تشخیص اسپم (هرزنامه) با استفاده از ویژگی‌های غیرمحتوایی

نوع فایل : word

تعداد صفحات : 15

تعداد کلمات : 3700

مجله : IEEE

انتشار : 2012

ترجمه متون داخل جداول : ترجمه شده است

درج جداول در فایل ترجمه : درج شده است

منابع داخل متن : به صورت فارسی درج شده است

کیفیت ترجمه : طلایی

:

تاریخ انتشار
16 مارس 2020
دسته بندی
تعداد بازدیدها
928 بازدید
12,500 تومان

عنوان فارسی مقاله:تشخیص اسپم (هرزنامه) با استفاده از ویژگی‌های غیرمحتوایی

 

چکیده

پیام‌های کوتاه متنی که از طریق خدمات پیام کوتاه (SMS) فرستاده می‌شود، ابزار مهم ارتباطی میان میلیون‌ها نفر در جهان محسوب می‌شود. خدمات SMS برای اپراتورهای مخابرات (مخابراتی) ضرورت محسوب می‌شود و پیام‌های آنها را با استفاده از پروتکل‌های مخابراتی استاندارد منتقل می‌کند (http://en.wikipedia.org/wiki/SMS). در عین حال، پیام‌رسانی SMS به هدفی برای سوء استفاده به واسطه توزیع ناخواسته پیام تبدیل می‌شود ـ سوء کاربرد پیام‌های SMS برای رسیدن به برخی اهداف آسیب‌رسان هستند(تشخیص اسپم بااستفاده از ویژگی‌های غیرمحتوایی). در آسیا، بیش از ۳۰ درصد پیام‌های متنی به عنوان اسپم شناخته شده که عمدتاً به واسطۀ هزینۀ پایین ارسال آنها است (http://en.wikipedia.org/wiki/Mobile_phone_spam).

این میزان انبوه پیامک‌های ناخواسته به اعتماد کاربران نسبت به ارائه دهندگان خدمات مخابراتی لطمه وارد می‌کند. بنابراین، راهبردهای فیلترنمودن اسپم‌ها در طراسر دنیا مورد آزمایش قرار گرفته است. در چین، سه اپراتور مخابراتی بزرگ ـ China Mobile، China Telecome و China Unicom برآن شد تا محدودیت‌هایی برای پیام‌های متنی وضع کند تا تعداد تلفن معین بتوانند حداکثر ۲۰۰ پیام در ساعت بفرستند که تعداد آنها از ۱۰۰۰ پیام در روز در عرض یک هفته فراتر نرود. در پاسخ، اسپم‌گذاران پیامکی راهبردهای خود را با شیوه‌های به طور فزاینده نوآورانه تطبیق داده‌اند. در نتیجه، رویکردهای کارآمدتری برای شناسایی و فیلتر پیامک‌‌های اسپم به صورت خودکار و دقیق مورد نیاز است.

در اینجا راه حل مبتنی بر خدمات ارائه می‌کنیم که از گراف داده‌کاوی برای شناسایی اسپم‌گذاران احتمالی از فرستندگان معمولی استفاده می‌کند(تشخیص اسپم بااستفاده از ویژگی‌های غیرمحتوایی).

دانلود جدیدترین مقالات ترجمه شده مهندسی

ادامه مطلب

راهنمای خرید:
  • لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
  • همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
  • ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
  • در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.

Title: SMS Spam Detection Using Noncontent Features

Abstract: 

Short Message Service text messages are indispensable, but they face a serious problem from spamming. This service-side solution uses graph data mining to distinguish spammers from nonspammers and detect spam without checking a message's contents. (see http://en.wikipedia.org/wiki/SMS). At the same time, SMS messaging has become a perfect target for abuse via spamming— misusing SMS messages to achieve some harmful purpose. Spamming is as serious a problem for SMS as it is for email and social networking services. In Asia, up to 30 percent of short text messages are recognized as spam, mainly due to the low cost of sending them (http://en.wikipedia.org/wiki/ Mobile_phone_spam).
دیدگاهتان را بنویسید