Classificadores Não-Supervisionados baseados em Conjuntos Fuzzy e Nuvens de Dados para Detecção de Spam

Vol. 1, 2019. - 108160
Oral
Favoritar este trabalho
Como citar esse trabalho?
Resumo

O avanço de tecnologias tem tornado indivíduos e organizações dependentes de e-mails para comunicação e compartilhamento. O uso crescente de e-mail tem levado à produção de mensagens comerciais não-solicitadas, conhecidas como spam. Sistemas de classificação de spam capazes de se adaptar ao longo do tempo, sem intervenção humana, são raros. A adaptação é interessante já que spams variam no tempo devido ao uso de diferentes técnicas de mascaramento. Além disso, modelos classificadores que lidam com grandes volumes de dados são essenciais. Sistemas evolutivos adaptam seus parâmetros e estrutura com o fluxo de dados. Este estudo aplica os métodos TEDA e FBeM para classificação não-supervisionada. TEDA e FBeM são comparados em acurácia, compactação, e tempo de processamento. Para redução da dimensionalidade, um método não-paramétrico baseado em correlação de Spearman é empregado. Uma base contendo 25745 amostras, sendo 7830 spams 17915 e-mails legítimos, e 711 atributos extraídos de um servidor é considerada.

Instituições
  • 1 Universidade Federal de Lavras
  • 2 Instituto Federal de Educação, Ciência e Tecnologia de Minas Gerais
Eixo Temático
  • Aprendizagem de Máquinas
Palavras-chave
Aprendizado Não-Supervisionado
Detecção de Spam
Sistemas Inteligentes Evolutivos
Clusterização
Fluxo de dados