Ткач, Володимир МиколайовичХаустович, Артем Ігорович2025-09-292025-09-292024Хаустович А. І. Виявлення фішингових сайтів методами машинного навчання : дипломна робота ... бакалавра : 125 Кібербезпека / Хаустович Артем Ігорович. – Київ, 2024. – 46с.https://ela.kpi.ua/handle/123456789/76383Обсяг дипломної роботи 45 сторінок,7 ілюстрацій, 1 таблиці, 1 додаток і 15 джерел літератури. Об’єкт дослідження: Фішингові сайти та фішингові електронні листи. Предмет дослідження: Методи машинного навчання для класифікації фішингових URL. Актуальність роботи: Зростання кількості фішингових атак, особливо через фішингові веб-сайти, робить цю тему вкрай важливою. Розробка ефективних методів виявлення фішингу є критичною для захисту користувачів від шахрайства та забезпечення безпеки в Інтернеті. Мета роботи: Покращення існуючих методів виявлення фішингових сайтів за допомогою сучасних технік машинного навчання. Методи дослідження:літературний огляд, аналіз, моделювання, класифікація, оцінка, порівняння. Для класифікації фішингових сайтів використовувались методи: Мультиноміальний Наївний Байєсівський класифікатор (Multinomial Naive Bayes) Логістична регресія (Logistic Regression) Випадковий ліс (Random Forest) Дерево рішень (Decision Trees) Метод k-найближчих сусідів (k-nearest neighbor method) Метод лінійних опорних векторів (Linear Support Vector Machine, Linear SVС)46 с.ukфішингмашинне навчаннявеб-сайтикласифікаціяURLphishingmachine learningwebsitesclassificationBachelor Thesis