40 Reducción de dimensionalidad sin pérdida en representaciones semánticas de texto

El spam supone actualmente más del 50% del tráfico de correo electrónico. Es la vía de entrada para muchos de los ataques de secuestro de información (ransomware) que sufren las empresas. En este trabajo se propone la utilización de información semántica en los filtros antispam, sustituyendo y agrup...

Descripción completa

Detalles Bibliográficos
Autores: Vélez de Mendizabal, Iñaki, Ezpeleta, Enaitz, Zurutuza, Urko, Unibertsitatea, Mondragon
Tipo de recurso: capítulo de libro
Fecha de publicación:2021
País:España
Institución:Universidad de Castilla-La Mancha
Repositorio:RUIdeRA. Repositorio Institucional de la UCLM
OAI Identifier:oai:ruidera.uclm.es:10578/28650
Acceso en línea:http://doi.org/10.18239/jornadas_2021.34.40
http://hdl.handle.net/10578/28650
Access Level:acceso abierto
Palabra clave:filtrado spam
Ciberseguridad
representación basada en synsets
reducción de dimensionalidad
información semántica
algoritmos genéticos multi-objetivo
id ES_32c8343c8b305e8dccf7c2bc974e2a37
oai_identifier_str oai:ruidera.uclm.es:10578/28650
network_acronym_str ES
network_name_str España
repository_id_str
spelling 40 Reducción de dimensionalidad sin pérdida en representaciones semánticas de textoVélez de Mendizabal, IñakiEzpeleta, EnaitzZurutuza, UrkoUnibertsitatea, Mondragonfiltrado spamCiberseguridadrepresentación basada en synsetsreducción de dimensionalidadinformación semánticaalgoritmos genéticos multi-objetivoEl spam supone actualmente más del 50% del tráfico de correo electrónico. Es la vía de entrada para muchos de los ataques de secuestro de información (ransomware) que sufren las empresas. En este trabajo se propone la utilización de información semántica en los filtros antispam, sustituyendo y agrupando palabras como ‘Viagra’, ‘Cialis’ o ‘Tadalafil’ por su hiperónimo ‘anti_impotence_drug’ y utilizando synsets (conjuntos de sinónimos) para su representación. Se ha diseñado y probado un sistema de generalización de conceptos/palabras sin pérdida de información, que combina la información semántica y los algoritmos genéticos multi-objetivo. Los resultados obtenidos demuestran que es posible mejorar la detección de los mensajes legítimos, así como aumentar la velocidad de clasificación.Ediciones de la Universidad de Castilla-La Mancha202120212021info:eu-repo/semantics/bookPartapplication/pdfapplication/pdfhttp://doi.org/10.18239/jornadas_2021.34.40http://hdl.handle.net/10578/28650reponame:RUIdeRA. Repositorio Institucional de la UCLMinstname:Universidad de Castilla-La ManchaEspañolinfo:eu-repo/semantics/openAccessoai:ruidera.uclm.es:10578/286502026-05-27T07:36:41Z
dc.title.none.fl_str_mv 40 Reducción de dimensionalidad sin pérdida en representaciones semánticas de texto
title 40 Reducción de dimensionalidad sin pérdida en representaciones semánticas de texto
spellingShingle 40 Reducción de dimensionalidad sin pérdida en representaciones semánticas de texto
Vélez de Mendizabal, Iñaki
filtrado spam
Ciberseguridad
representación basada en synsets
reducción de dimensionalidad
información semántica
algoritmos genéticos multi-objetivo
title_short 40 Reducción de dimensionalidad sin pérdida en representaciones semánticas de texto
title_full 40 Reducción de dimensionalidad sin pérdida en representaciones semánticas de texto
title_fullStr 40 Reducción de dimensionalidad sin pérdida en representaciones semánticas de texto
title_full_unstemmed 40 Reducción de dimensionalidad sin pérdida en representaciones semánticas de texto
title_sort 40 Reducción de dimensionalidad sin pérdida en representaciones semánticas de texto
dc.creator.none.fl_str_mv Vélez de Mendizabal, Iñaki
Ezpeleta, Enaitz
Zurutuza, Urko
Unibertsitatea, Mondragon
author Vélez de Mendizabal, Iñaki
author_facet Vélez de Mendizabal, Iñaki
Ezpeleta, Enaitz
Zurutuza, Urko
Unibertsitatea, Mondragon
author_role author
author2 Ezpeleta, Enaitz
Zurutuza, Urko
Unibertsitatea, Mondragon
author2_role author
author
author
dc.subject.none.fl_str_mv filtrado spam
Ciberseguridad
representación basada en synsets
reducción de dimensionalidad
información semántica
algoritmos genéticos multi-objetivo
topic filtrado spam
Ciberseguridad
representación basada en synsets
reducción de dimensionalidad
información semántica
algoritmos genéticos multi-objetivo
description El spam supone actualmente más del 50% del tráfico de correo electrónico. Es la vía de entrada para muchos de los ataques de secuestro de información (ransomware) que sufren las empresas. En este trabajo se propone la utilización de información semántica en los filtros antispam, sustituyendo y agrupando palabras como ‘Viagra’, ‘Cialis’ o ‘Tadalafil’ por su hiperónimo ‘anti_impotence_drug’ y utilizando synsets (conjuntos de sinónimos) para su representación. Se ha diseñado y probado un sistema de generalización de conceptos/palabras sin pérdida de información, que combina la información semántica y los algoritmos genéticos multi-objetivo. Los resultados obtenidos demuestran que es posible mejorar la detección de los mensajes legítimos, así como aumentar la velocidad de clasificación.
publishDate 2021
dc.date.none.fl_str_mv 2021
2021
2021
dc.type.none.fl_str_mv info:eu-repo/semantics/bookPart
format bookPart
dc.identifier.none.fl_str_mv http://doi.org/10.18239/jornadas_2021.34.40
http://hdl.handle.net/10578/28650
url http://doi.org/10.18239/jornadas_2021.34.40
http://hdl.handle.net/10578/28650
dc.language.none.fl_str_mv Español
language_invalid_str_mv Español
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
application/pdf
dc.publisher.none.fl_str_mv Ediciones de la Universidad de Castilla-La Mancha
publisher.none.fl_str_mv Ediciones de la Universidad de Castilla-La Mancha
dc.source.none.fl_str_mv reponame:RUIdeRA. Repositorio Institucional de la UCLM
instname:Universidad de Castilla-La Mancha
instname_str Universidad de Castilla-La Mancha
reponame_str RUIdeRA. Repositorio Institucional de la UCLM
collection RUIdeRA. Repositorio Institucional de la UCLM
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1869405696963903488
score 15,301603

Similares en LA Referencia