Model Baru untuk Mendeteksi dan Memfilter Email Spam secara Otomatis

Email spam adalah pesan yang tidak diinginkan yang sering dikirim ke banyak pengguna acak secara massal. Pesan-pesan ini dapat berisi iklan, tetapi juga tautan phishing atau malware. Pemfilteran email secara otomatis dan identifikasi pesan spam sangat menguntungkan, karena dapat mengurangi risiko serangan phishing dan memudahkan pengguna untuk menavigasi akun mereka.

Selama beberapa tahun terakhir, ilmuwan komputer telah mengembangkan model komputasi yang semakin canggih untuk mendeteksi email spam secara otomatis. Namun, untuk berkinerja baik, sebagian besar model ini perlu dilatih pada kumpulan data email besar, yang diberi label secara manual oleh manusia.

Para peneliti di Sinhgad Institute of Technology Lonavala di India baru-baru ini menciptakan teknik baru untuk deteksi otomatis email spam. Teknik ini, yang dipresentasikan dalam makalah yang diterbitkan dalam International Journal of Intelligent Robotics and Applications, dapat membantu meningkatkan keamanan pengguna, sekaligus membantu mereka menelusuri email yang tidak relevan atau tidak diinginkan.

"Model kami juga mengurangi kecepatan pelatihan dan mengarah pada efisiensi klasifikasi yang lebih besar," Vikas Samarthrao Kadam, salah satu peneliti yang melakukan penelitian, mengatakan kepada TechXplore. "Berbeda dengan model lain, ini meningkatkan tingkat konvergensi deteksi email spam, mencapai hasil yang lebih baik."

Model yang dikembangkan oleh Kadam dan rekan-rekannya didasarkan pada pemilihan fitur multi-tujuan dan pada jaringan kapsul adaptif, teknik pembelajaran mendalam yang baru dan sangat menjanjikan. Berbeda dengan metode lain yang dikembangkan sebelumnya, model dilatih pada kumpulan data gambar dan teks.

"Model kami memperkenalkan algoritma heuristik hibrida baru dan mencapai pemilihan fitur yang optimal, dengan fungsi multi-tujuan," jelas Kadam. "Pekerjaan kami menegaskan janji model deteksi baru dan lebih baik berdasarkan algoritma pembelajaran mendalam. Deteksi otomatis email spam diperlukan karena kesederhanaannya."

Model yang dikembangkan oleh para peneliti mudah diterapkan dan dapat dilatih dengan cepat, dalam waktu yang singkat.

Dalam evaluasi awal, Kadam dan rekan-rekannya menemukan bahwa itu dapat mendeteksi email spam dengan akurasi lebih tinggi daripada metode lain yang ada.

"Deteksi spam sangat penting karena dapat memastikan keadilan bagi penjual dan mempertahankan kepercayaan pembeli di toko online," kata Kadam. "Berbeda dengan metode lain, metode ini meningkatkan kecepatan pelatihan dan efisiensi klasifikasi. Model kami dapat meningkatkan kualitas hidup orang-orang yang menerima email dalam jumlah besar, memungkinkan mereka menelusuri email dengan lancar dan hanya menggunakan akun untuk keperluan tujuan yang diinginkan mereka sendiri."

Ke depan, teknik penyaringan spam yang dibuat oleh Kadam dan rekan-rekannya dapat diterapkan secara besar-besaran, meningkatkan keamanan dan efisiensi layanan email. Hebatnya, model tersebut dapat diterapkan ke berbagai layanan yang ada, termasuk Gmail, Yahoo mail dan Outlook.

"Hampir semua peneliti mempresentasikan hasil mereka berdasarkan akurasi, presisi dan daya ingat, model mereka, tetapi kami merasa bahwa kompleksitas waktu model pembelajaran mesin juga harus dipertimbangkan sebagai metrik evaluasi," kata Kadam. "Beberapa peneliti menunjukkan hasil yang menjanjikan dalam proses ekstraksi fitur menggunakan sekantong kata, karena mereka mengklaim bahwa header email sama pentingnya untuk deteksi spam seperti konten tubuh. Jadi, ekstraksi fitur yang mendalam dari baris header juga dapat dipertimbangkan di masa depan."

Sejauh ini, teknik penyaringan spam baru yang dirancang oleh tim peneliti ini mencapai hasil yang sangat menjanjikan, karena dapat secara efektif mendeteksi email spam dengan akurasi tinggi. Namun, Kadam dan rekan-rekannya merasa bahwa kecepatan dan ketepatannya dapat ditingkatkan lebih lanjut di masa depan.

"Keamanan sistem deteksi dan filtrasi spam sangat penting untuk mencapai akurasi yang lebih baik dan hasil yang andal, yang dapat ditingkatkan di masa mendatang menggunakan pembelajaran ensemble," tambah Kadam. "Tingkat positif palsu dari banyak model masih lebih tinggi dari yang dibutuhkan, tetapi harus dikurangi menjadi nilai sekecil mungkin di masa depan. Klasifikasi spam waktu nyata sangat dibutuhkan, karena sebagian besar model yang diusulkan tidak berfungsi dengan baik dengan data waktu nyata."

***
Solo, Senin, 21 Maret 2022. 11:02 am
'salam hangat penuh cinta'
Suko Waspodo
suka idea
antologi puisi suko