JP7466711B2 - 電子メール分類のために人間関係構造を使用するシステムおよび方法 - Google Patents
電子メール分類のために人間関係構造を使用するシステムおよび方法 Download PDFInfo
- Publication number
- JP7466711B2 JP7466711B2 JP2022578015A JP2022578015A JP7466711B2 JP 7466711 B2 JP7466711 B2 JP 7466711B2 JP 2022578015 A JP2022578015 A JP 2022578015A JP 2022578015 A JP2022578015 A JP 2022578015A JP 7466711 B2 JP7466711 B2 JP 7466711B2
- Authority
- JP
- Japan
- Prior art keywords
- detected
- anomaly
- recipient
- sender
- deep learning
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 68
- 238000004891 communication Methods 0.000 claims description 231
- 230000008520 organization Effects 0.000 claims description 83
- 238000004422 calculation algorithm Methods 0.000 claims description 79
- 238000013135 deep learning Methods 0.000 claims description 73
- 238000013528 artificial neural network Methods 0.000 claims description 61
- 238000001514 detection method Methods 0.000 claims description 47
- 238000012549 training Methods 0.000 claims description 44
- 230000009471 action Effects 0.000 claims description 43
- 230000015654 memory Effects 0.000 claims description 38
- 238000005516 engineering process Methods 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 14
- 230000001681 protective effect Effects 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 20
- 230000008569 process Effects 0.000 description 18
- 238000002474 experimental method Methods 0.000 description 11
- 230000002596 correlated effect Effects 0.000 description 10
- 238000004590 computer program Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 230000002547 anomalous effect Effects 0.000 description 7
- 238000012360 testing method Methods 0.000 description 7
- 238000010801 machine learning Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 239000013598 vector Substances 0.000 description 5
- 238000012790 confirmation Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 238000011012 sanitization Methods 0.000 description 4
- 238000012384 transportation and delivery Methods 0.000 description 4
- 238000010200 validation analysis Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000007418 data mining Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000000875 corresponding effect Effects 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 238000007639 printing Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 238000013515 script Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000026676 system process Effects 0.000 description 2
- 241000283153 Cetacea Species 0.000 description 1
- 241000700605 Viruses Species 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000037406 food intake Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 230000007787 long-term memory Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000000116 mitigating effect Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000000859 sublimation Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 230000000153 supplemental effect Effects 0.000 description 1
