Выявление ложной информации посредством обнаружения поддельных сайтов организации тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Смирнов Вадим Анатольевич

• Смирнов Вадим Анатольевич
• кандидат наук
• 2026

Оглавление диссертации кандидат наук Смирнов Вадим Анатольевич

ВВЕДЕНИЕ

1. Анализ современного состояния проблемы обнаружения и противодействия угрозам навязывания ложной информации, связанным с поддельными сайтами

1.1 Анализ понятия поддельных сайтов организации и их использования в процессе навязывания ложной информации

1.2 Анализ методов, моделей и средств обнаружения и противодействия угрозам навязывания ложной информации, связанным с поддельными сайтами

1.3 Постановка задачи и формализация требований к методам и средствам обнаружения инцидентов информационной безопасности, связанных с

поддельными сайтами организации

Выводы по разделу

2. Разработка методов и средства обнаружения инцидентов информационной безопасности, связанных с поддельными сайтами организации

2.1 Разработка метода обнаружения поддельных сайтов организации на основе нечеткого сравнения доменного имени сайта с доменными именами, полученными в результате анализа сведений реестра доменных имен

2.2 Разработка метода проверки подлинности сайтов организации на основе определения степени визуального сходства скриншотов страниц Интернет-ресурсов и поиска изображений с логотипом организации

2.3 Разработка метода проверки подлинности сайтов организации с использованием случайного леса и набора признаков проверки подлинности

2.4 Разработка программного средства обнаружения инцидентов

информационной безопасности, связанных с поддельными сайтами организации

Выводы по разделу

3. Результаты тестирования и рекомендации по обнаружению инцидентов информационной безопасности, связанных с поддельными сайтами организации

3.1 Проведение эксперимента по использованию программного средства обнаружения инцидентов информационной безопасности, связанных с поддельными сайтами организации

3.2 Оценка эффективности разработанного средства обнаружения инцидентов информационной безопасности, связанных с поддельными сайтами организации

3.3 Методика применения разработанных методов и средства обнаружения инцидентов информационной безопасности, связанных с поддельными сайтами

организации

Выводы по разделу

ЗАКЛЮЧЕНИЕ

СЛОВАРЬ ТЕРМИНОВ

СПИСОК ЛИТЕРАТУРЫ

Приложение А. Список научных публикаций, в которых изложены основные

научные результаты диссертации

Приложение Б. Угрозы безопасности информации, связанные с поддельными

сайтами организации

Приложение В. Алгоритм сегментации слов в доменных именах

Приложение Г. Алгоритм поиска доменных имен, содержащих бренд организации

Приложение Д. Алгоритм построения матрицы для проверки сходства дизайнов

сайтов

Приложение Е. Алгоритм проверки сходства дизайнов сайтов

Приложение Ж. Алгоритм поиска логотипов и товарных знаков организации ... 176 Приложение З. Свидетельства о регистрации программ для ЭВМ

Приложение И. Акты о внедрении результатов диссертационного исследования

Введение диссертации (часть автореферата) на тему «Выявление ложной информации посредством обнаружения поддельных сайтов организации»

ВВЕДЕНИЕ

Актуальность научной работы. Информационно-телекоммуникационная сеть «Интернет» является в настоящее время основным средством распространения информации. Размещать достоверную информацию о себе обязаны образовательные организации (статья 29 Федерального закона "Об образовании в Российской Федерации" [75]), медицинские организации (статья 79 Федерального закона "Об основах охраны здоровья граждан в Российской Федерации" [74]) и аккредитованные организации, осуществляющие деятельность в области информационных технологий [50]. Подобные требования обусловливают ожидания пользователей иметь возможность получить достоверные данные с официального сайта организации.

Размещение в Интернете поддельных сайтов, на которых опубликована ложная информация об организациях, может становиться причиной опосредованного ущерба коммерческим организациям. В частности, на поддельных сайтах, созданных конкурентами, могут быть размещены отзывы о деятельности компании, содержащие ложную информацию. Ориентируясь на полученную информацию, пользователь может отказаться от приобретения услуги у данной организации. Кроме того, распространение ложной информации влияет на стоимость активов организации. Появление в информационных источниках ложных новостей приводит к падению цен на акции и суммарно за год наносит экономический ущерб до 40 миллиардов долларов [9].

Кроме того, поддельные сайты организации часто используются для фишинговых атак. В ряде сценариев инцидентов информационной безопасности переводу средств через форму оплаты на поддельном сайте организации предшествовало намерение пользователя приобрести товар на официальном сайте организации. В этом случае организации от фишинговых атак на её клиентов наносится опосредованный ущерб, связанный с недополучением ожидаемой прибыли. Отметим, что по данным в отчёте Scamwatch [123] ущерб от мошенничества в категории «Phishing» составляет: в 2021 году - более 4 млн. долларов, в 2022 году - более 24 млн. долларов, в 2023 году - более 25 млн.

долларов, в 2024 году - более 20 млн. долларов. Наблюдаемый суммарный ущерб от фишинговых атак подтверждает актуальность разработки средства обнаружения инцидентов информационной безопасности, связанных с поддельными сайтами организации. Статистические сведения профильных организаций показывают и рост количества поддельных сайтов. По данным Роскомнадзора в 2024 году было заблокировано 69,9 тыс. поддельных сайтов, что в 1,5 раза больше показателей 2023 года [26].

Цифровая трансформация государственного и муниципального управления, экономики и социальной сферы является целью национального проекта «Экономика данных и цифровая трансформация государства» [41], который предполагает и реализацию федерального проекта «Инфраструктура кибербезопасности». Одним из направлений этого федерального проекта является создание антифишинговой платформы. Благодаря созданной платформе планируется обеспечить взаимодействие банков, операторов связи, органов власти и предоставить возможность выявлять подозрительную активность и компьютерные атаки. В частности, проектом предполагается осуществлять противодействие утечкам персональных данных путем обнаружения и блокирования фишинговых сайтов [78]. В то же время несмотря на активное использование термина «поддельный сайт» в различных научных и нормативно-правовых источниках [23, 49, 62, 69, 73, 79] и востребованность исследований в области противодействия угрозам, связанным с поддельными сайтами, на которую указывает наличие федерального проекта, диссертационных исследований с анализом понятия поддельного сайта организации и использования подобных сайтов в процессе навязывания ложной информации ранее не проводилось.

Содержание проекта позволяет заключить, что в процесс обнаружения поддельных сайтов должны быть включены не только государственные органы, но и коммерческие организации. Готовность коммерческих организаций участвовать в данном процессе отражает рост прибыли организаций,

предоставляющих услуги обнаружения (в том числе ручного) поддельных сайтов и их блокирования [66].

Выявление ложной информации требует со стороны коммерческих организаций своевременных действий, связанных с обнаружением поддельных сайтов (называемых также «фейковыми сайтами»), эксплуатирующих бренды организации, зарегистрированные в качестве товарных знаков. Точный вердикт о том, является ли сайт поддельным, может дать представитель организации, а никаким образом не связанный с ней пользователь может только сделать предположение о характере Интернет-ресурса. При этом существующие методы и средства предназначены не для обнаружения таких сайтов, а для блокирования возможности открытия фишинговых сайтов на оконечном устройстве [22; 34; 44; 47; 62; 91; 95; 96; 110; 113; 114; 120; 121].

Существуют решения для блокирования писем с ложной информацией в корпоративной почте (Kaspersky Secure Mail Gateway, AVSoft Kairos и др.), а также обнаружения поддельных сайтов, эксплуатирующих бренд организации, на основе анализа лог-файлов сервера, где размещен официальный сайт организации [46]. Наличие последней работы подтверждает востребованность программных средств обнаружения инцидентов информационной безопасности, связанных с поддельными сайтами организации. В то же время метод, изложенный в [46], позволяет обнаружить только те поддельные сайты, страница которых была открыта в браузере и на которых картинки встроены с использованием внешнего URL-адреса непосредственно с сервера организации, то есть когда злоумышленник не создавал копии мультимедийного контента на том сервере, где размещен поддельный сайт. Обнаружение иных фишинговых сайтов можно обеспечить, анализируя все сайты, доменные имена для которых зарегистрированы в течение выбранного временного интервала.

В исследовании A. Deacon [94] приводится статистика: 41% доменных имен, о размещении на которых фишингового сайта стало известно, были использованы для фишинговой атаки в течение 14 дней; в среднем фишинговый сайт удается обнаружить и заблокировать за 21 день. Таким образом, текущая

скорость обнаружения поддельных сайтов является недостаточной для выявления и противодействия навязыванию ложной информации, что обуславливает необходимость анализа существующих методов и средств обнаружения поддельных сайтов и разработки нового метода обнаружения поддельных сайтов организации на основе нечеткого сравнения доменного имени сайта с доменными именами, полученными в результате анализа сведений реестра доменных имен.

По данным Координационного центра доменов .Яи/.РФ [36] в 2023 году 70% доменных имен поддельных сайтов являлись цифровыми (то есть содержащими только цифры, либо цифры и несколько букв). В соответствии с этим использования исключительно метода обнаружения поддельных сайтов на основе нечеткого сравнения доменного имени сайта с доменными именами, полученными в результате анализа сведений реестра доменных имен, недостаточно. Для проверки подлинности сайта, расположенного на доменном имени, становится актуальной разработка метода проверки подлинности сайтов организации с использованием случайного леса и набора признаков проверки подлинности. Указанный метод необходим для классификации сайта как поддельного или подлинного в целом, но не позволяет обнаружить факт эксплуатации бренда конкретной организации. При этом коммерческая организация может осуществлять действия, направленные на блокирование поддельных сайтов, только в случае нарушения именно ее прав на использование товарного знака. В то же время использование такого метода необходимо для уменьшения количества сайтов, нуждающихся в дальнейшей проверке.

Достигнуть визуального сходства поддельных сайтов, доменные имена которых состоят из большого количества цифр, с официальным сайтом организации нарушитель может за счет заимствования дизайна официального сайта полностью или отдельных элементов (например, логотипа). Нарушитель может создать поддельный сайт, содержащий только форму оплаты товара и логотип организации, в связи с чем невозможно ограничиться только определением степени визуального сходства страниц поддельного и подлинного сайтов, чтобы обнаружить факт заимствования. В то же время организация может

не иметь товарных знаков и логотипов, в связи с чем при создании поддельных сайтов такой организации нарушитель будет вынужден заимствовать дизайн официального сайта. В таком случае невозможно ограничиться только поиском изображений с логотипом организации. Таким образом, для обнаружения факта эксплуатации бренда конкретной организации становится необходимым новый метод проверки подлинности сайтов на основе определения степени визуального сходства страниц сайтов и поиска изображений с логотипом организации.

