Spam refers to unwanted or unsolicited messages sent or received electronically via email, instant messaging, blogs, newsgroups, social media, web search, and mobile phones, with advertising fines, Phishing, Malware, etc. As is clear from the definition, Spam is intended for malice and generally represents a viable but fraudulent source of income for some individuals or organizations. The cyber attacker involved in sending such spam messages is generally referred to as a \u201cspammer.\u201d Although initially targeted and limited to email, spam has invaded all electronic platforms in all media.<\/p>\n\n\n
Der er tre hovedstrategier til at h\u00e5ndtere spam:<\/p>\n\n\n\n
Samarbejdsfiltrering bruges gennem et socialt netv\u00e6rk kaldet SocialFilter, som er et samarbejdende spamfiltreringssystem, der bruger social tillid integreret i online sociale netv\u00e6rk<\/a> (OSN) til at evaluere p\u00e5lideligheden af spamrapport\u00f8rer<\/a>. Det er en grafbaseret tilgang, der er baseret p\u00e5 OSN-grafen. SocialFilter sigter mod at tilf\u00f8je funktionerne fra flere spamdetektorer og dermed demokratisere spamafhj\u00e6lpning. Hver SocialFilter-node, som administreres af en menneskelig administrator, sender spammerrapporter til et centralt lager.<\/p>\n\n\n Blogs er en platform, hvor folk udtrykker deres f\u00f8lelser, deler information og kommunikerer med hinanden. Med deres voksende popularitet bruges blogs nu til at drive blog-s\u00f8gemaskinetrafik eller til reklameform\u00e5l. Disse typer blogs kaldes Splogs. Dog er de fleste eksisterende Splog-detektionsteknikker indholdsbaserede, hvilket er mindre effektivt givet blogs' dynamiske natur.<\/p>\n\n\n\n I \u00f8jeblikket bruges tre antispam-teknikker til at bek\u00e6mpe Splogs:<\/p>\n\n\n\n Mikroblog spam refererer til spamming p\u00e5 mikroblogging-platforme, s\u00e5som Twitter, hvor der er en begr\u00e6nsning p\u00e5 st\u00f8rrelsen af tweetet. For at opdage mikroblog spam er der flere teknikker tilg\u00e6ngelige, herunder:<\/p>\n\n\n\n Der er ogs\u00e5 antispam-teknikker, der kombinerer casestudier og klassifikation, s\u00e5som social-graf baseret Mr. SPA<\/a>, samt teknikker baseret p\u00e5 clustering af spamkampagner og m\u00e6rkning af dem ved hj\u00e6lp af RF Classifier, Lasso-formulering integreret med et grafreguleringsterm, Random Forest Classification ved hj\u00e6lp af justerede funktioner og ELM-baseret klassifikator med definerede funktioner.<\/p>\n\n\n Social bogm\u00e6rkning har udviklet sig fra traditionel bogm\u00e6rkning til en platform, hvor brugere kan tilf\u00f8je, redigere eller \u00e6ndre en hjemmeside eller webside til fremtidig adgang. Disse sider tillader brugere at bogm\u00e6rke forskellige websider og dele deres meninger om artikler, billeder og videoer. Dog bruger mange hjemmesideejere sociale bogm\u00e6rkningssider til at gennemse interessante artikler og inkludere links. Dette uds\u00e6tter hjemmesider for spammere gennem backlinks, da spammere opretter attraktive spam-bogm\u00e6rker, der v\u00e6lges af intetanende brugere.