- 210000003813 thumb Anatomy 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/107—Computer-aided management of electronic mailing [e-mailing]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
- H04L51/07—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail characterised by the inclusion of specific contents
- H04L51/18—Commands or executable codes
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
- H04L51/21—Monitoring or handling of messages
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
- H04L51/21—Monitoring or handling of messages
- H04L51/212—Monitoring or handling of messages using filtering or selective blocking
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
- H04L51/21—Monitoring or handling of messages
- H04L51/216—Handling conversation history, e.g. grouping of messages in sessions or threads
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
- H04L51/42—Mailbox-related aspects, e.g. synchronisation of mailboxes
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/90—Services for handling of emergency or hazardous situations, e.g. earthquake and tsunami warning systems [ETWS]
Description
実験
アイデンティティレベルにおける関連性の表示
メッセージレベルにおける関連性の表示
特徴
実施形態
Claims (16)
- 送信者から受信者への着信電子通信における異常を検出するためのコンピュータシステムであって、前記コンピュータシステムは、
前記送信者と前記受信者との間の訓練された関連性モデルを規定する人間関係構造と、前記着信電子通信とを受け付けるように構成された、入力インターフェイスと、
1つ以上のニューラルネットワークを格納するように構成されたメモリとを備え、
前記入力インターフェイスは、電子通信の、テキストから、または、ヘッダおよび電子メールの署名ブロックのつながりを明示するメタデータから、またはつながりの蓋然性を示唆するテキストから、つながりと所属リンクを抽出することにより、前記人間関係構造を受け付け、
前記1つ以上のニューラルネットワークは、前記着信電子通信における異常を検出し前記異常をタイプによって分類するように訓練され、前記異常は、前記着信電子通信の内容と、前記送信者と前記受信者との間の前記訓練された関連性モデルとの間の、対応関係に従い、検出された異常の各タイプが防御措置のセットと関連付けられるように、分類され、前記コンピュータシステムはさらに、
プロセッサを備え、前記プロセッサは、
前記送信者と前記受信者との間の更新された関連性モデルを、送信者および受信者の組織表示に基づき、前記着信電子通信の前記内容を用いて計算し、
前記1つ以上のニューラルネットワークを、前記着信電子通信と、前記更新された関連性モデルとを前記1つ以上のニューラルネットワークに与えて実行することにより、少なくとも1つの異常検出の結果および異常分類タイプを生成し、次に、前記少なくとも1つの異常検出に関連付けられる防御措置のセットを組み合わせて1つの一連の防御措置にし、
前記1つの一連の防御措置が、前記送信者と前記受信者との間の相関関係の量を示すしきい値を上回る場合に、前記1つの一連の防御措置を実行することにより、前記着信電子通信を前記受信者に配信する
ように、構成される、コンピュータシステム。 - 受信された前記着信電子通信は、分類されたテキストになるように処理され、前記異常を検出するために深層学習アルゴリズムを含む前記ニューラルネットワークで使用され、
前記プロセッサは、
検出された前記相関関係に基づいた通信分類を有する前記訓練された関連性モデルに対応するテキストデータに対する訓練データセットを作成し、前記訓練データセットを用いて前記深層学習アルゴリズムを訓練し、
組織に関連する電子通信を抽出し、前記深層学習アルゴリズムを前記電子通信に適用することにより、前記検出された異常を特定および報告し、
前記検出された異常が真陽性か偽陽性かを判断し、
前記検出された異常が、敵対的意図を示す前記真陽性の場合は、前記電子通信を真陽性データベースに保存し、前記深層学習アルゴリズムを再訓練し、または、
前記検出された異常が、異常なしが検出されたことを示す前記偽陽性の場合は、前記電子通信を偽陽性データベースに保存し、前記深層学習アルゴリズムを再訓練し、
異常なしが検出されたことを示す前記偽陽性が検出され前記検出された異常が配信可能なものとして特定された場合は、前記着信電子通信を前記受信者に配信する、
ように、構成される、請求項1に記載のコンピュータシステム。 - 各深層学習アルゴリズムは、前記訓練された関連性モデルの、異なる関係ベースの通信分類器を用いて、前記関係ベースの通信分類器が、アイデンティレベル分類において検出される類似性またはメッセージレベル分類において検出される類似性を含むように、訓練され、
深層学習アルゴリズムが、アイデンティティレベル分類において検出される前記類似性に関連付けられ、前記送信者と前記受信者との間のアイデンティティレベル訓練において検出された以前の類似性に関連付けられる、以前の関係ベースの通信分類データを用いて訓練され、
別の深層学習アルゴリズムが、メッセージレベル分類において検出される前記類似性に関連付けられ、前記送信者と前記受信者との間のメッセージレベルにおいて検出された以前の類似性に関連付けられる以前の関係ベースの通信分類データを用いて訓練される、請求項2に記載のコンピュータシステム。 - 前記アイデンティティレベルにおいて検出された前記類似性は、職務階層を含む組織構造内における類似性の、前記送信者と前記受信者との間の類似性に関連付けられるテキストの表示に基づく、請求項3に記載のコンピュータシステム。