В существующих исследованиях применяются различные наборы данных со ссылками на фишинговые сайты, включая данные исследователя R. Mohammad [111]. D. Liu отмечает [108], что провести дополнительные исследования сайтов в данной выборке не представляется возможным из-за того, что ряд сайтов в ней прекратил работу. Тем же недостатком обладают и другие выборки данных о размещенных в сети Интернет поддельных сайтах. В соответствии с этим становится необходимым описание иного подхода к тестированию программных средств обнаружения инцидентов информационной безопасности, связанных с поддельными сайтами организации, а также оценка эффективности работы существующих и предложенного программного средства.

Степень разработанности темы. В различных исследованиях [62, 91] в процессе проверки подлинности сайта применяются методы на основе нечеткого сравнения строк, где сравнивается доменное имя общеизвестного подлинного сайта и доменное имя проверяемого сайта. Алгоритмы нечеткого сравнения строк описаны в исследованиях У. Э. Винклер, У. Вишкин, Ф. Дж. Дамерау, М. А. Джаро, Г. М. Ландау, В. И. Левенштейн, Р. У. Хэмминг и др. В исследовании [2] ищутся вхождения N-грамм символов из доменного имени подлинного сайта в доменное имя проверяемого сайта. Указанные методы не учитывают следующих факторов: 1) в ряде случаев замена двух символов на один символ (например, «nn» на «m») менее заметна для пользователя, чем замена одного символа (например, «k» на «a»); 2) в ряде случаев нарушителем может быть добавлено целое слово в доменное имя (например, «order»), появление которого не вызывает подозрений у пользователя. В связи с чем становится

необходимой разработка нового метода, который предполагает нечеткое сравнение доменных имен с учетом этих особенностей.

Ресурсы, расположенные на доменных именах, могут проверяться с использованием методов, включающих: сравнение скриншотов официального сайта организации и проверяемого сайта (на основе Average Hash, Difference Hash, Perceptual Hash), проверку подлинности на основе анализа различных признаков с использованием выбранной модели машинного обучения (случайный лес, метод опорных векторов, логистическая регрессия и другие). Методы Average Hash, Difference Hash, Perceptual Hash для определения степени сходства изображений описаны в статье M. Fei, J. Li, Zh. Ju, X. Zhen [98], варианты реализации метода сравнения гистограмм цветов изображений описаны в исследованиях А. П. Кирпичников, С. А. Ляшева, М. П. Шлеймович [27]. В публикации А. С. Скибы, Н. В. Размочаевой [63] Average Hash применяется для поиска некорректных заимствований изображений художников. В процессе проверки подлинности аккаунтов в социальных сетях М. В. Абрамов, А. Л. Тулупьев используют алгоритм Perceptual Hash [28, 40]. Таким образом, проблема сравнения изображений является достаточно проработанной темой. В то же время процесс получения изображений web-страниц для сравнения в проанализированных работах не описан. При этом в процессе создания скриншотов следует учитывать следующие особенности: на web-страницах есть основное содержимое и реклама, которые влияют на степень сходства изображений даже страниц одного и того же сайта; у страниц одного и того же сайта может существенно отличаться высота. Вышеуказанное обуславливает необходимость разработки метода проверки подлинности сайтов, ориентированного на создание и сравнение изображений web-страниц. В исследовании [124] описан метод проверки подлинности сайта на основе извлечения логотипа и проверки его использования на других сайтах через поисковую систему Google. При этом не всегда заимствованный логотип расположен на сайте как отдельное изображение, а может являться частью большого изображения с текстом рекламной акции и другими элементами,

затрудняющими его извлечение. В соответствии с этим становится необходимым исследование возможности поиска логотипа на скриншоте страницы сайта с использованием средств компьютерного зрения.

Классификация сайтов на поддельные и подлинные является широко распространенной задачей машинного обучения, которой посвящено большое количество исследований, в том числе исследования Л. В. Емец, А. С. Большакова [22], Е. А. Митюкова, А. В. Затонского [34], А. ВШпаги, А. Mylonas и др. [85; 87-89; 91; 92; 95; 96; 99; 105; 106; 109; 110; 113; 117; 120; 121; 128; 133]. В указанных исследованиях признаки проверки подлинности сайтов извлекаются: из ЦЕЬ-адреса, из ИТМЬ-кода страницы, из внешних сервисов (^Ъо1в-сервисы). При этом предполагается, что ЦЕЬ-адрес будет анализироваться в том виде, в котором он был получен пользователем от злоумышленника при помощи электронной почты и социальных сетей. Набор признаков включает в себя количество слешей, номер порта, количество символов «@» и др. варианты. На основе признаков, извлекаемых из текста сообщения электронной почты, обнаружение фишинговых атак предлагается в исследованиях М. Н. Бычек, Т. В. Борботько [11], А. УаБт, А. АЬиИаБап [134], А. О. Давыдова, Д. А. Кусяпова, Я. Э. Титух, А. Ю. Сенцова [48]. В рассматриваемом исследовании стоит учитывать, что доменное имя для проверки извлекается из реестра доменных имен и в сформированном для проверки ЦКЪ-адресе с использованием доменного имени не могут присутствовать ни номер порта, ни символы «@», а слешей всегда три (два после протокола, один - в конце адреса). Потому для таких Ц^-адресов представленные наборы признаков не могут быть использованы, что делает актуальным разработку новых признаков проверки подлинности для использования в моделях машинного обучения.

Вышеуказанные факторы предопределяют научную задачу, заключающуюся в разработке метода обнаружения поддельных сайтов организации, методов проверки подлинности сайтов организации, а также в разработке и тестировании прототипа программного средства обнаружения

инцидентов информационной безопасности, связанных с поддельными сайтами организации.

Объектом исследования являются меры обеспечения информационной безопасности, направленные на обнаружение и противодействие угрозам навязывания ложной информации, связанным с поддельными сайтами.

Предметом исследования являются методы и средство обнаружения инцидентов информационной безопасности, связанных с поддельными сайтами организации.

Целью исследования является повышение защищенности организации от навязывания ложной информации посредством разработки методов и программного средства обнаружения инцидентов информационной безопасности, связанных с поддельными сайтами организации.

Для достижения поставленной цели необходимо решить следующие частные задачи исследования:

1. Проанализировать понятие поддельных сайтов организации и их использование в процессе распространения ложной информации, а также существующие методы, модели и программные средства обнаружения и противодействия угрозам навязывания ложной информации, связанным с поддельными сайтами.

2. Разработать метод обнаружения поддельных сайтов организации на основе нечеткого сравнения доменного имени сайта с доменными именами, полученными в результате анализа сведений реестра доменных имен.

3. Разработать метод проверки подлинности сайтов организации на основе определения степени визуального сходства скриншотов страниц Интернет-ресурсов и поиска изображений с логотипом организации.

4. Разработать метод проверки подлинности сайтов организации с использованием случайного леса и набора признаков проверки подлинности.

5. Разработать программное средство обнаружения инцидентов информационной безопасности, связанных с поддельными сайтами организации.

6. Протестировать программное средство обнаружения инцидентов информационной безопасности, связанных с поддельными сайтами организации, и оценить его эффективность.

Методы исследования. При решении поставленных задач использовались методы машинного обучения, положения теории вероятностей и математической статистики, алгоритмы нечеткого сравнения строк, динамического программирования, методология объектно-ориентированного программирования, математическое моделирование, методы обработки и анализа изображений, теория информационной безопасности.

Научная новизна заключается в следующем:

1. Разработан новый метод обнаружения поддельных сайтов организации на основе данных реестра доменных имен, отличающийся от известных тем, что в начале его выполнения предусмотрена сегментация извлеченных доменных имен на отдельные слова, а затем производится нечеткое сравнение строк, содержащих выделенные сегменты, со строкой, содержащей доменное имя официального сайта организации, при выполнении которого учтено визуальное сходство символов по написанию.

2. Разработан новый метод проверки подлинности сайтов организации, основанный на определении степени визуального сходства страницы со страницами официального сайта организации и поиске изображений с логотипом организации, отличающийся от известных этапом создания маски для сравнения только тех областей на скриншотах web-страниц, в которых расположены основные элементы интерфейса сайта, исключая области с рекламными и иными элементами, которые могут быть различными для каждой страницы сайта, а также этапом поиска логотипов с официального сайта организации на скриншоте страницы проверяемого сайта с использованием средств компьютерного зрения.

3. Разработан метод проверки подлинности сайтов организации с использованием случайного леса и нового набора признаков проверки подлинности, отличающегося от известных тем, что в нем проверяется наличие

метаданных и файлов для поисковых систем на сайте организации, скриптов для сбора статистики посещений сайта и контактных данных организации.

4. Разработано программное средство обнаружения инцидентов информационной безопасности, связанных с поддельными сайтами организации, отличающееся от известных тем, что сочетает методы обнаружения и проверки подлинности сайтов организации.

Теоретическая значимость работы состоит в том, что предложенные теоретические положения, методы, алгоритмы и методика развивают систему знаний в области выявления и противодействия распространению ложной информации в глобальной сети Интернет.

Практическая значимость работы состоит в том, что предложенные в диссертации методы, алгоритмы и разработанное программное средство обнаружения инцидентов информационной безопасности, связанных с поддельными сайтами организации, могут быть использованы для повышения защищенности организации от навязывания ложной информации.

Положения, выносимые на защиту:

1. Метод обнаружения поддельных сайтов организации на основе данных реестра доменных имен позволяет обеспечить выявление угроз нарушения информационной безопасности сотрудников организации посредством навязывания ложной информации.

Соответствует паспорту специальности 2.3.6 по пункту 3 «Методы, модели и средства выявления, идентификации, классификации и анализа угроз нарушения информационной безопасности объектов различного вида и класса».

2. Метод проверки подлинности сайтов организации на основе определения степени визуального сходства скриншотов страниц Интернет-ресурсов и поиска изображений с логотипом организации позволяет обеспечить выявление ложной информации.

Соответствует паспорту специальности 2.3.6 по пункту 13 «Методы и модели выявления и противодействия распространению ложной и вредоносной информации».

3. Метод проверки подлинности сайтов организации с использованием случайного леса и набора признаков проверки подлинности позволяет обеспечить выявление ложной информации.

Соответствует паспорту специальности 2.3.6 по пункту 13 «Методы и модели выявления и противодействия распространению ложной и вредоносной информации».

4. Программное средство обнаружения инцидентов информационной безопасности, связанных с поддельными сайтами организации, позволяет обеспечить выявление угроз нарушения информационной безопасности сотрудников организации посредством навязывания ложной информации.

Соответствует паспорту специальности 2.3.6 по пункту 3 «Методы, модели и средства выявления, идентификации, классификации и анализа угроз нарушения информационной безопасности объектов различного вида и класса».

Обоснованность и достоверность результатов диссертационной работы подтверждается результатами вычислительных экспериментов, корректным использованием математического аппарата и средств моделирования, успешной апробацией основных положений диссертации на всероссийских и международных конференциях, одобрением публикаций в ведущих рецензируемых журналах.

Соответствие паспорту специальности. Содержание работы соответствует пунктам 3, 13 паспорта научной специальности 2.3.6. - Методы и системы защиты информации, информационная безопасность Высшей аттестационной комиссии при Министерстве науки и высшего образования Российской Федерации: пункт 13 «Методы и модели выявления и противодействия распространению ложной и вредоносной информации»; пункт 3 «Методы, модели и средства выявления, идентификации, классификации и анализа угроз нарушения информационной безопасности объектов различного вида и класса».

Апробация результатов исследования. Основные результаты диссертации публично представлялись на следующих всероссийских и международных

конференциях: X Всероссийская конференция «Компьютерная интеграция производства и ИПИ-технологии» (г. Оренбург, 2021 г.); VII-я Всероссийская научно-практическая конференция с международным участием «Современные проблемы физико-математических наук» (г. Орёл, 2021 г.); Международная научно-практическая конференция «Современная наука: проблемы и перспективы развития» (г. Омск, 2022 г.); Всероссийская научно-практическая конференция «Преступность в сфере информационных и телекоммуникационных технологий: проблемы предупреждения, раскрытия и расследования преступлений» (г. Воронеж, 2022 г.); Международная научно-практическая конференция «58-е Евсевьевские чтения» (г. Саранск, 2022 г.); Международная научно-техническая конференция молодых ученых БГТУ им. В.Г. Шухова (г. Белгород, 2022 г.); 2-ая Международная конференция «Technology Enhanced Learning in Higher Education» (г. Липецк, 2022 г.); Международная научно-практическая конференция им. Э.К. Алгазинова «Информатика: проблемы, методы, технологии» (г. Воронеж, 2023 г.); VI Всероссийская научно-практическая конференция с международным участием «Вызовы цифровой экономики: технологический суверенитет и экономическая безопасность» (г. Брянск, 2023 г.); 3-ая Международная конференция «Technology Enhanced Learning in Higher Education» (г. Липецк, 2023 г.); Всероссийская междисциплинарная научная конференция «Наука и практика-2023» (г. Астрахань, 2023 г.); II Всероссийская научно-практическая конференция «Уголовно-процессуальное и технико-криминалистическое обеспечение для борьбы с киберпреступлениями в современном обществе» (г. Тамбов, 2023 г.); 4-ая Международная конференция «Technology Enhanced Learning in Higher Education» (г. Липецк, 2024 г.).

Публикация результатов работы. По научным результатам диссертационного исследования автором опубликовано 20 работ, в том числе 7 публикаций в журналах из «Перечня рецензируемых научных изданий, в которых должны быть опубликованы основные научные результаты диссертаций на соискание ученой степени кандидата наук, на соискание ученой степени доктора

наук». Получено 2 свидетельства о государственной регистрации программы для ЭВМ (Роспатент).

Структура и объем работы. Текст работы состоит из следующих структурных элементов: титульный лист; оглавление; введение; основная часть, включающая три раздела, каждый из которых содержит три или четыре подраздела; заключение; словарь терминов; список литературы, содержащий 134 наименования; 9 приложений, содержащих список научных публикаций автора, таблицу с угрозами безопасности информации, связанными с поддельными сайтами организации, блок-схемы алгоритмов и субалгоритмов, составленных на основе предложенных методов, копии зарегистрированных свидетельств на результаты интеллектуальной деятельности, копии актов о внедрении результатов диссертационного исследования (Шуйский филиал ИвГУ, ООО «Консультант-Шуя»). Общий объем диссертационной работы - 182 страницы (основной текст -160 страниц). Работа включает в себя 27 рисунков, 13 таблиц.

1. Анализ современного состояния проблемы обнаружения и противодействия угрозам навязывания ложной информации, связанным с

Список литературы диссертационного исследования кандидат наук Смирнов Вадим Анатольевич, 2026 год

СПИСОК ЛИТЕРАТУРЫ

1. Абрамов, М. В. Задачи анализа защищенности пользователей от социоинженерных атак: построение социального графа по сведениям из социальных сетей / М. В. Абрамов, А. Л. Тулупьев, А. А. Сулейманов. - Текст : непосредственный // Научно-технический вестник информационных технологий, механики и оптики. - 2018. - Т. 18, № 2. - С. 313-321. - DOI 10.17586/2226-14942018-18-2-313-321.

2. Александров, П. О. Противодействие кибермошеничеству: разработка платформы обнаружения, мониторинга и блокировки фишинговых интернет-ресурсов / П. О. Александров, Л. К. Орлик. - Текст : непосредственный // Современные тенденции развития науки и образования: теория и практика : Сборник материалов 3-й Международной научно-практической конференции, Москва, 20 июня 2019 года / Под редакцией Г.С. Жуковой. Том № 4. - Москва: ВИПО, 2019. - С. 13-21.

3. Анализ методик автоматизированной оценки угроз и рисков информационной безопасности информационно-телекоммуникационных систем / Ю. В. Скоредова, Е. В. Гречишников, А. С. Кравченко, О. В. Ланкин. - Текст : непосредственный // Вестник Воронежского института ФСИН России. - 2017. -№ 3. - С. 128-133.

4. Антиспам Касперского для корпораций, ISP и индивидуальных пользователей - URL: https://securelist.ru/antispam-kasperskogo-dlya-korporatsij-isp/486/ (дата обращения: 22.07.2025). - Текст : электронный.

5. Антифишинг - поиск и устранение фишинговых сайтов - BRANDPOL. -URL: https://brandpolgroup.com/ru/services/anti-pheashing/ (дата обращения: 16.11.2022). - Текст : электронный.

6. Антонов, Е. С. Как найти миллион. Сравнение алгоритмов поиска множества подстрок / Е. С. Антонов. - Текст : непосредственный // RSDN Magazine. - 2011. - № 1. - С. 60-67.

7. Бексаева, Е. А. Факторы и рекомендации SEO-аудита веб-ресурсов электронной коммерции / Е. А. Бексаева, О. Г. Чамина. - Текст :

непосредственный // Вестник Ульяновского государственного технического университета. - 2015. - № 3(71). - С. 39-46.

8. Больше 30 млн человек работают с малым и средним бизнесом - URL: https://www.klerk.ru/buh/news/585832/ (дата обращения: 22.07.2025). - Текст : электронный.

9. Босиков, Р. Цена лжи: как фейковые новости наносят урон бизнесу по всему миру - URL: https://trends.rbc.ru/trends/social/620ce7c19a794702595dc864 (дата обращения: 22.07.2025). - Текст : электронный.

10. Браузер Chrome провалил тесты на антифишинговую защиту - URL: https://myseldon.com/ru/news/index/269607632 (дата обращения: 09.08.2024). -Текст : электронный.

11. Бычек, М. Н. Система фильтрации фишинговых писем / М. Н. Бычек, Т. В. Борботько. - Текст : непосредственный // Технические средства защиты информации : Тезисы докладов XX Белорусско-российской научно-технической конференции , Минск, 07 июня 2022 года / Редакционная коллегия: Т. В. Борботько, Г. В. Давыдов, В. К. Конопелько, Л. М. Лыньков, Л. А. Шичко. -Минск: Белорусский государственный университет информатики и радиоэлектроники, 2022. - С. 27-28.

12. Володченко, В. С. Актуальность создания и типичная структура web -сайта кинотеатра / В. С. Володченко, Д. С. Ланцова, Т. А. Миронова. - Текст : непосредственный // Вопросы науки и образования. - 2019. - № 31(81). - С. 4-7.

13. Выонг, Т. Т. З. Стандартное отклонение или стандартная ошибка / Т. Т. З. Выонг, Н. В. Ушакова. - Текст : непосредственный // Современные технологии в науке и образовании - СТН0-2017 : сборник трудов II Международной научно-технической и научно-методической конференции: в 8 т., Рязань, 01-03 марта 2017 года / Рязанский государственный радиотехнический университет. Том 2. -Рязань: Рязанский государственный радиотехнический университет, 2017. - С. 149-153.

14. ГОСТ Р ИСО/МЭК 27002-2021 Информационные технологии. Методы и средства обеспечения безопасности. Свод норм и правил применения мер

обеспечения информационной безопасности. - Москва: Стандартинформ, 2021. -74 с. - Текст : непосредственный.

15. ГОСТ Р ИСО/МЭК 27005-2010 Информационная технология (ИТ). Методы и средства обеспечения безопасности. Менеджмент риска информационной безопасности. - Москва: Стандартинформ, 2011. - 51 с. - Текст : непосредственный.

16. ГОСТ Р ИСО/МЭК ТО 18044-2007 Информационная технология. Методы и средства обеспечения безопасности. Менеджмент инцидентов информационной безопасности. - Москва: Стандартинформ, 2009. - 50 с. - Текст : непосредственный.

17. Гришан, А. Ускоряем загрузку сайта, минимизируя количество HTTP-запросов / А. Гришан. - Текст : непосредственный // Системный администратор. -2009. - № 7(80). - С. 76-83.

18. Гудков, К. В. Сравнительный анализ программных реализаций задачи анализа патентной информации на ЯП Java и Python / К. В. Гудков, А. А. Никифоров // Вопросы науки. - 2023. - № 1. - С. 7-10.

19. Гусев, С. С. Методы анализа произвольных текстов и исходных кодов программ с точки зрения наличия идентичных фрагментов / С. С. Гусев. - Текст : непосредственный // Анализ, моделирование, управление, развитие социально-экономических систем (АМУР-2022) : сборник научных трудов XVI Международной школы-симпозиума АМУР-2022, Симферополь-Судак, 14-27 сентября 2022 года. - Симферополь: Индивидуальный предприниматель Корниенко Андрей Анатольевич, 2022. - С. 124-132.

20. Демихов, М. А. Поисковые методы на основе tree-деревьев / М. А. Демихов. - Текст : непосредственный // Вестник Воронежского института высоких технологий. - 2016. - № 4(19). - С. 99-102.

21. Деньги на ветер. Почему ваш антифишинг не детектирует фишинговые сайты и как Data Science заставит его работать - URL: https://habr.com/ru/companies/F6/articles/420269/ (дата обращения: 22.07.2025). -Текст : электронный.

22. Емец, Л. В. Обнаружение фишингового сайта методами машинного обучения / Л. В. Емец, А. С. Большаков. - Текст : непосредственный // Телекоммуникации и информационные технологии. - 2023. - Т. 10, № 1. - С. 3643.

23. Завьялов, А. Н. Интернет-мошенничество (фишинг): проблемы противодействия и предупреждения / А. Н. Завьялов // Baikal Research Journal. -2022. - Т. 13, № 2. - DOI 10.17150/2411-6262.2022.13(2).36.

24. Исайчикова, Н. И. Методика оценки веб-сайта организации как инструмента интернет- маркетинга / Н. И. Исайчикова, М. В. Яцухно. - Текст : непосредственный // Экономика. Бизнес. Финансы. - 2020. - № 6. - С. 11-14.

25. Как рекуррентная нейронная сеть прогнозирует символы - URL: https://proproprogs.ru/neural_network/kak-rekurrentnaya-neyronnaya-set-prognoziruet-simvoly (дата обращения: 22.07.2025). - Текст : электронный.

26. Кибермошенники активизировали фишинговые атаки на CRM малого и среднего бизнеса - URL: https://safe.cnews.ru/news/line/2025-05-14_kibermoshenniki_aktivizirovali (дата обращения: 22.07.2025). - Текст : электронный.

27. Кирпичников, А. П. Контекстный поиск изображений / А. П. Кирпичников, С. А. Ляшева, М. П. Шлеймович. - Текст : непосредственный // Вестник Казанского технологического университета. - 2014. - Т. 17, № 18. - С. 244-251.

28. Корепанова, А. А. Идентификация аккаунтов пользователей социальных сетей при помощи сравнения графического контента / А. А. Корепанова, М. В. Абрамов, А. Л. Тулупьев. - Текст : непосредственный // Научно-технический вестник информационных технологий, механики и оптики. - 2021. - Т. 21, № 6. -С. 942-950.

29. Левенштейн, В. И. Двоичные коды с исправлением выпадений, вставок и замещений символов / В. И. Левенштейн. - Текст : непосредственный // Доклады Академии Наук СССР. - 1965. - Т. 163, №4. - С. 845-848.

30. Леонтьев, В. К. О мерах сходства и расстояниях между объектами / В. К. Леонтьев. - Текст : непосредственный // Журнал вычислительной математики и математической физики. - 2009. - Т. 49. - № 11. - С. 2041-2058.

31. Мартынюк, А. В. Вычислительные методы для решения проблемы несбалансированных обучающих данных в машинном обучении / А. В. Мартынюк, Е. М. Черных, А. З. Ядута. - Текст : непосредственный // Высокие технологии и инновации в науке : сборник избранных статей Международной научной конференции, Санкт-Петербург, 27 ноября 2020 года. - Санкт-Петербург: Частное научно-образовательное учреждение дополнительного профессионального образования Гуманитарный национальный исследовательский институт «НАЦРАЗВИТИЕ», 2020. - С. 161-164.

32. Менциев, А. У. Анализ фишинговых атак как вида социальной инженерии / А. У. Менциев. - Текст : непосредственный // Наука и молодежь : Всероссийская научно-практическая конференция студентов, молодых ученых и аспирантов, Грозный, 27-28 октября 2016 года. - Грозный: Чеченский государственный университет, 2016. - С. 391-394.

33. Методический документ ФСТЭК России от 5 февраля 2021 г. «Методика оценки угроз безопасности информации» - URL: https://fstec.ru/dokumenty/vse-dokumenty/spetsialnye-normativnye-dokumenty/metodicheskij-dokument-ot-5-fevralya-2021-g (дата обращения: 22.07.2025). - Текст : электронный.

34. Митюков, Е. А. Модель обнаружения фишинговых атак на основе гибридного подхода для защиты автоматизированных систем управления производством / Е. А. Митюков, А. В. Затонский. - Текст : непосредственный // Вестник Южно-Уральского государственного университета. Серия: Компьютерные технологии, управление, радиоэлектроника. - 2020. - Т. 20, № 2. -С. 56-66. - DOI 10.14529/ctcr200206.

35. Модель профиля компетенций злоумышленника в задаче анализа защищённости персонала информационных систем от социоинженерных атак / М. В. Абрамов, А. А. Азаров, Т. В. Тулупьева, А. Л. Тулупьев. - Текст :

непосредственный // Информационно-управляющие системы. - 2016. - № 4(83). -С. 77-84. - DOI 10.15217/issn1684-8853.2016.4.77.

36. Мошенники используют цифры в 70% фишинговых доменов - URL: https://www.forbes.ru/tekhnologii/494692-mosenniki-ispol-zuut-cifry-v-70-fisingovyh-domenov (дата обращения: 22.07.2025). - Текст : электронный.

37. Мошенники подделывают сайты почти 90% крупных российских компаний - URL: https://www.comnews.ru/content/232057/2024-03-15/2024-w11/1010/moshenniki-poddelyvayut-sayty-pochti-90-krupnykh-rossiyskikh-kompaniy (дата обращения: 22.07.2025). - Текст : электронный.

38. Обзор операций, совершенных без согласия клиентов финансовых организаций - URL: https://cbr.ru/analytics/ib/operations_survey/2023/ (дата обращения: 22.07.2025). - Текст : электронный.

39. Обоснование модели оценки защищенности объектов информационных технологий / Т. И. Касаткина, Е. В. Гречишников, В. В. Лавлинский, В. В. Здольник. - Текст : непосредственный // Вестник Воронежского института ФСИН России. - 2017. - № 3. - С. 65-80.

40. Олисеенко, В. Д. Идентификация аккаунтов пользователей при помощи сравнения изображений: подход на основе pHash / В. Д. Олисеенко, М. В. Абрамов, А. Л. Тулупьев. - Текст : непосредственный // Научно-технический вестник информационных технологий, механики и оптики. - 2021. - Т. 21, № 4. -С. 562-570. - DOI 10.17586/2226-1494-2021-21-4-562-570.

41. Основные показатели и мероприятия национального проекта «Экономика данных и цифровая трансформация государства» - URL: http://government.ru/info/54314/ (дата обращения: 22.07.2025). - Текст : электронный.

42. Официальный сайт Министерства внутренних дел Российской Федерации. Состояние преступности - URL: Ы^://мвд.рфЛЪМег/101762 (дата обращения: 22.07.2025). - Текст : электронный.

43. Павлычев, А. В. Использование алгоритма машинного обучения Random Forest для выявления сложных компьютерных инцидентов / А. В. Павлычев, М. И.

Стародубов, А. Д. Галимов // Вопросы кибербезопасности. - 2022. - № 5(51). - С. 74-81. - DOI 10.21681/2311-3456-2022-5-74-81.

44. Патент № 2580027 C1 Российская Федерация, МПК G06F 21/55, G06F 21/60. Система и способ формирования правил поиска данных, используемых для фишинга : № 2014141809/08 : заявл. 17.10.2014 : опубл. 10.04.2016 / М. Г. Кошелев ; заявитель Закрытое акционерное общество "Лаборатория Касперского". - Текст : непосредственный.

45. Патент № 2622626 Российская Федерация, МПК G06F 21/56. Система и способ обнаружения фишинговых сценариев : № 2015141553 : заявл. 30.09.2015 : опубл. 16.06.2017 / В. А. Давыдов, А. М. Иванов, Р. Ю. Гаврильченко, Д. В. Виноградов ; заявитель Акционерное общество "Лаборатория Касперского". -Текст : непосредственный.

46. Патент № 2671991 C2 Российская Федерация, МПК G06F 21/55, G06F 21/50. Система и способ сбора информации для обнаружения фишинга : № 2016152428 : заявл. 29.12.2016 : опубл. 08.11.2018 / Д. А. Волков ; заявитель Общество с ограниченной ответственностью "Траст". - Текст : непосредственный.

47. Патент на полезную модель № 103643 U1 Российская Федерация, МПК G06F 21/00. Система противодействия фишинг атакам : № 2010144587/08 : заявл. 01.11.2010 : опубл. 20.04.2011 / А. А. Малышев, Т. А. Биячуев ; заявитель Закрытое акционерное общество "Лаборатория Касперского". - Текст : непосредственный.

48. Персонализированные фишинговые атаки / А. О. Давыдова, Д. А. Кусяпова, Я. Э. Титух, А. Ю. Сенцова. - Текст : непосредственный // Информационные технологии. Проблемы и решения. - 2021. - № 4(17). - С. 8795.

49. Постановление Пленума Верховного Суда РФ от 30.11.2017 N 48 (ред. от 15.12.2022) "О судебной практике по делам о мошенничестве, присвоении и растрате" - URL: https://www.consultant.ru/document/cons_doc_LAW_283918/#dst100057 (дата обращения: 22.07.2025). - Текст : электронный.

50. Постановление Правительства РФ от 30.09.2022 N 1729 (ред. от

26.08.2024) "Об утверждении Положения о государственной аккредитации российских организаций, осуществляющих деятельность в области информационных технологий" - URL: https://www.consultant.ru/document/cons_doc_LAW_427955/42c42ffc697636ca18159 56dc3ef70fd63c4defc/ (дата обращения: 22.07.2025). - Текст : электронный.

51. Привалов, А. Н. Метод нечеткого сравнения строк для обнаружения фейковых сайтов / А. Н. Привалов, В. А. Смирнов. - Текст : непосредственный // Известия Тульского государственного университета. Технические науки. - 2022. -№ 2. - С. 184-191. - DOI 10.24412/2071-6168-2022-2-184-191.

52. Приказ ФСТЭК России от 18 февраля 2013 г. N 21 «Об утверждении состава и содержания организационных и технических мер по обеспечению безопасности персональных данных при их обработке в информационных системах персональных данных» - URL: https://fstec.ru/dokumenty/vse-dokumenty/prikazy/prikaz-fstek-rossii-ot- 18-fevralya-2013-g-n-21 (дата обращения:

22.07.2025). - Текст : электронный.

53. Прокофьева, Л. М. Демографическая структура семей и домохозяйств в России, её динамика по данным переписей населения / Л. М. Прокофьева, И. И. Корчагина. - Текст : непосредственный // Демографическое обозрение. - 2023. -Т. 10, № 2. - С. 4-17.

54. Профессиональные фишеры предпочитают госучреждения и оборонку -URL: https://www.anti-malware.ru/news/2024-02-14-111332/42802 (дата обращения: 22.07.2025). - Текст : электронный.

