Abstract
В данной работе рассматривается задача автоматической детекции фейковых новостей в двуязычной информационной среде на примере казахских и русских медиатекстов. Исследование опирается на разработку и экспериментальную оценку гибридного подхода, сочетающего TF-IDF –векторизацию, логистическую регрессию и модуль эвристической фильтрации. Сформирован мультиязычный корпус объёмом 9500 текстов, включающий реальные и недостоверные сообщения, собранные из новостных агентств, Telegram-каналов, фактически новых ресурсов и специализированных публичных источников. Проведена глубинная лингвистическая предобработка с использованием kaznlp и pymorphy2, что позволило адаптировать алгоритмы к морфологическим особенностям агглютинативного казахского языка. Экспериментальные результаты подтверждают высокую эффективность предложенного решения: F1-мера достигла 0.990, а ROC-AUC 0.987. Полученные результаты демонстрируют потенциал применения машинного обучения для повышения информационной безопасности и раннего распознавания дезинформации в условиях растущих объёмов цифровых коммуникаций.