Фільтрація спаму електронної пошти за допомогою машинного навчання

DOI: 10.31673/2412-9070.2019.066199

  • Залива В. В. (Zalyva V. V.) Державний університет телекомунікацій, м. Київ
  • Бондарчук А. П. (Bondarchuk A. P.) Державний університет телекомунікацій, м. Київ
  • Золотухіна О. А. (Zolotukhina O. A.) Державний університет телекомунікацій, м. Київ

Анотація

У статті розглянуто фільтри для боротьби зі спамом в електронній пошті. Основну увагу приділено методам машинного навчання для успішного виявлення та фільтрація спам-листів. Охоплено важливі поняття, тенденції та оцінювання ефективності досліджень фільтрація спаму провідними постачальниками послуг електронного листування, такими як Gmail, Yahoo та Outlook. Порівнюються переваги та недоліки сторони наявних підходів щодо фільтрування спаму.

Ключові слова: машинне навчання; Spam filtering; нейронні мережі; комп’ютерна безпека; аналіз алгоритмів.

Список використаної літератури
1. Total Global Email & Spam Volume for October 2019 [Електронний ресурс]. URL: https://talosintelligence.com/reputation_center/email_rep (дата звернення: 04.11.2019).
2. Email Spam Detection Using Mashine Learning [Електронний ресурс]. URL: https://ese.wustl.edu/ContentFiles/Research/UndergraduateResearch/CompletedProjects/WebPages/sp14/SongSteimle/WebPage/classifiers.html (дата звернення: 04.11.2019).
3. Support Vector Machines — Soft Margin Formulation and Kernel Trick [Електронний ресурс]. URL: https://towardsdatascience.com/support-vectormachines-soft-margin-formulation-and-kernel-trick4c9729dc8efe (дата звернення: 04.11.2019).
4. Comparison of machine learning techniques in email spam detection [Електронний ресурс]. URL: https://dev.to/matchilling/comparison-of-machine-learning-techniques-in-email-spam-detection--2p0h#fn3 (дата звернення: 04.11.2019).
5. Albelwi S., Mahmood A. A framework for designing the architectures of deep convolutional neural networks // Entropy. 2017. 19 (6). Р. 242 [Електронний ресурс]. URL: https://www.mdpi.com/1099-4300/19/6/242 (дата звернення: 04.11.2019).
6. Sharma A., Suryawansi A. A novel method for detecting spam email using KNN classification with spearman correlation as distance measure // Int. J. Comput. Appl. 2016. 136 (6). Р. 28–34 [Електронний ресурс]. URL: https://pdfs.semanticscholar.org/3f1c/20b2c3b28a0328bfc5db19b02621e5874cee.pdf (дата звернення: 04.11.2019).
7. Deng L., Deep D. Yu. Learning: Methods and Applications Now publishers. Boston, 2014 [Електронний ресурс]. URL: https://www.nowpublishers.com/article/Details/SIG-039 (дата звернення: 04.11.2019).
8. Машинне навчання простими словами [Електронний ресурс]. URL: http://www.mmf.lnu.edu.ua/ar/1739 (дата звернення: 04.11.2019).
9. Akshita Tyagi. Content Based Spam Classification- A Deep Learning Approach A Thesis Submitted To The Faculty Of Graduate Studies University Of Calgary. Alberta, Canada, 2016 [Електронний ресурс]. URL: https://prism.ucalgary.ca/handle/11023/3478 (дата звернення: 04.10.2019).

Номер
Розділ
Статті