Отримано 21.01.2025, Доопрацьовано 17.05.2025, Прийнято 28.08.2025

Алгоритми пошуку та аналізу інформації з відкритих джерел в умовах кіберзагроз

Оксана Онищук, Людмила Глинчук

У статті представлено розробку алгоритму пошуку та аналізу інформації з відкритих джерел в умовах кіберзагроз. Запропонований алгоритм є ефективним інструментом для виявлення, моніторингу, оцінки та нейтралізації загроз у цифровому середовищі. У роботі описано основні етапи алгоритму, що включають: швидкий доступ до релевантної інформації, оцінку достовірності даних, аналіз трендів, визначення зв’язків між об’єктами, прогнозування потенційних загроз. Розробка алгоритму передбачала пошук та аналіз інформації з відкритих джерел; фільтрацію шуму; контекстний аналіз, перехресну перевірку для підвищення достовірності результатів; побудову графів зв’язків для виявлення залежності між об’єктами і визначення їх потенційної небезпеки. Ці задачі були реалізовані за допомогою збору даних через API (Application Programming Interface), веб скрейпинг (BeautifulSoup), використання пошукових операторів, обробки даних із застосуванням NLP-інструментів (Natural Language Processing), класифікації за допомогою моделей машинного навчання та регулярних виразів. У статті проаналізовано отриману інформацію за допомогою графів зв’язків, визначено ключові об’єкти та оцінено достовірність джерел. Розроблений алгоритм забезпечує скорочення часу пошуку та аналізу інформації, підвищення релевантності й точності отриманих даних, а також ефективну підтримку рішень у сфері кібербезпеки. Як приклад, алгоритм був застосований для моніторингу підозрілих вакансій на платформі LinkedIn, де були виявлені фішингові оголошення, що містили недійсні посилання або неправдиву інформацію. Використання API LinkedIn та веб скрейпинг дозволило автоматизувати збір вакансій та порівняти їх з базою даних відомих фішингових веб сайтів. Розроблений алгоритм дозволяє скоротити час пошуку та аналізу інформації порівняно з ручними методами. Впровадження таких рішень сприяє запобіганню кіберзагрозам і забезпеченню безпеки в цифровому середовищі. Алгоритм дозволяє значно підвищити ефективність роботи з відкритими джерелами, забезпечуючи автоматизований процес збору, обробки та аналізу даних для подальшої оцінки загроз

кібербезпека пошуку інформації; аналіз даних; OSINT; графи зв’язків; NLP; Google Search Operators; Maltego
63-73
Onyshchuk, O., & Hlynchuk, L. (2025). Algorithms for searching and analysing information from open sources in the context of cyber threats. Information Technologies and Computer Engineering, 22(2), 63-73. https://doi.org/10.31649/vitce/2.2025.63

Використані джерела

[1] Alazab, M., Abu Khurma, R., García-Arenas, M., Jatana, V., Baydoun, A., & Damaševičius, R. (2024). Enhanced threat intelligence framework for advanced cybersecurity resilience. Egyptian Informatics Journal, 27(3), article number 100521. doi: 10.1016/j.eij.2024.100521.

[2] AlSalem, T.S., Almaiah, M., & Lutfi, A. (2023). Cybersecurity risk analysis in the IoT: A systematic review. Electronics, 12(18), article number 3958. doi: 0.3390/electronics12183958.

[3] Bazzell, M. (2021). Open source intelligence techniques: Resources for searching and analyzing online information. Washington: IntelTechniques.

[4] Censys. (n.d.). Retrieved from https://censys.io.

[5] Chen, H., Shen, Z., Wang, Y., Hu, K., & Xu J. (2024). Threat detection driven by artificial intelligence: Enhancing cybersecurity with machine learning algorithms. World Journal of Innovation and Modern Technology, 7(6), 58-70. doi: 10.53469/wjimt.2024.07(06).09.

[6] Clemen, J.M., & Teleron, J. (2023). Advancements in encryption techniques for secure data communication. International Journal of Advanced Research in Science Communication and Technology, 3(2), 444-451. doi: 10.48175/ IJARSCT-13875.

[7] Dey, A.K., Gupta, G.P., & Sahu, S.P. (2023). Hybrid meta-heuristic based feature selection mechanism for cyber-attack detection in IoT-enabled networks. Procedia Computer Science, 218, 318-327. doi: 10.1016/j.procs.2023.01.014.

[8] FOCA. (2022). FOCA – metadata extraction tool. Retrieved from https://www.elevenpaths.com.

[9] Google Search Operators Cheat Sheet. (2021). Retrieved from https://surl.li/bmjxzv.

