Spam-ul se refer\u0103 la mesaje nedorite sau nesolicitate trimise sau primite electronic prin e-mail, mesagerie instantanee, bloguri, grupuri de discu\u021bii, re\u021bele sociale, c\u0103ut\u0103ri web \u0219i telefoane mobile, cu amenzi publicitare, Phishing, Malware etc. Dup\u0103 cum reiese clar din defini\u021bie, Spam-ul este destinat r\u0103ut\u0103\u021bii \u0219i, \u00een general, reprezint\u0103 o surs\u0103 viabil\u0103, dar frauduloas\u0103 de venit pentru unele persoane sau organiza\u021bii. Atacatorul cibernetic implicat \u00een trimiterea unor astfel de mesaje spam este, \u00een general, denumit \u201cspammer\u201d. De\u0219i ini\u021bial \u021bintit \u0219i limitat la e-mail, spam-ul a invadat toate platformele electronice din toate mediile.<\/p>\n\n\n
Exist\u0103 trei strategii principale pentru a face fa\u021b\u0103 spam-ului:<\/p>\n\n\n\n
Filtrarea colaborativ\u0103 este utilizat\u0103 printr-o re\u021bea social\u0103 numit\u0103 SocialFilter, care este un sistem de filtrare colaborativ\u0103 a spam-ului care folose\u0219te \u00eencrederea social\u0103 integrat\u0103 \u00een re\u021bele sociale online<\/a> (OSN) pentru a evalua fiabilitatea raportorilor de spam<\/a>. Este o abordare bazat\u0103 pe graf care se bazeaz\u0103 pe graful OSN. SocialFilter \u00ee\u0219i propune s\u0103 adauge caracteristicile mai multor detectoare de spam, democratiz\u00e2nd astfel atenuarea spam-ului. Fiecare nod SocialFilter, care este gestionat de un administrator uman, trimite rapoarte de spammeri c\u0103tre un depozit centralizat.<\/p>\n\n\n Blogurile sunt o platform\u0103 unde oamenii \u00ee\u0219i exprim\u0103 emo\u021biile, \u00eemp\u0103rt\u0103\u0219esc informa\u021bii \u0219i comunic\u0103 \u00eentre ei. Odat\u0103 cu popularitatea lor \u00een cre\u0219tere, blogurile sunt acum folosite pentru a genera trafic de c\u0103utare pe bloguri sau \u00een scopuri promo\u021bionale. Aceste tipuri de bloguri sunt numite Splogs. Cu toate acestea, majoritatea tehnicilor existente de detectare a Splog-urilor sunt bazate pe con\u021binut, ceea ce este mai pu\u021bin eficient av\u00e2nd \u00een vedere natura dinamic\u0103 a blogurilor.<\/p>\n\n\n\n \u00cen prezent, trei tehnici antispam sunt utilizate pentru a combate Splog-urile:<\/p>\n\n\n\n Spam-ul pe microbloguri se refer\u0103 la spam-ul pe platformele de microblogging, cum ar fi Twitter, unde exist\u0103 o limitare a dimensiunii tweet-ului. Pentru a detecta spam-ul pe microbloguri, exist\u0103 mai multe tehnici disponibile, inclusiv:<\/p>\n\n\n\n Exist\u0103, de asemenea, tehnici antispam care combin\u0103 studii de caz \u0219i clasificare, cum ar fi Mr. SPA bazat pe grafuri sociale<\/a>, precum \u0219i tehnici bazate pe clustering-ul campaniilor de spam \u0219i etichetarea acestora folosind clasificatorul RF, formularea Lasso integrat\u0103 cu un termen de regularizare a grafului, clasificarea Random Forest folosind caracteristici ajustate \u0219i clasificatorul bazat pe ELM cu caracteristici definite.<\/p>\n\n\n Bookmarking-ul social a evoluat de la bookmarking-ul tradi\u021bional la o platform\u0103 unde utilizatorii pot ad\u0103uga, edita sau modifica un site web sau o pagin\u0103 web pentru acces ulterior. Aceste site-uri permit utilizatorilor s\u0103 marcheze diferite pagini web \u0219i s\u0103-\u0219i \u00eemp\u0103rt\u0103\u0219easc\u0103 opiniile despre articole, imagini \u0219i videoclipuri. Cu toate acestea, mul\u021bi proprietari de site-uri web folosesc site-urile de bookmarking social pentru a naviga articole interesante \u0219i a include link-uri. Acest lucru expune site-urile web la spammeri prin backlink-uri, deoarece spammerii creeaz\u0103 bookmark-uri spam atractive care sunt alese de utilizatori neaviza\u021bi.