Key points are not available for this paper at this time.
फ़िशिंग ईमेल का उपयोग वित्तीय संगठनों और ग्राहकों के धोखाधड़ी में व्यापक रूप से किया गया है। फ़िशिंग ईमेल पहचान पर कई शोधकर्ताओं का ध्यान केंद्रित हुआ है और ईमेल सर्वरों में दुर्भावनापूर्ण पहचान उपकरण स्थापित किए गए हैं। हालांकि, फ़िशिंग अधिक से अधिक जटिल और परिष्कृत होती जा रही है और हमला एंटी-फ़िशिंग तकनीकों द्वारा सेट किए गए फ़िल्टर को बायपास कर सकता है। इस पेपर में, हम हाइब्रिड फ़ीचर्स का उपयोग करके फ़िशिंग ईमेल का पता लगाने के लिए एक मजबूत क्लासिफायर बनाने की एक विधि प्रस्तुत करते हैं और सूचना लाभ का उपयोग करके फ़ीचर्स का चयन करते हैं। हम एक प्रारंभिक क्लासिफायर बनाने के लिए 10 क्रॉस-वैलिडेशन पर प्रयोग करते हैं जो अच्छा प्रदर्शन करता है। प्रयोग प्रत्येक फ़ीचर की गुणवत्ता का विश्लेषण करता है सूचना लाभ के माध्यम से और एक पुनरावर्ती शिक्षण प्रक्रिया के बाद सर्वश्रेष्ठ फ़ीचर सेट का चयन किया जाता है। प्रयोगात्मक परिणाम दिखाते हैं कि चयनित फ़ीचर्स मूल फ़ीचर्स के रूप में अच्छा प्रदर्शन करती हैं। अंत में, हम पाँच मशीन लर्निंग एल्गोरिदम का परीक्षण करते हैं और प्रत्येक के प्रदर्शन की तुलना करते हैं। परिणाम दिखाता है कि निर्णय वृक्ष सबसे अच्छा क्लासिफायर बनाता है।
मा एट अल। (गुरूवार,) ने इस प्रश्न का अध्ययन किया।
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: