Підвищення безпеки QR-кодів у мобільних додатках через AI захист від шахрайства та фішингу
| dc.contributor.author | Середюк, Г. В. | uk |
| dc.contributor.author | Гармаш, В. В. | uk |
| dc.contributor.author | Serediuk, H. V. | en |
| dc.contributor.author | Garmash, V. V. | en |
| dc.title | Підвищення безпеки QR-кодів у мобільних додатках через AI захист від шахрайства та фішингу | uk |
| dc.date.issued | 2024 | |
| dc.publisher | Вінницький національний технічний університет | uk |
| dc.identifier.citation | Середюк Г. В., Гармаш В. В. Підвищення безпеки QR-кодів у мобільних додатках через AI захист від шахрайства та фішингу // Матеріали XVII Міжнародної конференції «Контроль і управління в складних системах (КУСС-2024)», м. Вінниця, 16-17 жовтня 2024 р. Електрон. текст. дані. 2024. URI: https://conferences.vntu.edu.ua/index.php/mccs/mccs2024/paper/view/22179. | uk |
| dc.relation.ispartof | Матеріали XVII Міжнародної конференції «Контроль і управління в складних системах (КУСС-2024)», м. Вінниця, 16-17 жовтня 2024 р. | uk |
| dc.relation.uri | https://conferences.vntu.edu.ua/index.php/mccs/mccs2024/paper/view/22179 | |
| dc.identifier.uri | https://ir.lib.vntu.edu.ua/handle/123456789/56517 | |
| dc.description.abstract | QR-коди стали важливим інструментом сучасних мобільних додатків, дозволяючи користувачам миттєво отримувати доступ до різноманітної інформації, здійснювати платежі, взаємодіяти з рекламними кампаніями та користуватися соціальними мережами. Така популярність QR-кодів сприяє їх швидкому поширенню, однак разом із тим підвищується ризик шахрайства та фішингових атак. Небезпечні | uk |
| dc.subject | штучний інтелект | uk |
| dc.subject | фішинг | uk |
| dc.subject | безпека QR-кодів | uk |
| dc.subject | аналіз URL | uk |
| dc.subject | виявлення аномалій | uk |
| dc.subject | нейронні мережі | uk |
| dc.subject | мобільні додатки | uk |
| dc.type | Thesis | |
| dc.language.iso | uk | uk |
| dc.relation.references | Nguyen, H., & Paparrizos, J. Detecting Malicious URLs using Machine Learning Techniques, 2020. | en |
| dc.relation.references | Zou, D., & Pan, L. ,Deep Learning for Malicious URL Detection, 2019. | en |
| dc.relation.references | Sakurada, M., & Yairi, T., Anomaly Detection Using Autoencoders with Nonlinear Dimensionality Reduction, 2018. | en |
| dc.relation.references | Dabrowski, A., et al., QR Inception: Barcode Redirects for Embedded Phishing Attacks, 2017. | en |
| dc.date.accessioned | 2026-11-16T14:56:03Z |
Файли
Контейнер файлів
1 - 1 з 1
Завантаження...
- Назва:
- 22179.pdf
- Розмір:
- 318,55 KB
- Формат:
- Adobe Portable Document Format