Порівняльний аналіз трансформерних моделей та гібридних архітектур у задачах виявлення фішингового контенту
Information Technologies and Engineering Electronics · 27.06.2025 · (2) · 14-19
DOI: 10.15330/itee.2025.2.02 ↗Kurz gefasst
Fachartikel in der Zeitschrift Information Technologies and Engineering Electronics, online erschienen am 27.06.2025. Verfasst von І.М. Лазарович und 1 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0).
Abstract (Originalsprache)
У роботі показано, що застосування гібридних нейромережевих архітектур на основі CNN, LSTM та механізму уваги забезпечує вищу ефективність виявлення фішингового контенту порівняно з трансформерною моделлю BERT. Проведений експериментальний аналіз із використанням K-Fold крос-валідації та стандартних метрик якості підтвердив переваги поєднання локального аналізу тексту й моделювання довготривалого контексту. Встановлено, що інтеграція механізму Attention підвищує точність і повноту класифікації за рахунок фокусування на найбільш інформативних фрагментах тексту. Отримані результати свідчать про перспективність гібридних підходів для побудови практичних систем виявлення фішингових атак.
Zitieren
APA
Лазарович, І., & Кваснюк, А. (2025). Порівняльний аналіз трансформерних моделей та гібридних архітектур у задачах виявлення фішингового контенту. Information Technologies and Engineering Electronics, 14-19. https://doi.org/10.15330/itee.2025.2.02
Vancouver
Лазарович І, Кваснюк А. Порівняльний аналіз трансформерних моделей та гібридних архітектур у задачах виявлення фішингового контенту. Information Technologies and Engineering Electronics. 2025:14-19. doi:10.15330/itee.2025.2.02
BibTeX
@article{2025,
author = {Лазарович, І.М. and Кваснюк, А.Д.},
title = {Порівняльний аналіз трансформерних моделей та гібридних архітектур у задачах виявлення фішингового контенту},
journal = {Information Technologies and Engineering Electronics},
year = {2025},
number = {2},
pages = {14--19},
doi = {10.15330/itee.2025.2.02}
}
EUVIMED