DSpace Collection:https://sci.ldubgd.edu.ua/jspui/handle/123456789/173672026-11-06T00:38:56Z2026-11-06T00:38:56ZАналіз програмного інструменту THREATLENS для криміналістичного-дослідження шкідливих файлів та виявлення індикаторів компрометаціїПолотай, О.І.Ткаченко, А.М.Кухарська, Н.П.Каспрівський, Д.В.https://sci.ldubgd.edu.ua/jspui/handle/123456789/193642026-11-02T14:53:38Z2026-01-01T00:00:00ZTitle: Аналіз програмного інструменту THREATLENS для криміналістичного-дослідження шкідливих файлів та виявлення індикаторів компрометації
Authors: Полотай, О.І.; Ткаченко, А.М.; Кухарська, Н.П.; Каспрівський, Д.В.2026-01-01T00:00:00ZАналіз загроз інформаційної безпеки домашніх пристроїв IoT на прикладі камери відеонагляду TP-LINK TAPOПолотай, О.І.Головашич, Д.А.https://sci.ldubgd.edu.ua/jspui/handle/123456789/193482026-10-27T18:01:10Z2026-01-01T00:00:00ZTitle: Аналіз загроз інформаційної безпеки домашніх пристроїв IoT на прикладі камери відеонагляду TP-LINK TAPO
Authors: Полотай, О.І.; Головашич, Д.А.2026-01-01T00:00:00ZПроєктування систем безпеки об’єктів критичної інфраструктуриЯщук, В.І.Полотай, О.І.Балацька, В.С.https://sci.ldubgd.edu.ua/jspui/handle/123456789/190742026-10-14T15:38:53Z2026-01-01T00:00:00ZTitle: Проєктування систем безпеки об’єктів критичної інфраструктури
Authors: Ящук, В.І.; Полотай, О.І.; Балацька, В.С.
Abstract: У статті обґрунтовано теоретико-методичні засади проєктування комплексних систем безпеки об’єктів критичної інфраструктури України на основі системного та ризик-орієнтованого підходів. Уточнено сутність системи безпеки та взаємозв’язок понять безпеки, захисту, охорони і стійкості. Проаналізовано нормативно-правові засади, систематизовано основні групи загроз і визначено їх вплив на критичні функції та активи.
Запропоновано структуру комплексної системи безпеки, що інтегрує організаційні, режимні, фізичні, інженерно-технічні, інформаційні та кібербезпекові заходи. Визначено критерії ефективності та обґрунтовано необхідність безперервного вдосконалення системи з урахуванням залишкових ризиків.2026-01-01T00:00:00ZProtecting machine-learning datasets with digital watermarking based on modified QR decompositionHospodarskyy, O.Kukharska, N.P.Polotai, O.I.Harasymchuk, O.I.Tyshyk, I.https://sci.ldubgd.edu.ua/jspui/handle/123456789/190702026-10-13T18:30:06Z2026-01-01T00:00:00ZTitle: Protecting machine-learning datasets with digital watermarking based on modified QR decomposition
Authors: Hospodarskyy, O.; Kukharska, N.P.; Polotai, O.I.; Harasymchuk, O.I.; Tyshyk, I.
Abstract: The paper examines an approach to protecting intellectual property rights for machine learning image
datasets using digital watermarking based on QR decomposition. The proposed scheme involves
embedding hidden identification information into the image structure through controlled modification of
the elements of the upper triangular matrix obtained from QR decomposition, ensuring a combination of
invisibility, robustness, and computational efficiency. To ensure numerical stability and efficiency in the
watermark embedding and extraction processes, the method employs an improved QR decomposition
algorithm with diagonal element correction, as well as a fast watermark extraction technique with linear
computational complexity. The effectiveness of the approach is evaluated using PSNR, SSIM, and
normalized correlation metrics, as well as its resistance to common image processing attacks. Particular
attention is paid to analyzing the impact of digital watermarking on the quality of training data for
computer vision models used in object classification and detection tasks. Experimental results
demonstrate that watermark incorporation does not compromise visual data quality or reduce machine
learning model accuracy, thereby confirming the feasibility of using QR decomposition for practical
dataset protection2026-01-01T00:00:00Z