- 前記職務階層は、
(a)添付された添付物と組み合わされる従業員の幹部肩書、および前記組織内の従業員がアクセス可能なデータの名称、
(c)パスワードまたは個人データの更新と組み合わされる、技術サポートグループを含む、前記組織内の1つ以上のグループ名称、
(d)機密安全組織情報の1つ以上の名称と組み合わされる、前記組織の1つ以上の関連企業、
(e)前記組織の機密情報の1つ以上のリンクおよび名称と組み合わされる人的資源、
に関連付けられるテキストを含む、請求項4に記載のコンピュータシステム。 - 前記メッセージレベルにおいて検出された前記類似性は、
(a)組織技術、
(b)前の肩書、組織委員会名称、組織グループ名称、組織タスクフォース名称、特別プロジェクト名称のうちの1つを含む従業員プロフィール、
(c)従業員プロフィールと組み合わされる、前記受信者と同一の姓を有する送信者を含む、従業員の推測される関係、
内の類似性の、前記送信者と受信者との間の類似性に関連付けられるテキストの表示に基
づく、請求項3に記載のコンピュータシステム。 - 前記ニューラルネットワークは、1つ以上の深層学習アルゴリズムを含み、前記1つ以上の深層学習アルゴリズムは、前記異常の検出に関連付けられる敵対的要求についてのモデルのソースとなる、関係ベースの通信分類データを用いて、前記訓練された関連性モデルにより、訓練される、請求項1に記載のコンピュータシステム。
- 前記訓練された関連性モデルは、事業の組織内の人物および組織下位単位の関係を含むグラフまたはデータベースにおいて符号化された人間関係構造を処理することによって生成される、請求項1に記載のコンピュータシステム。
- 送信者から受信者への着信電子通信における異常を検出するための方法であって、前記方法は、
前記送信者と前記受信者との間の訓練された関連性モデルを規定する人間関係構造と、前記着信電子通信とを受信するステップと、
1つ以上のニューラルネットワークを含む格納されたデータを有するメモリにアクセスするステップとを含み、前記1つ以上のニューラルネットワークは、前記着信電子通信における異常を検出し前記異常をタイプによって分類するように訓練され、前記異常は、前記着信電子通信の内容と、前記送信者と前記受信者との間の前記訓練された関連性モデルとの間の、対応関係に従い、検出された異常の各タイプが防御措置のセットと関連付けられるように、分類され、前記方法はさらに、
前記送信者と前記受信者との間の更新された関連性モデルを、送信者および受信者の組織表示に基づき、前記着信電子通信の前記内容を用いて計算するステップと、
前記1つ以上のニューラルネットワークを、前記着信電子通信と、前記更新された関連性モデルとを前記1つ以上のニューラルネットワークに与えて実行することにより、少なくとも1つの異常検出の結果および異常分類タイプを生成し、次に、前記少なくとも1つの異常検出に関連付けられる防御措置のセットを組み合わせて1つの一連の防御措置にするステップと、
前記1つの一連の防御措置が、前記送信者と前記受信者との間の相関関係の量を示すしきい値を上回る場合に、前記1つの一連の防御措置を実行することにより、前記着信電子通信を前記受信者に配信するステップとを含む、方法。 - 受信した前記着信電子通信は、分類されたテキストになるように処理され、前記異常を検出するために深層学習アルゴリズムを含む前記ニューラルネットワークで使用され、プロセッサは、
検出された前記相関関係に基づいた通信分類の前記訓練された関連性モデルに対応するテキストデータに対する訓練データセットを作成し、前記訓練データセットを用いて前記深層学習アルゴリズムを訓練し、
組織に関連する電子通信を抽出し、前記学習アルゴリズムを前記電子通信に適用することにより、前記検出された異常を特定および報告し、
前記検出された異常が真陽性か偽陽性かを判断し、
前記検出された異常が、敵対的意図を示す前記真陽性の場合は、前記電子通信を真陽性データベースに保存し、前記深層学習アルゴリズムを再訓練し、または、
前記検出された異常が、異常なしが検出されたことを示す前記偽陽性の場合は、前記電子通信を偽陽性データベースに保存し、前記深層学習アルゴリズムを再訓練し、
異常なしが検出されたことを示す前記偽陽性が検出された場合は、前記着信電子通信を前記受信者に配信する
ように、構成される、請求項9に記載の方法。 - 各深層学習アルゴリズムは、前記訓練された関連性モデルの、異なる関係ベースの通信
分類器を用いて、前記関係ベースの通信分類器が、アイデンティレベル分類において検出される類似性またはメッセージレベル分類において検出される類似性を含むように、訓練され、
深層学習アルゴリズムが、アイデンティティレベル分類において検出される前記類似性に関連付けられ、前記送信者と前記受信者との間のアイデンティティレベル訓練において検出された以前の類似性に関連付けられる、以前の関係ベースの通信分類データを用いて訓練され、
別の深層学習アルゴリズムが、メッセージレベル分類において検出される前記類似性に関連付けられ、前記送信者と前記受信者との間のメッセージレベルにおいて検出された以前の類似性に関連付けられる以前の関係ベースの通信分類データを用いて訓練される、請求項10に記載の方法。 - 前記着信電子通信をインデックスするステップと、
前記深層学習アルゴリズムのうちの各深層学習アルゴリズムを介して、前記インデックスしたデータを、前記インデックスしたデータの前記送信者と前記受信者との間の前記訓練された関連性モデルの前記相関関係に基づいた通信分類に関連付けられる、前記深層学習アルゴリズムを用いて、精度についてスコアリングするステップとをさらに含み、前記検出された異常は前記スコアと関連データとを含み、前記関連データは、予め定められた異常スコアしきい値を上回るスコアに基づいて検出異常データベースに格納されている、
請求項10に記載の方法。 - 送信者から受信者への着信通信における異常を検出するための方法を実行するためにプロセッサが実行可能なプログラムが実装された非一時的なコンピュータ読取可能記憶媒体であって、前記方法は、
前記送信者と前記受信者との間の訓練された関連性モデルを規定する関係構造と、前記着信通信とを受信するステップと、
1つ以上のニューラルネットワークを含む格納されたデータを有するメモリにアクセスするステップとを含み、前記1つ以上のニューラルネットワークは、前記着信通信における異常を検出し前記異常をタイプによって分類するように訓練され、前記異常は、前記着信通信の内容と、前記訓練された関連性モデルとの間の、対応関係に従い、検出された異常の各タイプが防御措置のセットと関連付けられるように、分類され、前記方法はさらに、
更新された関連性モデルを、送信者および受信者の組織表示に基づき、前記着信通信の前記内容を用いて計算するステップと、
前記1つ以上のニューラルネットワークを、前記着信通信と、前記更新された関連性モデルとを前記1つ以上のニューラルネットワークに与えて実行することにより、少なくとも1つの異常検出の結果および異常分類タイプを生成し、次に、前記少なくとも1つの異常検出に関連付けられる防御措置のセットを組み合わせて1つの一連の防御措置にするステップと、
