Філяєв Максим2024-10-282024-10-282020https://ur.knute.edu.ua/handle/123456789/939ВИПУСКНА КВАЛІФІКАЦІЙНА РОБОТАУ даній роботі розглянуто проблематику загрози фішингу та розроблено класифікатор для протидії даній загрози. Запропонований у роботі класифікатор бізується на аналізі роботи п’яти алгоритмів класифікації даних: Neural Network, Naive Bayes, Logistic Regression, Decision Tree, k-nearest neighbours. Для експерименту з відбором ознак були використані дані алгоритмів машиного навчання: Wrapper subset evaluation, Consistency subset evaluation і Correlation-based feature subset evaluation. П’ять вище зазначени х методів були треновані з різним набором даних для виявлення плюсів та мінусів процесу відбору функцій. Дослідження виявило деякий набір ознак з найбільш ефективною точністю класифікації і дало змогу відібрати три алгоритми із запропонованих п’яти для розробки нової схеми класифікації. Впровадження даного класифікатора дозволить з більшою точністю виявляти фішингові сайти за рядом притаманних їм ознакам, що в свою чергу може використатися як один із засобів протидії фішингу. Ключові слова: фішинг, фішинговий сайт, розпізнавання фішингових сайтів, відбір характеристик, класифікація, машинне навчання.Other