The explosive growth of unsolicited

The explosive growth of unsolicited e-mails has prompted the development of numerous spam filter techniques. Bayesian spam filters are superior to static keyword-based spam filters in that they can continuously evolve to tackle new spam by learning keywords in new spam emails. However, Bayesian spam filters are easily poisoned by clever spammers who avoid spam keywords and add many innocuous words in their emails. Also, Bayesian spam filters need a significant amount of time to adapt to a new spam based on user feedback. Moreover, few current spam filters exploit social networks to assist in spam detection. In order to develop an accurate and user-friendly spam filter, we propose a SOcial network Aided Personalized and effective spam filter (SOAP) in this paper. In SOAP, each node connects to its social friends; i.e., nodes form a distributed overlay by directly using social network links as overlay links. Each node uses SOAP to collect information and check spam autonomously in a distributed manner. Unlike previous spam filters that focus on parsing keywords (e.g., Bayesian filters) or building blacklists, SOAP exploits the social relationships among email correspondents and their (dis)interests to detect spam adaptively and automatically. In each node, SOAP integrates four components into the basic Bayesian filter: social closeness-based spam filtering, social interest-based spam filtering, adaptive trust management, and friend notification. We have evaluated the performance of SOAP using simulation based on trace data from Facebook. We also have implemented a SOAP prototype for real-world experiments. Experimental results show that SOAP can greatly improve the performance of Bayesian spam filters in terms of accuracy, attack-resilience, and efficiency of spam detection. The performance of the Bayesian spam filter is SOAP’s lower bound. [ABSTRACT FROM AUTHOR]

ผลลัพธ์ (ไทย) 1:

การเจริญเติบโตของอีเมลที่ไม่พึงประสงค์ได้รับพร้อมท์การพัฒนาเทคนิคการกรองสแปมจำนวนมาก ทฤษฎีสแปมจะเหนือกว่ากรองสแปมตามคำสำคัญแบบคงที่จะสามารถพัฒนาอย่างต่อเนื่องเล่นงานสแปมใหม่ โดยเรียนรู้หลักสำคัญในอีเมล์สแปมใหม่ อย่างไรก็ตาม ทฤษฎีสแปมจะเดินยาพิษ โดยยิ่งฉลาดที่หลีกเลี่ยงสแปมคำ และเพิ่มคำหลาย innocuous ในอีเมล์ของพวกเขา ยัง ทฤษฎีสแปมต้องระยะเวลาปรับตัวรับกับสแปมใหม่ที่ยึดตามคำติชมของผู้ใช้ที่สำคัญ นอกจากนี้ สแปมน้อยปัจจุบันใช้เครือข่ายทางสังคมเพื่อช่วยในการตรวจจับสแปม การพัฒนาตัวกรองสแปมที่ถูกต้อง และใช้งานง่าย เราเสนอสังคม Aided สแปมที่มีประสิทธิภาพ และตัว (สบู่) ในเอกสารนี้ ในสบู่ แต่ละโหนดที่เชื่อมต่อกับเพื่อนของสังคม เช่น โหนแบบซ้อนทับแบบกระจาย โดยใช้การเชื่อมโยงเครือข่ายทางสังคมโดยตรงเป็นการเชื่อมโยงซ้อนทับ แต่ละโหนใช้สบู่เพื่อรวบรวมข้อมูล และตรวจสอบสแปม autonomously ในลักษณะกระจาย ซึ่งแตกต่างจากก่อนหน้านี้สแปมที่แยกคำ (เช่น กรองทฤษฎี) หรืออาคาร blacklists สบู่นำความสัมพันธ์ทางสังคมระหว่างอีเมล์ร่วมและความสนใจ (โรค) เพื่อตรวจจับสแปมโดยอัตโนมัติ และอย่างเหมาะ ในแต่ละโหน สบู่รวมสี่ส่วนประกอบในตัวทฤษฎีพื้นฐาน: การกรองสแปมตามความใกล้เคียงทางสังคม กรองสแปมตามสนใจสังคม จัดการความเชื่อถือแบบอะแดปทีฟ และแจ้งเตือนเพื่อน เราได้ประเมินประสิทธิภาพของสบู่ที่ใช้จำลองการติดตามข้อมูลจาก Facebook เรายังได้ใช้สบู่ต้นแบบสำหรับการทดลองจริง ผลการทดลองแสดงว่า สบู่สามารถปรับปรุงประสิทธิภาพของตัวกรองสแปมทฤษฎีความแม่นยำ ความ ยืดหยุ่นโจมตี และประสิทธิภาพในการตรวจจับสแปม ประสิทธิภาพของตัวกรองสแปมของทฤษฎีคือ ขอบล่างของสบู่ [บทคัดย่อจากผู้เขียน]

