Credit:Unsplash(Brett Jordan)垃圾邮件是不受欢迎的消息，通常会批量发送给许多随机用户。这些邮件可能包含广告，也可能包含网络钓鱼链接或恶意软件。自动过滤电子邮件和识别垃圾邮件非常有利，因为它可以降低网络钓鱼攻击的风险，并使用户更容易浏览他们的帐户。在过去的几年里，计算机科学家已经开发了越来越先进的计算模型来自动检测垃圾邮件。然而，为了表现良好，这些模型中的大多数需要在大型电子邮件数据集上进行训练，这些数据集是由人工标记的。
印度Sinhgad理工学院Lonavala的研究人员最近创造了一种自动检测垃圾邮件的新技术。这项技术发表在《国际智能机器人和应用杂志》上的一篇论文中，可以帮助提高用户的安全性，同时也可以帮助他们浏览不相关或不需要的电子邮件。
“我们的模型还降低了训练速度，并提高了分类效率，”进行这项研究的研究人员之一Vikas Samarthrao Kadam告诉TechXplore。"与其他模型相比，该模型提高了垃圾邮件检测的收敛速度，取得了较好的效果."
Kadam和他的同事开发的模型基于多目标特征选择和自适应胶囊网络，这是一种新的非常有前途的深度学习技术。与其他以前开发的方法相比，该模型是在图像和文本数据集上训练的。
“我们的模型引入了一种新的混合启发式算法，并通过多目标函数实现了最佳特征选择，”Kadam解释道。“我们的工作证实了基于深度学习算法的新的和改进的检测模型的前景。垃圾邮件的自动检测是必要的，因为它很简单。”
研究人员开发的模型易于实现，并且可以在短时间内快速训练。在最初的评估中，Kadam和他的同事发现它可以比其他现有方法更准确地检测垃圾邮件。
“垃圾邮件检测是必不可少的，因为它可以确保卖家的正义，并保持在线商店买家的信任，”卡达姆说。与其他方法相比，它提高了训练速度和分类效率。我们的模式可以提高收到大量电子邮件的人的生活质量，让他们能够顺畅地浏览电子邮件，并且只将账户用于他们想要的目的。”
在未来，Kadam和他的同事创造的垃圾邮件过滤技术可以大规模实施，提高电子邮件服务的安全性和效率。值得注意的是，这种模式可以应用于广泛的现有服务，包括Gmail、雅虎邮箱和Outlook。
“几乎所有的研究人员都根据他们模型的准确度、精确度和召回率来展示他们的结果，但我们认为机器学习模型的时间复杂性也应该被视为一种评估指标，”Kadam说。“一些研究人员在使用一袋单词进行特征提取的过程中展示了有希望的结果，因为他们声称电子邮件标题对于垃圾邮件检测来说与正文内容一样重要。因此，将来还可以考虑对标题行进行深度特征提取。”
到目前为止，该研究小组设计的新垃圾邮件过滤技术取得了非常有前景的结果，因为它可以有效地检测垃圾邮件，并且准确率很高。然而，Kadam和他的同事们认为它的速度和精度在未来还可以进一步提高。
“垃圾邮件检测和过滤系统的安全性对于实现更好的准确性和可靠的结果至关重要，这可以在未来使用集成学习来改善，”Kadam补充道。「很多模型的假阳性率仍高于要求，但将来应降至最低。实时垃圾邮件分类是非常必要的，因为大多数建议的模型都不能很好地处理实时数据。”
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
