Geri Dön

A comprehensive analysis of adversarial attacks on spam filters

İstenmeyen e-posta filtrelerine yönelik çekişmeli saldırıların kapsamlı bir analizi

PDF İndir

  1. Tez No: 920886
  2. Yazar: ESRA HOTOĞLU
  3. Danışmanlar: PROF. DR. SEVİL ŞEN AKAGÜNDÜZ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Derin öğrenme, Doğal dil sistemi, Çelişmeli muhakeme ilkesi, Deep learning, Natural language system, Principle of adversarial trial
  7. Yıl: 2024
  8. Dil: İngilizce
  9. Üniversite: Hacettepe Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

İstenmeyen e-posta filtreleri, kötü amaçlı yazılımların posta kutusuna ulaşmadan önce tespit edilmesine yardımcı olur ve siber güvenliğin hayati bir parçasıdır. Makine öğrenimi tabanlı istenmeyen e-posta dedektörlerinin de kullanışlı ve oldukça başarılı olduğu kanıtlanmıştır. Yapay zekanın gelişmesiyle birlikte, makine öğrenimi algoritmaları giderek daha önemli hale gelmiştir ve büyük ölçüde test edilmemiştir. Ancak çekişmeli öğrenme, makine öğrenmesi algoritmalarını kullanan çeşitli güvenlik sistemlerinin güvenlik açıklarının araştırıldığı ve makine öğrenmesi modellerini kötü niyetli girdilerle alt etmeye yönelik girişimlerin yapıldığı önemli bir kavramdır. Doğal Dil İşleme de dahil olmak üzere makine öğrenimi bağlamında, düşmanca bir saldırı, hatalara neden olmak veya bir makine öğrenimi modelinden yanlış çıktılar üretmek için girdi verilerinin kasıtlı olarak değiştirilmesini içerir. Bu çalışma, derin öğrenme tabanlı istenmeyen e-posta dedektörlerine karşı düşmanca saldırıların fizibilitesini araştırıyor. İlk olarak, öne çıkan altı derin öğrenme modeli uygulanıyor ve kara kutu senaryo ayarlarında karakter, kelime ve cümle seviyesi olmak üzere üç seviyeli saldırılar analiz ediliyor. Bu saldırılar, gerçek dünyadaki üç istenmeyen e-posta veri kümesinde değerlendirilir. Ayrıca, saldırı etkinliğini artırmak için istenmeyen e-posta ağırlıkları ve dikkat ağırlıkları dahil olmak üzere yeni puanlama işlevleri tanıtılmıştır. Son olarak, üretici yapay zeka tarafından üretilen istenmeyen e-postaların derin öğrenme tabanlı istenmeyen e-posta tespiti modelleri üzerindeki etkisi araştırılmıştır. Bu kapsamlı analiz, istenmeyen e-posta filtrelerinin güvenlik açıklarına ışık tutmaktadır ve gelişen rakip tehditlere karşı güvenliklerini artırma çabalarına katkıda bulunmaktadır.

Özet (Çeviri)

Email spam filters help detect malware before it reaches the mailbox and are a vital part of cyber security. Machine learning-based spam detectors have also proven to be useful and highly successful. With the advancement of artificial intelligence (AI), machine learning algorithms have become increasingly important and remain largely untested. However, adversarial learning is an important concept where the vulnerabilities of various security systems using machine learning algorithms are investigated and attempts are made to defeat machine learning models with malicious input. In the context of machine learning, including Natural Language Processing (NLP), an adversarial attack involves the deliberate manipulation of input data to cause errors or produce incorrect outputs from a machine learning model. This study investigates the feasibility of adversarial attacks against deep learning-based spam detectors. First, six prominent deep learning models are implemented, and three level attacks, namely character-, word-, and sentence-level, are analyzed in black-box scenario settings. These attacks are evaluated on three real-world spam datasets. Moreover, novel scoring functions, including spam weights and attention weights, are introduced to improve attack effectiveness. Lastly, the impact of AI-generated spam emails is investigated on the deep learning spam detection models. This comprehensive analysis sheds light on the vulnerabilities of spam filters and contributes to efforts to improve their security against evolving adversarial threats.

Benzer Tezler

  1. Tez No

    1006334

    A novel two-tier machine learning framework for adversarial phishing detection

    Düşmanca kimlik avı saldırılarını tespit etmek içın yeni bir iki aşamalı makine öğrenme çerçevesi

    SARMAD KADIM RASHED RASHED

    Doktora

    İngilizce

    İngilizce

    2026

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. CANER ÖZCAN

  2. Tez No

    1

    Ovulasyon indüksiyonu tedavisinde folliküler gelişimin ultrasonografik takibi

    Başlık çevirisi yok

    MERİH BAYRAM

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    1987

    Kadın Hastalıkları ve DoğumGazi Üniversitesi

    Kadın Hastalıkları ve Doğum Ana Bilim Dalı

    DOÇ. DR. MÜLAZIM YILDIRIM

  3. Tez No

    201

    Çimentonun sertleşmesi üzerinde kimyasal komponentlerin etkisi

    Başlık çevirisi yok

    NACİYE TÜRKEL

    Yüksek Lisans

    Türkçe

    Türkçe

    1986

    Kimya MühendisliğiUludağ Üniversitesi

    Kimya Ana Bilim Dalı

    PROF. DR. MUSTAFA CEBE

  4. Tez No

    202

    Bazı esterlerin kinetik incelenmesi ve termodinamik parametrelerin belirlenmesi

    Kinetic study and detesmination of thermodnamic parameters of some esters

    İBRAHİM TAŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    1986

    Kimya MühendisliğiUludağ Üniversitesi

    Kimya Ana Bilim Dalı

    PROF. DR. MUSTAFA CEBE

  5. Tez No

    252

    İzmir'de bazı yolların kapatılarak yaya bölgeleri oluşturma da kent peyzajını geliştirme açısından yeniden planlanması üzerinde araştırmalar

    Başlık çevirisi yok

    BAHAR TÜRKYILMAZ

    Yüksek Lisans

    Türkçe

    Türkçe

    1985

    Şehircilik ve Bölge PlanlamaEge Üniversitesi

    Şehir ve Bölge Planlama Ana Bilim Dalı

Geri Dön