Збільшення природних і техногенних надзвичайних ситуацій за останні роки свідчить про критичну важливість надійних систем раннього оповіщення населення для їхнього захисту та збереження інфраструктури. У роботі виявлено потребу автоматизованого підходу до тестування таких систем для забезпечення їхньої ефективної роботи та надання достовірної інформації. Встановлено переваги використання цифрових систем оповіщення (вебсервіси, мобільні додатки, SMS) над традиційними методами (сирени, телебачення, тощо) завдяки розробленій математичній моделі, яка нормалізує критерії швидкості доставки повідомлення, охоплення та сприйняття повідомлень. З'ясовано, що традиційні методи тестування програмного забезпечення недостатньо ефективні для складних систем оповіщення, що обґрунтовує потребу розроблення модульної архітектури автоматизованого фреймворку (інфраструктури програмних рішень, що полегшує розроблення складних систем), розробленого мовою програмування Python із використанням бібліотек pandas і matplotlib. Розроблено інтегровану платформу для функціонального тестування систем оповіщення, яка містить серверну, клієнтську та сервісну частини з інтеграцією в CI/CD-процеси, що забезпечує швидке виявлення збоїв у програмному забезпеченні й адаптивність до критичних умов. Оцінено вплив запропонованого підходу на продуктивність системи "Мапа тривог України", де середню тривалість відповіді покращено на 15-20 %, а стійкість до пікових навантажень і DDoS-атак підтверджена результатами її тестування. Охарактеризовано закономірності взаємодії компонентів фреймворку, де клієнтська частина ініціює тести через API, серверна частина обробляє дані, а сервісна – забезпечує безперервність, що усуває затримки під час оброблення. Удосконалено метод тестування програмного забезпечення, орієнтованого на системи раннього оповіщення населення та моніторингу надзвичайних ситуацій, а також здійснено практичне тестування розробленої системи на базі сервісу "Мапа тривог України". З'ясовано перспективи удосконалення досліджуваної платформи, зокрема – через додавання модулів симуляції для гібридних систем і впровадження штучного інтелекту для прогнозування збоїв, що може підвищити надійність критичної інфраструктури.