122 Комп’ютерні науки

Permanent URI for this collection

https://ekmair.ukma.edu.ua/handle/123456789/35525
Освітньо-наукова програма: Комп’ютерні науки

Browse

Browsing 122 Комп’ютерні науки by Subject "cybersecurity"

Now showing 1 - 1 of 1
  • Thumbnail Image
    Item
    Методи та засоби побудови автоматизованої освітньої програмної системи для кібербезпеки (кіберполігону) : дисертація на здобуття наукового ступеня доктора філософії
    (2026) Бабич, Трохим; Глибовець, Андрій
    Дисертація на здобуття наукового ступеня доктора філософії за спеціальністю 122 "Комп’ютерні науки" (12 – Інформаційні технології). – Національний університет "Києво-Могилянська академія", Київ, 2026. У дисертаційній роботі розв’язано важливу наукову задачу побудови автоматизованих освітніх програмних систем для практико-орієнтованого навчання у предметних областях з підвищеними вимогами до ізоляції середовищ виконання. Особливим випадком таких систем виступає кіберполігон як автоматизоване освітнє програмне середовище, що забезпечує автоматизоване розгортання ізольованих лабораторних завдань з кібербезпеки і автоматизовану перевірку коректності їх виконання. Актуальність роботи зумовлена кадровим розривом у галузі кібербезпеки, що зафіксований ENISA і ISC2 і перевищує чотири мільйони фахівців у глобальному масштабі і близько трьохсот тисяч позицій тільки у країнах Європейського Союзу. Класична академічна модель підготовки структурно не спроможна забезпечити необхідний приріст кваліфікованих фахівців за прийнятний час; для України ця проблема додатково загострилася у зв’язку з повномасштабним вторгненням Російської Федерації. Дисертаційна робота присвячена розробленню моделей, методів і архітектурних рішень для побудови такого класу програмних систем з гарантованими властивостями цілісності моделі знань, безпеки конкурентного розгортання, поліморфної оркестрації гетерогенних виконавчих середовищ і доведеної автоматизованої перевірки коректності виконання навчальних завдань. Розглянуто архітектурні рішення академічних кіберполігонів (DETER, CRATE, KYPO, CyRIS, SecGen), комерційних платформ (Hack The Box, TryHackMe, RangeForce) і гібридних академічно-комерційних платформ (UWF Cyber Range). Встановлено, що ні академічні, ні комерційні рішення не пропонують інтегрованої архітектури з композиційними інваріантами, яка б одночасно поєднувала формалізовану модель каталога компетентностей з перевірюваними інваріантами, поліморфну агентську оркестрацію і автоматизовану перевірку коректності виконання навчальних завдань. Систематизовано термінологію предметної області з акцентом на чіткому розмежуванні понять верифікації (формальне математичне доведення) і перевірки коректності (експериментальне порівняння), сервісу блокувань через Redis і класичного розподіленого взаємного виключення Lamport-стилю, програмної системи як абстрактного класу і програмної платформи Colo як конкретного артефакту реалізації. Сформовано модель каталога компетентностей як типізований орієнтований граф з трьома інваріантами (повноти покриття, ациклічності передумов і замикання передумов) над таксономіями NICE Workforce Framework і MITRE ATT&CK, з’єднаними через шар лабораторних завдань. Інваріанти формалізовано як предикати першого порядку, що перевіряються на рівні схеми та завантаження каталога. Доведено теорему про властивості цільового профілю за інваріантами каталога (Теорема 3.1), яка стверджує, що цільовий профіль робочої ролі NICE є непорожнім, замкненим за транзитивним замиканням передумов і зберігає порядок покриття за умов виконання усіх трьох інваріантів. Сформульовано задачу мінімального покриття бракуючих компетентностей (MCCP) як варіант задачі покриття множин з обмеженнями типізованого графа. Доведено NP-важкість задачі. Запропоновано жадібний евристичний алгоритм поліноміальної складності 𝑂(|𝑇|⋅|𝑅|⋅𝑑𝑚𝑎𝑥) з доведеною верхньою межею якості наближення 𝐻(|𝑅|), де 𝐻 - гармонійна функція. Розроблено метод стисненого інверсного індексу на основі структури даних RoaringBitmap для масштабованого зіставлення профілів компетентностей. Доведено теорему про складність операцій композиції 𝑂(𝐵+𝐴), де 𝐴 - сумарна кількість верхньорівневих ключів двох бітмапів, 𝐵 - сума розмірів контейнерів під спільними ключами. Розроблено поліморфний агентський протокол для гетерогенних виконавчих середовищ (контейнерних Docker і віртуальних машинних QEMU/KVM) через єдиний REST API і спільний абстрактний інтерфейс драйвера, з адаптивним автоматом станів активності IDLE/ACTIVE/FAST. Розв’язано задачу безпечного конкурентного розгортання ізольованих середовищ через комбінацію сервісу блокувань на основі атомарної операції SET NX у Redis (за паттернами Chubby і