.png){kind=icon}
返回
Machine learning algorithm for detecting suspicious email messages using Natural Language Processing NLP
.png){kind=icon}
PRE
AI
DOI：10.1016/j.aej.2025.04.067.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于电子邮件的网络威胁持续演变，对传统安全措施构成挑战，这些措施难以跟上复杂的攻击方法。本研究介绍了一个由机器学习驱动的框架，该框架将自然语言处理（NLP）与支持向量分类器（SVC）相结合，以增强电子邮件威胁检测。所提出的模型利用特征提取技术，包括独热编码、TF-IDF向量化以及BERT嵌入，以捕捉恶意电子邮件的指示性语言模式。该模型在一个基准数据集上进行训练和评估，准确率达到98.65%，显示出优于传统垃圾邮件检测系统的性能。结果表明，误报和漏报率显著降低，提高了电子邮件的安全性和可靠性。这项研究通过提出一个优化的、可扩展的解决方案，为该领域做出贡献，该解决方案能够适应新兴的网络威胁，并增强自动电子邮件过滤机制。
Keyword:
Phishing
Machine learning
Natural language processing
SVM classification
Cyber threat detection
期刊
IF:
6.8
论文数:
6.3K
被引数:
2.6W
机构
引用论文
Feature Selection by Multiobjective Optimization: Application to Spam Detection System by Neural Networks and Grasshopper Optimization Algorithm.png)
IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏An In-Depth Benchmarking and Evaluation of Phishing Detection Research for Security NeedsIEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏Application of Domain Keys Identified Mail, Sender Policy Framework, Anti-Spam, and Anti-Virus: The Analysis on Mail Servers马尔祖基 K., 汗尼夫 N., 哈里亚迪 I. P., “域密钥识别邮件、发件人策略框架、反垃圾邮件和反病毒的应用：对邮件服务器的分析,” 《国际电子学与通信系统杂志》, 卷 2, 期 2, 第 65-73 页, 2022年12月.
PREAI
分享收藏Phish Responder: A Hybrid Machine Learning Approach to Detect Phishing and Spam Emails网络钓鱼响应者: 一种检测网络钓鱼和垃圾邮件的混合机器学习方法OAAI
OAAI分享收藏Deep Learning for Phishing Detection: Taxonomy, Current Challenges and Future DirectionsIEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏A Systematic Literature Review on Phishing Email Detection Using Natural Language Processing Techniques使用自然语言处理技术进行网络钓鱼电子邮件检测的系统文献综述IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏 没有更多内容
没有更多内容