Resumen

La detección de spam es un gran problema en la comunicación de mensajes móviles, lo que hace que la comunicación de mensajes móviles sea insegura. Para abordar este problema, se necesita un método preciso y exacto para detectar el spam en la comunicación de mensajes móviles. Propusimos las aplicaciones del método de detección de spam basado en aprendizaje automático para una detección precisa. En esta técnica, se utilizan clasificadores de aprendizaje automático como la regresión logística (LR), el vecino más cercano (K-NN) y el árbol de decisiones (DT) para la clasificación de mensajes de ham y spam en la comunicación de dispositivos móviles. Se utiliza el conjunto de datos de colección de spam de SMS para probar el método. El conjunto de datos se divide en dos categorías para entrenar y probar la investigación. Los resultados de los experimentos demostraron que el rendimiento de clasificación de LR es alto en comparación con K-NN y DT, y LR logró una alta precisión del 99%. Además, el rendimiento del método propuesto

• Materias:Seguridad informática Comunicación inalámbrica Internet de las cosas Ataques de denegación distribuida de servicio
• Subjects:Computer security Wireless communication Internet of things Distributed denial of service attacks
• Palabras claves:Detección de spam; Comunicación de mensajes móviles; Aprendizaje automático; Clasificadores; Regresión logística; Recogida de spam por SMS;
• Keywords:Spam detection; Mobile message communication; Machine learning; Classifiers; Logistic regression; SMS spam collection;