Information Technology and Security, Vol. 12, Iss. 2 (23)
Постійне посилання зібрання
Переглянути
Перегляд Information Technology and Security, Vol. 12, Iss. 2 (23) за Ключові слова "artificial intelligence"
Зараз показуємо 1 - 4 з 4
Результатів на сторінці
Налаштування сортування
Документ Відкритий доступ Innovative methods of automotive crash detection through audio recognition using neural networks algorithms(Institute of Special Communication and Information Protection of National Technical University of Ukraine “Igor Sikorsky Kyiv Polytechnic Institute”, 2024) Mogylevych, Dmytro; Khmil, RomanThe automatic e-Call system has become mandatory in the European Union since 2018. This requirement means that all new passenger vehicles released on the European market after this date must be equipped with a digital emergency response service, which automatically notifies emergency services in case of an accident through the Automatic Crash Notification (ACN) system. Since the response of emergency services (police, ambulance, etc.) to such calls is extremely expensive, the task arises of improving the accuracy of such reports by verifying the fact that the accident actually occurred. Nowadays, most car manufacturers determine an emergency by analyzing the information coming from the built-in accelerometer sensors. As a result, quite often sudden braking, which avoids an accident, is mistakenly identified as an emergency and leads to a false call to emergency services. Some car manufacturers equip their high-end vehicles with an automatic collision notification, which mainly monitors the airbag deployment in order to detect a severe collision, and call assistance with the embedded cellular radios. In order to reduce costs some third-party solutions offer the installation of boxes under the hood, wind-screen boxes and/or OBDII dongles with an embedded acceleration sensor, a third-party simcard as well as a proprietary algorithm to detect bumps. Nevertheless, relying on acceleration data may lead to false predictions: street bumps, holes and bad street conditions trigger false positives, whereas collisions coming from the back while standing still may be classified as normal acceleration. Also acceleration data is not suitable to identify vehicle side impacts. In many cases emergency braking helps to avoid collision, while acceleration data would be very similar to the data observed in case of an accident, resulting in a conclusion that the crash actually occurred. As a result, the average accuracy of those car crash detection algorithms nowadays does not exceed 85% , which is acceptable, yet offers a lot of room for further improvement, since each additional percept of accuracy would provide substantial cost savings. That is why the task of increasing accuracy of collision detection stays urgent. In this article, we will describe an innovative approach to the recognition of car accidents based on the use of convolutional neural networks to classify soundtracks recorded inside the car when road accidents occur, assuming that every crash produces a sound. Recording of the soundtrack inside the car can be implemented both with the help of built-in microphones as well as using the driver's smartphone, hands-free car kits, dash cameras, which would drastically reduce cost of hardware required to solve this task. Also, modern smartphones are equipped with accelerometers, which can serve as a trigger for starting the analysis of the soundtrack using a neural network, which will save the computing resources of the smartphone. Accuracy of the crash detection can be further improved by using multiple sound sources. Modern automobiles may be equipped with various devices capable of recording the audio inside the car, namely: built-in microphone of the hands-free speaking system, mobile phones of the driver and/or passengers, dash-cam recording devices, smart back-view mirrors etc.Документ Відкритий доступ Використання великих мовних моделей для ідентифікації фейкової інформації(Institute of Special Communication and Information Protection of National Technical University of Ukraine “Igor Sikorsky Kyiv Polytechnic Institute”, 2024) Ланде, Дмитро; Гирда, ВіраОстанні роки стали справжньою революцією у галузі штучного інтелекту завдяки появі великих мовних моделей (LLM), таких як GPT-4, Llama-3, Gemini та інших, які успішно застосовуються у широкому спектрі задач – від генерації текстів до аналізу даних. У цій статті ми розглянемо, як ці моделі можна ефективно використовувати для виявлення фейкової інформації. У цій статті досліджено використання чат-бота ChatGPT для ідентифікації фейкової інформації в контексті кібербезпеки. За допомогою великої мовної моделі було створено рій віртуальних експертів, які генерували інформаційні повідомлення на тему кібербезпеки (фейкові та правдиві) та оцінювали їх як «фейк» чи «правда». Для аналізу було побудовано семантичну мережу, яку згодом візуалізувати за допомогою Gephi. У дослідженні проаналізовано два масиви повідомлень: створені експертами-людьми та штучними експертами. Кожне повідомлення отримало оцінки, які були переведені у числовий формат для подальшого аналізу. Використовуючи відстань Хеммінга, було проведено перевірку результатів та визначено точність збігів між оцінками. У результаті побудови семантичної мережі визначено ключові поняття в темі кібербезпеки та встановлено взаємозв’язки між ними. Роєм штучних експертів згенеровано масив повідомлень із фейковим і правдивим змістом, які було оцінено як ними, так і експертом-людиною. Аналіз Хеммінгової відстані між цими оцінками показав, що штучний інтелект має потенціал у виявленні фейкової інформації, проте на даному етапі його робота потребує корегування з боку людини.