В сборнике представлены научные публикации, посвященные вопросам развития экономической науки и права. В материалах сборника приведены результаты теоретических и прикладных изысканий представителей научного и образовательного сообщества в данной области. Предназначен для широкого круга читателей. Издание может быть полезно научным сотрудникам, преподавателям, студентам, аспирантам и всем, кто интересуется проблемами и перспективами социально-экономического развития и права России и зарубежья. Ответственность за приведенные в исследовании экономические данные несут авторы. Статьи представлены в авторской редакции.
This study investigates the application of decision trees for detecting phishing domains based on URL attributes. A logical classification algorithm searching for conjunctive patterns was applied to a dataset comprising 112 structural and server-related features. The decision tree model achieved an error rate of 3.26%. Key significant factors identified include the quantity of slashes in the URL (40.3%), domain activation time (16.8%), and directory length (14.06%). The results confirm the high efficiency and interpretability of rule-based machine learning for cybersecurity threat mitigation.
В статье рассматривается применение деревьев решений для обнаружения фишинговых доменов на основе атрибутов URL-адресов. Логический алгоритм классификации, осуществляющий поиск конъюнктивных закономерностей, был применен к набору данных, включающему 112 структурных и серверных признаков. Модель дерева решений достигла уровня ошибки 3,26%. Ключевыми значимыми факторами, выявленными в ходе исследования, стали: количество косых черт (слэшей) в URL-адресе (40,3%), время активации домена (16,8%) и длина каталога (14,06%). Полученные результаты подтверждают высокую эффективность и интерпретируемость методов машинного обучения на основе правил для минимизации угроз кибербезопасности.