Comparación y desarrollo de filtros anti-spam basados en minería de datos

Navarro Gómez, Miguel Ángel
Alcalá Nalvaiz, José Tomás (dir.)

Universidad de Zaragoza, CIEN, 2014

Máster en Modelización Matemática, Estadística y Computación

Resumen: El correo electrónico es un medio de comunicación eficiente y cada vez más popular. Desafortunadamente, esto ha causado que vendedores de todo tipo bombardeen los buzones de correo con mensajes no solicitados conocidos como spams. Como las medidas legales contra el spam no han tenido mucho efecto, la respuesta a este problema se encuentra en los filtros anti-spam, que ayudan a los destinatarios a identificar o eliminar automáticamente estos mensajes. Recientemente se han utilizado métodos de aprendizaje supervisado, que aprenden a identificar el spam después de recibir una muestra de mensajes de entrenamiento que han sido manualmente clasificados como spam o legítimos. En este trabajo se ha desarrollado un sistemas de preprocesamiento de la información y selección de atributos as ́ı como la implementación de distintos filtros compatibles, tanto en el entrenamiento como en el filtrado, con el sistema de correo de unizar. Los clasificadores desarrollados se basan en 2 algoritmos, naive bayes (desde distintas aproximaciones) y randomforest. Los filtros bayesianos, por su simplicidad y eficacia han sido los m ́as implementados en los sistemas anti-spam, proyectos como bogofilter (usado en Unizar) o spamassesin son muestra de ello. Por otro lado estudios recientes est ́ an demostrando buenos resultados en la clasificación de textos usando la aproximación randomforest. Se ha analizado el rendimiento y precisión para cada caso se ha calculado el umbral para el cual se minimiza los costes causados por los fallos de clasificación.

Palabra(s) clave (del autor): filtros anti-spam ; naive bayes ; ramdonforest ; python

Tipo de Trabajo Académico: Trabajo Fin de Master