Context-Aware Spam Detection Using BERT Embeddings with Multi-Window CNNs

doi:10.32604/cmes.2026.074395

Context-Aware Spam Detection Using BERT Embeddings with Multi-Window CNNs

2026-01-01

0

PRE

AI

A

Ali, Sajid

U

Ul Haq, Qazi Mazhar *

A

Alluhaidan, Ala Saleh *

A

Anwar, Muhammad Shahid

DOI：10.32604/cmes.2026.074395

原文链接

原文求助

摘要

En 中文

垃圾邮件仍然是数字通信中最持久的威胁之一，需要有效的检测解决方案来保护个人和组织。我们提出了一种基于Transformer双向编码表示（BERT）进行上下文特征提取、使用多窗口卷积神经网络（CNN）进行分类的垃圾邮件分类框架。为识别邮件内容中的语义细微差别，使用了BERT嵌入，CNN滤波器提取不同详细程度下的判别性n-gram模式，从而实现准确的垃圾邮件识别。所提出的模型在5728个标记邮件样本上优于基于Word2Vec的基线模型，达到98.69%的准确率、0.9981的AUC、0.9724的F1分数和0.9639的MCC。采用中等核尺寸（6,9）和紧凑的多窗口CNN架构，提升了性能。交叉验证表明各折之间具有稳定性和泛化能力。通过平衡高召回率与最小化误报，我们的方法为当前基于先进深度学习的垃圾邮件检测提供了可靠且可扩展的解决方案。通过结合上下文嵌入和神经网络架构，本研究开发了一种安全分析方法。

Keyword:

E-mail spam detection

BERT embedding

text classification

cybersecurity

CNN

Context-Aware Spam Detection Using BERT Embeddings with Multi-Window CNNs

摘要

期刊

机构

引用论文