У роботі проаналізовано еволюцію методів виявлення фішингових атак у сучасних веборієнтованих інформаційних системах. Розглянуто обмеження класичних сигнатурних підходів та евристичного аналізу в умовах зростання поліморфних загроз. Обґрунтовано доцільність застосування методів машинного навчання, зокрема ансамблевих моделей та глибинних нейронних мереж, для детекції семантичних аномалій. Запропоновано концепцію гібридної архітектури системи захисту, що поєднує експертні правила для швидкої фільтрації та інтелектуальні алгоритми для аналізу невідомих векторів атак.

This paper analyzes the evolution of phishing attack detection methods in modern web-oriented information systems. The limitations of classical signature-based approaches and heuristic analysis in the context of growing polymorphic threats are examined. The feasibility of using machine learning methods, particularly ensemble models and deep neural networks, for detecting semantic anomalies is substantiated. A concept of a hybrid security system architecture is proposed, combining expert rules for rapid filtering and intelligent algorithms for analyzing unknown attack vectors.