1. ELARTU — Інституційний репозитарій ТНТУ імені Івана Пулюя
  2. Роботи студентів
  3. Магістр
  4. 122 — комп’ютерні науки
霂瑞霂��撘����迨��辣: http://elartu.tntu.edu.ua/handle/lib/48675
Title: Система автоматизованого резервного копіювання даних хмару для малого бізнесу на базі Google Drive API
Other Titles: Automated Cloud Data Backup System for Small Businesses Using Google Drive API
Authors: Ципняк, Денис Олександрович
Tsypniak, Denys
Affiliation: ТНТУ ім. І. Пулюя, Факультет комп’ютерно-інформаційних систем і програмної інженерії, Кафедра комп’ютерних наук, м. Тернопіль, Україна
Bibliographic description (Ukraine): Ципняк Д. О. Система автоматизованого резервного копіювання даних у хмару для малого бізнесу на базі Google Drive API : робота на здобуття кваліфікаційного ступеня магістра : спец. 122 – комп’ютерні науки / наук. кер. Я. В. Литвиненко. – Тернопіль : Тернопільський національний технічний університет імені Івана Пулюя, 2024. – 75 с.
Bibliographic reference (2015): Ципняк Д. О. Система автоматизованого резервного копіювання даних у хмару для малого бізнесу на базі Google Drive API : робота на здобуття кваліфікаційного ступеня магістра : спец. 122 – комп’ютерні науки / наук. кер. Я. В. Литвиненко. – Тернопіль : Тернопільський національний технічний університет імені Івана Пулюя, 2024. – 75 с.
Issue Date: 29-五月-2024
Submitted date: 15-五月-2024
Date of entry: 1-六月-2025
Publisher: ТНТУ ім. І.Пулюя, ФІС, м. Тернопіль, Україна
Country (code): UA
Place of the edition/event: Тернопіль
Supervisor: Литвиненко, Ярослав Володимирович
Lytvynenko, Iaroslav
Committee members: Луцик, Надія Степанівна
Lutsyk, Nadiia
UDC: 004.04
Keywords: 122
комп’ютерні науки
резервне копіювання
малий бізнес
хмарне сховище
машинне навчання
автоматизація
безпека даних
оптимізація
backup
small business
cloud storage
google drive api
machine learning
automation
data security
optimization
Page range: 75
Abstract: Кваліфікаційна робота присвячена розробці системи автоматизованого інтелектуального резервного копіювання даних для малого бізнесу з використанням Google Drive API. У першому розділі кваліфікаційної роботи описані потреби малого бізнесу в захисті даних. Висвітлено особливості резервного копіювання. Розглянуто сучасні хмарні сервіси з програмною інтеграцією. Проаналізовано існуючі рішення та обґрунтовано вибір Google Drive API як основної платформи. У другому розділі кваліфікаційної роботи розроблено модульну архітектуру системи. Досліджено теоретичні основи застосування машинного навчання для пріоритезації даних. Подано функціональну логіку автоматизованого копіювання та опис структури графічного інтерфейсу користувача. У третьому розділі кваліфікаційної роботи описано реалізацію ключових модулів системи, включаючи взаємодію з Google Drive API, стиснення та шифрування даних. Проаналізовано продуктивність, ефективність стиснення та надійність системи за результатами тестування. Проведено експериментальну оцінку працездатності прототипу на змодельованому наборі даних
The qualification work is dedicated to the development of an automated intelligent data backup system for small businesses using the Google Drive API. In the first section of the qualification work, the needs of small businesses in data protection are described, the specifics of backup processes are highlighted, and modern cloud services with programmatic integration are reviewed. Existing solutions are analyzed, and the choice of Google Drive API as the primary platform is justified. In the second section of the qualification work, a modular system architecture is developed, the theoretical foundations of applying machine learning for data prioritization are investigated, and the functional logic of automated backup and the structure of the graphical user interface are presented. In the third section of the qualification work, the implementation of the system’s key modules, including interaction with the Google Drive API, data compression, and encryption, is described. The system’s performance, compression efficiency, and reliability are analyzed based on testing results. An experimental evaluation of the prototype’s functionality was conducted on a simulated dataset. Object of research: data backup processes. Subject of research: methods, tools, and algorithms for creating an intelligent automated data backup system based on cloud technologies and machine learning for the needs of small businesses.
