Інтелектуальні методи виявлення фішингових ресурсів на основі алгоритмів машинного навчання
| dc.contributor.advisor | Толюпа, Сергій Васильович | |
| dc.contributor.author | Старицька, Тетяна Вікторівна | |
| dc.contributor.author | Starytska, Tetiana | |
| dc.date.accessioned | 2026-07-15T08:04:24Z | |
| dc.date.available | 2026-07-15T08:04:24Z | |
| dc.date.issued | 2026-06-15 | |
| dc.description.abstract | Роботу присвячено проєктуванню та програмній реалізації інтелектуальної системи захисту від фішингу «PhishAI v3.0». Обґрунтовано проактивний підхід до детекції Zero-day загроз на основі 7 лексичних ознак URL. Завдяки ансамблевому алгоритму Random Forest забезпечено швидкість аналізу запитів до 0.05 сек. Наукова новизна полягає у розробці архітектури з адаптивним зворотним зв'язком (Feedback Loop) та Override-модулем на базі СУБД SQLite, що дозволяє адміністратору миттєво нівелювати помилки ШІ без негайного перенавчання моделі. Практичні матеріали адаптовано під контури безпеки та досвід Кіберполіції України. This paper is devoted to the design and software implementation of the “PhishAI v3.0” intelligent anti-phishing system. It presents a proactive approach to detecting zero-day threats based on seven lexical features of URLs. Thanks to the Random Forest ensemble algorithm, query analysis speeds of up to 0.05 seconds are achieved. The scientific novelty lies in the development of an architecture with an adaptive feedback loop and an Override module based on the SQLite DBMS, which allows the administrator to instantly correct AI errors without immediately retraining the model. The practical materials have been adapted to the security requirements and experience of the Cyber Police of Ukraine. | |
| dc.identifier.citation | Старицька Т. В. Інтелектуальні методи виявлення фішингових ресурсів на основі алгоритмів машинного навчання : бакалавр. диплом. робота : 125, Кібербезпека / Старицька Тетяна Вікторівна ; наук. керівник Толюпа С. В. ; КНЕУ ім. Вадима Гетьмана, Навч.-наук. ін-т «Ін-т інформ. технологій в економіці», Каф. систем. аналізу та кібербезпеки. – Київ, 2026. – 98 с. | |
| dc.identifier.uri | https://ir.kneu.edu.ua/handle/2010/55708 | |
| dc.language.iso | uk | |
| dc.publisher | Київський національний економічний університет імені Вадима Гетьмана | |
| dc.subject | фішинг | |
| dc.subject | соціальна інженерія | |
| dc.subject | машинне навчання (SUPERVISED LEARNING) | |
| dc.subject | URL-адреса | |
| dc.subject | лексичний аналіз | |
| dc.subject | випадковий ліс (RANDOM FOREST) | |
| dc.subject | PYTHON | |
| dc.subject | phishing | |
| dc.subject | social engineering | |
| dc.subject | machine learning (SUPERVISED LEARNING) | |
| dc.subject | URL | |
| dc.subject | lexical analysis | |
| dc.subject | random forest (RANDOM FOREST) | |
| dc.title | Інтелектуальні методи виявлення фішингових ресурсів на основі алгоритмів машинного навчання | |
| dc.title.alternative | Intelligent methods for detecting phishing sites based on machine learning algorithms | |
| dc.type | Other |