Обнаружение фишинговых порталов посредством алгоритмов машинного обучения

Аннотация

Цель. Целью исследования является анализ и практическая реализация функционала обнаружения фишинговых порталов посредством алгоритмов машинного обучения. Метод. Систематизация разрозненных сведений, анализ области, описание имеющихся наработок – основные методики, которые были применены в исследовании. Работа разбита на три больших подблока. В первом проводится анализ понятия машинного обучения, описываются основные способы верной интерпретации вводимых сведений, указываются наиболее ходовые методики, базы данных. Во второй части работы проводится анализ искусственных нейронных сетей. В частности, показываются их подвиды с описанием особенностей реализации, проводится сопоставление с живыми нейронами. В третьей части проводится практическая реализация двух методик и их сравнение, даются рекомендации относительно их использования при обнаружении фишинговых порталов. Результат. Проведено исследование методик анализа фишинговых порталов. Анализ показал, что наиболее рационально применять случайный лес, т.к. именно он обеспечивает качество по метрикам precession, recall, F1-score, 98% при значительном количестве введенных параметрических значений. Вывод. При реализации различных методологий поиска фишинговых порталов необходимо учитывать их снижение эффективности от вводимых параметров. Для этого важно проводить предварительные тесты. Однако результат тестов можно интерпретировать по-разному. В частности, эффективность методов может быть повышена, если ограничить количество вводимых параметров, но при этом жестко структурированных по одному критерию поиска.