Show simple item record

Automatic Template Pattern Recognition

dc.contributor.advisorPluháčková, Hanaen
dc.contributor.authorKovařík, Daviden
dc.date.accessioned2020-06-23T09:11:43Z
dc.date.available2020-06-23T09:11:43Z
dc.date.created2018cs
dc.identifier.citationKOVAŘÍK, D. Automatická identifikace šablony generující spam kampaně [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2018.cs
dc.identifier.other114602cs
dc.identifier.urihttp://hdl.handle.net/11012/84904
dc.identifier.urihttp://hdl.handle.net/11012/190170
dc.description.abstractSpam se typicky nevyskytuje ve formě samostatných zpráv, ale často bývá sdružován do takzvaných kampaní. Ty bývají automaticky generovány pomocí šablon. Díky tomu jsou jednotlivé zprávy sémanticky, ale ne syntakticky, ekvivalentní. Cílem práce je navrhnout algoritmus schopný z množiny zpráv jedné kampaně zpětně extrahovat šablonu, ze které tyto zprávy byly generovány. Práce se zaměřuje na spam v SMS komunikaci, ale navržené postupy jsou dostatečně obecné pro širší použití. Algoritmus je postaven na metodě zarovnávání dvou sekvencí, používané v bioinformatice pro nalezení podobných oblastí proteinových řetězců. Výstupem je regulární výraz popisující šablonu dané kampaně. Součástí řešení je také nástroj pro vizualizaci šablony pomocí HTML.Řešení bylo ověřeno na přibližně třech stovkách skutečných kampaní z celého světa. V naprosté většině případů je poskytnutý výsledek postačující pro identifikaci kampaně.en
dc.description.abstractSpam does not occur as separate messages, but it is sent in so-called campaigns. They are usually generated by a certain template which allows producing large amount of semantically, but not syntactically, equivalent messages. The goal of this work is to design an algorithm able to reversely extract a template of a campaign from a set of concrete messages. The main focus is on spam in SMS communication. However, proposed method is general enough for wider use. The proposed algorithm is based on a method of aligning to sequences, which is used in bioinformatics to detect similar regions of protein strings. Resulting templates are represented as regular expressions. The tool is able to visualize extracted templates using HTML.Results of the tool were validated on more than three hundred real-world campaigns. In most cases extracted regular expressions were able to identify their source campaign.cs
dc.language.isoencs
dc.publisherVysoké učení technické v Brně. Fakulta informačních technologiícs
dc.rightsStandardní licenční smlouva - přístup k plnému textu bez omezenícs
dc.subjectSMSen
dc.subjectSpamen
dc.subjectSpamové kampaněen
dc.subjectExtrakce šablonyen
dc.subjectIndukce regulárních výrazůen
dc.subjectRegulární výrazyen
dc.subjectSMScs
dc.subjectSpamcs
dc.subjectSpam campaignscs
dc.subjectTemplate extractioncs
dc.subjectRegular expression inductioncs
dc.subjectRegular expressionscs
dc.titleAutomatická identifikace šablony generující spam kampaněen
dc.title.alternativeAutomatic Template Pattern Recognitioncs
dc.typeTextcs
dcterms.dateAccepted2018-06-21cs
dcterms.modified2020-05-10-16:13:11cs
thesis.disciplineInteligentní systémycs
thesis.grantorVysoké učení technické v Brně. Fakulta informačních technologií. Ústav inteligentních systémůcs
thesis.levelInženýrskýcs
thesis.nameIng.cs
sync.item.dbid114602en
sync.item.dbtypeZPen
sync.item.insts2020.06.23 11:11:43en
sync.item.modts2020.06.23 10:11:17en
eprints.affiliatedInstitution.facultyFakulta informačních technologiícs
dc.contributor.refereeLengál, Ondřejen
dc.description.markAcs
dc.type.drivermasterThesisen
dc.type.evskpdiplomová prácecs
but.committeedoc. Ing. František Zbořil, Ph.D. (předseda) prof. RNDr. Milan Češka, CSc. (místopředseda) doc. Ing. Peter Chudý, Ph.D., MBA (člen) Luděk Matyska (člen) Dr. Ing. Petr Peringer (člen) doc. Ing. Zdeněk Vašíček, Ph.D. (člen)cs
but.defenceStudent nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm A. Otázky u obhajoby: 1. Proč nelze při učení použít negativní protipříklady, například zprávy z běžné SMS komunikace? 2. V práci zmiňujete jako nevýhodu některých optimalizací to, že je nutné tokenizovat i zprávy, které by jinak tokenizovány nebyly, čimž trpí výkon.  Je to opravdu releventní?  Tokenizování by měla být lineární operace (zpráva je stejně testována na příslušnost do jazyka regulárního výrazu, což je velmi podobná operace).  Jak velké zpomalení způsobí tato tokenizace?cs
but.resultpráce byla úspěšně obhájenacs
but.programInformační technologiecs
but.jazykangličtina (English)


Files in this item

Thumbnail
Thumbnail
Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record