<\/p>\n\n\n\n Pentru a combate spam-ul prin bookmarking, exist\u0103 diverse tehnici antispam disponibile, inclusiv:<\/p>\n\n\n\n Tehnicile antispam actuale au identificat c\u0103 generatorii de spam pe re\u021bele sociale sunt robo\u021bi. Ace\u0219ti robo\u021bi sunt cunoscu\u021bi sub numele de Displayer, Bragger, Poster \u0219i Whisperer. Tehnicile antispam pentru re\u021bele sociale includ:<\/p>\n\n\n\n Cu alte cuvinte, acestea sunt tehnici bazate pe clasificare bazate pe spam-bot \u0219i profil de spam \u0219i clasificare \u00een timp real. Tehnicile de clustering se concentreaz\u0103 pe clustering-ul Markov pe grafuri sociale \u0219i pe algoritmul de \u00eenv\u0103\u021bare SOM<\/a>, \u00een timp ce tehnicile de detectare \u0219i eliminare se bazeaz\u0103 pe clustering incremental urmat de clasificare. Tehnicile de clasificare \u0219i monitorizare se concentreaz\u0103 pe Social Spam Guard bazat pe re\u021bele sociale, iar tehnicile de detectare nesupravegheat\u0103 se concentreaz\u0103 pe cadrul bazat pe HITS<\/a>.<\/p>\n\n\n Spam-ul \u00een recenzii este un tip de spam care apare ca recenzii pe diverse site-uri de comer\u021b electronic. Recenziile pozitive pot stimula afacerea unei companii, dar recenziile negative o pot afecta. Unii spammeri posteaz\u0103 inten\u021bionat recenzii pentru a deteriora reputa\u021bia unui produs sau a unei companii<\/a>, iar robo\u021bii pot genera \u0219i aceste recenzii. \u00cen 2013, a fost conceput un model pentru a genera recenzii sintetice. A fost propus\u0103 o metod\u0103 de ap\u0103rare inovatoare pentru a detecta diferen\u021ba \u00een fluxurile semantice dintre recenziile false \u0219i cele adev\u0103rate, care sunt dificil de detectat folosind metodele existente.<\/p>\n\n\n\n \u00cen prezent, exist\u0103 mai multe tehnici antispam pentru detectarea spam-ului \u00een recenzii, inclusiv:<\/p>\n\n\n\n Potrivit cercet\u0103rilor \u00een domeniul securit\u0103\u021bii cibernetice, spammerii pot infiltra \u0219i perturba un sistem de c\u0103utare valid prin asocierea de etichete irelevante cu documente sau chiar prin infuzarea aleatorie a documentelor cu termeni lega\u021bi de o anumit\u0103 loca\u021bie. A fost dezvoltat\u0103 o metodologie pentru detectarea spam-ului pe un site de bookmarking social bazat pe loca\u021bie, Foursquare, pentru a aborda aceast\u0103 problem\u0103. Foursquare permite utilizatorilor s\u0103 lase sfaturi despre diverse locuri \u0219i atrac\u021bii, pe care al\u021bi utilizatori le pot accesa. Cu toate acestea, spammerii posteaz\u0103 con\u021binut irelevant, cum ar fi sfaturi de afaceri, care induc \u00een eroare utilizatorii interesa\u021bi s\u0103 afle despre un anumit loc.<\/p>\n\n\n\n Acest document analizeaz\u0103 spammerii de sugestii, av\u00e2nd ca scop dezvoltarea de instrumente automate pentru detectarea utilizatorilor care posteaz\u0103 sugestii spam. Tehnicile antispam pentru c\u0103utarea loca\u021biilor se bazeaz\u0103 pe clasificare \u0219i clustering axate pe clasificarea Random Forest \u0219i Decision Tree, clustering EM<\/a> pentru categorisire \u0219i clasificarea Random Forest.<\/p>\n\n\n Spam-ul \u00een comentarii este prevalent pe platformele de social media, \u00een special pe YouTube \u0219i site-urile de \u0219tiri. O abordare de data mining a fost propus\u0103 pentru a filtra comentariile spam pe forumurile YouTube pentru a combate acest atac cibernetic. Spre deosebire de analiza con\u021binutului pentru detectarea spam-ului, aceast\u0103 abordare exploateaz\u0103 comportamentul comentariilor pentru a identifica spammerii. Metodologia profit\u0103 de func\u021bia hasSpamHint a YouTube<\/a> care \u00eenso\u021be\u0219te comentariile utilizatorilor. Iat\u0103 pa\u0219ii implica\u021bi:<\/p>\n\n\n\nSpam pe bloguri<\/strong><\/h4>\n\n\n
\n
Spam pe microbloguri<\/strong><\/h4>\n\n\n
\n
Spam prin bookmarking<\/strong><\/h4>\n\n\n
\n
Spam pe re\u021bele sociale<\/strong><\/h4>\n\n\n
\n
Spam \u00een recenzii<\/strong><\/h4>\n\n\n
\n
Spam \u00een c\u0103utarea loca\u021biilor<\/strong><\/h4>\n\n\n
Spam \u00een comentarii<\/strong><\/h4>\n\n\n
\n