| Studiju veids |
bakalaura profesionālās studijas |
| Studiju programmas nosaukums |
Informācijas tehnoloģijas |
| Nosaukums |
Pikšķerēšanas e-pastu noteikšana ar mašīnmācīšanās modeli |
| Nosaukums angļu valodā |
Detecting phishing emails with a machine learning model |
| Struktūrvienība |
0L100 Dabas un inženierzinātņu centrs |
| Darba vadītājs |
Dzintars Tomsons |
| Recenzents |
Artūrs Ausējs |
| Anotācija |
Darba autors: Kristiāna Vinovska
Darba tēma: Pikšķerēšanas e-pastu noteikšana ar mašīnmācīšanās modeli
Darba veids: Bakalaura darbs
Studiju programma: Informācijas tehnoloģijas
Darba zinātniskais vadītājs: Mg.sc.comp., lekt. Dzintars Tomsons
Darba apjoms: 42 lpp.
Atslēgas vārdi: mašīnmācīšanās, pikšķerēšana, DistilBERT
Pētījuma mērķis: Analizēt pikšķerēšanas e-pastu noteikšanai piemērotus mašīnmācīšanās modeļus un izstrādāt uz mašīnmācīšanos balstītu risinājumu, kas spēj ar augstu precizitāti noteikt pikšķerēšanas e-pastus, jo īpaši valodās, kam neeksistē brīvi pieejamas datu kopas, piemēram, latviešu valodā.
Darba saturs: Darbs sastāv no ievada, piecām nodaļām, secinājumiem, literatūras saraksta un pieciem pielikumiem.
Darba 1. nodaļā aprakstīta e-pasta pikšķerēšana un tās veidi. 2. nodaļā aprakstītas tradicionālās un uz mākslīgo intelektu balstītas pikšķerēšanas noteikšanas metodes. 3. nodaļā aprakstīti vairāki esoši risinājumi e-pasta pikšķerēšanas noteikšanai. 4. nodaļā veikta mašīnmācīšanās modeļu salīdzinošā analīze. 5. nodaļā aprakstīta izstrādātā lietotne.
1. pielikumā pieejams programmatūras kods. 2. pielikumā pieejama testēšanas dokumentācija (TST). 3. pielikumā pieejama programmatūras prasību specifikācija (PPS). 4. pielikumā pieejams programmatūras projektējuma apraksts (PPA). 5. pielikumā pieejama lietotāja dokumentācija (LD).
Pētījuma metodes: Literatūras un citu informācijas avotu studijas, mašīnmācīšanās modeļu salīdzinošā analīze.
Darba rezultāti: Apraksts par e-pasta pikšķerēšanu, tās veidiem un noteikšanas metodēm. Apraksts par esošiem risinājumiem e-pasta pikšķerēšanas noteikšanai. Mašīnmācīšanās modeļu salīdzinošā analīze. Ģenerēta pikšķerēšanas un drošu e-pastu datu kopa. Pikšķerēšanas e-pastu noteikšanas lietotne un tās apraksts.
Darba izmantojamība: Darbu var izmantot studenti un citi interesenti, lai gūtu zināšanas, kā mašīnmācīšanās modeļus var pielāgot, lai atklātu pikšķerēšanas e-pastus valodās, kurām nav pieejamas datu kopas. Izstrādāto lietotni var izmantot pikšķerēšanas e-pastu noteikšanai. Ģenerēto pikšķerēšanas un drošu e-pastu datu kopu var izmantot līdzīgu uzdevumu risināšanai. |
| Atslēgas vārdi |
mašīnmācīšanās, pikšķerēšana, DistilBERT |
| Atslēgas vārdi angļu valodā |
machine learning, phishing, DistilBERT |
| Valoda |
lv |
| Gads |
2025 |
| Darba augšupielādes datums un laiks |
25.05.2025 11:15:54 |
