Mikhav V. Model and methods of data receiving and processing for recommendation systems in peer-to-peer computer networks

Українська версія

Thesis for the degree of Doctor of Philosophy (PhD)

State registration number

0823U101642

Thesis Registration Form

0823U101642.pdf

Applicant for

Specialization

  • 123 - Комп’ютерна інженерія

08-12-2023

Specialized Academic Board

2671 (ДФ 05-23)

Cherkasy State Technological University

Essay

The relevance of the research is driven by the increasing volume of unstructured data in various types of computer networks. To enhance search capabilities within vast information repositories, conventional search methods are increasingly complemented by recommendation systems. Recommender systems make it easier to search in a large amount of content by supplementing or even replacing traditional search results with recommendations. In particular, they ease the search process when dealing with an abundance of items within a system supplementing the classic search output with recommendations, and in some cases, even substituting search altogether. Recommendation systems can also be applied to rank classical search results, thus providing various ways to integrate with conventional search algorithms. In P2P networks, the application of recommendation systems can offer additional benefits. If a user is searching for a specific file that was previously shared on the network but cannot be located for various reasons, recommendations can be provided to the user, taking into account their preferences and, perhaps, their search query. In decentralized P2P networks, the problem of indexing and locating files on various network devices often arises. P2P networks have regained relevance and widespread usage due to their multiple benefits. Though these networks originally gained popularity via file-sharing services, they now serve many other purposes. Decentralization is P2P networks' most important advantage. They can function without a central server, rendering them more resilient to failures and attacks, especially in the current era of escalating cyber threats. P2P networks also aid in the advancement of contemporary technologies such as blockchain. Numerous cryptocurrencies and digital asset management programs rely on P2P principles, guaranteeing their safety and dependability. In the realm of Internet television, streaming, and online computer games, P2P services are also growing in popularity. Peer-to-peer (P2P) networks enable content distribution without relying on large centralized servers, effectively reducing network infrastructure load and enhancing the quality of streaming. P2P networks remain pertinent due to their decentralized nature, which enhances security and resilience against increasing cyber threats, and contributes to advancing new technologies and content distribution methods. Files that have been added to the system and indexed may still not be accessible to the user due to various factors. For instance, the computers containing the required file or routing tables may have gone offline, or probabilistic search methods utilized in P2P network technologies may fail to locate files distant from the user's computer. In a peer-to-peer computer network, the nodes of network participants establish and terminate connections dynamically. This process may degrade the reliability and security of network information system data, including the recommendation system. Such problems can occur due to newly connected nodes that are controlled by attackers or affected by malware. These nodes may be programmed to interfere with the data or even cause corruption of the recommendation system. Therefore, it is important to prioritize reliability and information security when searching for and recommending information. When generating search results and recommendations for users of decentralized P2P computer networks, it is also important to consider the time it takes to access information and strike a balance between accuracy and speed of results. Because information and routing tables are stored in a distributed manner on decentralized networks, it is important to consider that some files can be retrieved faster than others, and that sometimes the time it takes to find and download a file can make access to it irrelevant. Another important issue is the amount of memory that can be allocated to the recommendation system data, since in a decentralized P2P network it will have to be stored distributed on the computers of the network participants. The choice of how to represent the data used by a recommendation system has a significant impact, since an efficient way of representing the data required by the system can reduce the amount of resources required and increase the number of algorithms available for generating recommendation lists. Therefore, recommendation systems have a significant impact on how users perceive the information space, and their information security as well as the temporal and spatial complexity of algorithms are important components of ensuring the quality and efficiency of data search and filtering systems in computer networks, especially decentralized ones.

Read more

Research papers

1. Mikhav V., Semenov S., Meleshko Y., Yakymenko M., Shulika Y. Constructng the mathematical model of a recommender system for decentralized peer-to-peer computer networks. Eastern-European Journal of Enterprise Technologies. 2023. Vol. 4 (9(124)). Р. 24–35. (ISSN 1729-3774). DOI: 10.15587/1729-4061.2023.286187. URL: https://journals.uran.ua/eejet/ article/view/286187 (SCOPUS)

2. Meleshko Ye., Drieieva H., Drieiev O., Yakymenko M., Mikhav V., Shymko S. (2023). A Method of Routing of Fractal-like Traffic with Prediction of Router Load for Reduce the Probability of Network Packet Loss. Computational Linguistics and Intelligent Systems (COLINS 2023): CEUR-WS, Kharkiv, Ukraine / O. Cherednichenko, L. Chyrun, V. Vysotska (Ed.). 2023. Vol. 3403(III). Р. 434–448. (ISSN 1613-0073). DOI: 10.5281/zenodo.8231189. URL: https://ceur-ws.org/Vol-3403/paper34.pdf. (SCOPUS)

