but.committee	doc. Ing. František Zbořil, Ph.D. (předseda) prof. RNDr. Milan Češka, CSc. (místopředseda) doc. Ing. Peter Chudý, Ph.D., MBA (člen) Luděk Matyska (člen) Dr. Ing. Petr Peringer (člen) doc. Ing. Zdeněk Vašíček, Ph.D. (člen)	cs
but.defence	Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté 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 A. Otázky u obhajoby: 1. Proč nelze při učení použít negativní protipříklady, například zprávy z běžné SMS komunikace? 2. V práci zmiňujete jako nevýhodu některých optimalizací to, že je nutné tokenizovat i zprávy, které by jinak tokenizovány nebyly, čimž trpí výkon. Je to opravdu releventní? Tokenizování by měla být lineární operace (zpráva je stejně testována na příslušnost do jazyka regulárního výrazu, což je velmi podobná operace). Jak velké zpomalení způsobí tato tokenizace?	cs
but.jazyk	angličtina (English)
but.program	Informační technologie	cs
but.result	práce byla úspěšně obhájena	cs
dc.contributor.advisor	Šimková, Hana	en
dc.contributor.author	Kovařík, David	en
dc.contributor.referee	Lengál, Ondřej	en
dc.date.accessioned	2020-06-23T09:11:43Z
dc.date.available	2020-06-23T09:11:43Z
dc.date.created	2018	cs
dc.description.abstract	Spam se typicky nevyskytuje ve formě samostatných zpráv, ale často bývá sdružován do takzvaných kampaní. Ty bývají automaticky generovány pomocí šablon. Díky tomu jsou jednotlivé zprávy sémanticky, ale ne syntakticky, ekvivalentní. Cílem práce je navrhnout algoritmus schopný z množiny zpráv jedné kampaně zpětně extrahovat šablonu, ze které tyto zprávy byly generovány. Práce se zaměřuje na spam v SMS komunikaci, ale navržené postupy jsou dostatečně obecné pro širší použití. Algoritmus je postaven na metodě zarovnávání dvou sekvencí, používané v bioinformatice pro nalezení podobných oblastí proteinových řetězců. Výstupem je regulární výraz popisující šablonu dané kampaně. Součástí řešení je také nástroj pro vizualizaci šablony pomocí HTML.Řešení bylo ověřeno na přibližně třech stovkách skutečných kampaní z celého světa. V naprosté většině případů je poskytnutý výsledek postačující pro identifikaci kampaně.	en
dc.description.abstract	Spam does not occur as separate messages, but it is sent in so-called campaigns. They are usually generated by a certain template which allows producing large amount of semantically, but not syntactically, equivalent messages. The goal of this work is to design an algorithm able to reversely extract a template of a campaign from a set of concrete messages. The main focus is on spam in SMS communication. However, proposed method is general enough for wider use. The proposed algorithm is based on a method of aligning to sequences, which is used in bioinformatics to detect similar regions of protein strings. Resulting templates are represented as regular expressions. The tool is able to visualize extracted templates using HTML.Results of the tool were validated on more than three hundred real-world campaigns. In most cases extracted regular expressions were able to identify their source campaign.	cs
dc.description.mark	A	cs
dc.identifier.citation	KOVAŘÍK, D. Automatická identifikace šablony generující spam kampaně [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2018.	cs
dc.identifier.other	114602	cs
dc.identifier.uri	http://hdl.handle.net/11012/84904
dc.language.iso	en	cs
dc.publisher	Vysoké učení technické v Brně. Fakulta informačních technologií	cs
dc.rights	Standardní licenční smlouva - přístup k plnému textu bez omezení	cs
dc.subject	SMS	en
dc.subject	Spam	en
dc.subject	Spamové kampaně	en
dc.subject	Extrakce šablony	en
dc.subject	Indukce regulárních výrazů	en
dc.subject	Regulární výrazy	en
dc.subject	SMS	cs
dc.subject	Spam	cs
dc.subject	Spam campaigns	cs
dc.subject	Template extraction	cs
dc.subject	Regular expression induction	cs
dc.subject	Regular expressions	cs
dc.title	Automatická identifikace šablony generující spam kampaně	en
dc.title.alternative	Automatic Template Pattern Recognition	cs
dc.type	Text	cs
dc.type.driver	masterThesis	en
dc.type.evskp	diplomová práce	cs
dcterms.dateAccepted	2018-06-21	cs
dcterms.modified	2020-05-10-16:13:11	cs
eprints.affiliatedInstitution.faculty	Fakulta informačních technologií	cs
sync.item.dbid	114602	en
sync.item.dbtype	ZP	en
sync.item.insts	2021.11.12 22:14:47	en
sync.item.modts	2021.11.12 20:55:38	en
thesis.discipline	Inteligentní systémy	cs
thesis.grantor	Vysoké učení technické v Brně. Fakulta informačních technologií. Ústav inteligentních systémů	cs
thesis.level	Inženýrský	cs
thesis.name	Ing.	cs

Automatická identifikace šablony generující spam kampaně

Files

Original bundle

Collections