ZooKeeper, з індивідуальним ключем блокування) і ACID-транзакції бази даних з блокуванням рядка сесії розгортання LabRun через SELECT FOR UPDATE. Доведено теорему (Теорема 4.1) про збереження інваріанта квоти при паралельному розгортанні, яка гарантує, що для будь-якого користувача у будь-який момент часу кількість активних сесій не перевищує визначену квоту. Розроблено протокол поетапного оновлення зі збереженням стану (англ. stateful canary deployment) для довготривалих ізольованих навчальних сесій зі спільним станом у реляційній і кеш-базах даних. Доведено теорему (Теорема 4.2) про збереження активних сесій під час оновлення програмної системи у нормальному режимі без покладання на маршрутизацію з прив’язкою сесій через клієнтські cookie. Розроблено архітектуру програмної платформи Colo як інтегрованої реалізації запропонованих моделей і методів. Платформа складається приблизно з 70 тисяч рядків програмного коду на мові Python з застосуванням фреймворку Django, 26 тисяч рядків JavaScript і 13 тисяч рядків HTML-шаблонів. Реалізовано 106 шаблонів лабораторних завдань і сімейство протокольно повних файлів remote_solver.py для автоматизованої перевірки коректності виконання. Розроблено формалізовану мову опису лабораторних завдань як предметно-орієнтовану мову (DSL) з валідацією через JSON-схему і детермінованою генерацією ключів на основі SHA-256 із індивідуальним для пари (user,lab) початковим значенням (seed), ключованим серверним секретним ключем через HMAC-SHA256 (що забезпечує криптографічну непередбачуваність ключа без зберігання у БД); той самий механізм підтримує два режими відповіді - CTF-флаг або змістовну відповідь (індикатор компрометації, поле SIEM, класифікаційний вердикт) з анти-чіт-вплетенням лише голого значення. Створено SDK з п’ятьма категоріями генераторів часу виконання (crypto, forensics, stego, binary, network) для рандомізації завдань. Реалізовано повноцінну інтеграцію з системами управління навчанням через стандарт LTI 1.3 з підтримкою Deep Linking, Assignment-Grade Service і Names and Roles Provisioning Service. Експериментально перевірено коректність запропонованих рішень. Метрики продуктивності у контрольованому режимі теплого кешу (образ присутній у локальному кеші, вимірювання на dev-середовищі): медіана часу розгортання контейнерних завдань - 4,2 секунди, віртуальних машинних - 3,0 секунди швидким NBD-шляхом (загальна медіана VM-розгортань 86 секунд через бімодальний розподіл, §5.6.1; завдяки механізму NBD-ін’єкції, що дозволяє ін’єктувати ключі-флаги у файлову систему образу до запуску гостьової операційної системи); у режимі холодного старту (з підтягуванням образу з реєстру) медіана розгортання контейнерних завдань - близько 77 секунд (§5.6.1). Стрес-тест безпеки конкурентного розгортання з 100 паралельних запитів від одного користувача з квотою 1 підтверджує теоретичну гарантію: рівно одна сесія створилася, 99 - відхилено з очікуваною помилкою. У 47 операціях розгортання за період експлуатації лютий-травень 2026 жодна активна сесія не була втрачена через перемикання версій (95-відсоткова довірча межа ймовірності втрати - 7,6 % на одну операцію за інтервалом Уілсона). Перевірка коректності виконання remote_solver.py показала 100 % успішність відтворення сценаріїв розв’язання для завдань з реалізованим remote_solver. Практичне значення одержаних результатів. Платформу Colo впроваджено у навчальний процес бакалаврської програми з кібербезпеки факультету інформатики Національного університету "Києво-Могилянська академія" і у програму перенавчання ветеранів повномасштабного російського вторгнення компанії Sheriff Company; практичну підготовку, підтверджену актами впровадження (Додаток Б), пройшли 66 здобувачів НаУКМА за 2025-2026 навчальний рік і 36 ветеранів Sheriff Company - разом 102 особи, а у версії V2 платформи станом на 2026-05-20 зафіксовано 4 042 розгортання ізольованих середовищ. Формалізована мова опису лабораторних завдань і SDK уможливлюють додавання нових завдань незалежними авторами з автоматизованою перевіркою якості їх виконання. Перспективними напрямами подальших досліджень є: формальне дослідження стійкості моделі компетентностей до оновлень редакцій таксономій NICE і MITRE ATT&CK з автоматичним переносом профілів засвоєних компетентностей здобувачів при зміні структури каталога; адаптація запропонованих моделей і методів до суміжних напрямів кібербезпекової освіти (безпека промислових систем керування ICS/SCADA, безпека Інтернету речей, безпека хмарних інфраструктур, цифрова форензика); розширення каталога лабораторних завдань до промислових масштабів (500-1000 шаблонів) і дослідження поведінки MCCP-розв’язувача у нових режимах розрідженості каталога.