Techniky umělé inteligence pro detekci spamů

Loading...
Thumbnail Image
Date
ORCID
Mark
B
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta informačních technologií
Abstract
Tato diplomová práce se zabývá různými metodami detekce a rozpoznávání nevyžádaných e-mailových zpráv. V úvodu jsou tyto metody popsány. V další části je podrobně popsána Bayesova věta a metody detekce nevyžádané pošty s ní pracující. V této části je také popsán biologický a umělý imunitní systém a metody využívající umělý imunitní systém v rámci odhalování nevyžádané pošty. Práce se pak zabývá podrobným popisem návrhu a implementace vlastního systému na odhalování nevyžádané pošty. Tento systém je následně testován a v závěru práce jsou tyto testy zhodnoceny.
This thesis deals with various methods used for spam detection and identification. In the introduction various methods are described. Then Bayes' theorem and methods for spam detection that use this theorem are described in detail. This section also discusses biological and artificial immune systems and methods for spam detection based on artificial immune systems. Next sections contain the description of custom spam detection system design and implementation. Finally the system is tested and the results are evaluated.
Description
Citation
VRÁNSKY, R. Techniky umělé inteligence pro detekci spamů [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2013.
Document type
Document version
Date of access to the full text
Language of document
cs
Study field
Bezpečnost informačních technologií
Comittee
doc. RNDr. Pavel Smrž, Ph.D. (předseda) prof. Ing. Miroslav Švéda, CSc. (místopředseda) doc. Ing. Radek Burget, Ph.D. (člen) doc. Mgr. Lukáš Holík, Ph.D. (člen) Prof. RNDr. Milan Mišovič, CSc. (člen) doc. Ing. Ondřej Ryšavý, Ph.D. (člen)
Date of acceptance
2013-06-20
Defence
Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se pak seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm B. Otázky u obhajoby: Jak bude vyhodnoceno p, když nastane p_spam = treshold (vztah 6.5)? Jak si vysvětlujete "špičku" kolem hodnoty 0,4 v grafu na obrázku 8.3? Obrázek 8.12 ukazuje, že je nejvýhodnější použít 100 lymfocytů, tj. nejmenší z testovaných hodnot. Nezkoušel jste zjistit minimální rozumně použitelný počet lymfocytů? Jak je navržená metoda úspěšná v porovnání s jinými metodami pro detekci spamu?
Result of defence
práce byla úspěšně obhájena
Document licence
Přístup k plnému textu prostřednictvím internetu byl licenční smlouvou omezen na dobu 1 roku/let
DOI
Collections
Citace PRO