Перспективи використання машинного навчання для забезпечення відповідності програмних продуктів до державних нормативних вимог

Ключові слова: машинне навчання, програмне забезпечення, державні нормативні вимоги, відповідність, автоматизація, верифікація.

Анотація

Забезпечення відповідності програмних продуктів до різноманітних державних нормативних вимог, галузевих стандартів та кращих практик є одним з ключових завдань для сучасних організацій та компаній що розробляють чи впроваджують дані продукти. У статті розглядаються перспективи використання машинного навчання для забезпечення відповідності програмних продуктів до державних нормативних вимог. Проаналізовано сучасні методи машинного навчання, які можуть бути застосовані для автоматизації процесів перевірки програмних продуктів. Оцінка потенціалу впровадження машинного навчання виявила суттєві переваги, включаючи підвищення ефективності, точності та масштабованості процесів перевірки відповідності. Описано потенційні переваги та виклики впровадження цих технологій у сфері забезпечення відповідності програмних продуктів до державних стандартів. На основі отриманих результатів запропоновано практичні рекомендації щодо ефективного впровадження машинного навчання.

Посилання

1. Mallinger, K., Corpaci, L., Neubauer, T., Tikász, I. E., Goldenits, G., & Banhazi, T. (2024). Breaking the barriers of technology adoption: Explainable AI for requirement analysis and technology design in smart farming. Smart Agricultural Technology, 9, 100658.
2. Haq, I. U., Lee, B. S., Rizzo, D. M., & Perdrial, J. N. (2024). An automated machine learning approach for detecting anomalous peak patterns in time series data from a research watershed in the northeastern United States critical zone. Machine Learning with Applications, 100543.
3. Hany, A., Wassif, K., & Moussa, H. (2023). Framework for Automatic Detection of Anomalies in DevOps. Journal of King Saud University - Computer and Information Sciences.
4. Pawlicki, M., Pawlicka, A., Uccello, F., Szelest, S., D’Antonio, S., Kozik, R., & Choraś, M. (2024b). Evaluating the necessity of the multiple metrics for assessing explainable AI: A critical examination. Neurocomputing, 128282.
5. Murugan, M. S., T, S. K., & Marappan, R. (2023). Large-scale data-driven financial risk management & analysis using machine learning strategies. Measurement: Sensors, 100756.
Опубліковано
2025-03-26
Як цитувати
Шикеринець, С., & Улічев, О. (2025). Перспективи використання машинного навчання для забезпечення відповідності програмних продуктів до державних нормативних вимог. КОМП’ЮТЕРНО-ІНТЕГРОВАНІ ТЕХНОЛОГІЇ: ОСВІТА, НАУКА, ВИРОБНИЦТВО, (58), 136-142. https://doi.org/10.36910/6775-2524-0560-2025-58-16
Розділ
Інформатика та обчислювальна техніка