Volodymyr Pavlenko

Volodymyr Pavlenko

Auto-generated profile, based on publicly available information

Volodymyr Pavlenko

Відкритий міжнародний університет розвитку людини «Україна

Research Focus & Metrics

Academic Career Length

4Years (2023-Present)

(Calculated once Scilit publication data is synced: current year − year of first publication + 1)

Representative Publications

View All Publications
1 January 2023 in Інфокомунікаційні та комп’ютерні технології
Verified
Journal Article
Closed access
EBEvgen Brovchenko
Evgen Brovchenko
O«Open International University of Human Developmеnt «Ukraine»
Open International University of Human Developmеnt «Ukraine»
VSValery Samarai
Valery Samarai
IDIvan Datsenko
Ivan Datsenko
VPVolodymyr Pavlenko
Volodymyr Pavlenko
ASAndrew Sereda
Andrew Sereda

4 November 2024 in Інфокомунікаційні та комп’ютерні технології
Verified
Journal Article
Open access
PDF file
АДА. Джоші
А. Джоші
ВПВ. І. Павленко
В. І. Павленко
У статті досліджено ефективність різних моделей машинного навчання для класифікації фейкових текстових новин. Розглянуто такі моделі: наївний Баєс, модель k-найближчих сусідів (kNN), модель опорних векторів (SVM) та модель випадкового лісу. Особливу увагу приділено впливу попередньої обробки даних, зокрема оверсемплінгу та використанню різних векторизаторів, на продуктивність моделей. У контексті наївного Баєса досліджується ефект згладжування на результати класифікації, визначаючи оптимальні параметри для поліпшення точності моделі. Для моделі kNN аналізується вплив кількості сусідів (k) на точність моделі, що дає змогу визначити найбільш відповідний параметр для даного завдання. Для моделі опорних векторів (SVM) випробувано різні перетворення, такі як лінійне, радіально-базисне функціональне (РБФ) та сигмоїдальне, із метою оцінки їхнього впливу на класифікацію текстових новин. Для випадкового лісу проведено аналіз того, як кількість дерев впливає на загальну ефективність моделі, що дає змогу знайти баланс між точністю та швидкістю навчання. Також розглянуто вплив різних методів векторизації тексту, таких як TF-IDF та CountVectorizer, на продуктивність моделей. Зокрема, проведено аналіз, як оверсемплінг впливає на точність моделей, даючи змогу краще справлятися з дисбалансом класів у даних. Результати дослідження надають важливу інформацію про оптимальні налаштування та підходи до попередньої обробки даних для поліпшення точності класифікації новин на достовірність. Отримані висновки можуть бути корисними для дослідників та практиків у галузі обробки природної мови та машинного навчання, які займаються розробленням систем для виявлення фейкових новин. Робота також підкреслює важливість ретельного вибору моделей та їхніх параметрів залежно від специфіки даних та поставлених завдань.

26 December 2024 in Інфокомунікаційні та комп’ютерні технології
Verified
Journal Article
Open access
PDF file
АЗА. В. Загорулько
А. В. Загорулько
ВПВ. І. Павленко
В. І. Павленко
У поточному дослідженні було розглянуто проблему підвищення ефективності процесу розробки нового програмного забезпечення шляхом використання прогностичних моделей, побудованих на основі подій, що фіксуються протягом усього життєвого циклу продукту (SDLC). У сучасному конкурентному середовищі розробки програмного забезпечення оптимізація використання ресурсів і врахування попереднього досвіду є критичними для зменшення часу виходу продукту на ринок та підвищення його якості. В роботі пропонується використовувати події SDLC як надійну основу для планування термінів і обсягів випуску нових версій продукту. Також розглядається доцільність використання репозиторіїв відкритого коду як джерела подій SDLC у випадках, коли продукт перебуває на ранніх стадіях розробки й ще не має власної історії подій. Для дослідження було вибрано низку проєктів з відкритим кодом, що містять значну кількість історичних даних щодо змін коду, вирішення задач і виявлених дефектів, а саме: Spring, Mockito, Quarkus, DBeaver. Для апробації підходу було розроблено модель прогнозування дефектів, яка враховує обсяг виконаних задач, змін коду та його цикломатичну складність. Навчання моделі здійснювалося на основі даних проєктів групи Spring, а перевірка її точності – на базі даних репозиторіїв проєктів Mockito, Quarkus, DBeaver. У процесі дослідження було підтверджено ефективність моделі та можливість її застосування для прогнозування й покращення процесу розробки нового програмного забезпечення. Модель також продемонструвала здатність адаптуватися до нових даних, що відкриває можливість її інтеграції у процеси безперервної інтеграції та розгортання для автоматизованого аналізу якості коду й планування випусків програмного продукту. Результати дослідження свідчать про значний потенціал застосування машинного навчання для покращення SDLC, а також підтверджують доцільність використання репозиторіїв відкритого коду як надійного джерела даних.

