Огляд методiв класифiкацiї електронних листiв

dc.contributor.authorГаврилова, А. В.
dc.contributor.authorЯйлимова, Г. О.
dc.date.accessioned2025-09-18T14:47:33Z
dc.date.available2025-09-18T14:47:33Z
dc.date.issued2025
dc.description.abstractУ роботі розглянуто методи виявлення фішингових електронних листів на основі сучасних технологій глибокого навчання. Особливу увагу приділено архітектурам нейронних мереж, зокрема CNN, LSTM і трансформерам (BERT), що демонструють високу точність при класифікації фішингових, спамових і безпечних листів. Також досліджено ефективність традиційних методів, таких як сигнатурний аналіз, чорні списки, правила фільтрації, а також алгоритми машинного навчання. Розкрито залежність точності класифікації від якості датасетів і важливість постійного оновлення моделей.
dc.format.pagerangeС. 307-310
dc.identifier.citationГаврилова, А. В. Огляд методiв класифiкацiї електронних листiв / А. В. Гаврилова, Г. О. Яйлимова // Теоретичні і прикладні проблеми фізики, математики та інформатики : матерiали XXIII Всеукраїнської науково-практичної конференцiї студентiв, аспiрантiв та молодих вчених, [Київ], 14−17 травня 2025 р. / КПІ ім. Ігоря Сікорського. – Київ, 2025. – С. 307-310.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/76164
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.relation.ispartofТеоретичні і прикладні проблеми фізики, математики та інформатики : матерiали XXIII Всеукраїнської науково-практичної конференцiї студентiв, аспiрантiв та молодих вчених (14−17 травня 2025 р., м. Київ, Україна)
dc.subjectфішинг
dc.subjectелектронна пошта
dc.subjectглибоке навчання
dc.subjectнейронні мережі
dc.subjectсигнатурний аналіз
dc.subjectкласифікація
dc.subjectBERT
dc.subject.udc504.75
dc.titleОгляд методiв класифiкацiї електронних листiв
dc.typeArticle

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Вантажиться...
Ескіз
Назва:
(307-310)_Havrylova.pdf
Розмір:
202.72 KB
Формат:
Adobe Portable Document Format
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис: