<?xml version="1.0"?>
<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns:dc="http://purl.org/dc/elements/1.1/"><rdf:Description rdf:about="https://repozitorij.uni-lj.si/IzpisGradiva.php?id=135680"><dc:title>Analiza in detekcija kibernetskih napadov z lažnim predstavljanjem</dc:title><dc:creator>DOVŽAN   PEROVIĆ,	ANŽE	(Avtor)
	</dc:creator><dc:creator>Sedlar,	Urban	(Mentor)
	</dc:creator><dc:subject>kibernetska varnost</dc:subject><dc:subject>lažno predstavljanje</dc:subject><dc:subject>prevare</dc:subject><dc:subject>socialni inženiring</dc:subject><dc:subject>ribarjenje</dc:subject><dc:subject>e-pošta</dc:subject><dc:subject>strojno učenje</dc:subject><dc:subject>vtičnik</dc:subject><dc:description>V delu je uvodoma predstavljeno področje kibernetskih napadov, natančneje napadov ribarjenja ter vloge socialnega inženiringa pri uspešnosti tovrstnih napadov. V nadaljevanju je kratek pregled zgodovine ribarjenja ter znani napadi ribarjenja. Sledi predstavitev različnih tipov ribarjenja (e-poštno ribarjenje, ribarjenje preko klica ali SMS sporočila, ribarjenje preko socialnih medijev, itd.), izmed katerih je najbolj razširjeno ravno masovno e-poštno ribarjenje. Predstavljena je programska oprema za zaznavanje ter programska oprema za preprečevanje napadov ribarjenja. Podane so lastnosti, na podlagi katerih ločimo škodljiva e-poštna sporočila od neškodljivih ter njihova uporaba. Ker praktični del zajema v veliki meri tudi strojno učenje za zaznavanje škodljivih e-poštnih sporočil, je v delu večji poudarek na strojnem učenju kot orodju za prepoznavanje ribarjenja v e-poštnih sporočilih. Opisano je delovanje štirih algoritmov, in sicer naivni Bayes, odločitveno drevo, naključni gozd ter metoda podpornih vektorjev. Sledi praktični primer celotnega postopka zaznavanja ribarjenja v e-poštnih sporočilih preko implementacije algoritmov naivni Bayes in odločitveno drevo, ki sta namenjena grajenju napovednih modelov na podlagi podane baze e-poštnih sporočil. Osemdeset odstotkov baze podatkov je namenjenih učenju, dvajset odstotkov pa testiranju modelov. Oba algoritma zelo dobro klasificirata dana e-poštna sporočila iz baze podatkov. V nadaljevanju praktičnega dela je prikazana celotna izdelava vtičnika za e-poštni bralnik Thunderbird. Podana je nazorna arhitektura sistema ter prikaz delovanja vtičnika na škodljivih in neškodljivih e-poštnih sporočilih. Vmesnik  vtičnika uporabniku nudi nazoren pregled lastnosti ribarjenja v e-poštnih sporočilih preko dvanajstih semaforjev, ki s svojimi barvami nakazujejo na potencialno nevarnost ribarjanja zaradi posamezne vsebovane lastnosti v e-poštnem sporočilu. Delo je zaključeno s testiranjem razvitega vtičnika in predlogi za morebitne nadgradnje ter izboljšave.</dc:description><dc:date>2022</dc:date><dc:date>2022-03-25 11:30:00</dc:date><dc:type>Magistrsko delo/naloga</dc:type><dc:identifier>135680</dc:identifier><dc:language>sl</dc:language></rdf:Description></rdf:RDF>
