Show simple document record

dc.contributor.advisorWang, Shengruifr
dc.contributor.authorParakh Ousman, Yassine Zaralahyfr
dc.date.accessioned2014-09-09T15:42:49Z
dc.date.available2014-09-09T15:42:49Z
dc.date.created2012fr
dc.date.issued2012fr
dc.identifier.isbn9780494889060fr
dc.identifier.urihttp://hdl.handle.net/11143/5753
dc.description.abstractLe problème des spams connaît depuis ces 20 dernières années un essor considérable. En effet, le pollupostage pourrait représenter plus de 72% de l'ensemble du trafic de courrier électronique. Au-delà de l'aspect intrusif des spams, ceux-ci peuvent comporter des virus ou des scripts néfastes ; d'où l'intérêt de les détecter afin de les supprimer.Le coût d'un envoi de courriels par un spammeur étant infime, ce dernier peut se permettre de transmettre le spam au plus d'adresse de messagerie électronique. Pour le spammeur qui arrive à récupérer même une petite partie d'utilisateurs, son opération devient commercialement viable. Imaginant un million de courriels envoyés et seul 0,1% de personnes qui se font appâtées [i.e. appâter], cela représente tout de même 1 millier de personnes ; et ce chiffre est très réaliste. Nous voyons que derrière la protection de la vie privée et le maintien d'un environnement de travail sain se cachent également des enjeux économiques. La détection des spams est une course constante entre la mise en place de nouvelles techniques de classification du courriel et le contournement de celles-ci par les spammeurs. Jusqu'alors, ces derniers avaient une avance dans cette lutte. Cette tendance s'est inversée avec l'apparition de techniques basées sur le filtrage du contenu. Ces filtres pour la plupart sont basés sur un classificateur bayésien naïf. Nous présentons dans ce mémoire une approche nouvelle de cette classification en utilisant une méthode basée sur le traitement de données catégorielles. Cette méthode utilise les N-grams pour identifier les motifs significatifs afin de limiter l'impact du morphisme des courriers indésirables.fr
dc.language.isofrefr
dc.publisherUniversité de Sherbrookefr
dc.rights© Yassine Z. Parakh Ousmanfr
dc.subjectCourrielfr
dc.subjectN-gramsfr
dc.subjectCatégoriellesfr
dc.subjectSMTPfr
dc.subjectBayésienfr
dc.subjectText-miningfr
dc.subjectClassfr
dc.subjectSpamfr
dc.titleUne nouvelle approche pour la détection des spams se basant sur un traitement des données catégoriellesfr
dc.typeMémoirefr
tme.degree.disciplineInformatiquefr
tme.degree.grantorFaculté des sciencesfr
tme.degree.levelMaîtrisefr
tme.degree.nameM. Sc.fr


Files in this document

Thumbnail

This document appears in the following Collection(s)

Show simple document record