ผลลัพธ์ (ไทย) 2:

การเจริญเติบโตระเบิดของอีเมลที่ไม่พึงประสงค์ได้รับแจ้งการพัฒนาของสแปมหลายเทคนิคการกรอง ตัวกรองสแปม Bayesian จะดีกว่าตัวกรองสแปมที่ใช้คำแบบคงที่ในการที่พวกเขาสามารถพัฒนาอย่างต่อเนื่องเพื่อรับมือกับสแปมใหม่โดยการเรียนรู้คำหลักในอีเมลขยะใหม่ แต่ตัวกรองสแปม Bayesian ได้รับสารพิษได้อย่างง่ายดายโดยผู้ส่งอีเมลขยะที่ฉลาดที่หลีกเลี่ยงคำหลักสแปมและการเพิ่มคำที่ไม่น่ากลัวมากมายในอีเมลของพวกเขา นอกจากนี้ตัวกรองสแปม Bayesian ต้องจำนวนเงินที่สำคัญของเวลาในการปรับตัวเข้ากับสแปมใหม่ตามความคิดเห็นของผู้ใช้ นอกจากนี้ไม่กี่ตัวกรองสแปมปัจจุบันใช้ประโยชน์จากเครือข่ายทางสังคมที่จะช่วยในการตรวจสอบสแปม เพื่อที่จะพัฒนาที่ถูกต้องและใช้งานง่ายตัวกรองสแปมเราเสนอเครือข่ายสังคมช่วยสแปมส่วนบุคคลและมีประสิทธิภาพกรอง (SOAP) ในบทความนี้ สบู่ในแต่ละโหนดที่เชื่อมต่อกับเพื่อน ๆ ทางสังคมของตน เช่นโหนดรูปแบบซ้อนทับกระจายโดยตรงโดยใช้การเชื่อมโยงเครือข่ายทางสังคมกับการเชื่อมโยงซ้อนทับ แต่ละโหนดใช้สบู่เพื่อเก็บรวบรวมข้อมูลและตรวจสอบสแปมตนเองในลักษณะกระจาย ซึ่งแตกต่างจากตัวกรองสแปมก่อนหน้านี้ที่มุ่งเน้นไปที่คำหลักที่แยก (เช่นฟิลเตอร์แบบเบย์) หรือบัญชีดำอาคารสบู่ใช้ประโยชน์จากความสัมพันธ์ทางสังคมในหมู่ผู้สื่อข่าวอีเมลและพวกเขา (DIS) ผลประโยชน์ในการตรวจสอบสแปมโดยอัตโนมัติและปรับตัว ในแต่ละโหนด, สบู่รวมสี่ส่วนเป็นตัวกรอง Bayesian พื้นฐานทางสังคมการกรองสแปมที่ใช้ความใกล้ชิด, การกรองสแปมตามความสนใจทางสังคมการจัดการความไว้วางใจในการปรับตัวและการแจ้งเตือนเพื่อน เรามีการประเมินประสิทธิภาพการทำงานของสบู่โดยใช้สถานการณ์จำลองขึ้นอยู่กับการติดตามข้อมูลจาก Facebook นอกจากนี้เรายังได้ดำเนินการต้นแบบสบู่สำหรับการทดลองจริงของโลก ผลการทดลองแสดงให้เห็นว่าสบู่สามารถปรับปรุงประสิทธิภาพการทำงานของตัวกรองสแปม Bayesian ในแง่ของความถูกต้อง, การโจมตีความยืดหยุ่นและมีประสิทธิภาพในการตรวจจับสแปม ประสิทธิภาพการทำงานของตัวกรองสแปม Bayesian ถูกผูกไว้ที่ต่ำกว่าของสบู่ [บทคัดย่อจากผู้เขียน]

