Противодействие фишингу с использованием искусственного интеллекта:система генерации персонализированных фишинговых атак и AI решения для их детектирования в реальном времени

Содержание

Введение

Глава 1. Теоретические основы фишинга и искусственного интелекта

1.1. Определение фишинга и его виды

1.2. Искуственный интелект как инструмент для генерации фишинговых атак

Глава 2. Генерация фишинговых атак с использованием AI

2.1. Процесс генерации персонализированных фишинговых атак

2.2. Технологии и инструменты для генерации фишинга

Глава 3. AI-решения для детектирования фишинговых атак

3.1. Технологии и методы обнаружения фишинга

3.2. Применение машинного обучения для выявления фишинга

3.3. Практическое применение технологий для сотрудников

Заключение

Список использованной литературы

КУРСОВАЯ РАБОТА

Тема: Противодействие фишингу с использованием искусственного интеллекта: система генерации персонализированных фишинговых атак и AI решения для их детектирования в реальном времени

Направление: ЭЛЕКТРОНИКА, РАДИОТЕХНИКА И СИСТЕМЫ СВЯЗИ

Предмет: Радиотехнические информационные системы

ВВЕДЕНИЕ

Актуальность темы исследования обусловлена стремительным ростом киберугроз в современных радиотехнических информационных системах и системах связи, где фишинговые атаки представляют собой одну из наиболее распространенных и опасных форм киберпреступности. По данным аналитических исследований, более 70% успешных кибератак начинаются именно с фишинговых писем, что создает критические риски для информационной безопасности организаций и частных пользователей. В контексте развития технологий искусственного интеллекта происходит эволюция методов фишинга — злоумышленники используют алгоритмы машинного обучения для создания высокоперсонализированных атак, способных обходить традиционные системы защиты.

Степень разработанности проблемы в отечественной технической литературе характеризуется активным исследованием методов машинного обучения применительно к задачам информационной безопасности. Российские ученые из НИИ системных исследований, Московского технического университета связи и информатики, а также специалисты лабораторий Касперского и Positive Technologies внесли значительный вклад в разработку методов детектирования фишинговых атак. Вместе с тем, комплексные исследования, объединяющие анализ генерации персонализированных фишинговых атак с использованием AI и разработку систем противодействия в реальном времени, остаются недостаточно представленными в научной литературе. Особую актуальность приобретает изучение радиотехнических аспектов передачи и обработки информации в системах детектирования фишинга, требующих минимизации задержек и высокой точности распознавания угроз.

Цель курсовой работы заключается в исследовании механизмов противодействия фишинговым атакам на основе технологий искусственного интеллекта в контексте радиотехнических информационных систем.

Задачи исследования:

• изучить теоретические основы фишинга и классифицировать основные виды фишинговых атак в современных информационных системах;
• проанализировать возможности применения искусственного интеллекта для генерации персонализированных фишинговых атак;
• исследовать процесс и технологии генерации фишинговых сообщений с использованием алгоритмов машинного обучения;
• изучить AI-решения и методы машинного обучения для детектирования фишинговых атак в реальном времени;
• разработать рекомендации по практическому применению технологий противодействия фишингу для защиты пользователей радиотехнических информационных систем.

Объектом исследования выступают радиотехнические информационные системы, подверженные фишинговым атакам.

Предметом исследования являются технологии искусственного интеллекта для генерации и детектирования фишинговых атак в системах связи.

Методологическая база работы включает теоретическую основу в виде исследований в области информационной безопасности, машинного обучения и радиотехнических систем передачи данных; инструментальные методы анализа включают алгоритмы обработки естественного языка, нейросетевые архитектуры для классификации текстов и изображений; нормативно-техническая база основывается на стандартах ГОСТ Р ИСО/МЭК 27001-2021, рекомендациях ФСТЭК России и методических материалах по защите информации.

Научная новизна исследования состоит в комплексном анализе применения технологий искусственного интеллекта одновременно для генерации и детектирования фишинговых атак в контексте радиотехнических информационных систем.

Теоретическая значимость работы заключается в систематизации знаний о механизмах фишинговых атак и методах их обнаружения с помощью AI. Практическая значимость определяется разработкой рекомендаций по внедрению систем детектирования фишинга в реальных условиях эксплуатации радиотехнических информационных систем.

Структура работы включает введение, три главы, заключение и список использованной литературы. Первая глава посвящена теоретическим основам фишинга и искусственного интеллекта. Во второй главе рассматриваются технологии генерации персонализированных фишинговых атак с использованием AI. Третья глава содержит анализ AI-решений для детектирования фишинга и их практическое применение.

ГЛАВА 1. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ ФИШИНГА И ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

1.1. Определение фишинга и его виды

Фишинг представляет собой вид киберпреступной деятельности, направленной на получение конфиденциальной информации пользователей посредством социальной инженерии и технических методов обмана. В контексте радиотехнических информационных систем фишинг угрожает целостности каналов связи и достоверности передаваемых данных. Термин происходит от английского слова «fishing» — «рыбная ловля», что метафорически отражает суть метода: злоумышленник «забрасывает наживку» в виде поддельного сообщения, ожидая, что жертва «клюнет» на обман и предоставит свои персональные данные, логины, пароли или реквизиты банковских карт.

История фишинга в российской практике информационной безопасности начинается с середины 1990-х годов, когда стали появляться первые случаи мошенничества через электронную почту. Однако массовое распространение фишинговые атаки получили в 2000-е годы с развитием интернет-банкинга и электронной коммерции. Согласно исследованиям Лаборатории Касперского, к 2025 году количество фишинговых атак в России выросло на 47% по сравнению с предыдущим годом, что свидетельствует о критической актуальности проблемы для национальной кибербезопасности [1, c. 23].

Классификация фишинговых атак основывается на нескольких критериях: по способу доставки, по степени персонализации, по техническим методам реализации и по целевой аудитории. По способу доставки выделяют электронный фишинг через email-рассылки, SMS-фишинг, такж

…