КОНФЕРЕНЦІЇ ВНТУ електронні наукові видання, 
Контроль і управління в складних системах (КУСС-2024)

Розмір шрифта: 
Підвищення безпеки QR-кодів у мобільних додатках через AI захист від шахрайства та фішингу
Гліб Володимирович Середюк, Володимир Володимирович Гармаш

Остання редакція: 2024-12-08

Анотація


QR-коди стали важливим інструментом сучасних мобільних додатків, дозволяючи користувачам миттєво отримувати доступ до різноманітної інформації, здійснювати платежі, взаємодіяти з рекламними кампаніями та користуватися соціальними мережами. Така популярність QR-кодів сприяє їх швидкому поширенню, однак разом із тим підвищується ризик шахрайства та фішингових атак. Небезпечні QR-коди можуть містити посилання на фальшиві веб-сторінки, створені зловмисниками для збирання особистих даних користувачів або для перенаправлення на шкідливі ресурси, що загрожують безпеці даних та конфіденційності користувачів.

Ця робота зосереджена на дослідженні методів підвищення безпеки QR-кодів у мобільних додатках з використанням сучасних алгоритмів штучного інтелекту (AI), які здатні виявляти потенційно шкідливі QR-коди та захищати дані користувачів. Запропонований підхід передбачає використання кількох інструментів AI, таких як рекурентні нейронні мережі (RNN) для аналізу структури URL-адрес, алгоритми класифікації для верифікації легітимності доменів, а також автокодери для виявлення аномалій, що можуть свідчити про наявність шкідливих намірів. Розроблена система дозволяє вчасно виявляти та блокувати підозрілі QR-коди, запобігаючи можливим атакам на конфіденційність користувачів та зловживанню їхніми даними.

Додатково дослідження наголошує на важливості етапу збору та підготовки даних для навчання AI-моделей. Оскільки якість результатів залежить від повноти та якості навчальних даних, значна увага приділена розробці оптимальних методів збору та фільтрації інформації для забезпечення ефективності виявлення шкідливих елементів у QR-кодах. Використання штучного інтелекту для забезпечення безпеки QR-кодів є перспективним напрямком, який дозволяє розробникам мобільних додатків інтегрувати сучасні технології для захисту користувачів від шахрайства та фішингових атак. Цей підхід сприяє створенню безпечнішого цифрового середовища та підвищує довіру споживачів до мобільних технологій, підвищуючи загальну безпеку використання QR-кодів у повсякденному житті.


Ключові слова


штучний інтелект; фішинг; безпека; QR-кодів;аналіз URL;виявлення аномалій; нейронні мережі; мобільні додатки;

Посилання


1. Nguyen, H., & Paparrizos, J. Detecting Malicious URLs using Machine Learning Techniques, 2020.

2. Zou, D., & Pan, L. ,Deep Learning for Malicious URL Detection, 2019.

3. Sakurada, M., & Yairi, T., Anomaly Detection Using Autoencoders with Nonlinear Dimensionality Reduction, 2018.

4. Dabrowski, A., et al., QR Inception: Barcode Redirects for Embedded Phishing Attacks, 2017.