Resumen

Las técnicas de aprendizaje automático son un enfoque estándar en la detección de spam. Su calidad depende de la calidad del conjunto de aprendizaje, y cuando el conjunto está desactualizado, la calidad de la clasificación disminuye rápidamente. El conjunto de datos de spam web público más popular que se puede utilizar para entrenar un detector de spam, WEBSPAM-UK2007, tiene más de diez años. Por lo tanto, hay un lugar para un sistema de aprendizaje automático continuo que pueda reemplazar a los detectores basados en un conjunto de aprendizaje estático. En este artículo, proponemos un sistema novedoso de reconocimiento de spam web. El sistema reconstruye automáticamente el conjunto de aprendizaje para evitar la clasificación basada en datos desactualizados. Utilizando una selección automática incorporada del clasificador activo, el sistema alcanza rápidamente una precisión productiva a pesar de un conjunto de aprendizaje limitado. Además, el sistema reconstruye automáticamente el conjunto de aprendizaje utilizando datos externos de trampas de spam y servicios web populares. Una prueba con datos

• Materias:Cifrados de bloques Seguridad cibernética Malware Ocultación de datos Cifrado homomórfico
• Subjects:Block ciphers Cyber security Malware Data hiding Homomorphic encryption
• Palabras claves:Técnicas de aprendizaje automático; Detección de spam; Conjunto de aprendizaje; Conjunto de datos de spam web; Sistema de aprendizaje automático de toda la vida; Precisión de la clasificación.
• Keywords:Machine learning techniques; Spam detection; Learning set; Web spam dataset; Lifelong machine learning system; Classification accuracy