<\/p>\n\n\n\n For at bek\u00e6mpe bogm\u00e6rke spam er der forskellige antispam-teknikker tilg\u00e6ngelige, herunder:<\/p>\n\n\n\n Nuv\u00e6rende antispam-teknikker har identificeret, at generatorerne af socialt netv\u00e6rk spam er robotter. Disse robotter er kendt som Displayer, Bragger, Poster og Whisperer. Antispam-teknikkerne for sociale netv\u00e6rk inkluderer:<\/p>\n\n\n\n Med andre ord er disse klassifikationsbaserede teknikker baseret p\u00e5 spam-bot og spam-profil og runtime-klassifikation. Clustering-teknikker fokuserer p\u00e5 Markov-clustering p\u00e5 sociale grafer og SOM-l\u00e6ringsalgoritmen<\/a>, mens detektions- og fjernelsesteknikker er baseret p\u00e5 inkrementel clustering efterfulgt af klassifikation. Klassifikations- og overv\u00e5gningsteknikker fokuserer p\u00e5 det socialt netv\u00e6rksbaserede Social Spam Guard, og usuperviserede detektionsteknikker fokuserer p\u00e5 HITS-baseret framework<\/a>.<\/p>\n\n\n Review Spam is a type of spam that appears as reviews on various e-commerce websites. Positive reviews can boost a company\u2019s business, but negative reviews can harm it. Some spammers intentionally poste anmeldelser for at skade et produkts eller en virksomheds omd\u00f8mme<\/a>, og robotter kan ogs\u00e5 generere disse anmeldelser. I 2013 blev der designet en model til at generere syntetiske anmeldelser. En ny forsvarsmetode blev foresl\u00e5et for at opdage forskellen i semantiske flows mellem falske og sandf\u00e6rdige anmeldelser, som er sv\u00e6re at opdage ved hj\u00e6lp af eksisterende metoder.<\/p>\n\n\n\n I \u00f8jeblikket er der flere antispam-teknikker til at opdage anmeldelse spam, herunder:<\/p>\n\n\n\n If\u00f8lge cybersikkerhedsforskning kan spammere infiltrere og forstyrre et gyldigt s\u00f8gesystem ved at associere ikke-relaterede tags med dokumenter eller endda tilf\u00e6ldigt infusere dokumenter med termer relateret til en bestemt placering. En metodologi til at opdage spam p\u00e5 en lokalitetsbaseret social bogm\u00e6rkningsside, Foursquare, blev udviklet for at tackle dette problem. Foursquare tillader brugere at efterlade tips om forskellige steder og attraktioner, som andre brugere kan f\u00e5 adgang til. Dog poster spammere irrelevant indhold, s\u00e5som forretningstips, der vildleder brugere, der er interesseret i at l\u00e6re om et bestemt sted.<\/p>\n\n\n\n Dette dokument analyserer forslagsspammere med det form\u00e5l at udvikle automatiserede v\u00e6rkt\u00f8jer til at opdage brugere, der poster spamforslag. Lokationss\u00f8gnings antispam-teknikker er baseret p\u00e5 klassifikation og clustering fokuseret p\u00e5 Random Forest og Decision Tree-baseret klassifikation, EM-klyngedannelse<\/a> til kategorisering og Random Forest klassifikation.<\/p>\n\n\n Kommentar spam er udbredt p\u00e5 sociale medieplatforme, is\u00e6r p\u00e5 YouTube og nyhedssider. En data mining-tilgang er blevet foresl\u00e5et for at filtrere spam-kommentarer p\u00e5 YouTube-fora for at bek\u00e6mpe dette cyberangreb. I mods\u00e6tning til indholdsanalyse til spamdetektion udnytter denne tilgang kommentaradf\u00e6rd til at identificere spammere. Metodologien drager fordel af YouTube\u2019s hasSpamHint feature<\/a> der ledsager brugerkommentarer. Her er de involverede trin:<\/p>\n\n\n\nBlog spam<\/strong><\/h4>\n\n\n
\n
Mikroblog spam<\/strong><\/h4>\n\n\n
\n
Bogm\u00e6rke spam<\/strong><\/h4>\n\n\n
\n
Socialt netv\u00e6rk spam<\/strong><\/h4>\n\n\n
\n
Anmeldelse spam<\/strong><\/h4>\n\n\n
\n
Lokationss\u00f8gningsspam<\/strong><\/h4>\n\n\n
Kommentar spam<\/strong><\/h4>\n\n\n
\n