| DC Field | Value | Language |
|---|
| dc.contributor.author | Свиридчук, И. Л. | - |
| dc.contributor.author | Малькевич, К. Д. | - |
| dc.coverage.spatial | Минск | en_US |
| dc.date.accessioned | 2026-11-05T12:35:30Z | - |
| dc.date.available | 2026-11-05T12:35:30Z | - |
| dc.date.issued | 2026 | - |
| dc.identifier.citation | Свиридчук, И. Л. Автоматизация проектирования систем обнаружения фишинговых URL на основе машинного обучения = Automation of designing phishing URL detection systems based on machine learning / И. Л. Свиридчук, К. Д. Малькевич // Компьютерное проектирование в электронике = Electronic Design Automation : сборник научных трудов Международной научно-практической конференции, Минск, 23 октября 2026 г. / Белорусский государственный университет информатики и радиоэлектроники ; редкол.: В. Р. Стемпицкий [и др.]. – Минск, 2026. – С. 216–219. | en_US |
| dc.identifier.uri | https://libeldoc.bsuir.by/handle/123456789/66096 | - |
| dc.description.abstract | В работе рассматривается задача автоматизированного проектирования интеллектуальных систем обнаружения фишинговых веб-ресурсов. Предложен подход к созданию классификатора URL-адресов на основе методов машинного обучения, интегрируемый в архитектуру систем информационной безопасности. Проведён сравнительный математический анализ двух моделей: Random Forest и BERT. Исследованы их теоретические свойства, вычислительная сложность
и качество классификации. Показано, что выбор архитектуры определяется требованиями к точности
и производительности, что соответствует задачам автоматизированного проектирования адаптивных
систем защиты. | en_US |
| dc.language.iso | ru | en_US |
| dc.publisher | БГУИР | en_US |
| dc.subject | материалы конференций | en_US |
| dc.subject | системы защиты информации | en_US |
| dc.subject | интеллектуальные системы | en_US |
| dc.subject | машинное обучение | en_US |
| dc.title | Автоматизация проектирования систем обнаружения фишинговых URL на основе машинного обучения | en_US |
| dc.title.alternative | Automation of designing phishing URL detection systems based on machine learning | en_US |
| dc.type | Article | en_US |
| local.description.annotation | The paper addresses the problem of automated design of intelligent systems for detecting phishing
web resources. An approach to creating a URL classifier based on machine learning methods, integrated into
the architecture of information security systems, is proposed. A comparative mathematical analysis of two
models – Random Forest and BERT – has been carried out. Their theoretical properties, computational
complexity, and classification quality have been studied. It has been shown that the choice of architecture is
determined by the requirements for accuracy and performance, which corresponds to the tasks of automated
design of adaptive protection systems. | en_US |
| Appears in Collections: | Компьютерное проектирование в электронике (2026)
|