3. Drieieva H., Drieiev O., Meleshko Ye., Yakymenko M., Mikhav V. A method of determining the fractal dimension of network traffic by its probabilistic properties and experimental research of the quality of this method. Computational Linguistics and Intelligent Systems (COLINS 2022): CEUR-WS, Gliwice, Poland / V. Lytvyn (Ed.). 2022. Vol. 3154. Р. 1694–1707. (ISSN 1613-0073). DOI: 10.5281/zenodo.7892006. URL: https://ceur-ws.org/Vol-3171/paper120.pdf. (SCOPUS)

4. Мелешко Є. В., Дрєєв О. М., Лавданський А. О. Модель рекомендаційної системи для комп’ютерних мереж типу P2P. Вісник Черкаського державного технологічного університету. 2023. Вип. 1. С. 52–60. DOI: 10.24025/2306-4412.1.2023.273495. URL: http://vtn.chdtu.edu.ua/ article/view/273495 (фахове видання категорії Б)

5. Міхав В. В., Мелешко Є. В. Метод роботи рекомендаційної системи у комп’ютерній мережі типу peer to peer. Системи управління, навігації та зв’язку. Полтава: ПНТУ, 2023. Т. 1(71). С. 112–117. DOI: 10.26906/SUNZ.2023.1.112. URL: http://journals.nupp.edu.ua/sunz/article/view/ 2839 (фахове видання категорії Б)

6. Drieievа Н., Meleshko Ye., Drieiev O., Mikhav V. Computer simulation model of a computer network with fractal traffic for testing routing algorithms. Advanced Information Systems. 2022. No. 6 (4). P. 11–18. DOI: 10.20998/2522-9052.2022.4.02. URL: http://ais.khpi.edu.ua/article/view/268306. (фахове видання категорії Б)

7. Міхав В. В., Мелешко Є. В., Якименко М. С., Шуліка Я. П. Розробка системи управління базою даних рекомендаційної системи для комп’ютерних та комп’ютерно-інтегрованих систем. Центральноукраїнський науковий вісник. Технічні науки: зб. наук. пр. Кропивницький: ЦНТУ, 2022. Вип. 5 (36). С. 130–136. DOI: 10.32515/2664-262X.2022.5(36).2.130-136. URL: http://mapiea.kntu.kr.ua/pdf/5(36)_II/19.pdf (фахове видання категорії Б)

8. Міхав В. В., Мелешко Є. В., Якименко М. С., Бащенко Д. В. Методи зберігання даних рекомендаційної системи на основі зв’язних списків. Системи управління, навігації та зв’язку. Полтава: ПНТУ, 2021. Т. 4(66). С. 59–62. DOI: 10.26906/SUNZ.2021.4.059. URL: http://journals.nupp.edu.ua/sunz/article/view/2422 (фахове видання категорії Б)

9. Міхав В. В., Мелешко Є. В., Якименко М. С. Метод зберігання даних рекомендаційної системи на основі бінарних діаграм рішень. Системи управління, навігації та зв’язку. Полтава: ПНТУ, 2020. Т. 2 (60). С. 85–89. DOI: 10.26906/SUNZ.2020.2.085. URL: http://journals.nupp.edu.ua/sunz/article/ view/1836 (фахове видання категорії Б)

10. Міхав В. В. Програмне забезпечення для моделювання мереж репутації користувачів соціальних веб-ресурсів на основі бінарних діаграм рішень. Системи управління, навігації та зв’язку. Полтава: ПНТУ, 2019. Т. 5 (57). С. 78–83. DOI: https://doi.org/10.26906/SUNZ.2019.5.078. URL: http://journals.nupp.edu.ua/sunz/article/view/1720 (фахове видання)

11. Міхав В. В., Мелешко Є. В., Лавданський А. О. Дослідження принципів роботи однорангових децентралізованих структурованих комп’ютерних мереж. Інформаційна безпека та комп’ютерні технології: тези доп. VІ Міжнар. наук.-практ. конф. (Кропивницький, 20–21 квіт. 2023 р.) / М-во освіти і науки України, Центральноукр. нац. техн. ун-т. Кропивницький: ЦНТУ, 2023. С. 51–52.

12. Міхав В. В., Мелешко Є. В., Дрєєв О. М., Миронець І. В. Модель рекомендаційної системи для комп’ютерної мережі типу peer to peer. Інновації та перспективні шляхи розвитку інформаційних технологій (ІПШРІТ-2022): тези доп. Міжнар. наук.-практ. Інтернет-конф., (Черкаси, 9 груд. 2022 р.) / упоряд.: Т. О. Прокопенко, Я. В. Тарасенко. М-во освіти і науки України, Черкас. держ. технол. ун-т, 2022. С. 59–60.

