Abstract
Статья посвящена анализу фишинга в цифровой среде с акцентом на социальные сети как ключевой канал распространения атак. Рассматривается эволюция методов фишинга – от Email-рассылок до визуально убедительных сценариев, встроенных в архитектуру платформ с высокой вовлечённостью. Приведены примеры реальных кампаний, включая использование дипфейков, фальшивых брендов и таргетированной рекламы. Особое внимание уделено платформам с повышенным риском (Facebook, Instagram, Telegram, TikTok) и психологическим аспектам: доверие к контенту, эффект социальной доказательности, эмоциональное давление. В аналитической части описаны методы выявления фишинга через краулинг, API и мониторинг открытых данных, а также применение NLP для анализа тональности, ключевых слов и повторов. Рассматриваются ML-алгоритмы, включая логистическую регрессию, деревья решений, нейросети и ансамблевые модели. Делается вывод о необходимости междисциплинарного подхода, автоматизации и интеграции с системами Threat Intelligence.