ПОДХОД НА ОСНОВЕ МАШИННОГО ОБУЧЕНИЯ ДЛЯ ОБНАРУЖЕНИЯ ВРЕДОНОСНЫХ ССЫЛОК В INSTAGRAM

Аннотация

С развитием социальных сетей и их глубокой интеграцией в повседневную жизнь такие широко используемые платформы, как Instagram, становятся все более уязвимыми для кибератак. Особенно в последние годы использование вредоносных ссылок превратилось в один из наиболее распространённых и опасных векторов атак, создавая серьёзные угрозы личным данным пользователей, их финансовой безопасности и целостности информационных систем. Подобные атаки часто направлены на обман пользователей с целью получения доступа к их аккаунтам, хищения конфиденциальной информации или распространения вредоносного программного обеспечения. Данное исследование ориентировано на выявление и снижение рисков, связанных с размещением вредоносных URL- адресов в биографиях, личных сообщениях и комментариях пользователей Instagram. Авторы подчёркивают, что традиционные методы фильтрации, такие как блокировка или сопоставление URL, оказываются недостаточными. Это связано с тем, что злоумышленники активно используют методы социальной инженерии, маскируя истинное назначение ссылок и вводя пользователей в заблуждение. Для решения этой проблемы предлагается гибридная система обнаружения, объединяющая методы машинного обучения (Random Forest, LightGBM, XGBoost) с эвристическим анализом. Система выполняет комплексный анализ различных параметров, классифицирует подозрительные ссылки и достигает высокой эффективности. Экспериментальные результаты показали, что точность классификации достигает 98%. Реализация в формате расширения для браузера позволяет пользователям быстро выявлять и отмечать потенциальные угрозы. В настоящее время система требует локальной установки, однако в дальнейшем планируется внедрение методов глубокого обучения, использование контекстной информации и полная автоматизация процессов. Таким образом, предложенный подход вносит значительный вклад в обеспечение кибербезопасности в социальных сетях и может стать прочной основой для построения масштабируемых систем мониторинга угроз.