнозування кібератак // Комплексне забезпечення якості технологічних процесів та систем (КЗЯТПС – 2021) : матеріали тез доповідей XІ Міжнародної науково-практичної конференції (м. Чернігів, 26–27 травня 2021 р.) : у 2 т. / Національний університет «Чернігівська політехніка» [та ін.] ; відп. за вип.: Єрошенко Андрій Михайлович [та ін.]. – Чернігів : НУ «Чернігівська політехніка», 2021. – Т. 2. – 236 с. ISBN 978-617-7932-16-0

13. Bebeshko B. Enhancing stock market predictive accuracy through the application of convolutional neural networks. Proceedings of the VI International Scientific and Practical Conference. Osaka, Japan. 2023. Pp.438-441 DOI: 10.46299/ISG.2023.1.6

14. Бебешко Б.Т., Хорольська К.В. Аналіз кіберстійкості фінансових ринків // Проблеми кібербзпеки інформаційно-телекомунікаційних систем: Збірник матеріалів доповідей та тез; м.Київ, 15-16 квітня 2021 року р.; Київський національний університет імені Тараса Шевченка / Редкол.: О.К. закусило. (голова) та ін.-К.:ВПЦ «Київський університет», 2021.-с.135-136

15. Бебешко Б.Т. UX-дизайн інформаційної системи підприємства торгівлі. / Котенко Н.О., Жирова Т.О., Десятко А.М., Хорольська К.В., Бебешко Б.Т., Тогжанова К.О. // Вісник Кременчуцького національного університету імені Михайла Остроградського. 2020. Вип. № 3 (122). С. 107–112. DOI: 10.30929/1995-0519.2020.3.67-7

16. Tetiana Zhyrova, Nataliia Kotenko, Volodymyr Tokar, Karyna Khorolska, Bohdan Bebeshko, (2021) Testing the Accessibility of Web-applications The International Scientific Journal «Computer Systems and Information Technologies» 2021, #3 DOI: https://doi.org/10.31891/CSIT-2021-5-12

17. Lakhno V., Akhmetov B., Ydyryshbayeva M., Bebeshko B., Desiatko A., Khorolska K. (2021) Models for Forming Knowledge Databases for Decision Support Systems for Recognizing Cyberattacks. In: Vasant P., Zelinka I., Weber GW. (eds) Intelligent Computing and Optimization. ICO 2020. Advances in Intelligent Systems and Computing, vol 1324. Springer, Cham. https://doi.org/10.1007/978-3-030-68154-8_42

18. Zhyrova, T., Kotenko, N., Bebeshko, B., Khorolska, K., Shevchenko, S.(2022) Benchmarking between the DQL Index and the Web Application Accessibility Index using Automatic Test Tools CEUR Workshop Proceedings, 2022, 3288, pp. 110–116 https://ceur-ws.org/Vol-3288/short8.pdf

19. Bebeshko, B., Khorolska, K., Kotenko, N., Kharchenko, O., & Zhyrova, T. (2021). Use of neural networks for predicting cyberattacks. Paper presented at the CEUR Workshop Proceedings, 2923 213-223. http://ceur-ws.org/Vol-2923/paper23.pdf

Read more

Files

autoreferat-АНОТАЦІЯ_Бебешко.pdf

editrequest-Рішення_Бебешко.pdf

дисер_Бебешко.pdf

Similar theses

0824U001153

Oleksandr Tkachyk

Methods and tools for clustering heterogeneous data

0824U001143

Jie Chen

Models and Methods for Assessing the Competitiveness of Universities' Educational Activities in the Context of Digital Transformation.

0824U001146

Bohdan Khudoba

Methods and means of analyzing operator parameters using computer simulators.

0824U001134

Huan Zhou

Models and methods of competency-based human resource management of educational projects.

0824U001104

Ming Li

Models, methods and information technology for choosingthemanagement methodology of international educational projects