https://libeldoc.bsuir.by/handle/123456789/63448| Title: | Искусственный иммунитет цифровой среды |
| Other Titles: | Artificial immunity of the digital environment |
| Authors: | Шустик, А. О. Савицкий, А. Ю. |
| Keywords: | материалы конференций;кибербезопасность;обнаружение угроз;классификация веб-сайтов;анализ URL;ансамблевые алгоритмы;цифровая безопасность;фишинг;сторонние домены;черные списки;персональные данные |
| Issue Date: | 2026 |
| Publisher: | БГУИР |
| Citation: | Шустик, А. О. Искусственный иммунитет цифровой среды = Artificial immunity of the digital environment / А. О. Шустик, А. Ю. Савицкий // Технические средства защиты информации : материалы ХXIV Международной научно-технической конференции, Минск, 8 апреля 2026 года / Белорусский государственный университет информатики и радиоэлектроники [и др.] ; редкол.: О. В. Бойправ [и др.]. – Минск, 2026. – С. 307–311. |
| Abstract: | Целью данной научной статьи является анализ актуальных методов противодействия фишинговым атакам с использованием технологий машинного обучения. В условиях экспоненциального роста числа мошеннических ресурсов традиционные сигнатурные методы обнаружения теряют эффективность. В статье рассматривается методика построения адаптивной системы обнаружения фишинговых сайтов, основанная на комплексном анализе URL-адресов, HTML-кода и визуальных признаков страниц. Представлен подход к классификации ресурсов с использованием ансамблевых методов машинного обучения, способных выявлять новые, ранее неизвестные угрозы в реальном времени. Результаты исследования демонстрируют высокую практическую значимость для обеспечения безопасности финансового сектора и защиты персональных данных граждан. |
| Alternative abstract: | The purpose of this research article is to analyze current methods for countering phishing attacks using machine learning technologies. With the exponential growth of fraudulent resources, traditional signature-based detection methods are becoming less effective. This article discusses a methodology for building an adaptive phishing site detection system based on a comprehensive analysis of URLs, HTML code, and visual characteristics of web pages. An approach to resource classification using ensemble machine learning methods capable of identifying new, previously unknown threats in real time is presented. The study's results demonstrate high practical significance for ensuring the security of the financial sector and protecting citizens' personal data. |
| URI: | https://libeldoc.bsuir.by/handle/123456789/63448 |
| Appears in Collections: | ТСЗИ 2026 |
| File | Description | Size | Format | |
|---|---|---|---|---|
| Shustik_Artifical.pdf | 210.29 kB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.