Dépôt institutionnel de l'UQO
RECHERCHER

Analyse et détection de pourriels textuels dans les réseaux sociaux par apprentissage

Passigue, Ekpao Anani (2015). Analyse et détection de pourriels textuels dans les réseaux sociaux par apprentissage. Essai. Gatineau, Université du Québec en Outaouais, Département d'informatique et d'ingénierie, 63 p.

[img]
Prévisualisation
PDF
Télécharger (1MB) | Prévisualisation

Résumé

Le développement des technologies multimédias a donné un nouvel élan aux réseaux sociaux, qui deviennent de plus en plus une ressource importante et diversifiée pour l’individu. Cependant, le potentiel de croissance et la portée de ces réseaux les rend vulnérables aux pourriels et à la cybercriminalité. Ceci a encouragé l’introduction de techniques de filtrage pour s’attaquer au problème. Récemment, les techniques d’apprentissage automatique ont suscité beaucoup d’intérêt et démontré un succès pour le filtrage de pourriels multimédias. La combinaison de ces techniques avec les méthodes statistiques permet une meilleure compréhension de la structure des données manipulées par les polluposteurs. Dans cet essai, nous exposons les différentes formes de pourriels présentes dans les réseaux sociaux et leurs modes d’intrusion. Ensuite, nous nous focaliserons spécifiquement sur les pourriels textuels et les techniques d’apprentissage adaptées à leur classification. Ainsi, les classificateurs probabilistes (ex. bayésien naïf et régression logistique) et discriminants (ex. arbres de décision et machines à vecteurs de support (SVM)) sont explorés pour l’analyse des activités des polluposteurs dans les réseaux sociaux. Enfin, ces méthodes seront utilisées pour classifier différents corpus de données textuelles collectés de différents réseaux sociaux pour détecter des polluposteurs potentiels. Nous avons testé notre approche sur des messages réels et obtenu des résultats très probants. Entre autres, ces résultats démontrent la fiabilité des méthodes d’apprentissage pour le filtrage des pourriels sociaux.

Type de document: Thèse (Essai)
Directeur de mémoire/thèse: Allili, Mohand Saïd
Informations complémentaires: Comprend des références bibliographiques : p. 61-63
Mots-clés libres: Pourriels; Filtrage; Médias sociaux; Réseautage personnel; Mesures de sécurité; Sécurité informatique; Apprentissage automatique
Départements et école, unités de recherche et services: Informatique et ingénierie
Date de dépôt: 27 août 2015 13:21
Dernière modification: 23 oct. 2015 13:12
URI: http://di.uqo.ca/id/eprint/761

Actions (Identification requise)

Dernière vérification avant le dépôt Dernière vérification avant le dépôt