Description: Роботу виконано на кафедрі комп'ютерних наук Тернопільського національного технічного університету імені Івана Пулюя. Захист відбудеться 29.05.2025 р. о 15 год. 30 хв. на засіданні екзаменаційної комісії №33 у Тернопільському національному технічному університеті імені Івана Пулюя
Content: ВСТУП 9 РОЗДІЛ 1 АНАЛІЗ ПРОБЛЕМИ РЕЗЕРВНОГО КОПІЮВАННЯ ДАНИХ ДЛЯ МАЛОГО БІЗНЕСУ ТА ОБҐРУНТУВАННЯ ВИБОРУ ТЕХНОЛОГІЧНОЇ ПЛАТФОРМИ 13 1.1 ОГЛЯД ІСНУЮЧИХ РІШЕНЬ ДЛЯ РЕЗЕРВНОГО КОПІЮВАННЯ ТА АНАЛІЗ ПОТРЕБ МАЛОГО БІЗНЕСУ 13 1.2 ОГЛЯД СУЧАСНИХ ХМАРНИХ СЕРВІСІВ З ПРОГРАМНОЮ ІНТЕГРАЦІЄЮ ТА ОБҐРУНТУВАННЯ ВИБОРУ GOOGLE DRIVE API 16 1.3 СТРУКТУРА ДАНИХ І ДЖЕРЕЛА ДЛЯ РЕЗЕРВНОГО КОПІЮВАННЯ 18 1.4 ВИСНОВОК ДО ПЕРШОГО РОЗДІЛУ 20 РОЗДІЛ 2 ПРОЄКТУВАННЯ АРХІТЕКТУРИ ТА МЕТОДІВ ФУНКЦІОНУВАННЯ СИСТЕМИ АВТОМАТИЗОВАНОГО РЕЗЕРВНОГО КОПІЮВАННЯ 22 2.1 АРХІТЕКТУРА СИСТЕМИ ТА ВЗАЄМОДІЯ ЇЇ КОМПОНЕНТІВ 22 2.2 ТЕОРЕТИЧНІ ОСНОВИ ТА ВИБІР МЕТОДІВ МАШИННОГО НАВЧАННЯ ДЛЯ ПРІОРИТЕЗАЦІЇ ДАНИХ 24 2.3 ОПИС ФУНКЦІОНАЛЬНОЇ ЛОГІКИ АВТОМАТИЗОВАНОГО ІНТЕЛЕКТУАЛЬНОГО РЕЗЕРВНОГО КОПІЮВАННЯ 26 2.4 ЗАГАЛЬНИЙ ОПИС СТРУКТУРИ ІНТЕРФЕЙСУ КОРИСТУВАЧА 28 2.5 ВИСНОВОК ДО ПЕРШОГО РОЗДІЛУ 31 РОЗДІЛ 3 ПРОГРАМНА РЕАЛІЗАЦІЯ ТА ЕКСПЕРИМЕНТАЛЬНЕ ДОСЛІДЖЕННЯ ПРОТОТИПУ СИСТЕМИ АВТОМАТИЗОВАНОГО РЕЗЕРВНОГО КОПІЮВАННЯ 33 3.1 РЕАЛІЗАЦІЯ МОДУЛЯ ВЗАЄМОДІЇ З GOOGLE DRIVE API 33 3.2 ДЕТАЛЬНА РЕАЛІЗАЦІЯ ФУНКЦІОНАЛУ ІНТЕЛЕКТУАЛЬНОГО РЕЗЕРВНОГО КОПІЮВАННЯ 34 3.3 РЕАЛІЗАЦІЯ ІНТЕРФЕЙСУ КОРИСТУВАЧА 36 3.4 АНАЛІЗ ПРОДУКТИВНОСТІ ТА НАДІЙНОСТІ СИСТЕМИ 39 3.5 ОПТИМІЗАЦІЯ ТА МОЖЛИВІ НАПРЯМИ ВДОСКОНАЛЕННЯ 40 3.6 ВІЗУАЛІЗАЦІЯ ТА АНАЛІЗ РЕЗУЛЬТАТІВ ТЕСТУВАННЯ 42 3.7 ВИСНОВОК ДО ТРЕТЬОГО РОЗДІЛУ 43 РОЗДІЛ 4. ОХОРОНА ПРАЦІ ТА БЕЗПЕКА НАДЗВИЧАЙНИХ СИТУАЦІЯХ 44 4.1 ПІДВИЩЕННЯ СТІЙКОСТІ РОБОТИ ОБ’ЄКТІВ ГОСПОДАРСЬКОЇ ДІЯЛЬНОСТІ В ВОЄННИЙ ЧАС 44 4.2 РЕКОМЕНДАЦІЇ З ОРГАНІЗАЦІЇ РОБОЧОГО МІСЦЯ ОПЕРАТОРА 49 4.3 ВИМОГИ БЕЗПЕКИ ПРИ ЕКСПЛУАТАЦІЇ ПК 51 4.4 ВИСНОВКИ ДО ЧЕТВЕРТОГО РОЗДІЛУ 53 ВИСНОВКИ 55 СПИСОК ВИКОРИСТАНИХ ДЖЕРЕЛ 57 ДОДАТКИ 62
URI: http://elartu.tntu.edu.ua/handle/lib/48675
Copyright owner: © Ципняк Денис Олександрович, 2025