[10] Goyal, P., Hossain, K.S.M.T., Deb, A., Tavabi, N., Bartley, N., Abeliuk, A., Ferrara, E., & Lerman, K. (2018). Discovering signals from web sources to predict cyber attacks. ArXiv. doi: 10.48550/arXiv.1806.03342.

[11] Islam, M.T., Niger, M., Kynatun, M., & Mission, M.R. (2025). Systematic review of cybersecurity threats in IoT devices focusing on risk vectors, vulnerabilities, and mitigation strategies. American Journal of Scholarly Research and Innovation, 1(1), 108-136. doi: 10.2139/ssrn.5190439.

[12] Khan, R., Kumar, P., Jayakody, D.N.K., & Liyanage, M. (2019). A survey on security and privacy of 5G technologies: Potential solutions, recent advancements and future directions. IEEE Communications Surveys & Tutorials, 22(1), 196-248. doi: 10.1109/COMST.2019.2933899.

[13] Kovalchuk, D. (2025). Utilising large language models for automated real-time cyber threat analysis. Bulletin of Cherkasy State Technological University, 30(1), 48-58. doi: 10.62660/bcstu/1.2025.48

[14] Kruse, C.S., Frederick, B., Jacobson, T., & Monticone, D.K. (2017). Cybersecurity in healthcare: A systematic review of modern threats and trends. Technology and Health Care, 25(1), 1-10. doi: 10.3233/THC-161263.

[15] Kumar Birthriya, S., Ahlawat, P., & Kumar Jain, A. (2024). An efficient spam and phishing email filtering approach using deep learning and bio-inspired particle swarm optimization. International Journal of Computing and Digital Systems, 15(1). doi: 10.12785/ijcds/150144.

[16] Majumder, G., Pakray, P., & Pinto, D. (2019). Measuring interpretable semantic similarity of sentences using a multi chunk aligner. Journal of Intelligent & Fuzzy Systems, 36(5), 4797-4808. doi: 10.3233/JIFS-179028.

[17] Maltego technologies. (n.d.). Maltego evidence user manual. Retrieved from https://support.maltego.com/en/support/ solutions/folders/15000013724.

[18] Nagy, A., Du, X., Wang, X., Oates, M., Aronson, S., Plasek, J., Babb, L., Rehm, H., Zhou, L., & Lebo, M. (2025). P642: Facilitating machine learning and artificial intelligence in genetic databases: An open-source tool for data integration and summarization. Genetics in Medicine Open, 3, article number 103011. doi: 10.1016/j.gimo.2025.103011.

[19] Onoh, G. (2018). Predicting cyber-attacks using publicly available data. Journal of the Colloquium for Information System Security Education (CISSE), 6(1).

[20] OSINT Framework. (n.d.). Retrieved from https://osintframework.com.

[21] Recon-ng. (2022). Recon-ng framework documentation. Recon-ng. Retrieved from https://www.recon-ng.com.

[22] Shaukat, K., Luo, S., Varadharajan, V., Hameed, I.A., & Xu, M. (2020). A survey on machine learning techniques for cyber security in the last decade. IEEE Access, 8, 222310-222354. doi: 10.1109/ACCESS.2020.3041951.

[23] Shodan. (n.d.). Search engine for the Internet of everythings. Retrieved from https://www.shodan.io.

[24] Spiderfoot. (2022). Spiderfoot OSINT Framework. GitHub. Retrieved from https://github.com/smicallef/spiderfoot.

[25] Vashishtha, L.K., & Chatterjee, K. (2025). Strengthening cybersecurity: TestCloudIDS Dataset and SparkShield algorithm for robust threat detection. Computers & Security, 151, article number 104308. doi: 10.1016/j. cose.2024.104308.

[26] Yadav, A, Kumar, A. & Singh, V. (2023). Open-source intelligence: A comprehensive review of the current state, applications and future perspectives in cyber security. Artifcial Intelligence Review, 56, 12407-12438. doi: 10.1007/ s10462-023-10454-y.

[27] Yang, T., Qiao, Y., & Lee, B. (2024). Towards trustworthy cybersecurity operations using Bayesian Deep Learning to improve uncertainty quantification of anomaly detection. Computers & Security, 144, article number 103909. doi: 10.1016/j.cose.2024.103909.

[28] Zaplatynskyi, N., Lub, P., & Zaporozhtsev, S. (2024). Improving cybersecurity with artificial intelligence. Bulletin of Cherkasy State Technological University, 29(4), 53-61. doi: 10.62660/bcstu/4.2024.53.