Dmitry Lukyanov
Current Organizations / Institutes
The organizations/institutes from the scholar's latest article
Dmitry Lukyanov has a total of 9 co-authors. Here are the top co-authors by number of shared publications:
- Maria Lapina
Department of Computational Mathematics and Cybernetics, North-Caucasus Federal University, Stavropol 355017, Russia
2 shared publications - Alexey Dmitrienko
North Caucasus Federal University
1 shared publication - Alisa Kushchenko
North Caucasus Federal University
1 shared publication - Diana A. Fedash
North Caucasus Federal University
1 shared publication - Marina Tokmakova
North Caucasus Federal University
1 shared publication - Mohammed Saleh Ali Muthanna
Tashkent State University of Economics
1 shared publication
Latest Publications
- 18 November 2025
- Published by Springer Nature
- p. 31-39
The Theoretical Rationale for Using Quantum Computers to Crack Cryptosystems
- 18 November 2025
- Published by Springer Nature
- p. 31-39
The Theoretical Rationale for Using Quantum Computers to Crack Cryptosystems
- 1 October 2025
- Published by Springer Nature
- p. 277-288
Research and Comparison of Analytical Platforms in the Field of Education
- 1 October 2025
- Published by Springer Nature
- p. 277-288
Research and Comparison of Analytical Platforms in the Field of Education
- Open Access
- 4 July 2025
- Published by Matrosov Institute for System Dynamics and Control Theory of Siberian Branch of RAS
- p. 188-191
Построение алгоритмов машинного обучения для детектирования сайтов-мошенников
В настоящее время с развитием информационных технологий цифровые преступления стали серьёзной угрозой для конфиденциальной информации и данных пользователей. Искусственный интеллект способен анализировать параметры сайтов и определять наличие угроз для информации. В ходе выполнения исследования были разработаны методы машинного обучения по обнаружения фишинговых сайтов, построены схемы, которые позволяют моделям машинного обучения правильно преобразовывать данные для подачи их в модели. В результате работы разработаны методы поиска фишинговых атак с использованием моделей машинного обучения, которые были протестированы на имеющихся данных, на основе полученных результатов построены графики изменения точности обнаружения нелегитимных сайтов от изменения настроек моделей.
- 4 July 2025
- Published by Matrosov Institute for System Dynamics and Control Theory of Siberian Branch of RAS
- p. 188-191
Open AccessПостроение алгоритмов машинного обучения для детектирования сайтов-мошенников
В настоящее время с развитием информационных технологий цифровые преступления стали серьёзной угрозой для конфиденциальной информации и данных пользователей. Искусственный интеллект способен анализировать параметры сайтов и определять наличие угроз для информации. В ходе выполнения исследования были разработаны методы машинного обучения по обнаружения фишинговых сайтов, построены схемы, которые позволяют моделям машинного обучения правильно преобразовывать данные для подачи их в модели. В результате работы разработаны методы поиска фишинговых атак с использованием моделей машинного обучения, которые были протестированы на имеющихся данных, на основе полученных результатов построены графики изменения точности обнаружения нелегитимных сайтов от изменения настроек моделей.