Метод детектування фішингових URL на основі принципу самоорганізації
Тип публікації :
Бакалаврська робота
Дата випуску :
2025
Автор(и) :
Шабанова, Анастасія Олексіївна
Науковий(і) керівник(и)/редактор(и) :
Мова основного тексту :
Ukrainian
eKNUTSHIR URL :
Цитування :
[APA 7] Шабанова, А. О. (2025). Метод детектування фішингових URL на основі принципу самоорганізації [Бакалаврська робота, Київський національний університет імені Тараса Шевченка]. eKNUTSHIR. https://ir.library.knu.ua/handle/15071834/7987
[ДСТУ] Шабанова А. О. Метод детектування фішингових URL на основі принципу самоорганізації : кваліфікаційна робота бакалавра : 125 Кібербезпека та захист інформації / наук. кер. С. С. Бучик. Київ, 2025. 112 с. URL: https://ir.library.knu.ua/handle/15071834/7987 (дата звернення: 25.07.2026).
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.
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.
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 :
16.15 MB
Контрольна сума :
(MD5):fcd3f0c8d4d22be6f10075741387f8df
Якщо не вказано інше, ця робота розповсюджується на умовах ліцензії Creative Commons Attribution-NonCommercial 4.0 International