Intelligent detection: A classification-based approach to e-mail (text) filtering
Başlık çevirisi mevcut değil.
- Tez No: 746257
- Danışmanlar: DR. ÖĞR. ÜYESİ OĞUZ ATA
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgi Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 109
Özet
Bugün, oltalama e-postası, büyük finansal ölümlere neden olan dünyanın en büyük tehditlerini içeriyor. Mücadele yöntemlerinin yükseltilmesine rağmen, sonuçları henüz tatmin edici bulunmadı. Ayrıca, geçtiğimiz yıllarda, oltalama e-postalarının endişe verici oranda arttığı tespit edildi. Bu tür bir sorunla mücadele etmek için gereken kimlik avını algılamak için daha etkili bir teknoloji var. İstenmeyen e-posta filtreleme genellikle bir ikili sınıflandırma sorunu olarak kabul edilir, yani gelen e-postalar istenmeyen e-posta olmayanlar ve istenmeyen e-postalar olarak ikiye ayrılır. Bu makaledeki temel amacımız, istenmeyen e-postaların tespiti için önerilen ve derin bilgi yöntemlerinin uygulanmasıdır. Modeller değerlendirilirken doğruluk, değerlendirme süresi, hata, verimlilik gibi bir takım değerlendirme ölçütleri dikkate alınır. Bu yazıda, istenmeyen e-postaların yanlış sınıflandırılmasını azaltmak için gelen e-postaların üç klasöre bölünmesi vardır ve bu, altı spam e-posta filtreleme modeli karşılaştırılarak yapılmıştır, yani bu klasör, atılan e-postaları, gelen kutusu veya bu tür e-postaları içeren yasal klasörü içerir. okunabilir ve şüpheli klasörde şüpheli e-postaların varlığı var, mevcut bilgilere dayanarak kararlar almak için e-postanın yapısına bakarak başladık. Ardından, spam filtreleme için yaklaşımlar öneriyoruz ve bu sınıflandırmanın temeli derin öğrenme modelleridir. Araştırma hedefimiz, Derin Öğrenmeyi kullanarak istenmeyen e-postaları analiz etmek için farklı algoritmalar önermek ve karşılaştırmaktır. Birkaç model değerlendirildi: Naive Bayes, Karar Ağacı, KNN, SVM, SVM çekirdeği ve LIBLINEAR farklı değerlendirme ölçütleri dikkate alınarak. Derin öğrenme modelleri, talimat verilmesi gerekmeyen iyi bilinen mühendislik metodolojisine kıyasla daha yaratıcıdır. Modeller değerlendirilirken doğruluk, değerlendirme süresi, hata, verimlilik vb. gibi çeşitli değerlendirme ölçütleri dikkate alınır. Bu çerçeve çeşitli doğrulukları içerir ve elde edilen bu doğruluk KNN – %88,84, NB– %94,55, Karar Ağacı – %93,06, SVM – %96,73, SVM LIBLINEAR – %96,93, SVM çekirdeği (RBF) %96,73'tür.
Özet (Çeviri)
Today, the phishing email includes in the biggest threats of the world which caused huge financial fatalities. Despite the upgrading of its combating methods, its results not found satisfied yet. It has also been found that in past years, there is increasement of phishing email with alarming rate. There is more effective technology for detection of phishing needed for combating such kind of issue. Spam email filtering is usually considered a binary classification problem, i.e., the incoming emails are divided into non-spam and spam. Our main aim with this paper is the application of proposed and deep erudition methods for detection of spam email. A number of evaluation metrics like accuracy, evaluation time, error, efficiency, etc. are regarded while evaluating the models. In this paper, there is division of incoming emails for reduction of misclassification of spam emails into three folders and this has been done by comparing six spam email filtering models i.e. This folder contains discarded emails, the inbox or folder of legitimate that contains such emails which are readable, and there is presence of suspicious emails in suspect folder, to make decisions based on the available information, we started by looking at the email's structure. Then, we propose approaches for spam filtering and basis of this classification is deep learning models. Our research goal is to suggest and compare different algorithms for analyzing spam using Deep Learning. Several models were evaluated: Naïve Bayes, Decision Tree, KNN, SVM, SVM kernel and LIBLINEAR considering different evaluation metrics. Deep learning models are more inventive as compared to well-known engineering methodology where no instructions need to be given. Several evaluation metrics like accuracy, evaluation time, error, efficiency, etc. are considered while models evaluation. This framework includes various accuracies, and this obtained accurateness are KNN – 88.84%, NB– 94.55%, Decision Tree – 93.06 %, SVM – 96.73%, SVM LIBLINEAR – 96.93%, SVM kernel (RBF) 96.73%.
Benzer Tezler
- Car damage analysis for insurance market using convolutional neural networks
Sigorta sektörü için evrişimsel sinir ağları kullanarak araç hasarı analizi
CİHAT TOLGA ARTAN
Yüksek Lisans
İngilizce
2019
Mühendislik Bilimleriİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
DOÇ. DR. TOLGA KAYA
- A novel two phased approach combining deep learning and machinelearning classifiers for effective detection of turkish phishing web sites
Türkçe kimlik avı web sitelerinin etkin tespiti için derin öğrenme ve makine öğrenmesi sınıflandırıcılarını birleştiren yeni, iki aşamalı bir yaklaşım
İHSAN DENİZ
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAdana Alparslan Türkeş Bilim Ve Teknoloji ÜniversitesiSiber Güvenlik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÇAĞATAY NEFTALİ TÜLÜ
- New proposed methods for synthetic minority over-sampling technique
Sentetik azınlık aşırı örnekleme tekniği için yeni önerilen yöntemler
HAKAN KORUL
Yüksek Lisans
İngilizce
2024
Bilim ve Teknolojiİstanbul Teknik ÜniversitesiVeri Mühendisliği ve İş Analitiği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET ALİ ERGÜN
- Machine learning approach for external fraud detection
Dış saldırıların belirlenmesi için makine öğrenimi yaklaşımı
AJI MUBALAIKE
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. ERTUĞRUL KARAÇUHA
PROF. DR. EŞREF ADALI
- Acoustic anomaly detection in industrial plants
Endüstriyel tesislerde akustik anomali tespiti
TAHA BERKAY DUMAN
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÖKHAN İNCE