Дослідники розробили нову модель для ефективнішої фільтрації спаму

Спам – це те, що ми всі зневажаємо. Крім того, що вони засипаються нерелевантними повідомленнями, вони можуть містити зловмисне програмне забезпечення та фішинговий вміст, який може завдати шкоди тобі. Спам-фільтри відіграють важливу роль у захисті вас від них. Моделі детекторів спаму можуть автоматично виявляти спам, але нам потрібно навчити їх використовувати великі набори даних електронної пошти та позначити їх вручну. Це те, що сподіваються розглянути дослідники Технологічного інституту Сінггада Лонавала в Індії.

«Виявлення спаму має важливе значення, оскільки воно може забезпечити справедливість для продавців і зберегти довіру покупця до інтернет-магазинів», – сказав Вікас Самартрао Кадам, один із дослідників, які брали участь у дослідженні, опублікованому в Міжнародний журнал інтелектуальної робототехніки та додатків. «На відміну від інших методів, він покращує швидкість навчання та ефективність класифікації. Наша модель може покращити якість життя людей, які отримують велику кількість електронних листів, дозволяючи їм безперешкодно переглядати свою електронну пошту та використовувати свої облікові записи лише для бажаної мети».

Команда розробила модель, засновану на багатоцільовому виборі функцій і мережі адаптивних капсул, і навчила її на наборах зображень і текстових даних. Вважається, що ця модель, яка використовує техніку глибокого навчання, пропонує легку реалізацію та її можна швидко навчити за короткий проміжок часу. Кадам сказав, що їхні початкові оцінки показують, що нова модель має більшу точність, ніж інші існуючі методи. Команда зазначила, що це може допомогти підвищити безпеку користувачів і допомогти їм краще та легше переглядати невідповідні електронні листи.

«Наша модель також зменшує швидкість навчання та веде до більшої ефективності класифікації», – сказав Кадам в інтерв’ю з TechXplore. «На відміну від інших моделей, він збільшує рівень збігу виявлення спаму, досягаючи кращих результатів».

З іншого боку, група заявила, що модель ще потрібно розробити, щоб забезпечити максимальну ефективність з точки зору швидкості та точності. Проте, як тільки він буде готовий, метод фільтрації спаму можна буде широко використовувати, у тому числі на Gmail, Yahoo Mail та прогноз.

«Безпека систем виявлення та фільтрації спаму має вирішальне значення для досягнення кращої точності та надійних результатів, які можна покращити в майбутньому за допомогою ансамблевого навчання», – сказав Кадам. «Показник помилкових спрацьовувань у багатьох моделях все ще вищий, ніж потрібно, але в майбутньому його слід зменшити до найменшого можливого значення. Класифікація спаму в реальному часі дуже потрібна, оскільки більшість запропонованих моделей погано працюють з даними в реальному часі… Майже всі дослідники представляють свої результати на основі точності, точності та запам’ятовуваності своїх моделей, але ми вважаємо, що час Складність моделей машинного навчання також слід розглядати як показник оцінки», – сказав Кадам. «Деякі дослідники показують багатообіцяючі результати в процесі вилучення функцій за допомогою пакета слів, оскільки вони стверджують, що заголовок електронної пошти так само важливий для виявлення спаму, як і вміст тіла. Отже, в майбутньому також можна розглянути можливість глибокого вилучення ознак рядка заголовка».