(КПІ ім. Ігоря Сікорського, 2023) Гаврилова, Анастасія Володимирівна; Яйлимова, Ганна Олексіївна
Обсяг роботи 72 сторінки, 19 ілюстрацій, 4 таблиці, 1 додаток, 16 джерел літератури. У роботі проведено аналіз різних методів машинного навчання та результатів роботи моделей у залежності від виду попередньої обробки тексту та вхідних датасетів (зі справжіми електронними листами та з додаванням синтетично згенерованих електронних листів; виявлено найбільш оптимальний метод класифікації Business Email Compromise (BEC) листів. Метою даної роботи є знаходження та реалізація найкращого методу ідентифікації шкідивих електронних листів класу «імпостор». Об'єктом дослідження даної роботи є шкідливі електронні листи. Предметом дослідження даної роботи є методи класифікації шкідливих електронних листів класу «імпостор».