Sukčiavimo elektroninių laiškų klasterizavimas ir vizualizavimas naudojat saviorganizuojančius neuroninius tinklus
Gasiukevičius, Paulius |
Gurčinas, Vitalijus | Recenzentas / Rewiewer |
Baigiamojo magistrinio darbo tikslas - išanalizuoti sukčiavimo laiškų duomenų aibės paruošimą bei juos klasterizuoti ir vizualizuoti naudojant saviorganizuojančius neuroninius tinklus. Darbą sudaro šešios dalys: įvadas, lietratūros apžvalga, duomenų rinkinio apdorojimas ir egzistuojančių SOM įrankių bei bibliotekų apžvalga, laiškų klasterizavimas ir vizualizavimas, išvados, literatūra. Darbo metu gauti rezultatai: 1. Atlikta literatūros susijusios su SOM tinklais, tekstinių dokumentų klasterizavimu, sukčiavimo laiškų pavojumi analizė.2. Surasta keletas viešai prieinamų elektroninių laiškų duomenų rinkinių, tarp jų ir sukčiavimo laiškų rinkinys.3. Pasirinktas sukčiavimo laiškų rinkinys, reklamos bei paprastų laiškų rinkiniai. Jie visi sujungti ir apdoroti paruošiant juos SOM tinklui apmokyti. 4. Apdorotas rinkinys išbandytas su nemokamais SOM įrankiais ar mokamų įrankių bandomosioms versijoms.5. Apžvelgtos egzistuojančios programavimo bibliotekos, skirtos darbui su SOM tinklais.6. Naudojantis „minisom” biblioteka, realizuotas SOM vizualizavimo būdas, leidžiantis geriau suprasti gaunamus rezultatus.7. Atliktas eksperimentinis tyrimas SOM tinklo parametrų įtakos gaunamiems rezultatams nustatyti bei vaizdavimo būdui ištestuoti.8. Atlikta rezultatų analizė ir pateiktos galutinės išvados.Darbo apimtis: 63 psl., 32 iliustracijos, 12 lentelių, 44 bibliografiniai šaltiniai.
The aim of the Master's thesis is to analyze the preparation of a phishing emails data-set and to cluster and visualize it using SOM (self-organizing map) neural network.The work consists of six parts: introduction, overview of literature, data set processing and overview of existing SOM tools and libraries, email clustering and visualization, conclusions, literature.Results obtained during the work:1. An analysis of the literature related to SOM networks, clustering of textual documents, and the threat of phishing emails has been performed.2. Several publicly available e-mail datasets have been found, including a set of phishing emails.3. The selected set of phishing emails and the sets of spam and ordinary emails are combined and processed in preparation for training using SOM network.4. The processed dataset has been tested with free SOM tools or trial versions of paid tools.5. An overview of existing programming libraries for working with SOM networks.6. Using the ”minisom” library, a SOM visualization method has been implemented that allows for a better understanding of the results obtained.7. An experimental study was performed to determine the influence of SOM network parameters on the obtained results and to test the visualization method.8. The analysis of the results is performed and the final conclusions are presented.Thesis consists of: 63 pages, 32 illustrations, 12 tables, 44 bibliographical entries.