References (Ukraine): 1. Schmidt, K., Phillips, C., & Chuvakin, A. (2012). Logging and log management: The authoritative guide to understanding the concepts surrounding logging and log management. Newnes.
2. Jones, A., & Ashenden, D. (2005). Risk management for computer security: Protecting your network and information assets. Butterworth-Heinemann.
3. Veeam Software. (2023). Veeam Data Protection Trends Report 2023. Veeam.
4. Acronis. (2023). Acronis Cyber Protect Report 2023 (Cyber Protection Week Global Report). Acronis.
5. National Institute of Standards and Technology. (2012). NIST Special Publication 800-34 Rev. 1: Contingency Planning Guide for Federal Information Systems.
6. Kissel, R. (2013). NIST Special Publication 800-88 Rev. 1: Guidelines for Media Sanitization. National Institute of Standards and Technology.
7. Whitman, M. E., & Mattord, H. J. (2019). Principles of Information Security (6th ed.). Cengage Learning.
8. ENISA (European Union Agency for Cybersecurity). (n.d.). Threat Landscape Report. ENISA.
9. Verizon Business. (2008). 2008 Data Breach Investigations Report. Retrieved from http://www.verizonbusiness.com/resources/security/databreachreport.pdf
10. Stallings, W., & Brown, L. (2018). Computer Security: Principles and Practice (4th ed.). Pearson.
11. Google Developers. (n.d.). Google Drive API Overview. Retrieved from https://developers.google.com/drive/api/v3
12. Google Developers. (n.d.). Using OAuth 2.0 to Access Google APIs. Retrieved from https://developers.google.com/identity/protocols/oauth2
13. Google. (n.d.). google-api-python-client Documentation. Retrieved from https://google-api-python-client.readthedocs.io/en/latest/
14. Mell, P., & Grance, T. (2011). NIST Special Publication 800-145: The NIST Definition of Cloud Computing. National Institute of Standards and Technology.
15. Erl, T., Mahmood, Z., & Puttini, R. (2013). Cloud Computing: Concepts, Technology & Architecture. Prentice Hall.
16. Linthicum, D. S. (2017). Cloud-Native Architectures: Design High-Availability and Cost-Effective Applications for the Cloud. O'Reilly Media.