55. Рег.ру. SSL-сертификат купить для сайта (HTTPS для безопасности домена), цены - URL: https://www.reg.ru/ssl-certificate/ (дата обращения: 22.07.2025). - Текст : электронный.

56. Рекомендации по стандартизации Р 50.1.028-2001. Информационные технологии поддержки жизненного цикла продукции. Методология функционального моделирования. - Москва: Госстандарт России, 2001. - 49 с. -Текст : непосредственный.

57. Рекомендации по стандартизации Р 50.1.053-2005. Основные термины и определения в области технической защиты информации. - Москва: Стандартинформ, 2006. - 16 с. - Текст : непосредственный.

58. Романова, О. А. Формирование нового технологического облика металлургического комплекса региона / О. А. Романова, Е. Н. Селиванов, Г. Б. Коровин. - Екатеринбург : Институт экономики Уральского отделения РАН, 2014. - 234 с. - ISBN 978-5-94646-480-2. - Текст : непосредственный.

59. Россихина, Л. В. Оценка риска безопасности программного обеспечения / Л. В. Россихина. - Текст : непосредственный // Техника и безопасность объектов уголовно-исполнительной системы : сборник материалов Международной научно-практической конференции, Воронеж, 17-18 мая 2023 года. - Воронеж: ФКОУ Воронежский институт ФСИН России, Издательство «Строки», 2023. - С. 581-583.

60. Рудаков, И. В. Исследование перцептивных хеш-функций изображений / И. В. Рудаков, И. М. Васютович. - Текст : непосредственный // Наука и образование: научное издание МГТУ им. Н.Э. Баумана. - 2015. - № 8. - С. 269280. - DOI 10.7463/0815.0800596.

61. Свидетельство о государственной регистрации программы для ЭВМ № 2016615903 Российская Федерация. Антифишинг - сервис контроля и повышения осведомленности пользователей : № 2016613874 : заявл. 07.04.2016 : опубл. 02.06.2016 / С. А. Волдохин, А. В. Богданов. - Текст : непосредственный.

62. Селищев, А. Д. Разработка программно-математического обеспечения системы информационноаналитического мониторинга фишинговых атак / А. Д. Селищев. - Текст : непосредственный // Инновационные научные исследования. -2020. - № 12-2(2). - С. 33-39. - DOI 10.5281/zenodo.4442510.

63. Скиба, А. С. Разработка социальной сети для художников с возможностью проверки на плагиат / А. С. Скиба, Н. В. Размочаева. - Текст : непосредственный // Наука настоящего и будущего. - 2019. - Т. 1. - С. 109-113.

64. Смирнов В. А. Метод определения степени визуального сходства web -страниц для обнаружения фейковых сайтов организаций / В. А. Смирнов. - Текст

: непосредственный // Вестник РГГУ. Серия «Информатика. Информационная безопасность. Математика». - 2024. - №3. - С. 104-122. - 001: 10.28995/2686-679Х-2024-3-104-122

65. Смирнов, В. А. Повышение точности поиска фейковых доменных имен с использованием метода сегментации слов / В. А. Смирнов. - Текст : непосредственный // Вестник Воронежского института МВД России. - 2024. - № 1. - С. 115-126.

66. Смирнов, В. А. Услуги защиты бренда на рынке средств защиты информации / В. А. Смирнов. - Текст : непосредственный // Молодежная наука в XXI веке: традиции, инновации, векторы развития : материалы VII Международной научно-исследовательской конференции, Оренбург, 25-26 апреля 2024 года. - Оренбург: Приволжский государственный университет путей сообщения, 2024. - С. 580-586.

67. Способ оценивания защищенности информационных ресурсов автоматизированных систем управления специального назначения / В. О. Волосенков, А. В. Морозов, С. Н. Бужлаков, И. В. Мажара. - Текст : непосредственный // 1-теШоёв. - 2019. - Т. 11, № 3. - С. 1-6.

68. Сулейманов, А. А. Оценка вероятности поражения критичного документа при многоходовых социоинженерных атаках / А. А. Сулейманов, М. В. Абрамов, А. Л. Тулупьев. - Текст : непосредственный // Международная конференция по мягким вычислениям и измерениям. - 2018. - Т. 1. - С. 130-133.

69. Сулейменова, Р. Д. Новый вид кибермошенничества - фишинг: рекомендации по избежанию / Р. Д. Сулейменова, М. Е. Кышко, В. В. Руденко // Наукосфера. - 2023. - № 5-1. - С. 328-333.

70. Сумин, В. И. Оценка показателей защищенности системы физической защиты / В. И. Сумин, С. А. Поздняков, А. С. Потапов. - Текст : непосредственный // Техника и безопасность объектов уголовно-исполнительной системы : сборник материалов Международной научно-практической конференции, Воронеж, 03-04 октября 2013 года. - Воронеж: Издательско-полиграфический центр "Научная книга", 2013. - С. 234-235.

71. Трофимов, Р. В. Фейк как некритическое восприятие информации / Р. В. Трофимов. - Текст : непосредственный // Вестник Московского государственного лингвистического университета. Гуманитарные науки. - 2023. - № 10(878). - С. 113-118. - DOI 10.52070/2542-2197_2023_10_878_113.

72. Тюрин, И. С. Система поиска структурных и функциональных изменений веб-ресурса / И. С. Тюрин. - Текст : непосредственный // Региональная информатика (РИ-2020) : XVII Санкт-Петербургская международная конференция. Материалы конференции, Санкт-Петербург, 28-30 октября 2020 года. Том Часть 2. - Санкт-Петербург: Региональная общественная организация "Санкт-Петербургское Общество информатики, вычислительной техники, систем связи и управления", 2020. - С. 194-195.

73. Федеральная служба по техническому и экспортному контролю. Банк данных угроз безопасности информации - URL: https://bdu.fstec.ru/ (дата обращения: 22.07.2025). - Текст : электронный.

74. Федеральный закон от 21.11.2011 N 323-ФЗ "Об основах охраны здоровья граждан в Российской Федерации" - URL: https://www.consultant.ru/document/cons_doc_LAW_121895/ (дата обращения: 22.07.2025). - Текст : электронный.

75. Федеральный закон от 29.12.2012 N 273-ФЗ "Об образовании в Российской Федерации" - URL: https://www.consultant.ru/document/cons_doc_LAW_140174/ (дата обращения: 22.07.2025). - Текст : электронный.

76. Харченко, С. С. Проблемы распознавания схожих изображений / С. С. Харченко, К. А. Качалов. - Текст : непосредственный // Электронные средства и системы управления. Материалы докладов Международной научно-практической конференции. - 2022. - № 1-2. - С. 189-191.

77. Ходашинский, И. А. Выявление вредоносного сетевого трафика на основе ансамблей деревьев решений / И. А. Ходашинский, В. А. Дель, А. Е. Анфилофьев. - Текст : непосредственный // Доклады Томского государственного

университета систем управления и радиоэлектроники. - 2014. - № 2(32). - С. 202206.

78. Ц7. Инфраструктура кибербезопасности. Национальный проект «Экономика данных и цифровая трансформация государства». - URL: https://digital.gov.ru/en/activity/czifrovizacziya-gosudarstva/vedomstvennyj-proektnyj-ofis-vpo/administrirovanie-i-soprovozhdenie-ispolneniya-naczionalnogo-proekta-ekonomika-dannyh-i-czifrovaya-transformacziya-gosudarstva/cz7-infrastruktura-kiberbezopasnosti (дата обращения: 22.07.2025). - Текст : электронный.

79. Чернышева, А. В. Фишинг как угроза современному информационному обществу / А. В. Чернышева, С. И. Самойлов // Научный потенциал. - 2021. - № 3(34). - С. 131-136.

80. Чугунова, Н. Ю. Продвижение сайта компании: структурный аспект / Н. Ю. Чугунова. - Текст : непосредственный // За нами будущее: взгляд молодых ученых на инновационное развитие общества : сборник научных статей Всероссийской молодежной научной конференции : в 4 т., Курск, 05 июня 2020 года. Том 1. - Курск: Юго-Западный государственный университет, 2020. - С. 289-294.

81. Шатырко, А. В. Перспективы применения "отрицательного трансферта" для сглаживания уровня регионального неравенства / А. В. Шатырко. - Текст : непосредственный // Региональная экономика. Юг России. - 2013. - № 2(2). - С. 203-209.

82. Шевченко, В. Д. Анализ методов компьютерного зрения для выявления запрещенной символики на изображениях в сети Интернет / В. Д. Шевченко, А. Н. Марьенков, А. А. Ханова. - Текст : непосредственный // Прикаспийский журнал: управление и высокие технологии. - 2022. - № 2(58). - С. 9-18. - DOI 10.54398/20741707_2022_2_9.

83. Штомпель, И. Безопасный Интернет с помощью Mozilla Firefox / И. Штомпель. - Текст : непосредственный // Системный администратор. - 2011. - № 3(100). - С. 36-41.

84. Щеглов, К. А. Математические модели эксплуатационной информационной безопасности / К. А. Щеглов, А. Ю. Щеглов. - Текст : непосредственный // Вопросы защиты информации. - 2014. - № 3(106). - С. 52-65.

85. Ahmed, D. S. Phishing Websites Detection Model based on Decision Tree Algorithm and Best Feature Selection Method / D. S. Ahmed, Assist. Prof. Dr. K. Q. Hussein , H. A. A. A. Allah. - Text : direct // Turkish Journal of Computer and Mathematics Education (TURCOMAT) - 2022 - Vol. 13(1) - pp. 100-107.

86. Al-Hagree, S. An Improved N-gram Distance for Names Matching / S. Al-Hagree, M. Al-Sanabani, M. Hadwan, M. A. Al-Hagery. - Text : direct // 2019 First International Conference of Intelligent Computing and Engineering (ICOICE) - 2019 -pp. 1-7 - DOI: 10.1109/IC0ICE48418.2019.9035154

87. Almomani, A. Phishing Website Detection With Semantic Features Based on Machine Learning Classifiers: A Comparative Study / Almomani, M. Alauthman, M. T. Shatnawi, M. Alweshah, A. Alrosan, W. Alomoush, B. Gupta. - Text : direct // International journal on Semantic Web and information systems - 2022 - Vol. 18, No 1 - pp. 1-24 - https://doi.org/10.4018/IJSWIS.297032.

