Docker

З розвитком контейнеризованих середовищ, питання безпеки стає критично важливим для розгортання додатків. У цій статті проведено порівняльний аналіз статичного та динамічного методів сканування образів Docker контейнерів. Статичний аналіз використовується для виявлення потенційних вразливостей до розгортання контейнера, тоді як динамічний аналіз проводиться в ізольованому середовищі під час виконання, забезпечуючи надійність продукту. Порівняно роботу сканерів Trivy, JFrog Xray, Snyk і Docker Scout, підкреслено їх переваги, недоліки та ефективність у різних умовах.

У роботі представлено розробку кіберфізичної системи на основі платформи HomeAssistant для ефективної автоматизації та управління пристроями Інтернету речей (IoT). Розглянуто архітектурні особливості, технічну реалізацію та перспективи розвитку системи, з акцентом на здатність інтегрувати широкий спектр сенсорів та IoT-пристроїв в одну мережу для створення адаптивних та інтелектуальних рішень.

За результатами аналізу літературних джерел встановлено що перспективним напрямком пошуку та розпізнавання об’єктів є сімейство моделей Yolo. Проте існуючі реалізації не підтримують можливості запуску моделі на платформі iOS. Для досягення таких цілей розроблено комплексну масштабовану систему конвертації та покращення точності розпізнавання довільних моделей на базі системи Docker. Методика покращення полягає у додаванні до оригінальної моделі додаткового шару з функцією активації Mish. Методика конвертації полягає у оперативному перетовренні довільної моделі Yolo у формат CoreML.