An intelligent three‐phase spam filtering method based on decision tree data mining

Sheu, Jyh-Jian; Chen, Yin‐Kai; Chu, Ko-Tsung; Tang, Jih‐Hsin; Yang, Wei‐Pang

doi:10.1002/sec.1584

Cited by 18 publications

(12 citation statements)

References 25 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…In case of longer image encryption process, the higher security of the algorithm will be. But it is not applicable to actual large-scale application (Sheu, Chen and Chu, 2016).…”

Section: Introductionmentioning

confidence: 99%

Information Security and Confidentiality Based on Data Mining

2017

Revista Tecnica De La Facultad De Ingenieria Universidad Del Zu

View full text Add to dashboard Cite

The paper introduced the background and significance for researches based on image information confidential mining, and analyzed the research achievements of confidentiality core technology of image information. And it studied relevant concepts and theories of digital chaotic mining theory and image scrambling. Eventually, it focused on studies of logistic mapping based chaotic system, conducted in-depth research and experimental simulation optimization, performed mining extraction and optimization of numerical information specific to logistic mapping. The obtained relevant conclusion is: when there are three wavelet decomposition levels, the order of magnitudes of overall key space can reach 10 in total. Consequently, when there are 3 wavelet decomposition levels, the overall key space order of magnitude has reached level 10 180 . The image encryption algorithm based on wavelet transform integrating with 2D logistics not only can realize high precision retention of information, but also can significantly increase the order of magnitudes of key space, and further improve the security of image encryption.

show abstract

“…In case of longer image encryption process, the higher security of the algorithm will be. But it is not applicable to actual large-scale application (Sheu, Chen and Chu, 2016).…”

Section: Introductionmentioning

confidence: 99%

Information Security and Confidentiality Based on Data Mining

2017

Revista Tecnica De La Facultad De Ingenieria Universidad Del Zu

View full text Add to dashboard Cite

show abstract

“…O endereço e/ou link da base de dados utilizada nas pesquisa está disponível para uso por outros pesquisadores em apenas 36% dos artigos estudados (Figura 17 No trabalho de Sheu et al (2016), foi utilizado em sua avaliação experimental, dados de spam, "SpamAssassin" e "Enron-Spam", todos disponíveis on-line.…”

Section: Resultsunclassified

“…Foi detectado o uso dessa estrutura em todas as fases da mineração. No pré-processamento (VALLE; RUZ; MORRÁS, 2018;THONGKAM;SUKMAK, 2017;SHEU et al, 2016;ZHANG et al, 2013), as pesquisas relatam a criação de árvores para auxílio na formação dos itemsets frequentes, sendo um passo fundamental e uma forma eficaz de identificar as inter-relações inerentes e desconhecidas entre as características de dados de espectros celestes e suas propriedades físico-químicas.…”

Section: Resultsunclassified

“…Para as tarefas de classificação, os trabalhos apresentaram uma maior variedade de tipos de Rede (HONG et al, 2018;CHERN-TONG;AZIZ, 2018;SHEU, 2018;DELGADO et al, 2018;CHEN et al, 2018;TURGEMAN;SCIULLI, 2017;MINELGA et al, 2017;OLIINYK et al, 2017;GAO et al, 2017a;THONGKAM;SUKMAK, 2017;LI et al, 2017;MAKINO;KATO;TANIMOTO, 2017;CARVALHO;REZENDE, 2016;NEMATI;SANT'ANNA;NOWACZYK, 2016;SIMARD;ST-PIERRE;BISKRI, 2016;MEI;SHENG et al, 2016;USMAN;USMAN, 2016;SHEU et al, 2016;ACHARYA;MAHALI;MOHAPATRA, 2015;CARVALHO, 2014;KE et al, 2014;ZHANG, 2011), dando destaques ao uso de Regras de Associação em classe, bem como Regras de Associação temporais e contínuas.…”

Section: Resultsunclassified

“…A avaliação por especialistas foi detectada principalmente em dados relacionados à saúde(HONG et al, 2018;Özgür Cingiz;BIRICIK;DIRI, 2017;TSAI et al, 2017;FU et al, 2017). 19 -Descrição do método proposto aplicado na pesquisa Fonte: Elaborada pelo autor.Os processos de validação apresentados foram realizados com o uso de várias estruturas e métricas como Redes Bayesianas(DELGADO et al, 2018;CAI et al, 2017;NEMATI; SANT'ANNA; NOWACZYK, 2016) e árvores de decisão(FU et al, 2017;LI et al, 2017;SHEU et al, 2016).Em 55% dos artigos é efetuada uma comparação (Figura 21) do método proposto com outros na literatura. Destaca-se a pesquisa deDing et al (2013) que trata de um tema muito comum, detecção de malwares de forma rápida.…”

unclassified

See 2 more Smart Citations

Redes de regras de associação filtradas e multialvo

Calçada¹

View full text Add to dashboard Cite

Este trabalho é dedicado à minha família em todos os planos da vida AGRADECIMENTOS Agradecimentos são sempre feitos de forma simples e direta citando nomes e elementos de uma forma geral que contribuíram com este trabalho. Farei um pouco diferente, pois são nas diferenças que percebemos o quanto a nossa vitória realmente compensou.Dizer que agradeço a Deus é muito pouco diante de tamanha dívida que possuo com o criador. Graças a Ele, tive e tenho a oportunidade de usufruir de uma reencarnação repleta de aprendizados, sendo a conclusão deste trabalho de grande importância em minha vida. Não tendo realmente outras palavras, simplesmente digo OBRIGADO SENHOR! Muito mais que uma orientadora, uma amiga e quase uma mãe, acima de tudo alguém que confiou em mim, no meu potencial. Ela me motivou desde o início, mesmo antes de saber que seria minha orientadora, e continua me inspirando a seguir firme, em frente, e a sempre "defender meu cinturão" após o doutorado. Prof a Solange Rezende, obrigado pela veracidade e pelo norteamento de minha vida acadêmica e pessoal, tornando-me um cientista da computação de verdade e um ser humano melhor.Agradecer a todos que contribuíram diretamente com os experimentos e estudos. Meu amigo Renan pelo tempo compartilhado em várias conversas e debates nos estudos de Mineração de Regras de Associação. Minhas "protetoras" Ivone, Roberta e Camila que me auxiliaram em tantas oportunidades, não só com orientações e sugestões sobre o trabalho, mas também sobre aspectos de minha vida pessoal.Agradecer aos demais membros da equipe SOL que tive o prazer de conviver. João Antunes, Ricardo Scheicher, Ricardo Marcacini, Vítor e Dildre, além dos outros que contribuíram bastante comigo, mesmo sem saber. Agradecer a todos do LABIC, na pessoa dos professores Alneu e Gustavo, e de todos seus orientandos, por me acolherem tão bem e me ensinarem que para crescer profissionalmente a gente DEVE compartilhar.Meu muito obrigado aos professores do Programa de Pós-graduação em Ciências da Computação e Matemática Computacional da USP em São Carlos pela paciência a mim direcionada e pelas disciplinas fundamentais em minha formação, destaco o Professor Cláudio Toledo que se tornou um parceiro de pesquisa e um amigo para o resto da vida. A todos os funcionários da USP que eu tanto "perturbei", muito obrigado! Emano gratidão a todos que coordenaram esse programa durante a minha passagem, em especial ao professor Ades que muitas vezes pareceu que estava atendendo a um parente próximo bem querido quando eu a ele me dirigia para tirar dúvidas e principalmente pedir ajuda. Ajuda que nunca foi negada.Às vezes agradecemos pela realização de sonhos, principalmente àqueles que nem sabíamos que poderiam ser realizados, por isso agradeço à UESPI e à USP-São Carlos por possibilitarem que eu fizesse um doutorado na melhor Universidade da América Latina, e ainda com nota 7 da CAPES, algo inimaginável para mim.Agradecimento a todos os meus colegas de DINTER, que mesmo sem a possibilidade de convivermos durante todo o processo do douto...

show abstract

A comparative study of the class imbalance problem in Twitter spam detection

Liu

2017

Concurrency and Computation

View full text Add to dashboard Cite

Recently, online social network (OSN) such as Twitter has become an important and popular source for real-time information and news dissemination, and Twitter is inevitably a prime target of spammers. It has been showed that the security threats caused by Twitter spam can reach far beyond the social media platform itself. To mitigate the damage caused by Twitter spam, machine learning classification algorithms have been employed by researchers and communities to detect the Twitter spam. However, most of these studies have overlooked the class imbalance problem in Twitter spam detection. In this paper, we have studied the class imbalance problem in Twitter spam detection. Firstly, we have conducted a comparative study regarding some popular methods in handling the class imbalance problem in order to identify the most effective approach for addressing the class imbalance problem. Then, we have conducted another comparative study from Twitter spam detection based on several classic techniques. Experimental results demonstrate that a fuzy-based ensemble learning can significantly improve the classification performance on imbalance ground truth Twitter data. KEYWORDSclassification, class imbalance, online social network, Twitter spam detection INTRODUCTIONTwitter is used to exchange messages among friends. Unfortunately, spammers usually use Twitter as a tool to post unsolicited messages that contain malicious links, and even hijack trending topics. In this respect, the exponential growth of Twitter contributes to the increase of online spamming activities. Study shows that more than 3% messages are most probably abused by spammers. 1 In order to solve the security threats caused by spammers, a lot of researchers have proposed machine learning based algorithm for Twitter spam detection. However, most of these studies have neglected a fundamental issue that is the class imbalance problem, which is widely seen in real-world Twitter data. [2][3][4] The class imbalance problem has been identified as one of the ten challenging problems in data mining research. 5 This issue occurs in two different types of data sets: binary and multiclass. For binary problem, the training data from the minority class or positive class are very small, and the rest which make up the majority class or negative class are very large. While for multiclass problems, each of the class only contains a tiny fraction of samples. These problems are also especially critical in many real-world applications. For example, in Twitter spam detection, we used to have a large amount of normal Twitter data while only small number of spam samples, this gives us imbalanced data. Previous study has shown that the detection rate for Twitter spam can be decreased for about 33% in average with the class imbalance rate rises from 2 to 20. 6 Hence, a natural question in data mining research is how to improve the performance of classifiers facing with imbalanced data?Existing techniques for handling the class imbalance problem are mainly from three perspectives, includi...

show abstract

An intelligent three‐phase spam filtering method based on decision tree data mining

Cited by 18 publications

References 25 publications

Information Security and Confidentiality Based on Data Mining

Information Security and Confidentiality Based on Data Mining

Redes de regras de associação filtradas e multialvo

A comparative study of the class imbalance problem in Twitter spam detection

Contact Info

Product

Resources

About