1 January 2023 in Інфокомунікаційні та комп’ютерні технології
Verified
Journal Article
Closed access
MBMaksym Butenko
Maksym Butenko
O«Open International University of Human Developmеnt «Ukraine»
Open International University of Human Developmеnt «Ukraine»
VPVolodymyr Pavlenko
Volodymyr Pavlenko

4 November 2024 in Інфокомунікаційні та комп’ютерні технології
Verified
Journal Article
Open access
PDF file
СРС. М. Рожков
С. М. Рожков
ВПВ. І. Павленко
В. І. Павленко
У статті розглянуто оптимізацію інфраструктури баз даних шляхом упровадження ефемерних реплік на інстансах AWS i3, що дало змогу підвищити продуктивність та економічну ефективність систем, що працюють із великими обсягами даних. У сучасних умовах бізнесу, який усе більше покладається на аналітичну обробку в режимі реального часу, зниження витрат та підвищення продуктивності інфраструктури стають ключовими завданнями. Інстанси AWS i3, що використовують локальні NVMe SSD-диски, є ідеальним рішенням для високонавантажених баз даних, оскільки забезпечують високу продуктивність вводу-виводу та значно зменшують затримки під час запису даних. Автори пропонують архітектуру, що включає ефемерні репліки для обробки запитів лише для читання та аналітичних запитів. Також розглянуто впровадження додаткових резервних вузлів для підвищення надійності та відмовостійкості системи. Запропоновані зміни передбачають збереження Master DB без змін, додавання третього вузла бази даних з ефемерним сховищем для перенесення навантаження лише для читання, а також зменшення розміру резервного вузла DR до мінімального робочого рівня. На основі проведеного дослідження автори демонструють ефективність використання ефемерних реплік у середовищах із високим навантаженням. Використання інстансів i3 дає змогу знизити витрати на інфраструктуру до 30% порівняно зі стандартними схемами та до 75–80% порівняно з RDS (SaaS). Водночас підвищується продуктивність системи, що дає змогу ефективніше обслуговувати запити для читання. Висновки статті підкреслюють переваги ефемерних реплік у підвищенні продуктивності вводу-виводу, зниженні витрат на інфраструктуру, підвищенні надійності та відмовостійкості, а також у зменшенні навантаження на основний сервер. Автори рекомендують упровадження цього підходу для організацій, які працюють із великими обсягами даних і прагнуть досягти високої продуктивності та економічної ефективності своєї інфраструктури баз даних.

24 September 2026 in COMPUTER-INTEGRATED TECHNOLOGIES: EDUCATION, SCIENCE, PRODUCTION
Verified
Journal Article
Open access
PDF file
КГК. С. Григор'єВ
К. С. Григор'єВ
ВПВ. І. Павленко
В. І. Павленко
У статті розглянуто проблему оперативного відкликання прав доступу в децентралізованих інформаційних системах, зокрема тих, що функціонують на основі блокчейн-технологій та смарт-контрактів. Актуальність дослідження зумовлена зростанням кількості розподілених сервісів, у яких критично важливо забезпечити своєчасне обмеження доступу при зміні стану суб’єкта або виникненні загроз безпеці. Показано, що традиційні підходи до управління доступом, включаючи рольові моделі, списки контролю доступу та токен-орієнтовані механізми, не забезпечують необхідного рівня швидкодії у випадках динамічної зміни стану суб’єкта, що створює ризики несанкціонованого доступу, затримок у реагуванні системи та потенційного порушення цілісності даних. Запропоновано механізм миттєвого відкликання прав доступу, який базується на використанні моделі станів, інтегрованої безпосередньо у смарт-контракт. У межах підходу право доступу визначається динамічно під час кожного запиту на основі поточного стану суб’єкта, що дозволяє уникнути додаткових процедур анулювання дозволів, скоротити кількість транзакцій та знизити навантаження на систему. Розроблено концептуальну модель, архітектуру смарт-контракту та алгоритм функціонування механізму, який забезпечує негайну реакцію системи на зміну стану суб’єкта без необхідності синхронізації або затримок. Проведено аналіз обчислювальної ефективності, який підтверджує зниження витрат ресурсів за рахунок мінімізації кількості транзакцій і спрощення логіки відкликання доступу. Окрему увагу приділено можливості інтеграції механізму в середовища Internet of Things (IoT), кіберфізичні системи та edge-архітектури, де обмежені обчислювальні ресурси та енергоспоживання вимагають оптимізованих і полегшених рішень. Отримані результати демонструють підвищення швидкодії, гнучкості, масштабованості та рівня безпеки у порівнянні з існуючими підходами, що підтверджує доцільність використання запропонованого механізму в сучасних децентралізованих системах різного призначення та рівня критичності