Фишинг через сходство доменов в дипломе: моделирование атаки и методы защиты

Хакеры заменили букву в домене на «умное» слово — и разработчик сам отдал доступ к инфраструктуре. Кейс из статьи SecurityLab показывает: социальная инженерия остаётся самым эффективным вектором атаки, даже если технические барьеры высоки. Для студента ИТ-вуза это отличный повод встроить в ВКР реальный инцидент, а не абстрактную теорию. Вы сможете показать не только уязвимость, но и проработать меры защиты: от проверки DKIM/DMARC до алгоритмов выявления омографов. Ниже разберём, как превратить этот новостной всплеск в защищённую работу, которую не «завалят» на нормоконтроле.

Как встроить кейс из статьи в главы диплома

Глава 1 — аналитический обзор и описание атаки

Статья даёт готовый сценарий для раздела «Виды фишинговых атак». Опишите механизм: злоумышленник регистрирует домен, визуально неотличимый от легитимного (например, secure-login.com вместо secure-login.com с заменой латинской «c» на кириллическую «с»). Покажите, как одна команда curl или переход по ссылке приводит к компрометации. Упомяните классификацию OWASP (A06:2021 – Vulnerable and Outdated Components, а также социальная инженерия как часть A08:2021). Для ВКР этого достаточно, чтобы обосновать актуальность.

Глава 2 — проектирование системы защиты

Здесь вы предлагаете прототип. Можно сделать скрипт на Python, который проверяет домены на сходство с эталоном (расстояние Левенштейна, совпадение IDN-символов). Пример:

import Levenshtein

def is_similar(domain, trusted, threshold=0.85):
    # Приводим к punycode для сравнения ASCII
    domain_ascii = domain.encode('idna').decode()
    trusted_ascii = trusted.encode('idna').decode()
    ratio = Levenshtein.ratio(domain_ascii, trusted_ascii)
    return ratio > threshold

print(is_similar('secure-login.com', 'secure-login.com'))  # True при замене буквы

Дополните схемой потока атаки (UML-диаграмма последовательности) и таблицей индикаторов компрометации (IoC). В качестве метрики — время реакции на ложноположительное срабатывание (FPR) или точность детекции (precision/recall).

Глава 3 — тестирование и оценка эффективности

Проведите эксперимент на тестовом полигоне: создайте 50 фишинговых доменов на основе популярных сервисов, запустите скрипт и измерьте долю обнаруженных угроз. Сравните с правилами DNS-блокировок (DNSSEC, SPF, DMARC). В качестве метрик используйте TPR, FPR, F1-score. Не забудьте про ГОСТ Р 56545-2015 «Защита от социальной инженерии» — сослаться на него в списке литературы.

Примеры тем ВКР (можно взять за основу)

• Тема 1. «Разработка модуля обнаружения фишинговых доменов на основе машинного обучения». Актуальность: статья показывает рост атак с подменой имён. Цель: обучить классификатор, отличающий подозрительные домены от легитимных. Задачи: сбор датасета (PhishTank, OpenPhish), обучение RandomForest/XGBoost, интеграция в Linux-стек. Глава 1 — анализ методов, Глава 2 — реализация (Python, scikit-learn), Глава 3 — валидация на тестовом наборе.
• Тема 2. «Анализ защищённости от фишинга с подменой домена на примере образовательной организации». Актуальность: вузы — частая цель социальной инженерии. Цель: провести аудит DNS-записей и проверить защиту от омографов. Задачи: сканирование доменов, настройка DMARC, тест на симулированной атаке. Структура: анализ (MITRE ATT&CK T1534), внедрение политик, оценка снижения риска (количество заблокированных писем).
• Тема 3. «Разработка рекомендаций по кибергигиене и защите от социальной инженерии на основе анализа инцидентов». Актуальность: статья доказывает, что одного технического барьера недостаточно. Цель: создать чек-лист и алгоритм реагирования. Задачи: сбор статистики инцидентов, моделирование угроз (STRIDE), оформление инструкций для пользователей.

Чему вы научитесь, проработав этот кейс

• Моделировать атаки на основе реального инцидента и описывать их в дипломе.
• Проектировать прототип детектора фишинговых доменов (Python + DNS-запросы).
• Настраивать DMARC/SPF/DKIM для минимизации риска компрометации.
• Считать precision, recall, FPR и увязывать их с практическими сценариями.
• Правильно оформлять список литературы по ГОСТ и использовать отраслевые стандарты (OWASP, ISO 27001, MITRE ATT&CK).

Часто задаваемые вопросы

1. Сложно ли выбрать тему по кибербезопасности, если я backend-разработчик?

Не обязательно реализовывать полный продукт. Можно сделать аналитическую ВКР с моделями угроз, таблицами сравнения DMARC-политик. Backend-опыт пригодится для написания скриптов-прототипов.

2. Обязательно ли писать код? Что если моя программа не работает идеально?

Код приветствуется, но не обязателен. Опишите архитектуру, приведите псевдокод, сделайте UML-диаграммы. Даже если реализация не дотягивает до продакшена, процесс проектирования и тестирования показывает вашу квалификацию. В вузах часто ценят анализ и вероятностные оценки.

3. Какие ГОСТы и стандарты нужно указать?

Для тем по безопасности: ГОСТ Р 56545-2015 (защита от социальной инженерии), ГОСТ Р ИСО/МЭК 27001-2021 (менеджмент ИБ), ГОСТ 34.601-90 (стадии создания АС) – если проектируете систему. В теоретической части ссылайтесь на OWASP Top 10 и MITRE ATT&CK.

4. Как считать эффективность защиты, если нет реального трафика?

Используйте синтетические данные: сгенерируйте 100 фишинговых и 100 легитимных доменов, прогоните ваш алгоритм. Метрики: accuracy, precision, recall, F1, FPR. Сравните с базовым решением (например, простой чёрный список). Этого достаточно для диплома.

Источник: Привет, мир и прощай, зарплата. Одна команда в консоли лишает разработчика всех уровней доступа (опубликовано 2026-03-16)