ПОКРАЩЕННЯ КЛАСИФІКАЦІЇ ШКІДЛИВИХ URL ЗА ДОПОМОГОЮ ВЕКТОРНИХ ПРЕДСТАВЛЕНЬ НА ОСНОВІ ТРАНСФОРМЕРІВ

Автор(и)

  • Сергій Олегович Цуканов Навчально-науковий Інститут телекомунікаційних систем КПІ ім. Ігоря Сікорського, Україна, Україна
  • Віталій Валерійович Приходнюк НЦ Мала академія наук України, Україна
  • Лариса Сергіївна Глоба Навчально-науковий Інститут телекомунікаційних систем КПІ ім. Ігоря Сікорського, Україна, Україна https://orcid.org/0000-0003-3231-3012

Ключові слова:

URL classification, transformer-based models, BERT, LSTM, GRU, MLP

Анотація

В роботі узагальнено основні тенденції застосування трансформаторних моделей для векторизації URL-адрес у задачах виявлення шкідливих URL-адрес. Наведено результати порівняльного моделювання ефективності поєднання BERT, SBERT, RoBERTa з нейронними мережами (LSTM, GRU, MLP) для класифікації URL.

Біографії авторів

Сергій Олегович Цуканов , Навчально-науковий Інститут телекомунікаційних систем КПІ ім. Ігоря Сікорського, Україна

аспірант Навчально-наукового Інституту телекомунікаційних систем КПІ ім. Ігоря Сікорського

Віталій Валерійович Приходнюк , НЦ Мала академія наук України

Кандидат технічних наук, завідувач відділу створення та використання інтелектуальних мережевих інструментів Мала академія наук України

Лариса Сергіївна Глоба , Навчально-науковий Інститут телекомунікаційних систем КПІ ім. Ігоря Сікорського, Україна

д.т.н., проф. Кафедри Iнформаційних технологій в телекомунікаціях, Київський політехнічний інститут ім. Ігоря Сікорського

Посилання

Rasymas and L. Dovydaitis, “Detection of Phishing URLs by Using Deep Learning Approach and Multiple Features Combinations,” Baltic Journal of Modern Computing, vol. 8, no. 3, Sep. 2020, doi: https://doi.org/10.22364/bjmc.2020.8.3.06

A. Mustafa Hilal et al., “Malicious URL Classification Using Artificial Fish Swarm Optimization and Deep Learning,” Computers, Materials & Continua, vol. 74, no. 1, pp. 607–621, 2023, doi: https://doi.org/10.32604/cmc.2023.031371

Malicious And Benign URLs dataset. URL: https://www.kaggle.com/datasets/si ddharthkumar25/malicious-and-benign-urls (дата звернення: 20.03.2025).

C. Zhao, S. Si, T. Tu, Y. Shi, and S. Qin, “Deep-Learning Based Injection Attacks Detection Method for HTTP,” Mathematics, vol. 10, no. 16, p. 2914, Aug. 2022, doi: https://doi.org/10.3390/math10162914

CSIC 2010 Web Application Attacks dataset https://www.kaggle.com/datasets/ispangler/csic-2010-web-application-attacks (дата звернення: 20.03.2025).

B. Goparaju and B. S. Rao, “Distributed Denial-of-Service (DDoS) Attack Detection using 1D Convolution Neural Network (CNN) and Decision Tree Model,” Journal of Advanced Research in Applied Sciences and Engineering Technology, vol. 32, no. 2, pp. 30–41, Sep. 2023, doi: https://doi.org/10.37934/araset.32.2.3041

B. Yu, F. Tang, Daji Ergu, R. Zeng, B. Ma, and F. Liu, “Efficient Classification of Malicious URLs: M-BERT - A Modified BERT Variant for Enhanced Semantic Understanding,” IEEE Access, pp. 1–1, Jan. 2024, doi: https://doi.org/10.1109/access.2024.3357095

F. Torregrossa, R. Allesiardo, V. Claveau, N. Kooli, and G. Gravier, “A survey on training and evaluation of word embeddings,” International Journal of Data Science and Analytics, vol. 11, no. 2, pp. 85–103, Feb. 2021, doi: https://doi.org/10.1007/s41060-021-00242-8

F. Torregrossa, R. Allesiardo, V. Claveau, N. Kooli, and G. Gravier, “A survey on training and evaluation of word embeddings,” International Journal of Data Science and Analytics, vol. 11, no. 2, pp. 85–103, Feb. 2021, doi: https://doi.org/10.1007/s41060-021-00242-8

J. Devlin, M.-W. Chang, K. Lee, and K. Toutanova, “BERT: Pretraining of Deep Bidirectional Transformers for Language Understanding,” arXiv.org, May 24, 2019. https://arxiv.org/abs/1810.04805

##submission.downloads##

Опубліковано

2025-06-24

Як цитувати

Цуканов , С. О. ., Приходнюк , В. В. ., & Глоба , Л. С. (2025). ПОКРАЩЕННЯ КЛАСИФІКАЦІЇ ШКІДЛИВИХ URL ЗА ДОПОМОГОЮ ВЕКТОРНИХ ПРЕДСТАВЛЕНЬ НА ОСНОВІ ТРАНСФОРМЕРІВ. Збірник матеріалів Міжнародної науково-технічної конференції «ПЕРСПЕКТИВИ ТЕЛЕКОМУНІКАЦІЙ», 228–230. вилучено із https://conferenc-journal.its.kpi.ua/article/view/332711

Номер

2025: Матеріали XІХ Міжнародної науково-технічної конференції "Перспективи телекомунікацій - 2025"

Розділ

Інформаційні технології в телекомунікаціях

Ліцензія

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.

Authors who submit to this conference agree to the following terms:
a) Authors retain copyright over their work, while allowing the conference to place this unpublished work under a Creative Commons Attribution License, which allows others to freely access, use, and share the work, with an acknowledgement of the work's authorship and its initial presentation at this conference.
b) Authors are able to waive the terms of the CC license and enter into separate, additional contractual arrangements for the non-exclusive distribution and subsequent publication of this work (e.g., publish a revised version in a journal, post it to an institutional repository or publish it in a book), with an acknowledgement of its initial presentation at this conference.
c) In addition, authors are encouraged to post and share their work online (e.g., in institutional repositories or on their website) at any point before and after the conference.