https://repository.utm.md/handle/5014/29196 Fri, 17 Apr 2026 21:50:22 GMT 2026-04-17T21:50:22Z https://repository.utm.md/handle/5014/29213 Analysis of security and privacy risks in large language models ȘARAPOVA, Ana The thesis consists of an introduction, three chapters, a conclusion, a list of references, and a list of appendices. The research begins with an introduction into the domain of artificial intelligence (AI) systems followed by domain analysis of large language models (LLMs). The first chapter examines both the positive and negative impacts of this technology. Through the examination of over 74 scientific articles, and books, the literature review emphasized the lack of structure related to problems that appear during the utilization of LLMs. This section also explores existing data protection techniques, identifies key challenges, and proposes solutions to ensure the safe development and use of LLM systems. The second chapter presents the initial deliverables of the research. It introduces the theoretical research framework, followed by detailed explanation of the 3-dimensional taxonomy, extended glossary, and decision tree. The chapter concludes with a discussion of the taxonomy's validation, conducted by three domain experts. Their analysis, based on specific criteria, offers constructive feedback and recommendations for future work. The final chapter focuses on the design and implementation of an expert system which has the purpose of demonstrating the practical application of the taxonomy. This system’s design is outlined through the definition of functional and non-functional requirements, along with the development of its architecture and components. Additionally, the chapter describes the implementation of the expert system, achieving the second objective, and discusses project results and observations.; Cercetarea începe cu o introducere în domeniul sistemelor de inteligență artificială (AI), urmată de o analiză a domeniului modelelor lingvistice mari (LLM). Primul capitol examinează atât impacturile pozitive, cât și cele negative ale acestei tehnologii. Prin examinarea a peste 74 de articole științifice și cărți, analiza literaturii de specialitate a evidențiat lipsa unei structuri organizate privind problemele care apar în timpul utilizării LLM-urilor. Această secțiune explorează, de asemenea, tehnicile existente de protecție a datelor, identifică principalele provocări și propune soluții pentru a asigura dezvoltarea și utilizarea în siguranță a sistemelor LLM. Capitolul al doilea prezintă primele livrabile ale cercetării. Acesta introduce cadrul teoretic al cercetării, urmat de o explicație detaliată a taxonomiei tridimensionale, a glosarului extins și a arborelui decizional. Capitolul se încheie cu o discuție privind validarea taxonomiei, realizată de trei experți din domeniu. Analiza lor, bazată pe criterii specifice, oferă feedback constructiv și recomandări pentru lucrări viitoare. Capitolul final se concentrează pe proiectarea și implementarea unui sistem expert care are scopul de a demonstra aplicarea practică a taxonomiei. Proiectarea acestui sistem este detaliată prin definirea cerințelor funcționale și nefuncționale, împreună cu dezvoltarea arhitecturii și a componentelor sale. În plus, capitolul descrie procesul de implementare a sistemului expert, realizând al doilea obiectiv al cercetării, și analizează rezultatele proiectului și observațiile obținute. Fişierul ataşat conţine: Rezumat, Abstract, Table of Contents, Introduction, Bibliography. Wed, 01 Jan 2025 00:00:00 GMT https://repository.utm.md/handle/5014/29213 2025-01-01T00:00:00Z https://repository.utm.md/handle/5014/29212 Development of intelligent generative models for melodies. Melody generation TCACENCO, Igor The purpose of this work is to explore the integration of deep learning models, particularly LSTMs, in generating harmonically coherent and stylistically diverse chord progressions based on established music theory. To create a system capable of producing musically meaningful outputs that cater to both academic research and creative industries. Tools used: Python programming language, Google Colab. Explanatory note contains: introduction, 3 chapters, conclusions, bibliography with 20 titles, 4 figures. Chapter 1: Explores the significance, current applications, and limitations of AI in music, setting the stage for the project's goals. Chapter 2: Details the architecture, workflow, and theoretical foundation of the chord progression generator system. Chapter 3: Describes the development process, including dataset preparation, model architecture design, training and validation results, and optimization techniques used for chord progression generation.; Scopul acestei lucrări este de a explora integrarea modelelor de învățare profundă, în special LSTM-uri, în generarea de progresii de acorduri armonic coerente și stilistic diverse, bazate pe teoria muzicală consacrată. Crearea unui sistem capabil să producă rezultate semnificative din punct de vedere muzical care se adresează atât cercetării academice, cât și industriilor creative. Instrumente utilizate: Limbajul de programare Python, Google Colab. Nota explicativă conține: introducere, 3 capitole, concluzii, bibliografie cu 20 titluri, 4 figure. Capitolul 1: Explorează semnificația, aplicațiile actuale și limitările AI în muzică, creând scena pentru obiectivele proiectului. Capitolul 2: Detaliază arhitectura, fluxul de lucru și fundamentul teoretic al sistemului generator de progresie a acordurilor. Capitolul 3: Descrie procesul de dezvoltare, inclusiv pregătirea setului de date, proiectarea arhitecturii modelului, rezultatele antrenamentului și validării și tehnicile de optimizare utilizate pentru generarea progresiei acordurilor. Fişierul ataşat conţine: Rezumat, Abstract, Contents, List of abbreviations, Introduction, References. Wed, 01 Jan 2025 00:00:00 GMT https://repository.utm.md/handle/5014/29212 2025-01-01T00:00:00Z https://repository.utm.md/handle/5014/29211 Recognition and visualization of data of an automated surveillance system PUȘCAȘ, Dumitru This paper presents the application of the YOLO v8 (You Only Look Once) model for real-time object detection within an automated video surveillance system. YOLO v8, recognized for