Резюме:

Рассмотрена проблема фишинговых атак и недостатки традиционных методов их обнаружения, основанных на статических списках. Для повышения эффективности защиты предложено использовать методы машинного обучения (ML), которые автоматически извлекают признаки из URL-адресов. Проведен сравнительный анализ ML-модели (точность 0.97) и 145 сервисов проверки фишинговых ссылок, из которых только 18 показали точность выше 0.55, а лучший – 0.83. Описаны используемые признаки, методика оценки и экспериментальные результаты, подтверждающие преимущество ML-подхода в обнаружении фишинга.

Ключевые слова: фишинг, машинное обучение, информационная безопасность, обнаружение фишинга, анализ URL-адресов

Назаров А.А. ¹, Губенков А.А. ¹ ИСПОЛЬЗОВАНИЕ МАШИННОГО ОБУЧЕНИЯ ДЛЯ ЗАЩИТЫ ОТ ФИШИНГОВЫХ АТАК: СРАВНЕНИЕ С ТРАДИЦИОННЫМИ МЕХАНИЗМАМИ // Математическое моделирование, компьютерный и натурный эксперимент в естественных науках. – 2025. – № 2;
URL: mathmod.esrae.ru/50-206 (дата обращения: 11.05.2025).

Сегодня: 16 | За неделю: 16 | Всего: 16

Комментарии (0)