Шуклін, Герман ВікторовичБульботко, Назар Вікторович2026-09-182026-09-182026Бульботко, Н. В. Розробка програмного забезпечення інтелектуальної системи детекції несанкціонованого доступу до хмарних даних із використанням машинного навчання : дипломна робота ... бакалавра : 121 Інженерія програмного забезпечення / Бульботко Назар Вікторович. – Київ, 2026. – 78 с.https://ela.kpi.ua/handle/123456789/83289Дипломна робота на тему «Розробка програмного забезпечення інтелектуальної системи детекції несанкціонованого доступу до хмарних даних із використанням машинного навчання» виконана студентом кафедри інженерії програмного забезпечення в енергетиці НН ІАТЕ Бульботком Назаром Вікторовичем зі спеціальності 121 «Інженерія програмного забезпечення» за освітньо-професійною програмою «Інженерія програмного забезпечення інтелектуальних кібер-фізичних систем в енергетиці» і складається зі вступу; 4 розділів («Аналіз предметної області та постановка завдання», «Проектування та вибір технологій», «Програмна реалізація системи», «Тестування та оцінка ефективності програмної системи»), висновків до кожного з цих розділів; загальних висновків; списку використаних джерел, який налічує 30 джерел; 16 ілюстрацій; 5 таблиць та 2 додатків. Загальний обсяг роботи становить 78 сторінок. Актуальність теми зумовлена необхідністю підвищення рівня безпеки хмарних середовищ шляхом використання сучасних інформаційних технологій та методів машинного навчання. Існуючі підходи до контролю доступу до хмарних сховищ часто обмежуються механізмами автентифікації та статичними правилами безпеки, що не завжди дозволяє своєчасно виявляти аномальну або потенційно небезпечну поведінку користувачів. Це ускладнює процес виявлення несанкціонованого доступу та підвищує ризик компрометації конфіденційних даних, що обумовлює необхідність розробки інтелектуальних систем моніторингу та аналізу поведінкових характеристик користувачів. Метою роботи розробка програмного забезпечення інтелектуальної системи детекції несанкціонованого доступу до хмарних даних із використанням методів машинного навчання для моніторингу активності користувачів, журналювання подій, аналізу поведінкових характеристик та виявлення аномальної активності. Для досягнення поставленої мети було визначено такі завдання: провести аналіз предметної області та сучасних підходів до забезпечення безпеки хмарних сховищ; дослідити методи виявлення аномальної активності та обґрунтувати вибір моделі машинного навчання; сформулювати функціональні та нефункціональні вимоги до системи; розробити архітектуру програмної системи та обґрунтувати вибір технологічного стеку; реалізувати механізми автентифікації, журналювання подій, аналізу поведінкових характеристик і оцінювання ризику користувацької активності; провести тестування системи та оцінити ефективність її функціонування. Практичне значення полягає в розробці програмної системи для здійснення моніторингу взаємодії користувачів із хмарним сховищем, накопичення журналів подій, аналізу поведінкових характеристик та виявлення потенційно небезпечної активності із використанням методів машинного навчання.78 c.ukхмарне сховищеінформаційна безпеканесанкціонований доступмашинне навчанняrandom forestповедінковий аналізжурналювання подійBachelor Thesis