Proceedings of the International scientific and practical conference ―Science, Technology and Culture: Interaction, Evolution and Progress‖ (December 21-23, 2025) / Publisher website: www.naukainfo.com. – Copenhagen, Denmark, 2026. – 161 p.

64 Інтеграція методів обчислювальної стилометрії в інструментарій OSINT дозволяє значно підвищити надійність атрибуції кіберзагроз. Експериментально показано, що методи, орієнтовані на аналіз формальних ознак, є більш ефективними та ресурсоощадними, ніж важкі нейромережеві моделі. Комбінація One-Class SVM та символьних n-грам є рішенням, що рекомендується для побудови систем захисту від атак типу Account Takeover. СПИСОК ВИКОИРСТАНИХ ДЖЕРЕЛ: 1. Stamatatos E. A survey of modern authorship attribution methods. Journal of the American Society for information Science and Technology . 2009. Vol. 60, № 3. P. 538–556. URL: https://doi.org/10.1002/asi.21001 2. Afroz S., Brennan M., Greenstadt R. Adversarial Stylometry: Circumventing Authorship Recognition to Preserve Privacy and Anonymity. ACM Transactions on Information and System Security . 2012. Vol. 15, № 3. URL: https://doi.org/10.1145/2382448.2382450 3. Caliskan A. et al. De-anonymizing Programmers via Code Stylometry. Usenix Security Symposium . 2015. P. 255–271. URL: https://www.usenix.org/conference/usenixsecurity15/technical- sessions/presentation/caliskan-islam 4. Burrows J. F. ‗Delta‘: a Measure of Stylometric Difference and a Guide to Likely Authorship. Literary and Linguistic Computing . 2002. Vol. 17, № 3. P. 267–287. URL: https://academic.oup.com/dsh/article/17/3/267/985972 5. Koppel M., Schler J. Authorship Verification as a One-Class Classification Problem. Proceedings of the 21st International Conference on Machine Learning . 2004. URL: https://dl.acm.org/doi/10.1145/1015330.1015448