Теоретичнi i прикладнi проблеми фiзики, математики та інформатики
Постійне посилання на фонд
Переглянути
Перегляд Теоретичнi i прикладнi проблеми фiзики, математики та інформатики за Автор "Барановський, О. М."
Зараз показуємо 1 - 20 з 20
Результатів на сторінці
Налаштування сортування
Документ Відкритий доступ Iнтеграцiя блокчейн-технологiй у процес зберiгання доказiв в комп’ютернiй кримiналiстицi(КПІ ім. Ігоря Сікорського, 2024) Вєрнікова, Л. Г.; Барановський, О. М.В епоху настання цифрової ери стає вкрай важливим своєчасно інтегрувати новітні технології у різноманітні процеси людської діяльності. Наразі ми спостерігаємо, як швидко традиційні системи захисту інформації стають все менш ефективними і потребують удосконалення. Ця стаття описує модель системи збереження цифрових доказів з використанням блокчейн-технологій, що підвищить рівень безпеки таких важливих матеріалів, як судові докази.Документ Відкритий доступ Автоматизоване сканування вебсокетiв з використанням ZAP(КПІ ім. Ігоря Сікорського, 2021) Наумейко, Л. А.; Барановський, О. М.Документ Відкритий доступ Використання алгоритмiв машинного навчання у комп’ютерному кримiналiстичному сортуваннi для класифiкацiї цифрових файлiв на основi їх вiдповiдностi розслiдуванню(КПІ ім. Ігоря Сікорського, 2024) Лета, Я. В.; Барановський, О. М.У ході стрімкого зростання цифрових доказів у комп’ютерній криміналістиці, ефективна обробка та аналіз цих даних стає все більш нагальною задачею. Використання сучасних підходів з використання алгоритмів машинного навчання може значно полегшити процес класифікації цифрових файлів та визначення їх пріоритетності для подальшого розслідування. Шляхом аналізу метаданих файлів за допомогою алгоритмів машинного навчання можна досягти автоматичного визначення важливості кожного файлу у контексті конкретного розслідування. Це дозволяє значно збільшити швидкість та ефективність аналізу великих обсягів цифрових доказів, сприяючи правоохоронним органам у більш ефективному розкритті злочинів та протидії кіберзлочинності.Документ Відкритий доступ Виявлення фiшингових листiв за допомогою машинного навчання та аналiзу IOC(КПІ ім. Ігоря Сікорського, 2024) Єсаф’єв, Є. О.; Барановський, О. М.У сучасному світі, де електронна пошта є одним з основних каналів комунікації, фішинг становить серйозну загрозу для кібербезпеки як індивідуальних користувачів, так і організацій. Традиційні методи виявлення фішингу часто виявляються неефективними перед складністю та еволюцією фішингових атак. Ця робота пропонує новий підхід до виявлення фішингових листів, який інтегрує методи машинного навчання з аналізом індикаторів компрометації (IoC), що має потенціал покращити здатність системи розпізнавати фішингові спроби.Документ Відкритий доступ Досiдження тенденцiй та методiв фiшингу. Методи протидiї та їх аналiз(КПІ ім. Ігоря Сікорського, 2021) Брiкс, О. В.; Барановський, О. М.Документ Відкритий доступ Дослiдження методiв функцiонування та розробки С&С агентiв(КПІ ім. Ігоря Сікорського, 2024) Кодак, Є. П.; Барановський, О. М.У роботі досліджнно сучасні існуючі методи функціонування С2 імплантів. Проаналізовано їх принципи роботи, переваги та недоліки. Розроблено власний агент з використанням мови програмування Golang для C2 серверу Mythic з відкритим вихідним кодом.Документ Відкритий доступ Метод виявлення аномальної поведiнки в локальнiй мережi(НТУУ «КПІ», 2016) Батинчук, В. I.; Барановський, О. М.Документ Відкритий доступ Метод навчання систем мультиекземплярної біометричної аутентифікації(НТУУ «КПІ», 2016) Бахмач, Д. В.; Барановський, О. М.Документ Відкритий доступ Методи виявлення dga в DNS-запитах(КПІ ім. Ігоря Сікорського, 2021) Божко, А. Ю.; Барановський, О. М.Документ Відкритий доступ Мобiльний NIDS з аналiзом трафiку для Android(КПІ ім. Ігоря Сікорського, 2020) Соболь, З. М.; Барановський, О. М.Документ Відкритий доступ Модель соцiальної крипто-мережi(НТУУ «КПІ» РТФ, 2015) Орел, М. М.; Барановський, О. М.