17. Microsoft. (n.d.). Microsoft Graph API Documentation. Retrieved from https://learn.microsoft.com/en-us/graph/
18. Dropbox. (n.d.). Dropbox API Documentation. Retrieved from https://www.dropbox.com/developers/documentation/http/documentation
19. Amazon Web Services. (n.d.). Amazon S3 Documentation. Retrieved from https://docs.aws.amazon.com/s3/
20. Armbrust, M., et al. (2010). A view of cloud computing. Communications of the ACM, 53(4), 50–58.
21. Pedregosa, F., et al. (2011). Scikit-learn: Machine learning in Python. Journal of Machine Learning Research, 12, 2825–2830.
22. Bishop, C. M. (2006). Pattern Recognition and Machine Learning. Springer.
23. Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning. MIT Press.
24. James, G., Witten, D., Hastie, T., & Tibshirani, R. (2013). An Introduction to Statistical Learning: With Applications in R. Springer.
25. Grus, J. (2019). Data Science from Scratch: First Principles with Python (2nd ed.). O'Reilly Media.
26. Mitchell, T. M. (1997). Machine Learning. McGraw-Hill.
27. Alpaydin, E. (2020). Introduction to Machine Learning (4th ed.). MIT Press.
28. Géron, A. (2019). Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow (2nd ed.). O'Reilly Media.
29. Witten, I. H., Frank, E., Hall, M. A., & Pal, C. J. (2016). Data Mining: Practical Machine Learning Tools and Techniques (4th ed.). Morgan Kaufmann.
30. Kelleher, J. D., Mac Namee, B., & D'Arcy, A. (2020). Fundamentals of Machine Learning for Predictive Data Analytics: Algorithms, Worked Examples, and Case Studies (2nd ed.). MIT Press.
31. Python Software Foundation. (n.d.). Python 3.10 Documentation. Retrieved from https://docs.python.org/3.10/
32. Riverbank Computing. (n.d.). PyQt6 Documentation. Retrieved from https://www.riverbankcomputing.com/static/Docs/PyQt6/
33. 7-Zip. (n.d.). 7-Zip Official Website. Retrieved from https://www.7-zip.org/
34. Antcha. (n.d.). Pyzipper Documentation. Retrieved from https://github.com/Antcha/pyzipper
35. Python Software Foundation. (n.d.). json—JSON encoder and decoder. Retrieved from https://docs.python.org/3/library/json.html
36. Python Software Foundation. (n.d.). logging—Logging facility for Python. Retrieved from https://docs.python.org/3/library/logging.html
37. Qt Project. (n.d.). Qt Documentation – Threading and Concurrent Programming. Retrieved from https://doc.qt.io/qt-6/thread-basics.html
38. Summerfield, M. (2010). Rapid GUI Programming with Python and Qt: The Definitive Guide to PyQt Programming. Prentice Hall.
39. Lutz, M. (2013). Learning Python (5th ed.). O'Reilly Media.
40. Smith, J. R. (2021). The impact of data loss on small and medium businesses survival. Journal of Small Business Management, 45(3), 321–335.
41. Jones, M. K. (2022). Backup solutions for SMBs: Challenges and opportunities. International Journal of Information Technology and Business, 15(1), 50–65.
42. Brown, L. A., & Davis, S. T. (2020). Cloud storage vs. traditional backup methods: A comparative study. Journal of Cloud Computing: Advances, Systems and Applications, 9(1), 1–15.
43. Lee, S., & Kim, H. (2019). Intelligent data prioritization for efficient cloud backup in resource-constrained environments. IEEE Transactions on Cloud Computing, 7(4), 980–992.
44. Chen, Y., et al. (2020). A machine learning approach for predictive data backup scheduling in small enterprises. Journal of Enterprise Information Management, 33(5), 1055–1073.
