Mejorar la precisión de la detección de correo electrónico de spam de ciberseguridad utilizando técnicas de conjunto:...

Área de la Ciencia:

• Ciencias de la computación
• Ciberseguridad
• Aprendizaje automático

Sus antecedentes:

• La proliferación de correos electrónicos no solicitados (spam) plantea importantes amenazas a la ciberseguridad y degrada la experiencia del usuario.
• Los mecanismos eficaces de detección de spam son esenciales para la infraestructura de seguridad digital moderna.
• El aprendizaje automático (ML) ofrece enfoques prometedores para combatir el spam.

Objetivo del estudio:

• Evaluar el rendimiento de los modelos de aprendizaje automático para la detección de spam.
• Proponer y validar un marco de conjunto de apilamiento optimizado para la identificación de spam mejorada.
• Demostrar la superioridad de los métodos conjuntos sobre los modelos individuales.

Principales métodos:

• Análisis empírico de modelos de aprendizaje automático en conjuntos de datos de spam públicos.
• Desarrollo de un marco de conjunto de apilamiento que integra los modelos base Naive Bayes (NBC), k-Nearest Neighbors (k-NN), Regresión Logística (LR) y XGBoost (XGBoost).
• Validación cruzada de búsqueda de cuadrícula con optimización de hiperparámetros para el ajuste del modelo.

Principales resultados:

• Los métodos de conjunto algorítmico demostraron una precisión de detección superior en comparación con los modelos individuales.
• El conjunto de apilamiento optimizado logró una alta precisión del 99,79%.
• Se observaron mejoras estadísticamente significativas con respecto a los modelos de referencia y las soluciones existentes en la literatura.

Conclusiones:

• Los métodos optimizados de conjunto representan una estrategia altamente efectiva para la detección avanzada de spam.
• El marco conjunto de apilamiento propuesto ofrece una solución sólida para mejorar la ciberseguridad contra las amenazas transmitidas por correo electrónico.
• Una mayor investigación sobre las técnicas de ensamblaje puede reforzar la seguridad digital y la experiencia del usuario.