Aplicación de redes neuronales

para la detección de spam en el

correo electrónico

Ing. Jimmy Gutierrez Nina

Presentation Movement

Neural
Network

2
INDICE

 Introducción
 Problemática del spam
 Modalidades de spam
 Problemática
 Objetivos
 Limites
 Alcances
 Modelos
 Redes neuronales
 Propuesta de solución
 Ventajas de la propuesta
 Conclusiones
 Introducción

¿Que es el Spam ?
 Correos electrónicos comerciales no solicitados .
 Correos electrónicos masivos no solicitados.

Definición:
 Un mensaje electrónico es spam si:
La identidad personal del receptor y el contexto
son irrelevantes porque el mensaje es igualmente
aplicable a muchos otros receptores potenciales.
Además si es que, no se puede verificar que el
receptor haya dado un permiso deliberado,
explícito, y aún revocable, para que el mismo le
sea enviado
 “Se considera que un mensaje es spam sí y sólo sí
el mensaje es no solicitado y, a su vez, es
 Países reproductores de SPAM

PAISES REPRODUCTORES DE SPAM

1%
1%
2%
1%
2% 2%
Estados Unidos
3% 12%
Corea del Sur
3%
China
3%
Francia
España
10% Canada
Japón
Brasil
Inglaterra
Alemania
35%
Australia
Polonia
25% Otros
 AXS BOLIVIA

FILTRO BAYESIANO
2 millones de spam por día
Probabilidad de falsos positivos = 1/10000
Probabiliad de falsos negativos = 1/10000
2000000/100000 = 200
En una semana 200*7 = 1400
En un mes 20*30 = 6000
 Modalidades de propagación de
spam
Modalidades de propagación de spam
diferentes al medio de correo electrónico:

 Mensajería instantánea
 Grupo de noticias
 Chat
 Foros
 Telefonía móvil
 Ventanas emergentes (pop ups)
 Problemáticas

 Perdida de productividad y dinero en las empresas.


Reducción de efectividad del correo electrónico.

Amenaza la viabilidad de Internet como un medio efectivo de
comunicación.

Incremento de costos relacionados con el tiempo.

Genera importantes costos de seguridad a empresas ISP’s.

Incremento de propagación de virus informáticos.

Saturación de servidores. Muchos servidores dedicados para
uso privado o para uso general son congestionados implicando
una reducción de calidad de servicio.
 Denegación de servicios (Deny of services). Una cantidad
excesiva de correos no deseados puedo congestionar
totalmente el servicio y así denegarlo al mismo.
 Buzón de entrada incontrolable por parte del receptor. Causado
por la cantidad masiva que los spammers envían a los correos
electrónicos.
 Daño de imagen de terceros.
 Objetivos

Objetivo general
 Proponer un sistema experto basado en redes
neuronales, siguiendo métodos heurísticos que
permitan categorizar un correo electrónico en
spam.

Objetivos específicos
 Construir una topología para la red neuronal,
capaz clasificar patrones de reconocimiento.
 Definir reglas de aprendizaje para la red
neuronal, para la detección de spam en el
correo electrónico.
 Determinar la arquitectura de red neuronal
adecuada para la resolución de la problemática
planteada.

Construir el prototipo de manera que sea
 Limites

Realizar la detección de spam sólo en el correo electrónico y
no así en otros medios.
 El resultado obtenido tras el análisis del correo electrónico
tendrá un porcentaje de error en cuanto a falsos positivos y
negativos se refiere.

La aplicación no pretende hacer un consumo mínimo de
recursos del servidor de correos.

El entrenamiento de la red neuronal será realizado en base a
patrones generales de spam.
 El análisis del correo electrónico no se lo hará en tiempo real.

El prototipo de diseño final no llegara a su fase de
implementación.
 Alcances

 Obtener porcentajes de aciertos de la red

neuronal en su proceso de categorización de
correos.

Proporcionar un software capaz de aprender
patrones de spam en correos electrónicos.
 Minimizar los falsos positivos y falsos negativos
entre pruebas primarias y pruebas finales.
 Contribuir a la investigación sobre la aplicación
de redes neuronales en el área de detección de
correos basura, proporcionando una alternativa
para combatir con el spam.
 MODELOS

 Modelo de desarrollo del sistema

 Modelo de programación
 Arquitectura de la aplicación
 Capa de modelo de datos
 Capa de presentación de la aplicación
 Capa de la red neuronal backpropagation

Modelo de trabajo de la Red Neuronal
 HERRAMIENTAS A UTILIZAR

 Plataforma
 Microsoft Windows XP Service Pack 2
 Tecnologia
 MatLab 6.1
 Microsoft Visual Studio 2005
 Microsoft SQL Server 2000
 Redes neuronales artificiales

S2

OUTPUT

n
ó
aci
ag
S op
pr
de

Erro
r de p
or

ro p
aga
r
Er

ci ó n

CAPA CAPA OCULTA CAPA SALIDA

ENTRADA
 Propuesta

ENTRADAS
ESQUEMA  Tipo de red
(Caracteristicas del RED NEURONAL GENERAL backpropagation
corr eo ) 
Estudio de patrones de
DE LA spam
SOLUCIÓN  Aprendendizaje
SA LIDAS

inteligente

SPAM Cuarentena
SISTEMA DE
Resultado
BACKPROPAGATION
HAM Receptor
CLASIFICACIÓN de los
correos mediante
aprendizaje
 Propuesta

DETECCIÓN DE SPAM

1. Envio de correo
electrónico
Diagrama UML: Casos de uso
«extends»

2. Clasificación
de patrones

«extends»

Servidor de correo electrónico

3. Comparación de
Internet patrones

«extends»

4. Generar
estadisticas
«extends»

5. Obtener
Resultado
INTERNET E – MAIL

Servidor de Correo
E – MAIL E – MAIL E – MAIL

Usuario

E – MAIL

SPAM

Servidor Antispam
Gracias por su atención

20
¿Preguntas?

21