88. Anitha, A. Identifying Phishing Websites Through URL Parsing / A. Anitha, K. S. Gudivada, Rakshitha Lakshmi M.K, S. Kumari, C R C Usha. - Text : direct // International Journal of Engineering Research and Technology (IJERT) - May 2019 -Vol. 08, Issue 05 - pp. 946-950. - DOI: 10.17577/IJERTV8IS050429

89. Bharuka, V. Phishing Detection Using Machine Learning Algorithm / V. Bharuka, A. Almeida, S. Patil. - Text : direct // International Journal of Scientific Research in Computer Science, Engineering and Information Technology - MarchApril 2024 - Vol. 10 No. 2 - pp. 343-349 - doi: https://doi.org/10.32628/CSEIT2410228

90. Boytsov, L. Indexing Methods for Approximate Dictionary Searching: Comparative Analysis / L. Boytsov. - Text : direct // Journal of Experimental Algorithmics (JEA). - May 2011. - Vol. 16 - pp. 1.1.-1.91 -doi: 10.1145/1963190.1963191.

91. Butnaru, A. Towards Lightweight URL-Based Phishing Detection / . Butnaru, A. Mylonas, N. Pitropakis. - Text : direct // Future Internet. - 2021 - vol. 13(6) - pp. 115 - DOI: 10.3390/fi13060154

92. Chatterjee, M. Deep Reinforcement Learning for Detecting Malicious Websites / M. Chatterjee, A. S. Namin - 2019 - URL: https://arxiv.org/pdf/1905.09207.pdf (usage date: 22.07.2025) -Text : electronic.

93. Common Attack Pattern Enumeration and Classification (CAPEC) is a list of software weaknesses. CAPEC-630: TypoSquatting - URL: https://capec.mitre.org/data/definitions/630.html (usage date: 22.07.2025). - Text : electronic.

94. Deacon, A. Phishing attacks: newly registered domains still a prominent threat / A. Deacon - URL:https://dnsrf.org/blog/phishing-attacks--newly-registered-domains-still-a-prominent-threat/index.html (usage date: 22.07.2025). - Text : electronic.

95. Deshpande, A. Detection of Phishing Websites using Machine Learning / A. Deshpande, O. Pedamkar, N. Chaudhary, Dr. S. Borde. - Text : direct // International Journal of Engineering Research and Technology (IJERT) May 2021 -Volume 10, Issue 05 - pp. 430-434. - DOI : 10.17577/IJERTV10IS050235

96. Doke, T. Phishing-Inspector: Detection & Prevention of Phishing Websites / T. Doke, P. Khismatrao, V. Jambhale, N. Marathe // International Conference on Automation, Computing and Communication - 2019 - vol. 32 - pp. 1-6 - DOI: 10.1051/itmconf/20203203004 (usage date: 22.07.2025). - Text : electronic.

97. Federal Bureau of Investigation. Internet Crime Report 2021 - URL: https://www.ic3.gov/Media/PDF/AnnualReport/2021_IC3Report.pdf (usage date: 22.07.2025). - Text : electronic.

98. Fei, M. Real-time visual tracking based on improved perceptual hashing / M. Fei, Zh. Ju, X. Zhen, J. Li // Multimedia Tools and Applications. - 2017 - Vol. 76. - pp. 4617-4634 - DOI: 10.1007/s11042-016-3723-5. - URL: https://pure.port.ac.uk/ws/files/4474930/Real_time_Visual_Tracking_Based_on_Impro ved_Perceptual_Hashing_Revised_.pdf (usage date: 22.07.2025). - Text : electronic.

99. Ferreira, R. P. Artificial Neural Network for Websites Classification with Phishing Characteristics / R. P. Ferreira, A. Martiniano, D. M. Napolitano, M. Romero, D. Gatto, E. Farias, R. Sassi. - Text : direct // Social Networking. - 2018 - Vol.7 No.2 -pp. 97-109 - DOI: 10.4236/sn.2018.72008

100. FTC Data Show Romance Scams Hit Record High; $547 Million Reported Lost in 2021 - URL: https://www.ftc.gov/news-events/news/press-releases/2022/02/ftc-data-show-romance-scams-hit-record-high-547-million-reported-lost-2021 (usage date: 22.07.2025). - Text : electronic.

101. GitHub - atenreiro/opensquat: The openSquat is an open-source tool for detecting domain look-alikes by searching for newly registered domains that might be impersonating legit domains and brands - URL: https://github.com/atenreiro/opensquat (usage date: 22.07.2025). - Text : electronic.

102. GitHub - elceef/dnstwist: Domain name permutation engine for detecting homograph phishing attacks, typo squatting, and brand impersonation - URL: https://github.com/elceef/dnstwist (usage date: 22.07.2025). - Text : electronic.

103. Hamming, R. W. Error detecting and error correcting codes / R. W. Hamming. - Text : direct // The Bell system technical journal - 1950 - Vol. XXIX, No. 2 - pp. 147-160. - DOI: 10.1002/j.1538-7305.1950.tb00463.x

104. Hara, M. Visual similarity-based phishing detection without victim site information / M. Hara, A. Yamada, Y. Miyake. - Text : direct // Proceedings of the IEEE Symposium on Computational Intelligence in Cyber Security. - 2009 - pp. 30-36 - DOI: 10.1109/CICYBS.2009.4925087.

105. Jain, A. K. Towards detection of phishing websites on client-side using machine learning based approach / A. K. Jain, B. B. Gupta. - Text : direct // Telecommunication Systems. - 2018 - vol. 68, no. 4 - pp. 687-700.

106. Khatun M. An Approach to Detect Phishing Websites with Features Selection Method and Ensemble Learning / M. Khatun, MD A. I. Mozumder, MD N. H. Polash, MD R. Hasan, K. Ahammad, MD S. Shaiham. - Text : direct // International Journal of Advanced Computer Science and Applications (IJACSA). - 2022 - Volume 13 Issue 8 - pp. 768-775 - DOI: 10.14569/IJACSA.2022.0130888

107. Landau, G. M. Fast Parallel and Serial Approximate String Matching / G. M. Landau, U. Vishkin. - Text : direct // Journal of Algorithms. - 1989 - Vol. 10, No. 2 -pp. 157-169 - doi:10.1016/0196-6774(89)90010-2

108. Liu, D. An Efficient Multistage Phishing Website Detection Model based on the CASE Feature Framework: Aiming at the Real Web Environment / D. Liu, G.-G. Geng, X.-B Jin, W. Wang // Computers & Security. - November 2021 - Vol. 110 -DOI: 10.1016/j.cose.2021.102421. - URL: https://www.sciencedirect.com/science/article/pii/S0167404821002455 (usage date: 22.07.2025). - Text : electronic.

109. Mahmood, A. Detection of Phishing Sites Using Machine Learning Techniques / A. Mahmood, V. Pandey, R. Raj, G. S. Mishra. - Text : direct // International Research Journal on Advanced Engineering Hub (IRJAEH). - February 2024 - Vol. 02 Issue: 02 - pp. 210 - 219.

110. Mohamed, G. An Effective and Secure Mechanism for Phishing Attacks Using a Machine Learning Approach / G. Mohamed, J. Visumathi, M. Mahdal, J. Anand, M. Elangovan // Processes. - 2022. - Vol. 10 (7) - DOI: https://doi.org/10.3390/pr10071356 - URL: https://www.mdpi.com/2227-9717/10/7/1356 (usage date: 22.07.2025). - Text : electronic.

111. Mohammad, R. Phishing Websites (Donated on 3/25/2015) / R. Mohammad, L. McCluskey. - Text : electronic // UCI Machine Learning Repository - URL: https://archive.ics.uci.edu/dataset/327/phishing+websites (usage date: 22.07.2025).

112. More than £2.3bn lost in a year as scams surge during pandemic - URL: https://www.theguardian.com/money/2021/jul/15/more-than-23bn-lost-in-a-year-as-scams-surge-during-pandemic (usage date: 22.07.2025). - Text : electronic.

113. Mourtaji, Y. Hybrid Rule-Based Solution for Phishing URL Detection Using Convolutional Neural Network / Y. Mourtaji, M. Bouhorma, D.M. Alghazzawi, G. Aldabbagh, A. Alghamdi // Wireless Communications and Mobile Computing. - 2021. - URL: https://onlinelibrary.wiley.com/doi/10.1155/2021/8241104 (usage date: 22.07.2025). - Text : electronic.

114. Mtetwa, N. Feature selection for an SVM based webpage classifier / N. Mtetwa, M. Yousefi, V. Reddy. - Text : direct // IEEE 4th International Conference on Soft Computing & Machine Intelligence (ISCMI). - 2017 - pp. 85-88 - DOI: 10.1109/ISCMI.2017.8279603

115. Number of unique phishing sites detected worldwide from 3rd quarter 2013 to 1st Quarter 2021 - URL: https://www.statista.com/statistics/266155/number-of-phishing-domain-names-worldwide/ (usage date: 22.07.2025). - Text : electronic.

116. OpenCV: Template Matching - URL: https://docs.opencv.org/3.4/de/da9/tutorial_template_matching.html (usage date: 22.07.2025). - Text : electronic.

117. Pagadala, K. Detecting Phishing sites Without Visiting them / K. Pagadala. -2022. - URL: https://arxiv.org/pdf/2205.05121 (usage date: 22.07.2025). - Text : electronic.

118. Phishing Activity Trends Report, 1st Quarter 2025 - URL: https://docs.apwg.org/reports/apwg_trends_report_q1_2025.pdf (usage date: 22.07.2025). - Text : electronic.

119. PhishTank. Join the fight against phishing - https://phishtank.org/ (usage date: 28.01.2022). - Text : electronic.

120. Pratiwi, M. E. Phishing Site Detection Analysis Using Artificial Neural Network / M. E. Pratiwi, T. A. Lorosae, F. W. Wibowo // Journal of Physics: Conference Series 1140. - 2018. - URL: https:// iopscience.iop.org/article/10.1088/1742-6596/1140/1/012048 (usage date: 22.07.2025). - Text : electronic.

121. Priya, R. An Ideal Approach for Detection of Phishing Attacks using Naive Bayes Classifier / R. Priya. - Text : direct // International Journal of Computer Trends and Technology (IJCTT). - October 2016 - Vol. 40 No. 2 - pp. 84-87.

122. Roy, S. S. Generating Phishing Attacks using ChatGPT / S. S. Roy, K. V. Naragam, Sh. Nilizadeh. - 2023 - URL: https://arxiv.org/abs/2305.05133 (usage date: 28.01.2024). - Text : electronic.

123. Scam statistics. Scamwatch. Australian Competition and Consumer Commission (ACCC). - URL: https://www.scamwatch.gov.au/scam-statistics (usage date: 28.01.2024). - Text : electronic.