13. Дрєєва Г. М., Дрєєв О. М., Мелешко Є. В., Якименко М. С., Міхав В. В. Дослідження якості роботи методу визначення фрактальної розмірності мережевого трафіку за його ймовірнісними властивостями. Сучасні напрями розвитку інформаційно-комунікаційних технологій та засобів управління: тези доп. 12-ї Міжнар. наук.-техн. конф., (Баку–Харків–Жиліна, 27–28 квіт. 2022 р.) / уклад. В. В. Косенко. Харків: ФОП Петров В. В., 2022. Т. 1. С. 126.

14. Дрєєва Г. М., Мелешко Є. В., Міхав В. В. Програмна імітаційна модель комп’ютерної мережі для тестування алгоритмів маршрутизації трафіку. Автоматика, комп’ютерно-інтегровані технології та проблеми енергоефективності в промисловості і сільському господарстві: матеріали Міжнар. наук.-техн. конф., (Кропивницький, 10–11 листоп. 2022 р.) / М-во освіти і науки України, Центральноукр. нац. техн. ун-т. Кропивницький: Ексклюзив-Систем, 2022. С. 44–45.

15. Міхав В. В., Мелешко Є. В., Якименко М. С., Бащенко Д. В. Методи зберігання даних у рекомендаційних системах. Цифрова трансформація суспільства: тези доп. І Міжнар. наук.-практ. конф. (Кропивницький, 21–22 квіт. 2022 р.) / М-во освіти і науки України, Центральноукр. нац. техн. ун-т. Кропивницький: ЦНТУ, 2022. С. 44–45.

16. Міхав В. В., Мелешко Є. В., Якименко М. С. Дослідження можливостей графової бази даних Neo4j для застосування у розробці рекомендаційних систем соціальних мереж. Комбінаторні конфігурації та їхні застосування: тези доп. XXIII Міжнар. наук.-практ. семінару ім. А. Я. Петренюка, присвяч. 70-річчю ЛА НАУ (Запоріжжя–Кропивницький, 13–15 трав. 2021 р.) / за ред. Г. П. Донця. Кропивницький: Ексклюзив-Систем, 2021. С. 124–127.

17. Міхав В. В., Мелешко Є. В. Застосування методу delta-encoding для представлення даних рекомендаційної системи. Інформаційна безпека та комп’ютерні технології: тези доп. IV Міжнар. наук.-практ. конф. (Кропивницький, 15–16 квіт. 2021 р.) / М-во освіти і науки України, Центральноукр. нац. техн. ун-т. Кропивницький: ЦНТУ, 2021. С. 57.

18. Міхав В. В., Мелешко Є. В. Порівняння стратегій редагування бінарних діаграм рішень для роботи з графовими даними. Інформація, комунікація, суспільство: тези доп. 9-ої Міжнар. наук. конф. (Львів, 21–23 трав. 2020 р.) / М-во освіти і науки України, Нац. ун-т «Львівська політехніка». Львів: Вид-во Львів. політехніки, 2020. С. 17–18.

19. Міхав В. В., Мелешко Є. В. Метод оптимізації швидкодії бінарних діаграм рішень при представленні даних рекомендаційної системи. Інформаційна безпека та інформаційні технології: тези доп. II Міжнар. наук.-практ. конф. (Кропивницький, 2–3 квіт. 2020 р.) / М-во освіти і науки України, Центральноукр. нац. техн. ун-т. Кропивницький: ЦНТУ, 2020. С. 17.

20. Міхав В. В., Мелешко Є. В., Чабан О. О. Способи побудови рекомендаційних систем для соціальних мереж з врахуванням репутації користувачів. Перспективні напрямки інформаційних і комп’ютерних систем та мереж, комп’ютерно-інтегровані технології у промисловості, телекомунікаціях, енергетиці та транспорті: тези доп. Міжнар. наук.-практ. конф. (Кропивницький, 13–14 лист. 2019 р.) / М-во освіти і науки України, Центральноукр. нац. техн. ун-т. Кропивницький: ЦНТУ, 2019. С. 86–87.

21. Міхав В. В. Алгоритми динамічного впорядкування змінних у впорядкованих бінарних діаграмах рішень. Комбінаторні конфігурації та їх застосування: тези доп. XVII Міжнар. наук.-практ. семінару (Кіровоград, 17–18 квіт. 2015 р.) / за ред. Г. П. Донця. Кропивницький: ЦНТУ, 2015. С. 75–78.

Read more

Files

autoreferat-Анотація.pdf

dis_МіхавВВ.pdf

Similar theses

0824U000994

Bohdan Khudik

Methodology for building a recommendation system for the field of education based on a hybrid approach

0824U000993

Volodymyr V. Dmytrenko

Model and method of building convergent software-configured networks with guaranteed reliability of control information.

0824U000864

Mykola M. Gertsiuk

Information technology for river pollution forecasting in emergencies based on regression methods and heuristic algorithms

0824U000347

Hanna S. Yelisieieva

Recurrent logarithmic analog-to-digital converters

0824U000366

Dmytro O. Kushnir

Methods and means of searching and recognizing objects in video images on the mobile platform in real-time.