ナイーブベイズとロジスティック回帰を使用したYouTubeスパム検出フレームワーク

YouTubeはユーザー間で人気のあるソーシャルメディアとなりました。YouTubeの人気により、スパマーがYouTubeのコメントを通じてスパムを配布するプラットフォームとなりました。これは、スパムがフィッシング攻撃を引き起こす可能性があるため懸念事項となっています。フィッシングの標的は、悪意のあるリンクをクリックする任意のユーザーとなり得ます。スパムには、分類によって分析および検出できる独自の特徴があります。そのため、YouTubeスパムを検出するための拡張機能が提案されています。実験を行うために、データ収集、前処理、特徴選択と抽出、分類および検出の5つのフェーズから成るYouTubeスパム検出フレームワークが開発されました。本稿では、YouTube検出フレームワークを提案し、このフレームワークの各フェーズを2種類のデータマイニングツールを使用して検討および検証しました。特徴は、ナイーブベイズとロジスティック回帰を使用して、YouTubeスパムデータセットから収集したデータを分析して構築され、WekaとRapid Minerという2つの異なるデータマイニングツールでテストされました。分析の結果、WekaとRapidMinerでテストされた13の特徴が高い精度を示したため、この研究の実験全体で使用されます。Wekaで実行されたナイーブベイズとロジスティック回帰の結果は、RapidMinerよりわずかに高くなっています。さらに、Wekaではナイーブベイズの結果が87.21%、ロジスティック回帰が85.29%であるため、ナイーブベイズの結果はロジスティック回帰よりも高くなっています。一方、RapidMinerではナイーブベイズとロジスティック回帰の精度にわずかな違いがあり、80.41%と80.88%です。ただし、ナイーブベイズの精度はロジスティック回帰よりも高くなっています。