基于机器学习的SPIT可疑度评估方法  

Machine learning based reputation evaluation for SPIT detection

作　　者：双锴[1] 马姣[1] 

机构地区：[1]北京邮电大学网络与交换技术国家重点实验室,北京100876

出　　处：《华中科技大学学报（自然科学版）》2013年第S2期14-17,47,共5页Journal of Huazhong University of Science and Technology(Natural Science Edition)

基　　金：国家重点基础研究发展计划资助项目(2009CB320504);国家自然科学基金资助项目(61121061);新一代宽带无线移动通信网科技重大专项资助项目(2011ZX03002-002-01);北京邮电大学青年科研创新计划专项课题资助项目(2013RC1102)

摘　　要：结合社会网络分析技术与信誉评估技术,提出一种基于机器学习的互联网电话垃圾邮件(SPIT)可疑度评估方法(MLBRE).该方法依据用户的历史行为建立通信行为网络模型,使用社会网络分析方法半自动化地对部分用户进行可疑度评估,产生相应的训练集,再使用支持向量机(SVM)的机器学习方法全自动化地对全体用户进行可疑度评估.实验结果表明:本方法在保持较高准确率(93.98%)的同时,具有较低的漏报率(0.95%).A novel scheme called machine learning based reputation evaluation(MLBRE)was proposed,combining with social network analysis and reputation evaluation.MLBRE first constructs a communication network model,then evaluates reputation of part of users in the network semi-automatically based on social network analysis to generate a training set,and finally evaluates reputation of all users in the whole network automatically based on support vector machine(SVM).The experiment results show that MLBRE can detect SPIT callers with true positive rate of 93.98% and false positive rate of 0.95%.

关 键 词：互联网电话垃圾邮件 可疑度评估 社会网络分析 机器学习 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程] TN916.2[自动化与计算机技术—控制科学与工程]