論文の概要: Privacy-Preserving Spam Filtering using Functional Encryption

• arxiv url: http://arxiv.org/abs/2012.04163v1
• Date: Tue, 8 Dec 2020 02:14:28 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-21 18:44:12.476256
• Title: Privacy-Preserving Spam Filtering using Functional Encryption
• Title（参考訳）: 関数暗号を用いたプライバシー保護スパムフィルタリング
• Authors: Sicong Wang, Naveen Karunanayake, Tham Nguyen, Suranga Seneviratne
• Abstract要約: 我々は,暗号化メールの分類を可能にするスパム分類フレームワークを構築した。 本モデルは,2層ネットワーク部と多層知覚ネットワーク部を有するニューラルネットワークに基づく。 実世界のスパムデータセットの評価結果は,提案したスパム分類モデルが96%以上の精度を達成していることを示している。
• 参考スコア（独自算出の注目度）: 1.0019926246026924
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Traditional spam classification requires the end-user to reveal the content of its received email to the spam classifier which violates the privacy. Spam classification over encrypted emails enables the classifier to classify spam email without accessing the email, hence protects the privacy of email content. In this paper, we construct a spam classification framework that enables the classification of encrypted emails. Our classification model is based on a neural network with a quadratic network part and a multi-layer perception network part. The quadratic network architecture is compatible with the operation of an existing quadratic functional encryption scheme that enables our classification to predict the label of encrypted emails without revealing the associated plain-text email. The evaluation results on real-world spam datasets indicate that our proposed spam classification model achieves an accuracy of over 96%.
• Abstract（参考訳）: 従来のスパム分類では、受信したメールの内容はプライバシーを侵害するスパム分類器に開示する必要がある。 暗号化されたメールに対するスパム分類は、電子メールにアクセスせずにスパムメールを分類できるので、メールコンテンツのプライバシーを保護する。 本稿では,暗号化メールの分類を可能にするスパム分類フレームワークを構築した。 分類モデルは、二次ネットワーク部分と多層知覚ネットワーク部分を持つニューラルネットワークに基づいている。 2次ネットワークアーキテクチャは、既存の2次関数型暗号化方式と互換性があり、関連する平文メールを公開せずに、暗号化された電子メールのラベルを予測できる。 実世界のスパムデータセットにおける評価結果から,提案するスパム分類モデルは96%以上の精度が得られることがわかった。

関連論文リスト

• Secure Semantic Communication With Homomorphic Encryption [52.5344514499035]
  本稿では,SemCom に準同型暗号を適用する可能性について検討する。 タスク指向のSemComスキームを提案する。
  論文  参考訳（メタデータ） (2025-01-17T13:26:14Z)
• Exploring Content Concealment in Email [0.48748194765816943]
  現代のメールフィルターは、悪意のあるメールに対する防御メカニズムの1つであり、しばしば高度な攻撃者によって回避される。 本研究は,攻撃者がメール中のHTMLとCSSを利用して任意のコンテンツを隠蔽する方法に焦点を当てる。 この隠されたコンテンツは、受信者によって検出されず、深刻なセキュリティリスクが生じる。
  論文  参考訳（メタデータ） (2024-10-15T01:12:47Z)
• Prompted Contextual Vectors for Spear-Phishing Detection [41.26408609344205]
  スパイアフィッシング攻撃は重大なセキュリティ上の課題を示す。 本稿では,新しい文書ベクトル化手法に基づく検出手法を提案する。 提案手法は, LLM生成したスピアフィッシングメールの識別において, 91%のF1スコアを達成する。
  論文  参考訳（メタデータ） (2024-02-13T09:12:55Z)
• Building an Effective Email Spam Classification Model with spaCy [0.0]
  著者はPythonプログラミング言語のspurCy自然言語処理ライブラリと3つの機械学習(ML)アルゴリズムを使用して、Gmailサービスから収集されたスパムメールを検出する。
  論文  参考訳（メタデータ） (2023-03-15T17:41:11Z)
• Anomaly Detection in Emails using Machine Learning and Header Information [0.0]
  フィッシングやスパムなどのメールの異常は、大きなセキュリティリスクをもたらす。 メールの異常検出に関する従来の研究は、単一のタイプの異常と、メール本体と被写体の内容の分析に頼っていた。 本研究では,メールヘッダデータセットの特徴抽出と抽出を行い,複数クラスおよび一クラスの異常検出手法を利用した。
  論文  参考訳（メタデータ） (2022-03-19T23:31:23Z)
• Quantum Proofs of Deletion for Learning with Errors [91.3755431537592]
  完全同型暗号方式として, 完全同型暗号方式を初めて構築する。 我々の主要な技術要素は、量子証明器が古典的検証器に量子状態の形でのLearning with Errors分布からのサンプルが削除されたことを納得させる対話的プロトコルである。
  論文  参考訳（メタデータ） (2022-03-03T10:07:32Z)
• Deep convolutional forest: a dynamic deep ensemble approach for spam detection in text [219.15486286590016]
  本稿では,スパム検出のための動的深層アンサンブルモデルを提案する。 その結果、このモデルは高い精度、リコール、f1スコア、98.38%の精度を達成した。
  論文  参考訳（メタデータ） (2021-10-10T17:19:37Z)
• Robust and Verifiable Information Embedding Attacks to Deep Neural Networks via Error-Correcting Codes [81.85509264573948]
  ディープラーニングの時代、ユーザは、サードパーティの機械学習ツールを使用して、ディープニューラルネットワーク(DNN)分類器をトレーニングすることが多い。 情報埋め込み攻撃では、攻撃者は悪意のあるサードパーティの機械学習ツールを提供する。 本研究では,一般的なポストプロセッシング手法に対して検証可能で堅牢な情報埋め込み攻撃を設計することを目的とする。
  論文  参考訳（メタデータ） (2020-10-26T17:42:42Z)
• Learning with Weak Supervision for Email Intent Detection [56.71599262462638]
  本稿では,メールの意図を検出するために,ユーザアクションを弱い監視源として活用することを提案する。 メール意図識別のためのエンドツーエンドの堅牢なディープニューラルネットワークモデルを開発した。
  論文  参考訳（メタデータ） (2020-05-26T23:41:05Z)
• Classification of Spam Emails through Hierarchical Clustering and Supervised Learning [1.8065361710947976]
  本稿では,すでに検出されているスパムメールのハンドリングを改善するために,スパムメールをカテゴリに分類することを提案する。 マルチクラスのスパム分類のタスクでは、TF-IDFをSVMと組み合わせて最高のマイクロF1スコア、95.39%ドル、および(ii)TD-IDFをNBと組み合わせて最速のスパム分類を行い、電子メールを2.13$msで分析する。
  論文  参考訳（メタデータ） (2020-05-18T14:41:22Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。