Search academic texts

Information × Registration Number 2125U004393, Article popup.category Стаття, Опубліковано, Рецензована стаття Title DATA PROCESSING AND ANALYSIS METHODS IN IOT USING MACHINE LEARNING popup.author Do KuienKlymova IrynaNaumova ElenHerevych MykhailoYankovskyi OleksandrDo KuienKlymova IrynaNaumova ElenHerevych MykhailoYankovskyi Oleksandr popup.publication 19-06-2025 popup.source_user Національний університет «Полтавська політехніка імені Юрія Кондратюка» popup.source https://journals.nupp.edu.ua/sunz/article/view/3823 popup.publisher Національний університет «Полтавська політехніка імені Юрія Кондратюка» Description Актуальність. Зростаюча інтеграція технологій Інтернету речей (IoT) у всі сфери людського життя - від інтелектуального побуту до інфраструктури «розумного міста» – супроводжується експоненційним зростанням обсягу даних, що збираються, передаються та обробляються в реальному часі. У поєднанні з технологіями штучного інтелекту ці дані перетворюються на основу для прийняття автономних рішень, прогнозування поведінки користувачів, а також адаптації середовища до потреб конкретної особи. Однак саме в цьому контексті постає надзвичайно критичне питання захисту персональних даних. Багато IoT-пристроїв працюють у неконтрольованому середовищі, мають обмежені ресурси для криптографічного захисту, а також схильні до кібератак і несанкціонованого збору інформації. Натомість алгоритми штучного інтелекту, які використовуються для аналізу цих даних, нерідко демонструють проблему «чорної скриньки», коли неможливо повною мірою пояснити, як і чому було прийнято певне рішення на основі персоніфікованих даних. Відсутність прозорості у поєднанні з широким доступом до чутливої інформації ставить під загрозу базові права людини на приватність. Актуальність теми зумовлена необхідністю пошуку балансованих технічних рішень, що дозволяють одночасно ефективно аналізувати великі масиви даних в IoTсередовищі й забезпечувати високий рівень їхньої безпеки. У зв’язку з цим, вивчення сучасних методів обробки, аналізу та захисту даних в системах IoT, адаптованих до вимог етичного штучного інтелекту та цифрових стандартів конфіденційності, є одним із ключових викликів сучасної цифрової науки. Об'єкт дослідження: процеси збору, обробки, аналізу та захисту даних у системах IoT, зокрема ті їхні компоненти, які пов’язані з використанням персональної інформації користувачів та її обробкою за допомогою методів штучного інтелекту. Мета статті: дослідження сучасних методів обробки та аналізу даних в системах IoT. Робота має на меті виявити найбільш ефективні підходи до безпечної обробки даних, охарактеризувати існуючі загрози конфіденційності та оцінити потенціал інтеграції захищених алгоритмів аналізу, які відповідають як технічним, так і етичним вимогам цифрового середовища. Результати дослідження. Здійснено комплексний аналіз сучасних підходів до збору, обробки, аналізу та захисту даних в системах IoT, особливо в умовах зростаючої ролі штучного інтелекту. Розглянуто технологічні основи функціонування IoT, визначено ключові архітектурні складові та досліджено їхню роль у створенні цифрових екосистем для моніторингу, управління та прийняття рішень у різних галузях – від побутових систем до критичної інфраструктури. Особливу увагу було приділено методам попередньої обробки даних, що дозволяють знизити ін-формаційне навантаження, підвищити якість аналізу та адаптувати потоки інформації до потреб інтелектуальних алгоритмів. Було показано, що застосування периферійної обробки та агрегації на локальних рівнях підвищує як продуктивність систем, так і їхню безпеку. Проаналізовано основні типи баз даних для IoT, зокрема оптимізовані для часових рядів, а також інструменти для обробки великих обсягів даних у хмарних та гібридних середовищах. Висновки. Методи збору даних в IoT є багатошаровими й тісно пов’язаними з вимогами до енергоефективності, безпеки, затримки та масштабованості систем. Якість і надійність зібраної інформації закладає ос-нову для подальшої обробки, аналізу й прийняття рішень, тому вибір сенсорів, протоколів та архітектурної моделі має стратегічне значення для будь-якої IoT-системи. Попередня обробка та ефективне зберігання даних в IoT – критичні етапи, що забезпечують якість, безпеку та придатність інформації для подальшого аналізу. Вони визначають не лише точність аналітики, а й стабільність, масштабованість і відповідність нормативним вимогам. У зв’язку з цим постає потреба в розробці адаптивних, інтелектуальних систем обробки та зберігання, здатних динамічно реагувати на зміну контексту роботи пристроїв і користувацькі вимоги. Успішна реалізація безпечних IoT-рішень потребує інтегрованого підходу, який поєднує технічну компетентність, правові знання та етичну відповідальність. popup.nrat_date 2026-04-19 Close