ผลลัพธ์ (ไทย) 3:

การเจริญเติบโตระเบิดของอีเมลที่ไม่พึงประสงค์ได้รับการพัฒนาเทคนิคการกรองสแปมจํานวนมาก ตัวกรองสแปมแบบเบส์เหนือกว่าสถิตการใช้ตัวกรองสแปมที่พวกเขาอย่างต่อเนื่องสามารถคายเล่นงานสแปมใหม่โดยใช้คำสำคัญในอีเมล์สแปมใหม่ อย่างไรก็ตามตัวกรองสแปมแบบเบส์ ได้โดยง่าย การวางยา โดยหลีกเลี่ยงการสแปมผู้ส่งอีเมลขยะที่ฉลาดและเพิ่มคำอันตรายมากมายในอีเมลของพวกเขา นอกจากนี้ ตัวกรองสแปมแบบเบส์ต้องการให้จำนวนเงินที่สำคัญของเวลาที่จะปรับให้เข้ากับสแปมใหม่ตามความคิดเห็นของผู้ใช้ และตัวกรองสแปมในปัจจุบันไม่กี่ใช้ประโยชน์จากเครือข่ายทางสังคมเพื่อช่วยในการตรวจหาสแปม เพื่อพัฒนาความถูกต้องและตัวกรองสแปมที่ง่ายเราเสนอเครือข่ายทางสังคมช่วยส่วนบุคคลและตัวกรองสแปมที่มีประสิทธิภาพ ( สบู่ ) ในบทความนี้ ในละคร แต่ละโหนดจะเชื่อมต่อกับเพื่อน ๆของสังคม เช่น โหนดแบบกระจายซ้อนโดยการเชื่อมโยงเครือข่ายทางสังคมเป็นลิงก์โดยตรงใช้บรรยาย แต่ละโหนดใช้สบู่เพื่อเก็บรวบรวมข้อมูลและตรวจสอบการสแปมอัตโนมัติในลักษณะซึ่งแตกต่างจากตัวกรองสแปมก่อนหน้านี้ที่มุ่งเน้นการคำหลัก ( เช่น Bayesian กรอง ) หรือแบล๊กลิสต์ อาคาร , สบู่ใช้ประโยชน์จากความสัมพันธ์ทางสังคมระหว่างผู้สื่อข่าวและอีเมล์ ( DIS ) ผลประโยชน์เพื่อตรวจจับสแปมและการปรับตัวโดยอัตโนมัติ ในแต่ละโหนด , สบู่รวมสี่องค์ประกอบในตัวกรอง Bayesian กรองสแปมพื้นฐาน : ความใกล้ชิดทางสังคมตามความสนใจสังคมการกรองสแปมตามการจัดการความน่าเชื่อถือ การปรับตัว และการแจ้งเตือนเพื่อน เราได้ประเมินประสิทธิภาพของสบู่ใช้จำลองบนพื้นฐานของข้อมูลที่สืบค้นจาก Facebook นอกจากนี้เรายังได้ใช้สบู่ต้นแบบเพื่อการทดลองที่แท้จริงของโลก ผลการทดลองแสดงให้เห็นว่าสบู่ สามารถปรับปรุงประสิทธิภาพของตัวกรองสแปมแบบเบส์ ในแง่ของความถูกต้อง โจมตีความยืดหยุ่นและทนทานและประสิทธิภาพในการตรวจจับสแปม ประสิทธิภาพของตัวกรองสแปม Bayesian เป็นสบู่เป็นขอบเขตล่าง . จากผู้เขียน [ บทคัดย่อ ]