Дисертаційна робота присвячена розробленню інформаційної технології виявлення шахрайства при інсталюванні мобільних додатків з використанням інтелектуального аналізу даних. Метою дослідження є підвищення точності та швидкодії процесів виявлення шахрайства при інсталюванні мобільних додатків. Вперше запропоновано метод подолання різнорідності вхідних даних, що являє собою сукупність процедур вибору ознак, зниження розмірності та нормалізації даних, відмінність якого полягає у новій моделі процесу подолання різнорідності даних шляхом шкалювання за інформативністю, що дозволяє всю множину різнорідних даних про користувачів звести до вектору уніфікованих ознак без зменшення діагностичної цінності інформації. Удосконалено модель класифікації користувачів на основі глибинних нейронних мереж у частині зниження розмірності та нормалізації даних згідно запропонованого методу подолання різнорідності даних, яка є основою для створення узагальненого портрету шахрая з метою спрощення процесів їх виявлення. Вперше розроблено узагальнений метод виявлення шахрайства при інсталюванні мобільних додатків, відмінність якого полягає у використанні запропонованої моделі класифікації користувачів та методу подолання різнорідності вхідних даних, що дозволяє визначити класи користувачів та підвищити точність виявлення шахрайства при інсталюванні мобільних додатків. Результати дисертаційної роботи та розроблене модульне програмне забезпечення впроваджені на іноземному (Garuda AI B.V.) та українських (ТОВ «ВІН ІНТЕРАКТИВ», ТОВ «4ХайТек», ПП «Літсофт») підприємствах та у навчальний процес (кафедри комп'ютерних наук Вінницького національного технічного університету; кафедри інформатики, програмної інженерії та економічної кібернетики Херсонського державного університету). Впровадження результатів дисертаційних досліджень підтверджено відповідними актами.^UThis dissertation research is dedicated to developing the informational technology to detect fraud during mobile application installation using data mining. The purpose of the dissertation research is to increase the accuracy and speed of fraud detection processes during mobile application installation. For the first time, a method of overcoming the heterogeneity of input data is proposed, which is a set of procedures for feature selecting, dimensionality reduction and data normalization, the difference of which lies in the new model of overcoming the heterogeneity of data by scaling information, which allows the whole set of heterogeneous user data to be reduced to a vector, reducing the diagnostic value of information. The model of users' classification based on deep neural networks in terms of dimensionality reduction and data normalization has been improved according to the proposed method of overcoming heterogeneity of data, which is the basis for creating general fraudsters fingerprint in order to simplify their detection processes. For the first time, a generalized method for fraud detection in during installation of mobile applications has been developed, the difference being the use of the proposed users' classification model and the method of overcoming the heterogeneity of the input data, which allows defining users' classes and increasing the reliability of fraud detection during mobile app installs. The results of the qualification research paper were implemented at foreign (Garuda AI B.V.) and Ukrainian (LLC «WinInteractive», LLC «4HighTech», PE «Litsoft») enterprises and to the educational process (at the Computer Science Department of Vinnytsia National Technical University and at the Department of Informatics, Software Engineering and Economic Cybernetics of Kherson State University). The implementation of the results of dissertation research is confirmed by the relevant acts.