45. Patel, R., & Sharma, V. (2021). Enhancing data security in cloud backup solutions using Advanced Encryption Standard. International Journal of Computer Applications, 178(10), 15–20.
46. Doe, J. (2022). User experience design for non-technical users in backup software. Journal of Usability Studies, 17(3), 112–128.
47. ДСанПіН 3.3.2.007-98. (1998). Державні санітарні правила і норми роботи з візуальними дисплейними терміналами електронно-обчислювальних машин. Затверджено Постановою Головного державного санітарного лікаря України від 10.12.1998 р. № 7.
48. ДСТУ EN ISO 9241-5:2003. (2003). Ергономічні вимоги до роботи з відеотерміналами в офісі. Частина 5. Вимоги до розташування робочого місця та до робочої пози (EN ISO 9241-5:1999, IDT).
49. ДСН 3.3.6.042-99. (1999). Санітарні норми мікроклімату виробничих приміщень. Затверджено Постановою Головного державного санітарного лікаря України від 01.12.1999 р. № 42.
50. Левченко, Л. О., Гріненко, В. В., Рудь, П. М., та ін. (2022). Охорона праці в галузі інформаційних технологій: навчальний посібник (За заг. ред. Л. О. Левченка). Харків: НТУ "ХПІ".
51. Правила улаштування електроустановок (ПУЕ). (2017). Четверте видання, перероблене й доповнене. Київ: Форт.
52. НПАОП 0.00-1.81-18. (2018). Правила охорони праці під час експлуатації електроустановок. Затверджено наказом Міністерства соціальної політики України від 05.01.2018 № 19.
53. НАПБ А.01.001-2014. (2014). Правила пожежної безпеки в Україні. Затверджено наказом Міністерства внутрішніх справ України від 30.12.2014 № 1417.
54. Верховна Рада України. (2012). Кодекс цивільного захисту України: Закон України від 02.10.2012 р. № 5403-VI.
55. Верховна Рада України. (2021). Про основи національного спротиву: Закон України від 16.07.2021 р. № 1702-IX.
56. Автоматизований алгоритм визначення нафтоносності поверхні на основі аналізу параметрів діаграми Еббота-Файрстоуна. Ярослав Литвиненко, Володимир Дзюра, Павло МарущакCEUR Workshop Proceedings, 2024, 3896, pp. 74–79
57. Розробка алгоритму для ідентифікації типів пошкоджень на поверхні листового металу Паляниця, Ю., Литвиненко, І., Мену, А., Шимчук, Г., Дубчак, А. CEUR Workshop Proceedings, 2024, 3742, pp. 84–96
58. Методологія формування статистичної інформації спортивних матчів з використанням нейронних мереж Сороківська, О., Литвиненко, І., Сороківський, О., Козбур, Г., Струтинська, І. CEUR Workshop Proceedings, 2023, 3628, pp. 389–403
59. Метод комп'ютерного моделювання серцевого ритму на основі вектора стаціонарних та стаціонарно пов'язаних випадкових послідовностей Ониськів, П., Литвиненко І., Олександр В., Шимчук Г., Хотович В. CEUR Workshop, 2023, 3468, стор. 223–232
60. Комп’ютерне моделювання серцевого ритму на основі вектора стаціонарних випадкових послідовностей. Лупенко Сергій, Литвиненко Ярослав, Ониськів Петро, Лупенко Анатолій, Воляник Олександр, Цицюра Олена // Науковий часопис ТНТУ. Терн.: ТНТУ, 2023. Т. 108. № 4. С. 131–143.
Content type: Master Thesis
�蝷箔����:122 — комп’ютерні науки

��辣銝剔�﹝獢�:
獢�獢� ��膩 憭批���撘� 
2025_KRM_SNm-61_Tsypniak Denys.pdfДипломна робота4,52 MBAdobe PDF璉�閫�/撘��
�蝷箸�辣摰蝥芸��


�DSpace銝剜�������★��������雿��.

蝞∠�極