Details

Title Обнаружение фишинговых атак с использованием интеллектуальных методов анализа текстовых данных: выпускная квалификационная работа специалиста: направление 10.05.01 «Компьютерная безопасность» ; образовательная программа 10.05.01_02 «Математические методы защиты информации»
Creators Марзоев Артем Артурович
Scientific adviser Овасапян Тигран Джаникович
Organization Санкт-Петербургский политехнический университет Петра Великого. Институт компьютерных наук и кибербезопасности
Imprint Санкт-Петербург, 2025
Collection Выпускные квалификационные работы ; Общая коллекция
Subjects фишинг ; классификация ; nlp ; llm ; bert ; phishing ; classification
Document type Specialist graduation qualification work
File type PDF
Language Russian
Level of education Specialist
Speciality code (FGOS) 10.05.01
Speciality group (FGOS) 100000 - Информационная безопасность
DOI 10.18720/SPBPU/3/2025/vr/vr25-64
Rights Доступ по паролю из сети Интернет (чтение, печать, копирование)
Additionally New arrival
Record key ru\spstu\vkr\34244
Record create date 2/27/2025

Allowed Actions

Action 'Read' will be available if you login or access site from another network

Action 'Download' will be available if you login or access site from another network

Group Anonymous
Network Internet

Целью работы является защита от фишинговых атак путем их выявления с помощью интеллектуальных методов анализа текстовых данных. Предметом исследования являются современные методы обнаружения фишинговых атак с использованием интеллектуальных методов анализа текстовых данных. Задачи, решаемые в ходе исследования: 1. Исследовать типы и принципы формирования фишинговых атак и методов их осуществления. 2. Провести анализ методов выявления фишинговых атак, определить их достоинства недостатки. 3. Разработать метод выявления фишинговых атак с использованием интеллектуальных методов. 4. Разработать подход к формированию обучающей выборки для интеллектуальных методов анализа текстовых данных. 5. Разработать программный прототип, реализующий предложенный метод и провести оценку точности его работы. В ходе работы были исследованы методы защиты от фишинговых атак. Были проанализированы современные исследования в области анализа текстовых данных. В результате работы был разработан программный прототип обнаружения фишинговых атак, была продемонстрирована эффективность средства. Была выбрана наиболее эффективная большая языковая модель и сформирован подход к формированию обучающей выборки. Полученные результаты могут быть использованы в качестве основы для проектирования систем анализа текстовых данных для обнаружения фишинга.

The purpose of the work is to protect against phishing attacks by detecting them using intelligent methods of text data analysis. The subject of the study is modern methods of detecting phishing attacks using intelligent methods of analyzing text data. The objectives of the study are: 1. Analyze the types and principles of phishing attacks formation and methods of their realization. 2. Analyze the methods of detection of phishing attacks, to determine their advantages and disadvantages. 3. Develop a method for identifying phishing attacks using intelligent methods. 4. Develop an approach to the formation of a training sample for intelligent methods of analyzing text data. 5. Develop a software prototype that implements the proposed method and evaluate the accuracy of its work. In the course of the work the methods of defense against phishing attacks were investigated. Modern research in the field of text data analysis was analyzed. As a result of the work was developed program detection of phishing attacks, the effectiveness of the tool was demonstrated. The most effective large language model was selected and an approach to forming a training sample was formed. The obtained results can be used as a basis for designing text data analysis systems for phishing detection.

Network User group Action
ILC SPbPU Local Network All
Read Print Download
Internet Authorized users SPbPU
Read Print Download
Internet Anonymous

Access count: 0 
Last 30 days: 0

Detailed usage statistics