นักวิจัยพัฒนารูปแบบใหม่เพื่อการกรองสแปมที่มีประสิทธิภาพยิ่งขึ้น

อีเมลขยะเป็นสิ่งที่เราทุกคนเกลียดชัง นอกเหนือจากการถูกทิ้งระเบิดด้วยข้อความที่ไม่เกี่ยวข้อง พวกเขาอาจมีมัลแวร์และ เนื้อหาฟิชชิ่งที่สามารถสร้างความเสียหายได้ ถึงคุณ. ตัวกรองสแปมมีบทบาทสำคัญในการปกป้องคุณจากตัวกรองเหล่านี้ แบบจำลองเครื่องตรวจจับสแปมสามารถตรวจจับสแปมโดยอัตโนมัติ แต่เราจำเป็นต้องฝึกอบรมพวกเขาในชุดข้อมูลอีเมลขนาดใหญ่และติดป้ายกำกับด้วยตนเอง นี่คือสิ่งที่นักวิจัยจากสถาบันเทคโนโลยี Sinhgad Lonavala ในอินเดียหวังว่าจะกล่าวถึง

“การตรวจจับสแปมเป็นสิ่งสำคัญ เนื่องจากสามารถรับประกันความยุติธรรมสำหรับผู้ขาย และรักษาความไว้วางใจของผู้ซื้อในร้านค้าออนไลน์” Vikas Samarthrao Kadam หนึ่งในนักวิจัยที่เกี่ยวข้องในรายงานการศึกษาที่ตีพิมพ์ใน วารสารนานาชาติด้านวิทยาการหุ่นยนต์อัจฉริยะและการประยุกต์. “ตรงกันข้ามกับวิธีอื่นๆ มันช่วยเพิ่มความเร็วในการฝึกและประสิทธิภาพของการจัดหมวดหมู่ โมเดลของเราสามารถปรับปรุงคุณภาพชีวิตของผู้ที่ได้รับอีเมลจำนวนมาก ทำให้พวกเขาเรียกดูอีเมลได้อย่างราบรื่นและใช้บัญชีของตนเพื่อวัตถุประสงค์ที่ต้องการเท่านั้น”

ทีมพัฒนาโมเดลตามการเลือกคุณสมบัติหลายวัตถุประสงค์และเครือข่ายแคปซูลแบบปรับตัวได้และฝึกฝนมันทั้งชุดข้อมูลรูปภาพและข้อความ โมเดลนี้ใช้เทคนิคการเรียนรู้แบบลึก ๆ ที่มีการดำเนินการให้ใช้งานง่ายและสามารถฝึกอบรมได้อย่างรวดเร็วภายในระยะเวลาอันสั้น Kadam กล่าวว่าการประเมินเบื้องต้นของพวกเขาแสดงให้เห็นว่าโมเดลใหม่มีความแม่นยำมากกว่าวิธีการอื่นที่มีอยู่ ทีมงานตั้งข้อสังเกตว่าสิ่งนี้สามารถช่วยปรับปรุงความปลอดภัยของผู้ใช้และช่วยให้พวกเขาอ่านอีเมลที่ไม่เกี่ยวข้องได้ดีขึ้นและง่ายขึ้น

"โมเดลของเรายังช่วยลดความเร็วในการฝึกอบรมและนำไปสู่การจัดหมวดหมู่ที่มีประสิทธิภาพมากขึ้น" Kadam ในการสัมภาษณ์กับ TechXplore. “ตรงกันข้ามกับรุ่นอื่นๆ มันเพิ่มอัตราการคอนเวอร์เจนซ์ของการตรวจจับอีเมลสแปม เพื่อให้ได้ผลลัพธ์ที่ดีขึ้น”

ในทางกลับกันกลุ่มระบุว่ารุ่นยังคงต้องมีการพัฒนาเพื่อให้แน่ใจว่ามีประสิทธิภาพสูงสุดในแง่ของความเร็วและความแม่นยำ เมื่อพร้อมแล้ว ก็สามารถใช้เทคนิคการกรองสแปมในวงกว้างได้ รวมถึง Gmail, Yahoo Mail และ Outlook.

“ความปลอดภัยของระบบตรวจจับและกรองสแปมมีความสำคัญอย่างยิ่งต่อการได้ผลลัพธ์ที่แม่นยำและเชื่อถือได้มากขึ้น ซึ่งสามารถปรับปรุงได้ในอนาคตโดยใช้การเรียนรู้ทั้งมวล” Kadam กล่าว "อัตราบวกที่เป็นเท็จของหลายรุ่นยังคงสูงกว่าที่ต้องการ แต่ควรลดมูลค่าที่เล็กที่สุดในอนาคต การจำแนกประเภทสแปมตามเวลาจริงมีความจำเป็นอย่างมาก เนื่องจากแบบจำลองที่เสนอส่วนใหญ่ใช้งานไม่ได้กับข้อมูลแบบเรียลไทม์... นักวิจัยเกือบทุกคนนำเสนอผลลัพธ์โดยพิจารณาจากความแม่นยำ ความแม่นยำ และการเรียกคืนของแบบจำลอง แต่เรารู้สึกว่าเวลา ความซับซ้อนของโมเดลแมชชีนเลิร์นนิงควรได้รับการพิจารณาเป็นตัวชี้วัดการประเมินด้วย” Kadam กล่าว “นักวิจัยบางคนแสดงผลลัพธ์ที่น่าพึงพอใจในกระบวนการแยกคุณลักษณะโดยใช้คำสั้นๆ เนื่องจากพวกเขาอ้างว่าส่วนหัวของอีเมลมีความสำคัญต่อการตรวจจับสแปมพอๆ กับเนื้อหาในร่างกาย ดังนั้นการแยกส่วนลึกของบรรทัดส่วนหัวจึงสามารถพิจารณาได้ในอนาคต”