Порівняльний аналіз алгоритмів машинного навчання для виявлення фішингових вебресурсів

Abstract

Об’єктом дослідження є процес автоматизованого виявлення фішингових вебресурсів на основі аналізу характеристик URL-адрес із використанням методів машинного навчання. Предметом дослідження є ефективність застосування різних алгоритмів машинного навчання для класифікації вебресурсів та визначення їх належності до фішингових або легітимних сайтів. Метою роботи є проведення порівняльного аналізу алгоритмів машинного навчання для задачі виявлення фішингових вебресурсів та визначення моделі, що забезпечує найвищу точність класифікації. Методами дослідження є методи аналізу даних, методи машинного навчання для класифікації (Logistic Regression, K-Nearest Neighbors, XGBoost), а також методи оцінювання ефективності моделей, зокрема матриця помилок, ROC-крива та крос-валідація. У результаті виконання роботи проведено експериментальне дослідження ефективності алгоритмів машинного навчання для класифікації вебресурсів. Результати роботи можуть бути використані під час розробки систем автоматичного виявлення фішингових вебресурсів та засобів підвищення інформаційної безпеки вебсервісів