Детальная информация

Целью работы является разработка методики детектирования фишинговых писем, сгенерированных нейросетевыми моделями. Объектом исследования является изучение признаков и паттернов генерации фишинговых текстов с помощью генеративных нейросетевых моделей. Задачи, решаемые в ходе исследования: 1. Исследовать влияние общедоступных генеративных ИИ на социальную инженерию и возможность применения ИИ при фишинговых атаках. 2. Проанализировать современные исследования в области применения генеративных ИИ в социальной инженерии 3. Разработать методику детектирования фишинговых писем, сгенерированных нейросетевыми моделями. 4. Выполнить программную реализацию разработанной методики 5. Оценка скорости и точности работы созданного средства. В ходе работы был проведен сравнительный анализ методов социальной инженерии, экспериментальное тестирование генеративных моделей и практическая проверка полученных писем с использованием программного прототипа. Рассмотрены технологии анализа ИИ-контента, антифишинговые подходы, проверка ссылок и эвристические признаки текста. В результате работы разработана методика детектирования фишинговых писем и разработан программный прототип. Был сделан вывод, что методика может быть использована как дополнительное средство для детектирования фишинговых писем. Для достижения данных результатов был разработан программный прототип на языке Python.

The aim of the work is to develop a technique for detecting phishing emails generated by neural network models. The object of the research is to study the signs and patterns of phishing text generation using generative neural network models. Tasks to be solved during the research: 1. To investigate the impact of publicly available generative AI on social engineering and the possibility of using AI in phishing attacks. 2. To analyze modern research in the field of generative AI application in social engineering 3. To develop a method for detecting phishing emails generated by neural network models. 4. Implement the software implementation of the developed methodology 5. Evaluation of the speed and accuracy of the created tool. In the course of the work, a comparative analysis of social engineering methods, experimental testing of generative models and practical verification of received letters using a software prototype were carried out. AI content analysis technologies, anti-phishing approaches, link verification and heuristic features of the text are considered. As a result of the work, a method for detecting phishing emails was developed and a software prototype was developed. It was concluded that the technique can be used as an additional tool for detecting phishing emails. To achieve these results, a software prototype in Python was developed.