E-postalarda Spam Kontrolü İçin QR Barkod Tekniğiyle işlenmiş Verilerin Artık Bloklu Derin Öğrenme Modelleriyle Analizi

Abstract

Günümüzde e-posta hizmetleri şahsi, kurum ve kuruluşlar tarafından sıkça kullanılmaktadır. Kötü niyetli yazılımcılar kullanıcıların en çok tercih ettiği uygulamaları dikkate alarak yazılım geliştirirler. Bu tip yazılımcılar kullanıcılar üzerinden; hızlı para kazanma planlarını gerçekleştirmek, ürün / web sitesi reklamlarının tıklanmasını sağlamak, kişisel bilgilerin ele geçirilmesini sağlamak, bilgisayar sistemlerine zarar verme faaliyetlerinde bulunmak, vb. amaçları gerçekleştirebilmek için e-posta hizmetlerini de bu doğrultuda kullanabilmektedirler. E-posta hizmeti sunan sunucular veri güvenliğini ön planda tutmaktadır ve kullanıcılarına gelen e-postaları çeşitli yazılımlarla kontrol ederek filtreleyebilmektedir. Bazen bu tür yazılımlar dinamik alt yapıya sahip olmadıklarından dolayı istenmeyen e-postaları tespit edemeyebilir. Son zamanlarda e-postaların güvenliğini sağlayabilmek için yapay zekâ tabanlı yaklaşımlar kullanılmıştır. Bu çalışmada istenmeyen e-postaların (spam) denetimini gerçekleştiren hibrit bir yaklaşım sunulmuştur. Önerilen yaklaşımda kullanılan veri kümesi spam ve normal türündeki e-posta kayıtlarını içermektedir. Veri kümesindeki metin tabanlı kayıtlar QR barkod tekniği ile işlenerek iki boyutlu görüntü setleri oluşturulmuştur. Ardından, iki boyutlu QR görüntüler artık bloklu derin öğrenme modelleri (ResNet) ile eğitilmiştir. ResNet modellerin son katmanından elde edilen sınıf tabanlı özellik setleri birleştirilerek önerilen hibrit modelin başarı performansı artırılmıştır. Son adımda makine öğrenme yöntemi (en yakın komşu yöntemi) ile sınıflandırma işlemi gerçekleşmiştir. Çapraz doğrulama tekniği kullanılarak elde edilen sınıflandırma başarısı %99.91’di ve eğitim-test verisi oluşturularak gerçekleştirilen sınıflandırma başarısı %100’dü. Önerilen hibrit yaklaşımın istenmeyen e-postaların tespitinde başarılı sonuçlar verdiği yapılan bu çalışmada görülmüştür