Комбінований метод та програмне забезпечення для ідентифікації фішингового вмісту в текстовій частині електронних листів

Скорочена інформація про документ
dc.contributor.advisorЗаболотня, Тетяна Миколаївна
dc.contributor.authorФещенко, Єгор Олександрович
dc.date.accessioned2025-10-16T12:29:30Z
dc.date.available2025-10-16T12:29:30Z
dc.date.issued2025
dc.description.abstractДана магістерська дисертація присвячена розробленню та програмній реалізації комбінованого методу автоматизованої ідентифікації фішингового вмісту в текстовій частині електронних листів на основі використання згорткових та рекурентних нейронних мереж із застосуванням механізму уваги. В ході даної магістерської дисертації було проведено детальний аналіз існуючих методів і підходів автоматизованого виявлення фішингових повідомлень. Запропонований комбінований метод дозволяє враховувати як локальні текстові ознаки, так і глобальний семантичний контекст, завдяки чому досягається абсолютна точність класифікації фішингових листів у діапазоні від 95,3 до 99,6 % на різних наборах даних, що суттєво перевершує класичні методи машинного навчання та традиційні нейромережеві підходи. Практичне значення отриманих результатів полягає в тому, що розроблений програмний метод дозволяє суттєво знизити кількість помилкових спрацьовувань та забезпечити високу надійність автоматичної ідентифікації фішингових листів. У даній магістерській дисертації розроблено програмне забезпечення, яке реалізує запропонований комбінований метод для автоматизованого виявлення фішингових повідомлень у поштових сервісах та системах інформаційної безпеки.
dc.description.abstractotherThis master’s thesis is dedicated to the development and software implementation of a combined method for the automated identification of phishing content in the text part of emails, based on convolutional and recurrent neural networks with an attention mechanism. During this master's thesis, a detailed analysis of existing methods and approaches for automated phishing email detection was conducted. The proposed combined method takes into account both local textual features and global semantic context, thus achieving absolute classification accuracy ranging from 95.3% to 99.6% across various datasets, significantly outperforming classical machine learning methods and traditional neural network approaches. The practical value of the obtained results lies in the developed software method’s ability to substantially reduce false positives and ensure high reliability in automated phishing email identification. Within this master’s thesis, software was developed to implement the proposed combined method for automated detection of phishing messages in email services and information security systems.
dc.format.extent181 с.
dc.identifier.citationФещенко, Є. О. Комбінований метод та програмне забезпечення для ідентифікації фішингового вмісту в текстовій частині електронних листів : магістерська дис. : 121 Інженерія програмного забезпечення / Фещенко Єгор Олександрович. – Київ, 2025. – 181 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/76914
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectінженерія програмного забезпечення
dc.subjectфішинг
dc.subjectелектронні листи
dc.subjectгібридна архітектура
dc.subjectзгорткові нейронні мережі
dc.subjectрекурентні нейронні мережі
dc.subjectшар уваги
dc.subjectобробка природномовних текстових даних
dc.subject.udc004.91
dc.titleКомбінований метод та програмне забезпечення для ідентифікації фішингового вмісту в текстовій частині електронних листів
dc.typeMaster Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Feshchenko_magistr.pdf
Розмір:
7 MB
Формат:
Adobe Portable Document Format
Завантажити
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:
Завантажити

Зібрання

Магістерські роботи (ПЗКС)
Магістерські роботи