ツイッタースパムドリフトに対処するための非対称自己学習

スパムはツイッターにおける深刻な問題となっています。スパマーを阻止するために、セキュリティ会社はスパムリンクをフィルタリングするためのブラックリストサービスを適用しています。しかし、90%以上の被害者は、ブラックリストによってブロックされる前に新しい悪意のあるリンクを訪れます。ブラックリストの限界を解消するために、研究者は統計的特徴に基づくメカニズムを提案し、ツイッタースパムを検出するために機械学習技術を適用しました。私たちのラベル付き大規模データセットでは、スパムツイートの統計的特性が時間とともに変化することを観察しており、そのため既存の機械学習ベースの分類器の性能は低いです。この現象は「ツイッタースパムドリフト」と呼ばれています。この問題に対処するために、100万件のスパムツイートと100万件の非スパムツイートを深く分析し、非対称自己学習（ASL）アプローチを提案します。提案されたASLは、変更されたツイッタースパムの新しい情報を発見し、それを分類器の訓練プロセスに組み込むことができます。ASLアプローチを評価するためにいくつかの実験を実施しました。結果は、ASLアプローチが従来の機械学習アルゴリズムを使用したスパム検出精度を大幅に向上させるために使用できることを示しています。