スパム検出のための深層学習手法の比較研究

過去10年にわたり、インターネットは膨大な情報の生成と取得において重要な役割を果たしています。技術分野の急速な進歩と指数的なデータ生成に伴い、関連データに対して無関係または無関係なデータが広範に増加しています。さらに、携帯電話の使用は急激に増加しており、電話は誰にとっても明らかな生活の一部となっています。そのため、スパマーからのスパムメッセージの数が顕著に増加しています。最近の統計によると、インド人の96%は毎日望まれないテキストメッセージを受け取っています。SMSスパムとは、ウェブリンク、販促メッセージ、または無関係なテキストの形式で、広告目的で定期的に批判的でなく非選択的に携帯電話に送信される望まれないまたは未承諾のテキストノートを指します。携帯テキストメッセージやメールを含むすべてのプラットフォームでの望まれていない情報の急増により、これらのメッセージのスパムに対抗するための、より信頼性の高いフィルターの開発と改善が急務となっています。伝統的に、スパムメッセージに対抗するためにルールベースのアプローチが採用されています。このアプローチでは、ある権限によってメッセージに対して一連のルールが手動で適用されます。この方法では、スパムメッセージのソースに基づいてルールを定期的に再構成する必要があるため、好ましい結果は得られません。代わりに、効率的でルールを必要としない深層学習手法を使用します。深層学習モデルは、これらのSMSメッセージからルールを学ぶためのトレーニングデータセットサンプルのセットを必要とし、スパムを効率的に分類するテキスト分類器を構築します。本論文では、巨大なSMSテキストコーパスに対して深層学習手法、具体的には畳み込みニューラルネットワークとリカレントニューラルネットワークを用いて、メッセージをハムまたはスパムとして分類するスパム分類器を構築するための体系的レビューを提示します。