Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
E-mail Classification using Social Network Information
Blekinge Tekniska Högskola, Sektionen för datavetenskap och kommunikation.ORCID-id: 0000-0002-8929-7220
Blekinge Tekniska Högskola, Sektionen för datavetenskap och kommunikation.
2012 (Engelska)Konferensbidrag, Publicerat paper (Refereegranskat) PublishedAlternativ titel
Klassificering av e-post via information från sociala nätverk (Svenska)
Abstract [en]

A majority of E-mail is suspected to be spam. Traditional spam detection fails to differentiate between user needs and evolving social relationships. Online Social Networks (OSNs) contain more and more social information, contributed by users. OSN information may be used to improve spam detection. This paper presents a method that can use several social networks for detecting spam and a set of metrics for representing OSN data. The paper investigates the impact of using social network data extracted from an E-mail corpus to improve spam detection. The social data model is compared to traditional spam data models by generating and evaluating classifiers from both model types. The results show that accurate spam detectors can be generated from the low-dimensional social data model alone, however, spam detectors generated from combinations of the traditional and social models were more accurate than the detectors generated from either model in isolation.

Ort, förlag, år, upplaga, sidor
Prague, Czech Republic: IEEE , 2012.
Nyckelord [en]
mail, social network, osn, privacy, data mining, machine learning
Nationell ämneskategori
Datavetenskap (datalogi)
Identifikatorer
URN: urn:nbn:se:bth-7019DOI: 10.1109/ARES.2012.84Lokalt ID: oai:bth.se:forskinfo77D730046FE40181C1257B060049E2A5ISBN: 978-1-4673-2244-7 (tryckt)OAI: oai:DiVA.org:bth-7019DiVA, id: diva2:834591
Konferens
Seventh International Conference on Availability, Reliability and Security
Tillgänglig från: 2013-02-08 Skapad: 2013-02-02 Senast uppdaterad: 2018-01-11Bibliografiskt granskad

Open Access i DiVA

fulltext(154 kB)240 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 154 kBChecksumma SHA-512
84dffffd5df8af8afec2ac50d05a5c26626c860f915d85b74af1e1365f0ecd70efc41af22275db8ba1e58fc9b05a7b37f8d3d674725cdffb728cff4703cec427
Typ fulltextMimetyp application/pdf

Övriga länkar

Förlagets fulltext

Personposter BETA

Borg, AntonLavesson, Niklas

Sök vidare i DiVA

Av författaren/redaktören
Borg, AntonLavesson, Niklas
Av organisationen
Sektionen för datavetenskap och kommunikation
Datavetenskap (datalogi)

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 240 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

doi
isbn
urn-nbn

Altmetricpoäng

doi
isbn
urn-nbn
Totalt: 270 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf