Clicky

Se puede aplicar a una amplia gama de servicios existentes, incluidos Gmail, correo de Yahoo y Outlook

Los correos electrónicos de spam son mensajes no deseados que a menudo se envían en masa a muchos usuarios aleatorios. Estos mensajes pueden contener anuncios, pero también enlaces de phishing o malware.

El filtrado automático de correos electrónicos y la identificación de mensajes de spam es muy ventajoso, ya que puede reducir el riesgo de ataques de phishing y facilitar a los usuarios la navegación por sus cuentas.

En los últimos años, los científicos informáticos han desarrollado modelos computacionales cada vez más avanzados para detectar automáticamente los correos electrónicos no deseados. Sin embargo, para funcionar bien, la mayoría de estos modelos deben entrenarse en grandes conjuntos de datos de correo electrónico, que fueron etiquetados manualmente por humanos.

Investigadores del Sinhgad Institute of Technology Lonavala en India han creado recientemente una nueva técnica para la detección automática de correos electrónicos no deseados. Esta técnica podría ayudar a mejorar la seguridad de los usuarios, al mismo tiempo que les ayuda a evitar correos electrónicos irrelevantes o no deseados.

"Nuestro modelo también reduce las velocidades de entrenamiento y conduce a una mayor eficiencia de clasificación", dijo Vikas Samarthrao Kadam, uno de los investigadores que llevó a cabo el estudio. "A diferencia de otros modelos, aumenta la tasa de convergencia de la detección de correo no deseado, logrando mejores resultados".

El modelo desarrollado por Kadam y sus colegas se basa en la selección de características multiobjetivo y en una red de cápsula adaptativa, una nueva y muy prometedora técnica de aprendizaje profundo. A diferencia de otros métodos desarrollados anteriormente, el modelo se entrenó en conjuntos de datos de imagen y texto.

"Nuestro modelo presenta un nuevo algoritmo heurístico híbrido y logra una selección de características óptima, con una función multiobjetivo", explicó Kadam. "Nuestro trabajo confirma la promesa de modelos de detección nuevos y mejorados basados en algoritmos de aprendizaje profundo. La detección automática de correos electrónicos no deseados es necesaria debido a su simplicidad".

El modelo desarrollado por los investigadores es fácil de implementar y se puede entrenar rápidamente, en períodos cortos de tiempo. En las evaluaciones iniciales, Kadam y sus colegas descubrieron que puede detectar correos electrónicos no deseados con mayor precisión que otros métodos existentes.

"La detección de spam es esencial ya que puede garantizar la justicia para los vendedores y mantener la confianza del comprador en las tiendas en línea", dijo Kadam. "A diferencia de otros métodos, mejora la velocidad de entrenamiento y la eficiencia de la clasificación. Nuestro modelo podría mejorar con la calidad de vida de las personas que reciben grandes cantidades de correos electrónicos, permitiéndoles navegar a través de su correo electrónico sin problemas y solo usar sus cuentas para el propósito deseado".

En el futuro, la técnica de filtrado de spam creada por Kadam y sus colegas podría implementarse a gran escala, mejorando la seguridad y la eficiencia de los servicios de correo electrónico. Sorprendentemente, el modelo se puede aplicar a una amplia gama de servicios existentes, incluidos Gmail, correo de Yahoo y Outlook.

"Casi todos los investigadores presentan sus resultados en función de la exactitud, precisión y recuperación de sus modelos, pero creemos que la complejidad temporal de los modelos de aprendizaje automático también debe considerarse como una métrica de evaluación", dijo Kadam. "Algunos investigadores muestran resultados prometedores en el proceso de extracción de características utilizando una bolsa de palabras, ya que afirman que el encabezado del correo electrónico es tan importante para la detección de spam como el contenido del cuerpo. Por lo tanto, la extracción de características profundas de la línea de encabezado también podría considerarse en el futuro".

Hasta ahora, la nueva técnica de filtrado de correo no deseado ideada por este equipo de investigación logró resultados muy prometedores, ya que podía detectar correos electrónicos no deseados de manera eficaz y con gran precisión. Sin embargo, Kadam y sus colegas sienten que su velocidad y precisión podrían mejorarse aún más en el futuro.

"Es crucial la seguridad de los sistemas de detección y filtración de spam para lograr una mayor precisión y resultados confiables, que pueden mejorarse en el futuro mediante el aprendizaje conjunto", agregó Kadam. "La tasa de falsos positivos de muchos modelos sigue siendo superior a la requerida, pero en el futuro debería reducirse al valor más pequeño posible. La clasificación de spam en tiempo real es muy necesaria, ya que la mayoría de los modelos propuestos no funcionan bien con datos en tiempo real".

La técnica fue presentada en un artículo publicado en el International Journal of Intelligent Robotics and Applications: A hybrid meta-heuristic-based multi-objective feature selection with adaptive capsule network for automated email spam detection


Buscar en el sitio

 
Recibe gratis nuevos artículos por email:
Inicia sesión para suscribirte en Youtube