Стьопочкіна, Ірина ВалеріївнаТернопольська, Світлана Олександрівна2020-02-072020-02-072019-06Тернопольська, С. О. Розпізнавання фішингових сайтів з використанням методів машинного навчання : дипломна робота … бакалавра : 6.170101 Безпека інформаційних і комунікаційних систем / Тернопольська Світлана Олександрівна. – Київ, 2019. – 67 с.https://ela.kpi.ua/handle/123456789/31430Дана робота містить 67 сторінок, 22 ілюстрації, 21 таблицю, 24 джерела за переліком посилань. Фішинг - це серйозна проблема безпеки в мережі, яка полягає в підробці справжніх веб-сайтів, щоб обдурити користувачів в Інтернеті і вкрасти їх конфіденційну інформацію. Задачу розпізнавання фішингових сайтів можна розглядати як типову проблему класифікації в інтелектуальному аналізі даних, коли класифікатор будується на певному наборі характеристик сайту. Існують суворі вимоги до визначення найкращого набору характеристик, які при правильному виборі підвищують точність прогнозування класифікаторів. У даній роботі досліджується вибір характеристик з метою визначення ефективного піднабору з точки зору точності класифікації, а так само дослідження точності розпізнавання фішингу новою схемою класифікатора побудованого на кількох стандартних. Порівнюються 3 відомі функції відбору ознак, щоб визначити найменший і точний набір функцій виявлення фішингу з використанням інтелектуального аналізу даних. Також розглядаються 6 алгоритмів класифікації даних: Naive Bayes, Decision Tree, Neural Network, Logistic Regression, k-nearest neighbours, Support Vector Machine. Експериментальні тести c відбором ознак були виконані з використанням методів Wrapper subset evaluation, Consistency subset evaluation і Correlation-based feature subset evaluation. Шість вищеперерахованих алгоритмів машинного навчання були треновані з різним набором характеристик, щоб показати переваги та недоліки процесу відбору функцій. Вдалося виявити кілька груп ознак з однаково хорошою точністю класифікації й відібрати 3 алгоритми із запропонованих шести для побудови нової схеми класифікації.ukсоціальна інженеріяфішингфішинговий сайтрозпізнавання фішингових сайтіввідбір характеристиккласифікаціямашинне навчанняsocial engineeringphishingphishing sitephishing website detectionfeature selectionclassificationmachine learningРозпізнавання фішингових сайтів з використанням методів машинного навчанняBachelor Thesis67 с.