Registration Number
2125U011958, Article
popup.category
Article
Title
Increasing the efficiency of automatic detection of phishing sites based on neural networks
popup.author
Білоус В. М.
Павловський П. В.
Зоря І. С.
Фернега Є.
Гресь О.
Bilous V.
Pavlovskyi P.
Zoria I.
Ferneha Ye.
Hres O.
Bilous V.
Pavlovskyi P.
Zoria I.
Ferneha Ye.
Hres O.
popup.publication
01-01-2025
popup.source_user
Вінницький національний технічний університет
popup.source
https://ir.lib.vntu.edu.ua/handle/123456789/50419
popup.publisher
Хмельницький національний університет
Description
Дослідження спрямоване на вдосконалення системи автоматизованого виявлення фішингових вебресурсів із використанням нейронних мереж, реалізованих на основі бібліотеки PHP-ML. У роботі здійснено ґрунтовний аналіз сучасних підходів до детекції фішингових сайтів, а також визначено їхні переваги та обмеження з позицій ефективності, адаптивності та практичного застосування. У межах дослідження запропоновано та програмно реалізовано покращений метод ідентифікації фішингових ресурсів, який базується на застосуванні нейромережевих моделей для автоматизованого аналізу URL-адрес і вмісту вебсторінок. Розроблений підхід характеризується здатністю до адаптації в умовах появи нових векторів атак і врахування змін у динамічному інтернет-середовищі. З метою підвищення точності класифікації використано комплексний аналіз, що охоплює метадані, поведінкові ознаки вебресурсів та особливості структури HTML-коду. Застосування бібліотеки PHP-ML забезпечило ефективну інтеграцію методів машинного навчання у процес розроблення вебзастосунків, що створює передумови для побудови продуктивних та масштабованих систем кіберзахисту. Експериментальні результати підтверджують результативність запропонованої системи, яка демонструє високий рівень точності виявлення фішингових сайтів за умови зниженого рівня хибних спрацьовувань. Запропонований підхід може бути використаний для підвищення рівня інформаційної безпеки в таких галузях, як електронна комерція, фінансово банківський сектор та корпоративні інформаційні системи, забезпечуючи багаторівневий захист від фішингових атак у процесі взаємодії з вебресурсами.
popup.nrat_date
2026-11-03
