МЕТОДИКА ОПИСУ ВЗАЄМОЗВ’ЯЗКІВ МІЖ МНОЖИНАМИ ПРОГРАМНОГО ЗАБЕЗПЕЧЕННЯ, ДЕФЕКТІВ, СПОСОБІВ ЇХ ВИЯВЛЕННЯ У ПРОЦЕСІ ДІАГНОСТУВАННЯ ПОШКОДЖЕНОГО ПРОГРАМНОГО ЗАБЕЗПЕЧЕННЯ
DOI: 10.31673/2409-7292.2025.041206
Анотація
У статті розглянуто актуальну науково-прикладну проблему діагностування пошкодженого програмного
забезпечення, що зазнало впливу кібератак, у контексті підвищення кіберстійкості сучасних інформаційних
систем. Метою дослідження є формалізація процесу діагностування пошкодженого програмного забезпечення
внаслідок дії кібератак, що забезпечує системне представлення взаємозв’язків між множинами програмних
модулів, дефектів, способів їх виявлення та методів відновлення. Для досягнення поставленої мети застосовано
методи системного аналізу, математичного моделювання, теорії множин і формальної логіки, які дозволили
описати технологічний процес діагностування у вигляді сукупності взаємопов’язаних формальних відношень.
Розроблена формалізована методика дає можливість перейти до автоматизованого діагностування пошкодженого
програмного забезпечення. Вона забезпечує систематизацію відомостей про дефекти, підвищує точність
локалізації порушень, знижує трудомісткість аналізу та скорочує час відновлення після інцидентів.
Математичний апарат, що запропонований у роботі, дозволяє відображати не лише факт появи дефекту, але й
його властивості, взаємозв’язки з іншими дефектами, умови виникнення та можливі способи усунення.
Результати дослідження мають теоретичне і практичне значення. Запропонована методика сприяє підвищенню
ефективності відновлення працездатності програмного забезпечення після кібератак, мінімізації фінансових і
репутаційних втрат, а також покращенню якості та надійності функціонування інформаційних систем. Вона
створює передумови для подальших досліджень у напрямі розробки інтелектуальних діагностичних систем,
заснованих на машинному навчанні та логічному моделюванні взаємозв’язків між дефектами.
Ключові слова: автоматизація діагностики, відновлення працездатності систем, діагностування
програмного забезпечення, кібербезпека, кібератаки, математичне моделювання, формалізована модель.
Перелік посилань
1. Hamretskyi, R. M., & Hnatiuk, V. O. (2024). Огляд та аналіз методів та моделей оцінки якості
програмного забезпечення в інформаційно-комунікаційних системах. Інформаційні технології, кібербезпека,
64(4), 445–447. https://doi.org/10.18372/2310-5461.63.19752.
2. Meng, X., Jing, B., Wang, S., Pan, J., Huang, Y., & Jiao, X. (2023). Fault knowledge graph construction and
platform development for aircraft PHM. Sensors (Basel), 24(1), 231. https://doi.org/10.3390/s24010231.
3. Agrawal, T., Walia, G. S., & Anu, V. K. (2024). Development of a software design error taxonomy: A
systematic literature review. SN Computer Science, 5, 467. https://doi.org/10.1007/s42979-024-02797-2.
4. Verma, A., Agarwal, A., Rathore, M., Bisht, S., & Singh, D. (2023). Preferential selection of software quality
models based on a multi-criteria decision-making approach. International Journal of Software Innovation (IJSI), 11(1),
1–13. https://doi.org/10.4018/IJSI.315739.
5. Kordunova, Yu. S. (2023). Analysis and development of a conceptual model for lifecycle management of
specialized safety-oriented software. Ukrainian Journal of Information Technology, 5(2), 72–78. https://doi.org/
10.23939/ujit2023.02.072.
6. Duarte, B. B., Falbo, R. A., Guizzardi, G., Guizzardi, R., & Souza, V. E. S. (2021). An ontological analysis of
software system anomalies and their associated risks. Data & Knowledge Engineering, 134, 101892. https://doi.org
/10.1016/j.datak.2021.101892.
7. Hu, X., Chen, J. M., & Li, H. (2024). Software security vulnerability patterns based on ontology. Journal of
Beijing University of Aeronautics and Astronautics, 50(10), 3084–3099. https://doi.org/10.13700/j.bh.1001-5965.
2022.0783.
8. Yakovyna, V. S., & Symets, I. I. (2021). Прогнозування дефектів програмного забезпечення ансамблем
нейронних мереж. Науковий вісник НЛТУ України, 31(6), 104–111.
9. Biletskyi, T. P., & Fedasiuk, D. V. (2021). Прогнозування дефектів у програмному забезпеченні
алгоритмами глибинного навчання CNN та RNN. Науковий вісник НЛТУ України, 31(2), 114–120.
10. Khil, O. S., & Yakovyna, V. S. (2023). Аналіз проблеми застосування методів машинного навчання для
оцінювання та прогнозування дефектів програмного забезпечення. Науковий вісник НЛТУ України, 33(3), 110–
116.
11. Yehorov, S. V., & Shkvarnytska, T. Yu. (2020). Розширений метод аналізу шкідливого програмного
забезпечення з метою створення сигнатур. Вісник Університету «Україна», 1(24), 161–169.
12. Alshazly, A. A., Elfatatry, A. M., & Abougaba, M. S. (2024). Detecting defects in software requirements
specification. Alexandria Engineering Journal, 53(3), 513–527.
13. Rumbutis, L., Slotkene, A., & Pliuskuviene, B. (2024). Визначення атрибутів якості програмного
забезпечення на основі прогнозування дефектів коду: систематичний огляд літератури. Нові тенденції в
комп’ютерних науках, 2(1), 57–68. https://doi.org/10.3846/ntcs.2024.21305.
14. Oivo, M., Abrahamsson, P., Corral, L., & Russo, B. (Eds.). (2020). Product-Focused Software Process
Improvement – 16th International Conference, PROFES 2015: Proceedings (pp. 380–396). Springer Verlag.
https://doi.org/10.1007/978-3-319-26844-6_28.
