論文の概要: Temporal Context-Aware Spam Detection Using Transformer-Based NLP Models
- arxiv url: http://arxiv.org/abs/2611.16139v1
- Date: Thu, 12 Nov 2026 01:04:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.294788
- Title: Temporal Context-Aware Spam Detection Using Transformer-Based NLP Models
- Title(参考訳): 変圧器ベースNLPモデルを用いた時間文脈認識スパム検出
- Abstract要約: キャリアレベルでのSMSスパム検出のアウトバウンドについて検討する。
目標は、送信時にキャリアがメッセージをスパムとしてフラグするかどうかを予測することだ。
本稿では,各送信者のメッセージ履歴を因果変換器でエンコードするアーキテクチャであるTemporalSpamについて述べる。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Spam detection is usually treated as single-message classification, ignoring behavioral patterns that emerge across sequences of messages from the same sender. We study outbound SMS spam detection at the carrier level, where the goal is to predict at send time whether a carrier will flag a message as spam. Using a proprietary production database of 43,741 outbound SMS messages with UTC transmission timestamps and carrier delivery statuses, we report three sets of results. On an 8,749-message held-out test set, a TF-IDF + logistic regression baseline reaches AUC-ROC 0.8721, and a text-only DeBERTa-v3-base classifier reaches AUC-ROC 0.9011 and F1 0.8412. A deployed DistilBERT model augmented with inter-message temporal features reaches accuracy 0.8238, spam-class F1 0.8382, and recall 0.9128 at threshold 0.5 on a separate, class-balanced 20,000-message production evaluation set; these results are not directly comparable with the held-out test results. We also describe TemporalBertSpam, an architecture that encodes each sender's message history with a causal Transformer, and outline the same-split evaluation needed to measure its contribution.
- Abstract(参考訳): スパム検出は通常、単一メッセージの分類として扱われ、同じ送信者からのメッセージのシーケンスに現れる振る舞いパターンを無視している。
キャリアレベルでのSMSスパム検出のアウトバウンドについて検討し、キャリアがスパムとしてメッセージを通知するかどうかを送信時に予測することを目的とする。
UTC送信タイムスタンプとキャリア配信ステータスを併用した,43,741件のSMSメッセージのプロプライエタリなプロダクションデータベースを用いて,3セットの結果を報告する。
8,749メッセージのホールドアウトテストセットでは、TF-IDF+ロジスティック回帰ベースラインがAUC-ROC 0.8721に達し、テキストのみのDeBERTa-v3ベース分類器がAUC-ROC 0.9011およびF1 0.8412に達する。
メッセージ間の時間的特徴を付加したデプロイされた DistilBERT モデルは精度 0.8238 に達し、スパムクラス F1 0.8382 とリコール 0.9128 を、別のクラスバランスの20,000-メッセージ生産評価セットで0.5 に設定する。
また、各送信者のメッセージ履歴を因果変換器でエンコードするアーキテクチャであるTemporalBertSpamについて記述し、そのコントリビューションを測定するのに必要な同じ分割評価を概説する。
関連論文リスト
- SpecCTMC: Exact Speculative Simulation of Diffusion Language Model Continuous-Time Markov Chains [45.385819280687514]
マスケッド拡散言語モデルは、並列テキスト生成を提供するが、独立して複数のトークンをサンプリングすることで、依存関係を乱し、出力分布を変更することができる。
トレーニング不要な投機的サンプリングシステムであるSpecCTMCを導入し、このシーケンシャルなボトルネックを個別のドラフトモデルなしで低減する。
我々は、SpecCTMCがイベント時間、生成順序、および基礎となる連続時間マルコフ連鎖のトークン値の連成分布を保存することを証明した。
