Algoritmo Machine Learnig en los sistemas de filtrado caso práctico SPAM de google en las cuentas de correo Institucionales de la FAFI.
DOI:
https://doi.org/10.29018/issn.2588-1000vol2iss12.2018pp17-23Palabras clave:
Spam, algoritmo, googleResumen
El presente artículo analiza el funcionamiento del algoritmo Machine Learning en los sistemas de filtrados de correos SPAM adoptado por la compañía Google Corp. en las cuentas institucionales de Universidad Técnica de Babahoyo, tomando como campo de acción la Facultad de Administración Finanzas e Informática.
Para efectuar la investigación, se ha adoptado de las metodologías descriptiva y experimental de laboratorio, para evidenciar los efectos que presentan los correos no deseados o también conocidos como SPAM. Se empleó encuestas a los usuarios que poseen cuenta institucional, así como también cuentas personales. Se efectuó pruebas de laboratorio, para demostrar el efecto de las cuentas google ante ataques SPAM.
Descargas
Citas
Cormack, G. S. (2011). MACHINE LEARNING METHODS FOR SPAM E-MAIL CLASSIFICATION. Springer Netherlands.
Fernández, F. (s.f.). Redactor_CEO. Obtenido de https://www.seoposicionamientoweb.es/que-esgoogle-safebrowsing/
Guzella, M.-S. J. (2009). ”A review of machine learning approaches to Spam “. Expert Syst. Appl.
Juarez, G. (24 de 05 de 2017 ). Nexolution enabling high performance. Obtenido de http://www.nexolution.com/como-funciona-el-aprendizajeautomatico-machine-learning/
Koby Crammer, O. D. (2010). Online passiveaggressive. JLMR,
Pacheco, V. G. (2017). Synergic Partners. Obtenido de http://www.synergicpartners.com/una-brevehistoria-del-machine-learning/
Porto, J. P., & Gardey, A. (2016). definicion.de SPAM: https://definicion.de/spam/
Yang., S. J. (2010). A survey on transfer learning.IEEE Transactions on Knowledge and.