124. Thakur, H. Logo Image Based Approach for Phishing Detection / H. Thakur, K. Supreet // An International Journal of Engineering Sciences. - 2016 - pp. 129-139 -URL: https://ijoes.vidyapublications.com/paper/Vol21/14-Vol21.pdf (usage date: 28.01.2024). - Text : electronic.

125. The true cost of phishing attacks - URL: https://www.maddyness.com/uk/2022/12/06/the-true-cost-of-phishing-attacks/ (usage date: 22.07.2025). - Text : electronic.

126. Ukkonen, E. Algorithms for approximate string matching / E. Ukkonen. -Text : direct // International Control 64. - 1985 - pp. 100-118.

127. W3C HTML 5.2 - URL: https://html.spec.whatwg.org/multipage/ (usage date: 22.07.2025). - Text : electronic.

128. Wang, W. PDRCNN: Precise Phishing Detection with Recurrent Convolutional Neural Networks / W. Wang, F. Zhang, X. Luo, S. Zhang // Security and Communication Networks. - 2019 - pp. 1-15 - DOI: 10.1155/2019/2595794. - URL: https://onlinelibrary.wiley.com/doi/10.1155/2019/2595794 (usage date: 22.07.2025). -Text : electronic.

129. Weka 3 - Data Mining with Open Source Machine Learning Software in Java - URL: https://ml.cms.waikato.ac.nz/weka/ (usage date: 22.07.2025). - Text : electronic.

130. Widiyanto, W. W. Searching Similarity Digital Image Using Color Histogram / W. W. Widiyanto, Kusrini, H. A. Fatta. - Text : direct // Techno (Jurnal Fakultas Teknik, Universitas Muhammadiyah Purwokerto). - 2019 - Vol.20, No.1 - pp. 53-64. - DOI: 10.30595/techno.v20i1.3818.

131. Winkler, W. E. String Comparator Metrics and Enhanced Decision Rules in the Fellegi-Sunter Model of Record Linkage / W. E. Winkler. - Text : direct // Proceedings of the Section on Survey Research Methods, American Statistical Association. - 1990 - pp. 354-359.

132. Wu, K. Application of machine learning to identify Counterfeit Website / K. Wu, S. Chou, S. Chen, C. Tsai, S. Yuan. - Text : direct // In Proceedings of the 20th International Conference on Information Integration and Web-based Applications & Services (iiWAS2018) - Association for Computing Machinery, New York, NY, USA, 2018 - pp. 321-324 - DOI: https://doi.org/10.1145/3282373.3282407

133. Yadav, N. Phishing Detection System for Web Application / Dr. N. Yadav, R. Fernando, S. Rana. - 2023. - URL: https://www.researchgate.net/publication/374004998_Phishing_Detection_System_for_ Web_Application (usage date: 29.04.2024). - Text : electronic.

134. Yasin, A. Abuhasan, An Intelligent Classification Model for Phishing Email Detection / A. Yasin, A. Abuhasan. - Text : direct // International Journal of Network Security & Its Applications (IJNSA). - July 2016 - Vol. 8, No. 4 - pp. 55-72 - DOI: 10.5121/ijnsa.2016.8405

Приложение А. Список научных публикаций, в которых изложены основные

научные результаты диссертации

1. Смирнов В. А. Повышение точности поиска фейковых доменных имен с использованием метода сегментации слов / В. А. Смирнов. - Текст : непосредственный // Вестник Воронежского института МВД России. - 2024. - № 1. - С. 115-126. - EDN QWPAPP (Перечень ВАК, K3).

2. Смирнов В. А. Метод определения степени визуального сходства web-страниц для обнаружения фейковых сайтов организаций / В. А. Смирнов. - Текст : непосредственный // Вестник РГГУ. Серия «Информатика. Информационная безопасность. Математика». - 2024. - №3. - С. 104-122. - DOI: 10.28995/2686-679X-2024-3-104-122 (Перечень ВАК, K3).

3. Смирнов В. А., Привалов А. Н. Метод обнаружения фейковых сайтов на основе нечеткого сравнения строк / В. А. Смирнов, А. Н. Привалов. - Текст : непосредственный // Телекоммуникации. - 2024. - № 9. - С. 22-32. - DOI 10.31044/1684-2588-2024-0-9-22-32 (Перечень ВАК, K2).

4. Privalov A.N., Smirnov V.A. Detection of Fake Educational Sites Using Fuzzy String Match / A. N. Privalov, V. A. Smirnov. - Text : direct // 2022 2nd International Conference on Technology Enhanced Learning in Higher Education (TELE). Lipetsk, 2022. pp. 31-36. DOI: 10.1109/TELE55498.2022.9800955 (проиндексирована в Scopus).

5. Privalov A.N., Smirnov V.A. Development of a Software Tool for Searching Fake Educational Domain Names / A. N. Privalov, V. A. Smirnov. - Text : direct // 2023 3rd International Conference on Technology Enhanced Learning in Higher Education (TELE). Lipetsk, 2023. pp. 270-275. DOI: 10.1109/TELE58910.2023.10184377 (проиндексирована в Scopus).

6. Privalov A.N., Smirnov V.A. Verification of Genuineness of Educational Internet Resources Using Machine Learning Methods / A. N. Privalov, V. A. Smirnov. - Text : direct // 2024 4th International Conference on Technology Enhanced Learning in Higher Education (TELE). Lipetsk, 2024. pp. 407-411. DOI: 10.1109/TELE62556.2024.10605635 (проиндексирована в Scopus).

7. Привалов А. Н., Смирнов В. А. Информационная система управления данными мониторинга фейковых доменных имен / А. Н. Привалов, В. А. Смирнов. - Текст : непосредственный // Известия Тульского государственного университета. Технические науки. - 2023. - № 2. - С. 97-104. -001: 10.24412/2071-6168-2023-2-97-105. - БЭК БЛТОЛ (Перечень ВАК, К2).

8. Привалов А. Н., Смирнов В. А. Метод нечеткого сравнения строк для обнаружения фейковых сайтов / А. Н. Привалов, В. А. Смирнов. - Текст : непосредственный // Известия Тульского государственного университета. Технические науки. - 2022. - № 2. - С. 184-191. - Э01: 10.24412/2071-6168-20222-184-191. - БЭК ^ТТСЛХ (Перечень ВАК, К2).

9. Привалов А. Н., Смирнов В. А. Поиск фейковых сайтов с использованием метода определения визуального сходства страниц / А. Н. Привалов, В. А. Смирнов. - Текст : непосредственный // Известия Тульского государственного университета. Технические науки. - 2022. - № 9. - С. 260-265. -Э01: 10.24412/2071-6168-2022-9-260-265. - БЭК ЬББ^™ (Перечень ВАК, К2).

10. Привалов А. Н., Смирнов В. А. Проверка подлинности сайта организации с использованием методов машинного обучения / А. Н. Привалов, В. А. Смирнов. - Текст : непосредственный // Эргодизайн. - 2022. - № 4(18). - С. 267-274. - Э01: 10.30987/2658-4026-2022-4-267-274. - БЭК БРЕШУ (Перечень ВАК, К2).

11. Смирнов В. А. Особенности реализации программного средства для анализа фейковой активности / В. А. Смирнов. - Текст : непосредственный // Наука и практика - 2023 : Материалы Всероссийской междисциплинарной научной конференции, Астрахань, 13-17 ноября 2023 года. - Астрахань: Астраханский государственный технический университет, 2024. - С. 587-589. -БЭК иОХБХУ.

12. Смирнов В. А. Использование доменной почты организациями высшего образования как средство профилактики киберпреступлений / В. А. Смирнов. -Текст : непосредственный // Уголовно-процессуальное и технико-криминалистическое обеспечение для борьбы с киберпреступлениями в

современном обществе : Материалы II Всероссийской научно-практической конференции, Тамбов, 07 декабря 2023 года. - Тамбов: Издательство "Перо", 2023. - С. 266-271. - БЭК ННТОУО.

13. Смирнов В. А. Востребованность программного средства обеспечения защиты от угроз фейковых сайтов организации / В. А. Смирнов. - Текст : непосредственный // Вызовы цифровой экономики: технологический суверенитет и экономическая безопасность : Сборник статей VI Всероссийской научно-практической конференции с международным участием, Брянск, 19 мая 2023 года. - Брянск: Федеральное государственное бюджетное образовательное учреждение высшего образования "Брянский государственный инженерно-технологический университет", 2023. - С. 572-576. - БЭК ОЬОиУУ.

14. Смирнов В. А., Привалов А. Н. Проектирование базы данных реестра фейковых сайтов организаций / В. А. Смирнов, А. Н. Привалов. - Текст : непосредственный // Информатика: проблемы, методы, технологии : материалы XXIII Международной научно-практической конференции им. Э.К. Алгазинова, Воронеж, 15-17 февраля 2023 года. - Воронеж: Воронежский государственный университет, 2023. - С. 657-664. - БЭК ОАРОБМ.

15. Привалов А. Н., Смирнов В. А. Структура программного средства защиты от угроз фейковых сайтов организации / А. Н. Привалов, В. А. Смирнов. -Текст : непосредственный // Современное образование: проблемы и перспективы : сборник научных трудов по материалам Международной научно-практической конференции, Саранск, 25-26 апреля 2022 года. - Саранск: Мордовский государственный педагогический университет имени М.Е. Евсевьева, 2022. - С. 28. - БЭК VBVMHX.

16. Смирнов В. А. Поиск микроразметки на страницах как способ верификации подлинности сайта организации / В. А. Смирнов. - Текст : непосредственный // Международная научно-техническая конференция молодых ученых БГТУ им. В.Г. Шухова, посвященная 300-летию Российской академии наук : Сборник докладов Национальной конференции с международным участием, Белгород, 18-20 мая 2022 года. Том Часть 13. - Белгород: Белгородский

государственный технологический университет им. В.Г. Шухова, 2022. - С. 377382. - БЭК КБТШУ.

17. Привалов А. Н., Смирнов В. А. Методика проверки подлинности веб-ресурсов / А. Н. Привалов, В. А. Смирнов. - Текст : непосредственный // Современная наука: проблемы и перспективы развития : сборник статей VI Международной научно-практической конференции : в 2 ч., Омск, 28 февраля 2022 года. Том Часть 2. - Омск: Омская гуманитарная академия, 2022. - С. 43-48. - БЭК ББМИМХ.

18. Привалов А. Н., Смирнов В. А. Предупреждение преступлений с использованием средства проверки подлинности web-ресурсов / А. Н. Привалов, В. А. Смирнов. - Текст : непосредственный // Преступность в сфере информационных и телекоммуникационных технологий: проблемы предупреждения, раскрытия и расследования преступлений. - 2022. - № 8. - С. 92-97. - БЭК ББКСТО.