論文 参考訳(メタデータ) (2026-11-05T17:41:20Z) - A Gmail-Based Phishing Detection Prototype for Nigerian Fintech Emails Using Sender Checks and BiLSTM Classification [0.0]
ナイジェリアのプロバイダを偽造するフィッシングメールは、偽りの送信者アドレス、ルックアライクなリンク、そして現地で親しみやすい言語を組み合わせることができる。
本稿では,送信側ドメインとURLチェックを双方向短期メモリ(BiLSTM)分類器に統合するGmailブラウザエクステンションを提案する。
論文 参考訳(メタデータ) (2026-09-23T15:51:09Z) - A Hybrid, Multi-Layered Pipeline for Phishing and Threat Classification: Independently Validated URL and NLP Engines with a Calibrated Multi-Channel Fusion Stage [0.0]
それぞれのモータリティを自作のエンジンでスコアリングし、結果を融合するハイブリッドパイプラインを提案する。
3基のエンジンがビルドされ、デプロイされ、独立してベンチマークされる。
デプロイ可能な検出のために、制限要因はモデルをいかに一般化するかである。
論文 参考訳(メタデータ) (2026-06-19T18:59:36Z) - Reliable Extraction of Clinical Follow-Up Instructions: A Hybrid Neural-Symbolic Pipeline [43.0484058393522]
我々は,ニューラルシンボリックなハイブリッドパイプラインを直接生成に対して試験する。
本研究は,2000点の合成外用コーパスについて検討した。
論文 参考訳(メタデータ) (2026-05-26T05:14:33Z) - Good Agentic Friends Do Not Just Give Verbal Advice: They Can Update Your Weights [58.27172968382275]
マルチエージェントLLMシステムは、通常自然言語メッセージを交換することで協調する。
送信者のメッセージを受信者のコンテキストに付加する代わりに、送信者の隠された状態を過渡的で受信者固有の重み摂動にコンパイルする。
論文 参考訳(メタデータ) (2026-05-13T17:58:32Z) - Context-Aware Phishing Email Detection Using Machine Learning and NLP [0.13999481573773068]
本稿では,機械学習によるフィッシングメール検出システムを提案する。
本システムは,メールコンテンツ全体からコンテキスト特徴を抽出することにより,電子メールを分類する。
このシステムは、FastAPIバックエンドを備えたWebアプリケーションとしてデプロイされ、平均応答時間127msのリアルタイムフィッシング分類を提供する。
論文 参考訳(メタデータ) (2026-03-28T16:13:48Z) - The Tag is the Signal: URL-Agnostic Credibility Scoring for Messages on Telegram [1.7231375714818624]
本稿では,Telegram上での短絡メッセージのためのTAG2CREDパイプラインを提案する。
私たちのモデルは、テキストに割り当てられたタグに基づいて、各ポストを直接スコアします。
結果:TAG2CREDモデルのROC-AUCは0.871に達し,マクロF1値は0.787,ブライアスコアは0.167であった。
論文 参考訳(メタデータ) (2026-01-19T18:47:36Z) - Classifying spam emails using agglomerative hierarchical clustering and
a topic-based approach [0.0]
本研究では,SPEMC-15K-EとSPEMC-15K-Sの2つの新しいデータセットを提案し,それぞれ英語とスペイン語で約15Kのメールを出力し,11のクラスに集約的階層クラスタリングを用いてラベル付けする。
テキスト表現技術 -TF-IDF, Bag of Words, Word2Vec, BERT - と4つの分類器 - Support Vector Machine, N"aive Bayes, Random Forest, Logistic Regression - を組み合わせて16のパイプラインを評価する。
論文 参考訳(メタデータ) (2024-02-07T22:19:08Z) - DetectGPT: Zero-Shot Machine-Generated Text Detection using Probability
Curvature [143.5381108333212]
大規模な言語モデルからサンプリングされたテキストは、モデルのログ確率関数の負の曲率領域を占有する傾向にあることを示す。
次に、与えられたLLMから通路が生成されるかどうかを判断するための新しい曲率ベースの基準を定義する。
我々は、モデルサンプル検出のための既存のゼロショット法よりもディテクターGPTの方が識別性が高いことを発見した。
論文 参考訳(メタデータ) (2023-01-26T18:44:06Z) - Detecting Handwritten Mathematical Terms with Sensor Based Data [71.84852429039881]
本稿では,手書きの数学的用語を自動分類する,スタビロによるUbiComp 2021チャレンジの解を提案する。
入力データセットには異なるライターのデータが含まれており、ラベル文字列は合計15の異なる文字から構成されている。
論文 参考訳(メタデータ) (2021-09-12T19:33:34Z)
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。