<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

Підвищення безпеки QR-кодів у мобільних додатках через AI захист від шахрайства та фішингу

dc.contributor.authorСередюк, Г. В.uk
dc.contributor.authorГармаш, В. В.uk
dc.contributor.authorSerediuk, H. V.en
dc.contributor.authorGarmash, V. V.en
dc.titleПідвищення безпеки QR-кодів у мобільних додатках через AI захист від шахрайства та фішингуuk
dc.date.issued2024
dc.publisherВінницький національний технічний університетuk
dc.identifier.citationСередюк 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.ispartofМатеріали XVII Міжнародної конференції «Контроль і управління в складних системах (КУСС-2024)», м. Вінниця, 16-17 жовтня 2024 р.uk
dc.relation.urihttps://conferences.vntu.edu.ua/index.php/mccs/mccs2024/paper/view/22179
dc.identifier.urihttps://ir.lib.vntu.edu.ua/handle/123456789/56517
dc.description.abstractQR-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. Небезпечніuk
dc.subjectштучний інтелектuk
dc.subjectфішингuk
dc.subjectбезпека QR-кодівuk
dc.subjectаналіз URLuk
dc.subjectвиявлення аномалійuk
dc.subjectнейронні мережіuk
dc.subjectмобільні додаткиuk
dc.typeThesis
dc.language.isoukuk
dc.relation.referencesNguyen, H., & Paparrizos, J. Detecting Malicious URLs using Machine Learning Techniques, 2020.en
dc.relation.referencesZou, D., & Pan, L. ,Deep Learning for Malicious URL Detection, 2019.en
dc.relation.referencesSakurada, M., & Yairi, T., Anomaly Detection Using Autoencoders with Nonlinear Dimensionality Reduction, 2018.en
dc.relation.referencesDabrowski, A., et al., QR Inception: Barcode Redirects for Embedded Phishing Attacks, 2017.en
dc.date.accessioned2026-11-16T14:56:03Z

Файли

Контейнер файлів

Зараз показуємо 1 - 1 з 1
Завантаження...
Ескіз
Назва:
22179.pdf
Розмір:
318,55 KB
Формат:
Adobe Portable Document Format