Метод детектування фішингових URL на основі принципу самоорганізації

Шабанова А. О. Метод детектування фішингових URL на основі принципу самоорганізації : пояснювальна записка кваліфікаційної роботи : 125 Кібербезпека / наук. кер. С. Бучик. Київ, 2025. 112 с.

Кваліфікаційна робота складається зі вступу, трьох розділів, загальних висновків, списку використаних джерел, 10 додатків, має 84 сторінок основного тексту, 1 таблицю та 24 рисунків. Список використаних джерел містить 28 найменуваннь і займає 4 сторінки.
Метою роботи є реалізація методу детектування фішингових URL-адрес на основі чіткого портрета адреси та принципу самоорганізації моделей, який здатний виявляти сучасні фішингові шаблони з переважною точністю та пояснюваністю рішень.
Досягнення мети потребує розв’язання таких задач:
– сформувати формальну портретну модель URL-адреси, що уніфікує її структурні, технічні та семантичні ознаки, та обґрунтувати її застосування для задач класифікації;
– розробити архітектуру методу виявлення фішингових шаблонів, яка включає модулі логістичної регресії як інтерпретованої базової моделі, GMDH для самоорганізованої побудови нелінійних залежностей та Self-Organizing Map для дослідження кластерів ризику;
– здійснити програмну реалізацію запропонованої архітектури у середовищі Python та провести експериментальні дослідження з використанням реальних датасетів фішингових та легітимних URL-адрес;
– провести багатовимірний аналіз точності класифікації та виявити ключові фактори, що впливають на ефективність методу, зокрема показники F1-score, ROC AUC та показники стабільності;
– розробити рекомендації щодо впровадження методу у практичні сценарії кіберзахисту, зокрема у веб-фільтри, поштові шлюзи та центри моніторингу кібербезпеки.
Об’єктом дослідження є процеси виявлення та класифікації фішингових URL-адрес у веб-просторі.
Предметом дослідження є методи та моделі детектування фішингових URL-адрес, зокрема побудова портрета адреси, реалізація алгоритмів класифікації (логістична регресія, GMDH), а також використання Self-Organizing Map для дослідження ризикових шаблонів.
Практична значущість отриманих результатів полягає у розробці методу інтелектуального виявлення фішингових URL-адрес, який характеризується високим рівнем прецизійності та інтерпретованості прийнятих рішень. Запропонований підхід може бути інтегрований у складні системи кібербезпеки, зокрема веб-фільтри, поштові шлюзи та модулі аналізу трафіку, з метою забезпечення автоматизованого виявлення і блокування фішингових атак у режимі реального часу, що суттєво підвищує загальний рівень захищеності інформаційного середовища.