Міхав В. В. Модель та методи збору і обробки даних для рекомендаційних систем у peer-to-peer комп’ютерних мережах

English version

Дисертація на здобуття ступеня доктора філософії

Державний реєстраційний номер

0823U101642

Облікова картка дисертації

0823U101642.pdf

Здобувач

Спеціальність

  • 123 - Комп’ютерна інженерія

08-12-2023

Спеціалізована вчена рада

2671 (ДФ 05-23)

Черкаський державний технологічний університет

Анотація

Актуальність дослідження зумовлена зростанням кількості неструктурованих даних у комп’ютерних мережах різних типів. Для покращення пошуку у великих масивах інформації все частіше звичайні методи пошуку доповнюють рекомендаційними системами. Рекомендаційні системи дозволяють полегшити пошук при великій кількості контенту, доповнюючи або заміняючи класичну пошукову видачу рекомендаціями. Зокрема, вони дозволяють полегшити пошук при великій кількості об’єктів у системі, доповнюючи класичну пошукову видачу рекомендаціями, а в деяких ситуаціях навіть заміняють пошук. Також рекомендаційні системи можуть застосовуватися для ранжування результатів класичного пошуку. Таким чином вони можуть різними способами поєднуватися із звичайними пошуковими алгоритмами. В P2P мережах застосування рекомендаційних систем може мати додаткову користь. Якщо користувач шукає конкретний файл, доданий до мережі раніше, і файл не знайдено з різних причин, можна надати користувачу список рекомендацій з врахуванням його вподобань і, можливо, пошукового запиту. У децентралізованих P2P мережах часто виникає проблема індексації та пошуку файлів на різних пристроях мережі. P2P комп’ютерні мережі знову актуальні й широко використовуються у наш час завдяки численним перевагам, які вони пропонують. Якщо спочатку вони набули популярності завдяки файлообміним сервісам, то зараз їх використовують й у багатьох інших сферах. Найважливішою перевагою P2P мереж є децентралізація. Вони можуть працювати без центрального сервера, що робить їх стійкішими до відмов та атак. Це особливо корисно в умовах збільшення кількості кіберзагроз. P2P також сприяють розвитку сучасних технологій, таких як блокчейн. Багато криптовалют та додатків для управління цифровими активами базуються на P2P принципах, що забезпечує їх безпеку та надійність. У сфері інтернет-телебачення, стрімінгу та онлайн комп’ютерних ігор P2P також стають все популярнішими. Вони дозволяють роздавати контент без великих централізованих серверів, що ефективно зменшує навантаження на інфраструктуру мережі та забезпечує якість стрімінгу. Тож P2P мережі залишаються актуальними завдяки своїй децентралізованій природі, яка сприяє безпеці та стійкості в умовах зростаючих кіберзагроз, а також вони допомагають у розвитку нових технологій та способів розповсюдження контенту. З різних причин шукані файли можуть бути недоступні для користувача, навіть якщо вони були додані раніше до системи та проіндексовані. Наприклад, комп’ютери, що містять потрібний файл або таблиці маршрутизації до нього чи його частин, вийшли з мережі, або застосовуються технології побудови P2P мережі з ймовірнісними методами пошуку, що не завжди знаходять далеко розташовані від комп’ютера користувача файли тощо. В одноранговій комп’ютерній мережі вузли – учасники мережі динамічно під’єднуються та від’єднуються, при цьому можуть виникнути проблеми з достовірністю та безпекою даних інформаційної системи мережі, зокрема й рекомендаційної, адже нові вузли, що під’єднуються можуть управлятися зловмисниками або бути ураженими шкідливим програмним забезпеченням. Такі вузли можуть бути запрограмовані на викривлення або перехоплення даних рекомендаційної системи. Тому важливо при здійсненні пошуку і створенні рекомендацій враховувати також достовірність та інформаційну безпеку інформації. При формуванні пошукової видачі та створенні рекомендацій користувачам децентралізованих P2P комп’ютерних мереж також важливо враховувати час на доступ до інформації та знаходити баланс між точністю та швидкістю отримання результатів. Оскільки інформація та таблиці маршрутизації в децентралізованих мережах зберігаються розподілено, важливо враховувати, що деякі файли користувач може отримати швидше, ніж інші, а також, що інколи час пошуку і завантаження файлу може зробити неактуальним зусилля на отримання доступу до нього. Важливим питанням є також кількість пам’яті, яку можна виділити під дані рекомендаційної системи, адже у децентралізованій P2P мережах їх доведеться зберігати розподілено на комп’ютерах учасників мережі. Вибір методу представлення даних, якими оперує рекомендаційна система, має вагомий вплив, оскільки ефективний спосіб представлення даних, необхідних для роботи такої системи, може зменшити кількість потрібних ресурсів та збільшити кількість доступних алгоритмів для формування списків рекомендацій. Тож рекомендаційні системи значним чином впливають на те, яким користувачі сприймають інформаційний простір, а їх інформаційна безпека та часова і просторова складність алгоритмів є важливими складниками забезпечення якості та ефективності роботи систем пошуку і фільтрації даних у комп’ютерних мережах, особливо децентралізованих.

Читати повністю

Публікації

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.

Читати повністю

Файли

autoreferat-Анотація.pdf

dis_МіхавВВ.pdf

Схожі дисертації

0824U000994

Худік Богдан Олександрович

Методика побудови рекомендаційної системи для сфери освіти на основі гібридного підходу

0824U000993

Дмитренко Володимир Віталійович

Модель та метод побудови конвергентних програмно-конфігурованих мереж з гарантованою достовірністю управляючої інформації.

0824U000864

Герцюк Микола Модестович

Інформаційна технологія прогнозування забруднення річок в умовах надзвичайних ситуацій на основі методів регресії та евристичних алгоритмів

0824U000347

Єлісєєва Ганна Сергіївна

Рекурентні логарифмічні аналого-цифрові перетворювачі

0824U000366

Кушнір Дмитро Олександрович

Методи та засоби пошуку та розпізнавання об’єктів у відеозображеннях на мобільній платформі в реальному часі