Документ Відкритий доступ Напрями застосування штучного інтелекту в технологіях розробки програмного забезпечення(Institute of Special Communication and Information Protection of National Technical University of Ukraine “Igor Sikorsky Kyiv Polytechnic Institute”, 2024) Соколов, Володимир; Рябцев, Вячеслав; Успенський, Олександр; Копич, ДанилоВ статті представлено результати систематизованого аналізу сучасного стану застосування штучного інтелекту (ШІ) в інженерії програмного забезпечення (ПЗ) на основі аналізу публікацій, опису можливостей ШІ, досвіду його застосування та проведених експериментів. Сформовано концептуальні засади дослідження, які визначають: сприйняття ШІ як інструменту, а не суб’єкту праці; основні напрями його застосування – це інженерія та менеджмент; предметом застосування ШІ є обробка артефактів (синтез та аналіз) та отримання консультацій; підкреслено необхідність оцінки якості продуктів, отриманих від ШІ, та аналізу ризиків його застосування. В якості напрямів застосування ШІ в менеджменті визначено: процеси угоди (розробка концепції продукту та створення контракту), організаційні процеси (формування проєктної групи та вибір технологій) та управління проєктом (планування, управління ризиками, контроль та аналіз виконання проєкту) В якості напрямів застосування ШІ в інженерії розглянуто: управління вимогами, проєктування, конструювання, тестування та документування. Для систематизації аналізу напрямів застосування ШІ було розроблено концептуальну модель, яка включає: напрям, предмет та режим застосування ШІ. Режим застосування ШІ включає: формат промпту (постановка задачі та набір вхідних даних), потрібний продукт (результат) та його тип (готовий продукт, прототип, шаблон, варіанти рішень, інформаційна підтримка), роль ШІ (виконавець, співавтор, консультант), форму взаємодії зі ШІ (зовнішній сервіс, інтеграція через API, інтегрована система або локальна автономна система). На основі концептуальної моделі сформовано структуру похідних моделей для аналізу застосування ШІ по конкретних напрямках з оглядом можливостей найбільш ефективних інструментів ШІ. В якості висновків визначено, що в напрямках менеджменту найбільш раціональною моделлю застосування ШІ є отримання консультацій та прототипів документації при звертанні до зовнішніх сервісів ШІ, в інженерії – створення прототипів проєктних рішень та прототипів документації на основі зовнішніх сервісів,застосування інтегрованих систем ШІ для конструювання та тестування в режимі співавторства. В якості ризиків застосування ШІ визначено можливість отримання недостатньо деталізованої документації, складних і заплутаних програмних артефактів та помилок в програмному коді. Для зниження ризиків і підвищення ефективності застосування ШІ визначено, що потрібен постійний контроль якості його продуктів та навчання на основі корпоративних вимог та стандартів.Документ Відкритий доступ Освітні пріоритети підготовки фахівців з кібербезпеки в умовах воєнного стану в державі(Institute of Special Communication and Information Protection of National Technical University of Ukraine “Igor Sikorsky Kyiv Polytechnic Institute”, 2024) Горлинський, Віктор; Горлинський, БорисЗабезпечення кібербезпеки держави в умовах повномасштабного вторгнення російської федерації, поширення бойових дій на національний кіберпростір, вимагають перегляду і уточнення освітніх пріоритетів у підготовці фахівців у сфері кібербезпеки як передумови надійного захисту кіберпростору України. На підставі факторів впливу на професійну і службову діяльність фахівців у сфері кібербезпеки, визначено освітні пріоритети підготовки здобувачів, що відповідають сучасним вимогам захисту кіберпростору в умовах воєнного стану держави, а саме: спрямованість підготовки здобувачів на опанування ціннісними пріоритетами, визнаними українським суспільством, які утворюють ментальні й національнопатріотичні передумови належного виконання професійного і військового обов’язку, особистої відповідальності за забезпечення інформаційної безпеки держави та захищеності її кіберпростору; зорієнтованість навчання на превентивну підготовку фахівців, здатних активно діяти і виконувати професійне завдання в небезпечних обставинах воєнного стану, надзвичайних ситуацій і підвищеного ризику, компетентно попереджувати і протидіяти загрозам і небезпекам, зберігати морально-психологічну стійкість у небезпечних умовах воєнного часу; спрямованість підготовки на опанування фахівцями з кібербезпеки спеціальними знаннями та управлінськими здатностями, викликаних розвитком комунікаційних і квантових технологій, штучного інтелекту, новими методами кіберзахисту; націленість навчання на оволодіння здобувачами спеціальними, військовими й безпековими нормами, узгодженими із стандартами, прийнятими в країнах – членах ЄС і НАТО; відповідність навчання державній політиці цифровізації України, спрямування підготовки здобувачів на всебічний розвиток цифрових навичок взаємодії у цифровому просторі та підтримання власної кібербезпеки, опанування цифровими інструментами, зокрема, штучного інтелекту в інтересах навчальної, наукової, професійної та управлінської діяльності у сфері забезпечення кібербезпеки. На ґрунті окреслених освітніх пріоритетів, запропоновано перелік безпекових й професійних здібностей, на формування яких доцільно спрямувати підготовку фахівців у сфері кібербезпеки.