1. ELARTU — Інституційний репозитарій ТНТУ імені Івана Пулюя
2. Матеріали конференцій, семінарів, читань
3. 2026
4. ⅩⅤ Міжнародна науково-технічна конференція ITSec: Безпека інформаційних технологій (2026)

Título :	Еволюція методів виявлення шкідливих URL: від евристик до трансформерних архітектур
Autor :	Венгерський, Петро Лесик, Володимир
Affiliation:	Львівський національний університет імені Івана Франка
Bibliographic description (Ukraine):	Венгерський П. Еволюція методів виявлення шкідливих URL: від евристик до трансформерних архітектур / Петро Венгерський, Володимир Лесик // ITSEC, 27-29 травня 2026 року. — Т. : ТНТУ, 2026. — С. 227–229.
Bibliographic reference (2015):	Венгерський П., Лесик В. Еволюція методів виявлення шкідливих URL: від евристик до трансформерних архітектур // ITSEC, Тернопіль, 27-29 травня 2026 року. 2026. С. 227–229.
Bibliographic citation (APA):	Venherskii, P., & Lesik, V. (2026). Evoliutsiia metodiv vyiavlennia shkidlyvykh URL: vid evrystyk do transformernykh arkhitektur. Proceedings of the 15th International Scientific and Technical Conference ITSec: Information Technology Security, 27-29 May 2026, Ternopil, 227-229. TNTU. [in Ukrainian].
Bibliographic citation (CHICAGO):	Venherskii P., Lesik V. (2026) Evoliutsiia metodiv vyiavlennia shkidlyvykh URL: vid evrystyk do transformernykh arkhitektur. Proceedings of the 15th International Scientific and Technical Conference ITSec: Information Technology Security (Tern., 27-29 May 2026), pp. 227-229 [in Ukrainian].
Is part of:	Матеріали ⅩⅤ Міжнародної науково-технічної конференції ITSec: Безпека інформаційних технологій, 2026 Proceedings of the 15th International Scientific and Technical Conference ITSec: Information Technology Security, 2026
Conference/Event:	ⅩⅤ Міжнародна науково-технічна конференція ITSec: Безпека інформаційних технологій
Journal/Collection:	Матеріали ⅩⅤ Міжнародної науково-технічної конференції ITSec: Безпека інформаційних технологій
Fecha de publicación :	27-may-2026
Date of entry:	27-ago-2026
Editorial :	ТНТУ TNTU
Place of the edition/event:	Тернопіль Ternopil
Temporal Coverage:	27-29 травня 2026 року 27-29 May 2026
UDC:	519.6 2
Number of pages:	3
Page range:	227-229
Start page:	227
End page:	229
URI :	http://elartu.tntu.edu.ua/handle/lib/53781
Copyright owner:	© Кафедра кібербезпеки Тернопільського національного технічного університету імені Івана Пулюя, 2026
References (Ukraine):	1. Sahoo D., Liu C., Hoi S.C.H. Malicious URL Detection using Machine Learning: A Survey. arXiv preprint. – 2017. – arXiv:1701.07179. – doi:10.48550/arXiv.1701.07179. 2. Aljabri M., Altamimi H., Albelali S., Al-Harbi M., Alhuraib H., Alotaibi N., Alahmadi A., Alhaidari F., Mohammad R., Salah K. Detecting Malicious URLs Using Machine Learning Techniques: Review and Research Directions. IEEE Access. – 2022. – doi:10.1109/ACCESS.2022.3222307. 3. Tian Y., Yu Y., Sun J., Wang Y. From Past to Present: A Survey of Malicious URL Detection Techniques, Datasets and Code Repositories. arXiv preprint. – 2025. – arXiv:2504.16449. – doi:10.48550/arXiv.2504.16449. 4. Dhotre A. Malicious URLs Detection using Lexical Features based on Machine Learning. IJSRD. – 2023. – Vol. 11, Issue 8. 5. Joshi A., Lloyd L., Westin P., Seethapathy S. Using Lexical Features for Malicious URL Detection – A Machine Learning Approach. arXiv preprint. – 2019. – arXiv:1910.06277. – doi:10.48550/arXiv.1910.06277. 6. Hamadouche S., Boudraa O., Gasmi M. Combining Lexical, Host, and Content-based Features for Phishing Websites Detection using Machine Learning Models. EAI Endorsed Transactions on Scalable Information Systems. – 2024. – Vol. 11, no. 6. – doi:10.4108/eetsis.4421. 7. Do N., Selamat A., Krejcar O., Herrera-Viedma E., Fujita H. Deep Learning for Phishing Detection: Taxonomy, Current Challenges and Future Directions. IEEE Access. – 2022. – Vol. 10. – P. 36543–36564. – doi:10.1109/ACCESS.2022.3151903. 8. Turk F., Kilicaslan M. Malicious URL Detection with Advanced Machine Learning and Optimization-Supported Deep Learning Models. Appl. Sci. – 2025. – Vol. 15, no. 18. – Art. 10090. – doi:10.3390/app151810090. 9. Kibriya H., Amin R., Alshamrani S.S. et al. Lightweight Malicious URL Detection using Deep Learning and Large Language Models. Sci. Rep. – 2025. – Vol. 15. – Art. 43044. – doi:10.1038/s41598-025-26653-2. 10. Elsadig M., Ibrahim A.O., Basheer S., Alohali M.A., Alshunaifi S., Alqahtani H., Alharbi N., Nagmeldin W. Intelligent Deep Machine Learning Cyber Phishing URL Detection Based on BERT Features Extraction. Electronics. – 2022. – Vol. 11, no. 22. – Art. 3647. – doi:10.3390/electronics11223647. 11. Kumi S., Lim C., Lee S.-G. Malicious URL Detection Based on Associative Classification. Entropy. – 2021. – Vol. 23, no. 2. – Art. 182. – doi:10.3390/e23020182. 12. Jeeva S.C., Rajsingh E.B. Intelligent Phishing URL Detection using Association Rule Mining. Hum. Cent. Comput. Inf. Sci. – 2016. – Vol. 6. – Art. 10. – doi:10.1186/s13673-016-0064-3. 13. Alsaedi M., Ghaleb F.A., Saeed F., Ahmad J., Alasli M. Cyber Threat Intelligence-Based Malicious URL Detection Model Using Ensemble Learning. Sensors. – 2022. – Vol. 22, no. 9. – Art. 3373. – doi:10.3390/s22093373. 14. Rafsanjani A.S., Kamaruddin N.B., Behjati M., Aslam S., Sarfaraz A., Amphawan A. Enhancing Malicious URL Detection: A Novel Framework Leveraging Priority Coefficient and Feature Evaluation. IEEE Access. – 2024. – Vol. 12. – P. 85001–85026. – doi:10.1109/ACCESS.2024.3412331.
