Засіб виявлення фішингових листів за допомогою машинного навчання
Тип публікації :
Бакалаврська робота
Дата випуску :
2025
Автор(и) :
Приходько, Богдан Сергійович
Науковий(і) керівник(и)/редактор(и) :
Мова основного тексту :
Ukrainian
eKNUTSHIR URL :
Цитування :
[APA 7] Приходько, Б. С. (2025). Засіб виявлення фішингових листів за допомогою машинного навчання [Бакалаврська робота, Київський національний університет імені Тараса Шевченка]. eKNUTSHIR. https://ir.library.knu.ua/handle/15071834/7834
[ДСТУ] Приходько Б. С. Засіб виявлення фішингових листів за допомогою машинного навчання : кваліфікаційна робота бакалавра : 125 Кібербезпека та захист інформації / наук. кер. Я. В. Шестак. Київ, 2025. 60 с. URL: https://ir.library.knu.ua/handle/15071834/7834 (дата звернення: 25.07.2026).
Пояснювальна записка кваліфікаційної роботи складається зі вступу, трьох розділів, загальних висновків, списку використаних джерел, має 60 сторінки основного тексту, 6 таблиць та 11 рисунки. Список використаних джерел включає 27 найменувань і займає 3 сторінки.
Метою роботи є розробка та впровадження методів машинного навчання для ефективного виявлення фішингових листів на основі аналізу їх текстового вмісту. Для досягнення зазначеної мети поставлено наступні завдання:
● проаналізувати особливості фішингових атак в електронній пошті;
● ознайомитися з сучасними методами виявлення фішингу на основі машинного навчання;
● сформувати та обробити датасет фішингових і нефішингових листів;
● реалізувати модель BERT для класифікації фішингових листів;
● оцінити ефективність моделі та розробити додаток для її використання. Об'єктом дослідження є процес виявлення фішингових листів у електронній пошті з використанням технологій машинного навчання.
Предметом дослідження є алгоритми та моделі машинного навчання, що застосовуються для класифікації електронних листів на фішингові та легітимні.
Практичною цінністю отриманих результатів є розроблений засіб виявлення фішингових листів за допомогою машинного навчання, котрий дозволяє:
● виявляти фішинг навіть у складних та нових формах;
● працювати незалежно від платформи;
● захищати користувачів менш популярних поштових систем.
Метою роботи є розробка та впровадження методів машинного навчання для ефективного виявлення фішингових листів на основі аналізу їх текстового вмісту. Для досягнення зазначеної мети поставлено наступні завдання:
● проаналізувати особливості фішингових атак в електронній пошті;
● ознайомитися з сучасними методами виявлення фішингу на основі машинного навчання;
● сформувати та обробити датасет фішингових і нефішингових листів;
● реалізувати модель BERT для класифікації фішингових листів;
● оцінити ефективність моделі та розробити додаток для її використання. Об'єктом дослідження є процес виявлення фішингових листів у електронній пошті з використанням технологій машинного навчання.
Предметом дослідження є алгоритми та моделі машинного навчання, що застосовуються для класифікації електронних листів на фішингові та легітимні.
Практичною цінністю отриманих результатів є розроблений засіб виявлення фішингових листів за допомогою машинного навчання, котрий дозволяє:
● виявляти фішинг навіть у складних та нових формах;
● працювати незалежно від платформи;
● захищати користувачів менш популярних поштових систем.
Ключові слова :
Галузі знань та спеціальності :
12 Інформаційні технології::125 Кібербезпека та захист інформації
Галузі науки і техніки (FOS) :
Інженерія та технології
Файл(и) :![Ескіз]()
Вантажиться...
Формат :
Adobe PDF
Розмір :
1 MB
Контрольна сума :
(MD5):ec163bb9f7c263417a345971cf599fc9
Якщо не вказано інше, ця робота розповсюджується на умовах ліцензії Creative Commons Attribution-NonCommercial 4.0 International