Методи адаптивного підбору та захисту даних веб-порталів з використанням штучного інтелекту

Скорочена інформація про документ
dc.contributor.advisorМихайлова, Ірина Юріївна
dc.contributor.authorБагній, Антон Іванович
dc.date.accessioned2026-01-30T09:11:27Z
dc.date.available2026-01-30T09:11:27Z
dc.date.issued2025
dc.description.abstractАктуальність теми. Розвиток електронної комерції супроводжується зростанням кіберзагроз, зокрема атак ботів, які складають до 60% трафіку. Існуючі рішення часто занадто дорогі для малого бізнесу, а традиційні методи не забезпечують балансу між безпекою та зручністю. Актуальність роботи зумовлена необхідністю створення доступної комплексної системи, що поєднує адаптивний захист та персоналізацію на основі штучного інтелекту. Мета роботи — розробити методи адаптивного підбору та захисту даних веб-порталів з використанням штучного інтелекту для підвищення рівня безпеки та персоналізації користувацького досвіду. Завдання дослідження — проаналізувати кіберзагрози та методи захисту у сучасних веб-сервісах; дослідити математичні методи виявлення загроз, криптографії та побудови рекомендацій; розробити архітектуру семирівневої системи захисту (WAF, анти-бот, 2FA, ризик-менеджмент); реалізувати гібридну систему рекомендацій на основі матричної факторизації та фільтрації; протестувати систему та оцінити ефективність рішень. Об’єкт дослідження — методи забезпечення безпеки та персоналізації даних у веб-порталах електронної комерції. Предмет дослідження — методи адаптивного захисту даних, алгоритми виявлення автоматизованих систем та методи персоналізованих рекомендацій. Методи дослідження: поведінковий аналіз (для ботів); метод EWMA (управління ризиками); криптографічні методи (AES-256, bcrypt, TOTP); матричну факторизацію (SVD, SGD), TF-IDF та косинусну схожість (рекомендації). Наукова новизна одержаних результатів. Запропоновано комплексний підхід до захисту e-commerce, що інтегрує 7 рівнів безпеки з адаптивним управлінням ризиками (EWMA). Розроблено гібридний алгоритм рекомендацій, що поєднує методи фільтрації через rank-based blending. Удосконалено метод виявлення ботів за рахунок динамічного ризик-скору. Практичне значення одержаних результатів. Створено програмне забезпечення, що поєднує захист та персоналізацію. Система розгорнута у виробничому середовищі, а власна реалізація алгоритмів забезпечила оптимізацію витрат. Апробація результатів дисертації. Основні положення доповідалися на науковій конференції «Science of XXI century: development, main theories and achievements» (м. Гаага, 31.10.2025). Структура та обсяг роботи. Дисертація складається зі вступу, п’яти розділів, висновків, списку джерел та додатків. Загальний обсяг дисертації — 119 сторінок. Основний вміст викладено на 114 сторінках. Робота містить 36 рисунків, 10 таблиць. Список джерел — 30 найменувань .
dc.description.abstractotherRelevance of the topic. The development of e-commerce is accompanied by an increase in cyber threats, in particular bot attacks, which account for up to 60% of traffic. Existing solutions are often too expensive for small businesses, and traditional methods do not provide a balance between security and convenience. The relevance of this work is due to the need to create an affordable comprehensive system that combines adaptive protection and personalization based on artificial intelligence. The goal of this work is to improve the security and personalization of e-commerce web portals by developing a system of adaptive protection and hybrid recommendations. The objectives of the study are to analyze cyber threats and protection methods in modern web services; to investigate mathematical methods for threat detection, cryptography, and recommendation generation; to develop the architecture of a seven-level protection system (WAF, anti-bot, 2FA, risk management); to implement a hybrid recommendation system based on matrix factorization and filtering; to test the system and evaluate the effectiveness of solutions. The object of research is the processes of ensuring data security and personalization in e-commerce web portals. The subject of the study is adaptive data protection methods, algorithms for detecting automated systems, and methods for personalized recommendations. Research methods: behavioral analysis (for bots); EWMA method (risk management); cryptographic methods (AES-256, bcrypt, TOTP); matrix factorization (SVD, SGD), TF-IDF, and cosine similarity (recommendations). Scientific novelty of the results obtained. A comprehensive approach to e-commerce protection is proposed, integrating seven levels of security with adaptive risk management (EWMA). A hybrid recommendation algorithm has been developed, combining filtering methods through rank-based blending. The method of detecting bots has been improved by means of a dynamic risk score. Practical significance of the results obtained. Software combining protection and personalization has been created. The system has been deployed in a production environment, and the implementation of proprietary algorithms has ensured cost optimization. Approval of the dissertation results. The main provisions were reported at the scientific conference “Science of the 21st century: development, main theories and achievements” (The Hague, October 31, 2025). Structure and scope of work. The dissertation consists of an introduction, five chapters, conclusions, a list of sources, and appendices. The total length of the dissertation is 119 pages. The main content is presented on 114 pages. The work contains 36 figures and 10 tables. The list of sources contains 30 titles.
dc.format.extent120 с.
dc.identifier.citationБагній, А. І. Методи адаптивного підбору та захисту даних веб-порталів з використанням штучного інтелекту : магістерська дис. : 122 Комп’ютерні науки / Багній Антон Іванович. – Київ, 2025. – 120 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/78557
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectелектронна комерція
dc.subjectкібербезпека
dc.subjectштучний інтелект
dc.subjectрекомендаційна система
dc.subjectwaf
dc.subjectадаптивний захист
dc.subjectматрична факторизація
dc.subjectewma
dc.subjecte-commerce
dc.subjectcybersecurity
dc.subjectartificial intelligence
dc.subjectrecommendation system
dc.subjectadaptive protection
dc.subjectmatrix factorization
dc.titleМетоди адаптивного підбору та захисту даних веб-порталів з використанням штучного інтелекту
dc.typeMaster Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Bagniy_magistr.pdf
Розмір:
4.96 MB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Магістерські роботи (ЦТЕ)
Магістерські роботи