its superior balance between speed and accuracy, is leveraged to detect various objects in live surveillance feeds. The proposed system processes video streams in real-time, using the latest advancements in convolutional neural networks to achieve object detection with minimal latency, which is crucial for time-sensitive environments like security monitoring. As experiments have demonstrated, YOLO v8 achieved an average precision (AP) of 52.7% on the COCO dataset and processed up to 60 frames per second (FPS) on 1080p video, outperforming previous YOLO versions in both detection accuracy and processing speed [1]. This represents a notable improvement over YOLOv4, which reported an AP of 43.5% and a speed of 50 FPS under similar conditions [2]. The primary objective of this thesis is demonstrating how YOLO v8 can be effectively integrated into a real-time video surveillance system, offering both high detection accuracy and performance efficiency. Future work will focus on extending the system's capability to detect complex human activities and refining the interface for enhanced user interaction.; Această lucrare prezintă aplicarea modelului YOLO v8 (You Only Look Once) pentru detectarea obiectelor în timp real în cadrul unui sistem automatizat de supraveghere video. YOLO v8, recunoscut pentru echilibrul superior între viteză și acuratețe, este utilizat pentru detectarea diverselor obiecte în fluxuri video de supraveghere live. Sistemul propus procesează fluxurile video în timp real, folosind cele mai recente progrese în rețele neuronale convoluționale pentru a realiza detectarea obiectelor cu latență minimă, un aspect de bază pentru medii sensibile la timp, cum ar fi monitorizarea de securitate. Experimentele au demonstrat că YOLO v8 a obținut o precizie medie (AP) de 52,7% pe setul de date COCO și a procesat până la 60 de cadre pe secundă (FPS) la rezoluție video 1080p, depășind versiunile anterioare YOLO atât în ceea ce privește acuratețea detecției, cât și viteza de procesare [1]. Acest lucru reprezintă o îmbunătățire notabilă față de YOLOv4, care a raportat un AP de 43,5% și o viteză de 50 FPS în condiții similare [2]. Contribuția principală a acestui studiu constă în demonstrarea modului în care YOLO v8 poate fi integrat eficient într-un sistem de supraveghere video în timp real, oferind atât o acuratețe ridicată a detecției, cât și eficiență în performanță. Lucrările viitoare se vor concentra pe extinderea capacității sistemului de a detecta activități umane complexe și pe rafinarea interfeței pentru a îmbunătăți interacțiunea cu utilizatorul. Fişierul ataşat conţine: Rezumat, Abstract, Contents, Introduction, References. Wed, 01 Jan 2025 00:00:00 GMT https://repository.utm.md/handle/5014/29211 2025-01-01T00:00:00Z https://repository.utm.md/handle/5014/29210 Research on methods for detecting fake news using Natural Language Processing and machine learning PICIRIGA, Bogdan The spread of fake news has become a significant global challenge, particularly in the age of digital communication and social media. This research explores the application of Artificial Intelligence and Natural Language Processing techniques to develop scalable and efficient systems for detecting fake news. By leveraging advanced machine learning models such as BERT and frameworks like TensorFlow and PyTorch, these systems analyze and classify textual data to identify patterns indicative of misinformation. The study examines critical aspects of fake news detection, including feature extraction, sentiment analysis, and integration with fact-checking databases, while addressing challenges such as data imbalance, evolving misinformation tactics, and ethical considerations. The research adopts a quantitative approach, analyzing the technical, economic, and ethical dimensions of implementing such systems, with a focus on scalability and real-time processing capabilities. Additionally, it evaluates the potential societal impact, including restoring public trust, safeguarding democratic processes, and mitigating the harmful effects of misinformation. While the project presents significant costs, especially in the context of the Republic of Moldova, it also highlights the long-term benefits of such an investment. Through continuous model improvement and strategic implementation, this research demonstrates that advanced AI and NLP tools can play a pivotal role in combating fake news, ensuring a more informed and resilient society.; Răspândirea știrilor false a devenit o provocare globală semnificativă, în special în era comunicării digitale și a rețelelor sociale. Această cercetare explorează aplicarea tehnicilor de inteligență artificială și procesare a limbajului natural pentru a dezvolta sisteme scalabile și eficiente pentru detectarea știrilor false. Utilizând modele avansate de învățare automată, cum ar fi BERT și cadre precum TensorFlow și PyTorch, aceste sisteme analizează și clasifică datele textuale pentru a identifica modele care indică dezinformarea. Studiul examinează aspectele critice ale detectării știrilor false, inclusiv extragerea caracteristicilor, analiza sentimentelor și integrarea cu baze de date de verificare a faptelor, abordând în același timp provocări precum dezechilibrul datelor, evoluția tacticilor de dezinformare și considerații etice. Cercetarea adoptă o abordare cantitativă, analizând dimensiunile tehnice, economice și etice ale implementării unor astfel de sisteme, cu accent pe scalabilitate și capabilități de procesare în timp real. În plus, evaluează impactul potențial al societății, inclusiv restabilirea încrederii publicului, protejarea proceselor democratice și atenuarea efectelor dăunătoare ale dezinformării. Deși proiectul prezintă costuri semnificative, mai ales în contextul Republicii Moldova, el subliniază și beneficiile pe termen lung ale unei astfel de investiții. Prin îmbunătățirea continuă a modelului și implementarea strategică, această cercetare demonstrează că instrumentele avansate AI și NLP pot juca un rol esențial în combaterea știrilor false, asigurând o societate mai informată și mai rezistentă. Fişierul ataşat conţine: Rezumat, Abstract, Contents, Introduction, References. Wed, 01 Jan 2025 00:00:00 GMT https://repository.utm.md/handle/5014/29210 2025-01-01T00:00:00Z