Метод ідентифікації ворожих медіа-ресурсів в кіберпросторі
Тип публікації :
Бакалаврська робота
Дата випуску :
2023
Автор(и) :
Бездольний Вадим Андрійович
Мова основного тексту :
ua
eKNUTSHIR URL :
Цитування :
[APA 7] Бездольний, В. А. (2023). Метод ідентифікації ворожих медіа-ресурсів в кіберпросторі [Бакалаврська робота, Київський національний університет імені Тараса Шевченка]. eKNUTSHIR. https://ir.library.knu.ua/handle/123456789/3839
[ДСТУ] Бездольний В. А. Метод ідентифікації ворожих медіа-ресурсів в кіберпросторі : кваліфікаційна робота бакалавра : 12 Інформаційні технології. Київ, 2023. 83 с. URL: https://ir.library.knu.ua/handle/123456789/3839 (дата звернення: 25.07.2026).
Результати кваліфікаційної роботи є актуальними та сприятливими для вирішення питання підвищення рівня інформаційної безпеки країни та автоматизації процесу класифікації текстового контенту.
Для створення моделі класифікації тексту були розглянуті теоретичні засади машинного навчання та нейронних мереж. Було виконано аналіз та порівняння парадигм машинного навчання, обрана найбільш доцільна парадигма для досягнення необхідного функціоналу нейронної мережі. Окремо були названі та проаналізовані числові характеристики тексту, що можуть бути використані в їх класифікації. Вони відрізняються в залежності від сфери використання тексту. Під час порівняння кожної з характеристик були оцінені їх інформативність та доцільність у обчисленні.
Модель нейронної мережі була формально визначена, перед етапом її практичного втілення були розроблені підходи до обчислення обраних характеристик тексту. Після аналізу відкритих джерел в якості навчальних вибірок були обрані статті з переліку Телеграм-каналів, що поширювали дезінформацію, або навпаки, були джерелами якісної інформації. З огляду на майбутніх функціонал мережі, був обраний класифікатор K-Star, що найкраще описував кінцеві дані, відповідно, результати класифікації з його використанням були найбільш точними.
Ключові слова: ідентифікація, кіберпростір, кіберзахист, моделювання, нейронна мережа, кластеризація.
Для створення моделі класифікації тексту були розглянуті теоретичні засади машинного навчання та нейронних мереж. Було виконано аналіз та порівняння парадигм машинного навчання, обрана найбільш доцільна парадигма для досягнення необхідного функціоналу нейронної мережі. Окремо були названі та проаналізовані числові характеристики тексту, що можуть бути використані в їх класифікації. Вони відрізняються в залежності від сфери використання тексту. Під час порівняння кожної з характеристик були оцінені їх інформативність та доцільність у обчисленні.
Модель нейронної мережі була формально визначена, перед етапом її практичного втілення були розроблені підходи до обчислення обраних характеристик тексту. Після аналізу відкритих джерел в якості навчальних вибірок були обрані статті з переліку Телеграм-каналів, що поширювали дезінформацію, або навпаки, були джерелами якісної інформації. З огляду на майбутніх функціонал мережі, був обраний класифікатор K-Star, що найкраще описував кінцеві дані, відповідно, результати класифікації з його використанням були найбільш точними.
Ключові слова: ідентифікація, кіберпростір, кіберзахист, моделювання, нейронна мережа, кластеризація.
Галузі знань та спеціальності :
12 Інформаційні технології
125 Кібербезпека та захист інформації
Файл(и) :![Ескіз]()
Вантажиться...
Формат :
Adobe PDF
Розмір :
3.2 MB
Контрольна сума :
(MD5):0039830558f80587bb9df718e07d81db
Якщо не вказано інше, ця робота розповсюджується на умовах ліцензії Creative Commons Attribution-NonCommercial 4.0 International