Модель фільтрації VEC листів з використанням машинного навчання
Вантажиться...
Дата
2023
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Обсяг роботи 44 сторінок, 19 ілюстрацій, 6 таблиць, 4 додатки, 7 джерел літератури. В роботі проведено аналіз різних методів попередньої обробки тексту та їхній вплив на різні методи машинного навчання, виявлено найбільш оптимальний підхід для класифікації Vendor Email Compromise (VEC) листів а також запропоновано рішення для покращення результатів найефективнішого варіанту.
Метою даної роботи є виявлення та реалізація оптимального підходу для виявлення VEC листів з найменшою кількістю хибно-позитивних (FP) класифікацій.
Об'єктом дослідження даної роботи є методи попередньої обробки тексту, методи машинного навчання для виявлення VEC листів.
Предметом дослідження даної роботи є вплив попередньої обробки тексту на ефективність класифікації VEC листів, виявлення найбільш ефективного підходу для виявлення VEC листів та варіанти покращення результатів.
Опис
Ключові слова
Business email compromise, BEC, Vendor email compromise, VEC, машинне навчання, стемінг, лематизація, видалення стоп-слів, багатошаровий перцептрон, логістична регресія, випадковий ліс, k найближчих сусідів, метод опорних векторів, крос-валідація
Бібліографічний опис
Зібаров, Д. В. Модель фільтрації VEC листів з використанням машинного навчання : дипломна робота ... бакалавра : 125 Кібербезпека / Зібаров Дмитро Владиславович. – Київ, 2023. – 62 с.