Документ Відкритий доступ Модель-граф атрибуцiї кiбератак(КПІ ім. Ігоря Сікорського, 2021) Сидоренко, К. Л.; Барановський, О. М.Документ Відкритий доступ Оцiнка слабкостi паролiв на основi вiдкритої iнформацiї(НТУУ «КПІ», 2016) Стецюк, К. О.; Барановський, О. М.Документ Відкритий доступ Проблеми безпеки застосункiв з мiкросервiсною архiтектурою(КПІ ім. Ігоря Сікорського, 2020) Нiкiтiн, Є. Є.; Барановський, О. М.Документ Відкритий доступ Протокол взаємної автентифiкацiї в VoIP мережах(НТУУ «КПІ», 2016) Черкас, Д. А.; Барановський, О. М.Документ Відкритий доступ Розробка методу виявлення RAT троянiв з С2С QUIC комунiкацiєю(КПІ ім. Ігоря Сікорського, 2024) Пошивак, Н. Р.; Барановський, О. М.У роботі досліджено особливості та перспективи протоколу QUIC, його застосування на рівні додатків та на рівні мережевих комунікацій. Для сепарації легітимного та зловмисного трафіку обрано статистичний підхід, що аналізує закономірності потоку пакетів різних додатків та за певними паттернами ідентифікує ймовірність використання С&С в мережі.Документ Відкритий доступ Система агрегування та класифiкацiї вразливостей в iнформацiйно-комунiкцiйних системах(НТУУ «КПІ» РТФ, 2015) Савiнов, Д. А.; Барановський, О. М.Документ Відкритий доступ Сучасний стан безпеки Kubernetes: Використання iснуючих iнструментiв та пiдходiв для тестування на проникнення(КПІ ім. Ігоря Сікорського, 2023) Ханас, М. Л.; Барановський, О. М.В останні роки Kubernetes став провідною платформою оркестрації контейнерів, що дозволяє організаціям ефективно керувати, масштабувати та розгортати контейнерні програми. Оскільки впровадження та використання Kubernetes продовжують зростати, забезпечення безпеки цих кластерів стало пріоритетом для підприємств у всьому світі. Як із будь-якою іншою технологією, кластери Kubernetes, якщо вони неправильно налаштовані, можуть створювати ризики безпеці, які можуть призвести до несанкціонованого доступу, витоку даних та інших зловмисних дій. Зважаючи на ці проблеми, зростає потреба в автоматизованій системі тестування на проникнення, спеціально розробленій для середовищ Kubernetes. Така структура не тільки заощадить час і ресурси, але й забезпечить послідовну та ретельну оцінку стану безпеки кластерів Kubernetes. Крім того, це дозволить організаціям швидше виявляти та усувати вразливості, зменшуючи вікно можливостей для зловмисників. У цій роботі було проаналізовано основні існуючі інструменти та підходи тестування на проникнення, які застосовуються для задоволення цих потреб і підвищення безпеки розгортання Kubernetes, а також були досліджені потенційні проблеми та обмеження пов’язані з їхнім використанням.Документ Відкритий доступ Форензика у блокчейнi Ethereum(КПІ ім. Ігоря Сікорського, 2024) Ковбель, Д. О.; Барановський, О. М.У роботі було розглянуто основні проблеми безпеки та методи застосування блокчейну Ethereum у незаконних операціях. На основі цих досліджень було запропоновано алгоритм форензики для ефективного виявлення та відслідковування зловмисних гаманців. Результати даної роботи можна застосувати для програмної реалізації розробленого алгоритму.Документ Відкритий доступ Фреймворк готовностi до кримiнологiчного аналiзу iнфраструктури в Amazon Web Services(КПІ ім. Ігоря Сікорського, 2023) Курганський, Л. С.; Барановський, О. М.«Фреймворк готовностi до кримiнологiчного аналiзу iнфраструктури в Amazon Web Services» -— це посiбник для органiзацiй щодо пiдготовки до судових розслiдувань у разi iнциденту безпеки в їхньому середовищi AWS. Структура окреслює низку крокiв для органiзацiй, включаючи визначення критичних активiв i потенцiйних загроз, впровадження належного журналювання та монiторингу, встановлення процедур реагування на iнциденти та проведення регулярного тестування та оцiнювання. Мета iнфраструктури полягає в тому, щоб допомогти органiзацiям пiдвищити готовнiсть до кримiналiстичної експертизи та скоротити час i витрати, пов’язанi з реагуванням на iнциденти безпеки в середовищi AWS.