References (International):	1. Sahoo D., Liu C., Hoi S.C.H. Malicious URL Detection using Machine Learning: A Survey. arXiv preprint, 2017, arXiv:1701.07179, doi:10.48550/arXiv.1701.07179. 2. Aljabri M., Altamimi H., Albelali S., Al-Harbi M., Alhuraib H., Alotaibi N., Alahmadi A., Alhaidari F., Mohammad R., Salah K. Detecting Malicious URLs Using Machine Learning Techniques: Review and Research Directions. IEEE Access, 2022, doi:10.1109/ACCESS.2022.3222307. 3. Tian Y., Yu Y., Sun J., Wang Y. From Past to Present: A Survey of Malicious URL Detection Techniques, Datasets and Code Repositories. arXiv preprint, 2025, arXiv:2504.16449, doi:10.48550/arXiv.2504.16449. 4. Dhotre A. Malicious URLs Detection using Lexical Features based on Machine Learning. IJSRD, 2023, Vol. 11, Issue 8. 5. Joshi A., Lloyd L., Westin P., Seethapathy S. Using Lexical Features for Malicious URL Detection – A Machine Learning Approach. arXiv preprint, 2019, arXiv:1910.06277, doi:10.48550/arXiv.1910.06277. 6. Hamadouche S., Boudraa O., Gasmi M. Combining Lexical, Host, and Content-based Features for Phishing Websites Detection using Machine Learning Models. EAI Endorsed Transactions on Scalable Information Systems, 2024, Vol. 11, no. 6, doi:10.4108/eetsis.4421. 7. Do N., Selamat A., Krejcar O., Herrera-Viedma E., Fujita H. Deep Learning for Phishing Detection: Taxonomy, Current Challenges and Future Directions. IEEE Access, 2022, Vol. 10, P. 36543–36564, doi:10.1109/ACCESS.2022.3151903. 8. Turk F., Kilicaslan M. Malicious URL Detection with Advanced Machine Learning and Optimization-Supported Deep Learning Models. Appl. Sci, 2025, Vol. 15, no. 18, Art. 10090, doi:10.3390/app151810090. 9. Kibriya H., Amin R., Alshamrani S.S. et al. Lightweight Malicious URL Detection using Deep Learning and Large Language Models. Sci. Rep, 2025, Vol. 15, Art. 43044, doi:10.1038/s41598-025-26653-2. 10. Elsadig M., Ibrahim A.O., Basheer S., Alohali M.A., Alshunaifi S., Alqahtani H., Alharbi N., Nagmeldin W. Intelligent Deep Machine Learning Cyber Phishing URL Detection Based on BERT Features Extraction. Electronics, 2022, Vol. 11, no. 22, Art. 3647, doi:10.3390/electronics11223647. 11. Kumi S., Lim C., Lee S.-G. Malicious URL Detection Based on Associative Classification. Entropy, 2021, Vol. 23, no. 2, Art. 182, doi:10.3390/e23020182. 12. Jeeva S.C., Rajsingh E.B. Intelligent Phishing URL Detection using Association Rule Mining. Hum. Cent. Comput. Inf. Sci, 2016, Vol. 6, Art. 10, doi:10.1186/s13673-016-0064-3. 13. Alsaedi M., Ghaleb F.A., Saeed F., Ahmad J., Alasli M. Cyber Threat Intelligence-Based Malicious URL Detection Model Using Ensemble Learning. Sensors, 2022, Vol. 22, no. 9, Art. 3373, doi:10.3390/s22093373. 14. Rafsanjani A.S., Kamaruddin N.B., Behjati M., Aslam S., Sarfaraz A., Amphawan A. Enhancing Malicious URL Detection: A Novel Framework Leveraging Priority Coefficient and Feature Evaluation. IEEE Access, 2024, Vol. 12, P. 85001–85026, doi:10.1109/ACCESS.2024.3412331.
Content type:	Conference Abstract
Aparece en las colecciones:	ⅩⅤ Міжнародна науково-технічна конференція ITSec: Безпека інформаційних технологій (2026)

Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.