19. Привалов А. Н., Смирнов В. А. Метод решения проблемы фейковых сайтов организации / А. Н. Привалов, В. А. Смирнов. - Текст : непосредственный // Компьютерная интеграция производства и ИПИ-технологии : Сборник материалов X Всероссийской конференции, Оренбург, 18-19 ноября 2021 года. -Оренбург: Оренбургский государственный университет, 2021. - С. 182-186. -БЭК ООУИЬХ.

20. Привалов А. Н., Смирнов В. А. К вопросу обнаружения фейковых сайтов / А. Н. Привалов, В. А. Смирнов. - Текст : непосредственный // Современные проблемы физико-математических наук : Материалы VII Всероссийской научно-практической конференции с международным участием, Орел, 18-21 ноября 2021 года / Под общей редакцией Т.Н. Можаровой. - Орел: Орловский государственный университет имени И.С. Тургенева, 2021. - С. 384391. - БЭК СУБКУЬ.

Приложение Б. Угрозы безопасности информации, связанные с поддельными

сайтами организации

Таблица Б.1 - Угрозы безопасности информации, связанные с поддельными

сайтами организации

Угроза Нарушители Объект Способы Негативн Сценарий

(источники ы реализации ые реализации

угрозы) воздейс угроз последств угрозы

твия ия

УБИ.019 Системные Сетевой использование Нарушение 1. Нарушитель

Угроза администрато узел, уязвимостей конфиденц генерирует ответы

заражени ры и сетевое (уязвимостей иальности на запросы БКБ-

я DNS- администрато програм кода сервера

кеша ры мное (программного организации таким

безопасности, обеспече обеспечения), образом, чтобы

отдельные ние, уязвимостей при вводе

личности, сетевой архитектуры и доменного имени

склонные к трафик конфигурации подлинного сайта

девиантному систем и сетей, осуществлялось

(в том числе а также перенаправление

деструктивно организационн пользователя/ей на

мУ) ых и поддельный сайт;

поведению, многофакторн 2. Пользователь

криминальны ых вводит свои

е и уязвимостей). идентификационн

преступные ые данные;

организации, 3.

хакерские Идентификационн

группировки, ая информация

террористиче оказывается у

ские, нарушителя.

экстремистск ие

организации,

специальные

службы

иностранных

государств

УБИ.042 Системные Сетевой 1) Нарушение 1. Сотруднику

Угроза администрато узел, использование конфиденц компании

межсайт ры и сетевое уязвимостей иальности, отправляется

овой администрато програм (уязвимостей Нарушение ссылка на

подделки ры мное кода целостност поддельный сайт,

запроса безопасности, обеспече (программного и, содержащий

криминальны ние обеспечения), Нарушение вредоносный

е и уязвимостей доступност скрипт;

преступные архитектуры и и 2. В виду доверия

организации, конфигурации к сайту

хакерские систем и сетей, организации,

группировки, а также пользователь

террористиче организационн разрешает

ские, ых и выполнение

экстремистск многофакторн сайтом активного

ие ых содержимого;

организации, уязвимостей); 3. Производятся

специальные 2) внедрение неправомерные

службы вредоносного вредоносные

иностранных программного действия от имени

государств обеспечения; дискредитированн

3) установка ого пользователя

программных и (в том числе,

(или) отправка писем,

программно- атака на

аппаратных информационные

закладок в ресурсы

программное организации и

обеспечение и т.д.).

(или)

программно-

аппаратные

средства.

УБИ.127 Системные Приклад 1) Нарушение 1. Сотруднику

Угроза администрато ное использование конфиденц компании

подмены ры и програм уязвимостей иальности, отправляется

действия администрато мное (уязвимостей Нарушение ссылка на

пользова ры обеспече кода целостност поддельный сайт,

теля безопасности, ние, (программного и, содержащий

путём криминальны сетевое обеспечения), Нарушение ложную

обмана е и програм уязвимостей доступност информации о

преступные мное архитектуры и и необходимости

организации, обеспече конфигурации выполнить

хакерские ние, систем и сетей, определенные

группировки, сотрудн а также инструкции;

террористиче ик организационн 2. В виду доверия

ские, организа ых и к сайту

экстремистск ции многофакторн организации,

ие ых пользователь

организации, уязвимостей); выполняет

специальные 2) ошибочные инструкции,

службы действия в ходе указанные на

иностранных создания и поддельном сайте;

государств эксплуатации 3. Производятся

систем и сетей, неправомерные

в том числе вредоносные

при установке, действия от имени

настройке дискредитированн

программных и ого пользователя

программно- (в том числе,

аппаратных отправка писем,

средств. атака на

информационные

ресурсы

организации и

т.д.).

УБИ.135 Системные Системн 1) Нарушение 1. Пользователь

Угроза администрато ое использование конфиденц получает ссылку

потери и ры и програм уязвимостей иальности, на поддельный

утечки администрато мное (уязвимостей Нарушение сайт, который

данных, ры обеспече кода целостност сделан таким

обрабаты безопасности, ние, (программного и, образом, чтобы

ваемых в отдельные метадан обеспечения), Нарушение быть сходным со

облаке личности, ные, уязвимостей доступност входом в панель

склонные к объекты архитектуры и и управления

девиантному файлово конфигурации облачным

(в том числе й систем и сетей, сервисом;

деструктивно системы а также 2. Пользователь

му) организационн вводит свои

поведению, ых и идентификационн

криминальны многофакторн ые данные;

е и ых 3.

преступные уязвимостей); Идентификационн

организации, 2) нарушение ая информация

хакерские безопасности оказывается у

группировки, при поставках нарушителя.

террористиче программных,

ские, программно-

экстремистск аппаратных

ие средств и (или)

организации, услуг по

специальные установке,

службы настройке,

иностранных испытаниям,

государств пусконаладочн

ым работам (в

том числе

администриров

анию,

обслуживанию)

; 3) ошибочные

действия в ходе

создания и

эксплуатации

систем и сетей,

в том числе

при установке,

настройке

программных и

программно-

аппаратных

средств.

УБИ.159 Конкурент, Сетевой 1) Нарушение 1. Пользователь

Угроза системные узел, использование конфиденц допускает

«форсир администрато сетевое уязвимостей иальности опечатку в

ованного ры и програм (уязвимостей доменном имени

веб- администрато мное кода при ручном вводе

браузинг ры обеспече (программного ссылки в браузере,

а» безопасности, ние, обеспечения), и запрос поступает

отдельные сотрудн уязвимостей на сервер, где

личности, ик архитектуры и расположен

склонные к организа конфигурации поддельный сайт;

девиантному ции систем и сетей, 2. Владелец сайта,

(в том числе а также анализируя

деструктивно организационн поступившие

му) ых и запросы, получает

поведению, многофакторн информацию о

криминальны ых структуре

е и уязвимостей); служебных

преступные 2) ошибочные адресов сайта

организации, действия в ходе организации;

хакерские создания и 3. Владелец сайта

группировки эксплуатации производит

систем и сетей, запросы к тем же

в том числе ресурсам, к

при установке, которым

настройке обращался

программных и допустивший

программно- опечатку

аппаратных пользователь,

средств. заменив доменное

имя на домен

оригинального

сайта организации.

УБИ.167 Системные Сетевой 1) Нарушение 1. Сотруднику

Угроза администрато узел, использование конфиденц компании

заражени ры и сетевое уязвимостей иальности, отправляется

я администрато програм (уязвимостей Нарушение ссылка на

компьют ры мное кода целостност поддельный сайт,

ера при безопасности, обеспече (программного и, содержащий

посещен отдельные ние, обеспечения), Нарушение вредоносную

ии личности, сотрудн уязвимостей доступност программу;

неблагон склонные к ик архитектуры и и 2. В виду доверия

адёжных девиантному организа конфигурации к сайту

сайтов (в том числе ции систем и сетей, организации,

деструктивно а также пользователь

му) организационн разрешает

поведению, ых и загрузку и запуск

криминальны многофакторн вредоносной

е и ых программы;

преступные уязвимостей); 3. Производятся

организации, 2) внедрение неправомерные

хакерские вредоносного вредоносные

группировки, программного действия

террористиче обеспечения;

ские, 3) установка

экстремистск программных и

ие организации, специальные службы иностранных государств (или) программно-аппаратных закладок в программное обеспечение и (или) программно- аппаратные средства.

УБИ.175 Угроза «фишинг а» Системные администрато ры и администрато ры безопасности, отдельные личности, склонные к девиантному (в том числе деструктивно му) поведению, криминальны е и преступные организации, хакерские группировки, террористиче ские, экстремистск ие организации, специальные службы иностранных государств, бывшие (уволенные) работники (пользователи ) Рабочая станция, сетевое програм мное обеспече ние, сетевой трафик, сотрудн ик организа ции использование уязвимостей (уязвимостей кода (программного обеспечения), уязвимостей архитектуры и конфигурации систем и сетей, а также организационн ых и многофакторн ых уязвимостей) Нарушение конфиденц иальности 1. Пользователь получает ссылку на поддельный сайт; 2. Пользователь вводит свои идентификационн ые данные; 3. Идентификационн ая информация оказывается у нарушителя.

УБИ.174 Угроза «фармин га» Бывшие (уволенные) работники (пользователи ), системные администрато ры и администрато Рабочая станция, сетевое програм мное обеспече ние, сетевой 1) использование уязвимостей (уязвимостей кода (программного обеспечения), уязвимостей Нарушение конфиденц иальности 1. Имея доступ к маршрутизатору или БКБ-серверу, внутренний нарушитель настраивает его таким образом, чтобы сотрудники

ры трафик архитектуры и организации были

безопасности, конфигурации перенаправлены

отдельные систем и сетей, на поддельный

личности, а также сайт

склонные к организационн ИЛИ

девиантному ых и Внешний

(в том числе многофакторн нарушитель

деструктивно ых реализует

му) уязвимостей); внедрение

поведению, 2) внедрение программного

криминальны вредоносного обеспечения,

е и программного осуществляющего

преступные обеспечения; соответствующие

организации, 3) установка функции

хакерские программных и перенаправления

группировки, (или) на компьютеры

террористиче программно- сотрудников

ские, аппаратных организации.

экстремистск закладок в 2. Пользователь

ие программное вводит свои

организации, обеспечение и идентификационн

специальные (или) ые данные.

службы программно- ИЛИ

иностранных аппаратные Устанавливает

государств средства. шпионскую

программу в

соответствии с