前記1つの一連の防御措置が、前記送信者と前記受信者との間の相関関係の量を示すしきい値を上回る場合に、前記1つの一連の防御措置を実行することにより、前記着信通信を前記受信者に配信するステップとを含む、非一時的なコンピュータ読取可能記憶媒体。 - 前記訓練された関連性モデルは、事業の組織内の人物および組織下位単位の関係を含むグラフまたはデータベースにおいて符号化された関係構造を処理することによって生成される、請求項13に記載の非一時的なコンピュータ読取可能媒体。
- 受信された前記着信通信は、分類されたテキストになるように処理され、前記異常を検出するために深層学習アルゴリズムを含む前記ニューラルネットワークで使用され、前記プロセッサは、
検出された前記相関関係に基づいた通信分類の前記訓練された関連性モデルに対応するテキストデータに対する訓練データセットを作成し、前記訓練データセットを用いて前記深層学習アルゴリズムを訓練し、
組織に関連する電子通信を抽出し、前記深層学習アルゴリズムを前記通信に適用することにより、前記検出された異常を特定および報告し、
前記検出された異常が真陽性か偽陽性かを判断し、
前記検出された異常が、敵対的意図を示す前記真陽性の場合は、前記電子通信を真陽性データベースに保存し、前記深層学習アルゴリズムを再訓練し、または、
前記検出された異常が、異常なしが検出されたことを示す前記偽陽性の場合は、前記電子通信を偽陽性データベースに保存し、前記深層学習アルゴリズムを再訓練し、
異常なしが検出されたことを示す前記偽陽性が検出された場合は、前記着信通信を前記受信者に配信する
ように、構成される、請求項13に記載の非一時的なコンピュータ読取可能媒体。 - 前記ニューラルネットワークは深層学習アルゴリズムを含み、各深層学習アルゴリズムは、前記送信者と前記受信者との間の関係ベースの通信分類を有する前記訓練された関連性モデルに関連付けられた1つ以上のデータセットで、訓練され、前記訓練された関連性モデルは、アイデンティティレベル分類における類似性とメッセージレベルにおける類似性とを含む、請求項15に記載の非一時的なコンピュータ読取可能媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/839,129 | 2020-04-03 | ||
US16/839,129 US11651222B2 (en) | 2020-04-03 | 2020-04-03 | System and method for using human relationship structures for email classification |
PCT/JP2021/007590 WO2021199821A1 (en) | 2020-04-03 | 2021-02-19 | System and method for using human relationship structures for email classification |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2023515910A JP2023515910A (ja) | 2023-04-14 |
JP7466711B2 true JP7466711B2 (ja) | 2024-04-12 |
Family
ID=75173411
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022578015A Active JP7466711B2 (ja) | 2020-04-03 | 2021-02-19 | 電子メール分類のために人間関係構造を使用するシステムおよび方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11651222B2 (ja) |
JP (1) | JP7466711B2 (ja) |
WO (1) | WO2021199821A1 (ja) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11605100B1 (en) | 2017-12-22 | 2023-03-14 | Salesloft, Inc. | Methods and systems for determining cadences |
US20220067778A1 (en) * | 2020-08-31 | 2022-03-03 | Zeta Global Corp. | System of determining advertising incremental lift |
US20220327947A1 (en) * | 2021-04-13 | 2022-10-13 | D2L Corporation | Systems and methods for automatically revising feedback in electronic learning systems |
US20230046392A1 (en) * | 2021-08-13 | 2023-02-16 | Sap Se | Computer system attack detection |
US11586878B1 (en) * | 2021-12-10 | 2023-02-21 | Salesloft, Inc. | Methods and systems for cascading model architecture for providing information on reply emails |
CN114401160B (zh) * | 2022-01-19 | 2022-12-02 | 腾讯科技(深圳)有限公司 | 数据处理方法、装置、服务器、终端及存储介质 |
CN116452165A (zh) * | 2023-03-22 | 2023-07-18 | 北京游娱网络科技有限公司 | 一种人才信息推荐方法、服务系统及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004049193A1 (ja) | 2002-11-28 | 2004-06-10 | Matsushita Electric Industrial Co.,Ltd. | 電子メール作成支援のための装置、プログラムおよび方法 |
US20180097836A1 (en) | 2016-10-03 | 2018-04-05 | Telepathy Labs, Inc. | System and method for enterprise authorization for social partitions |
JP2019145107A (ja) | 2018-02-20 | 2019-08-29 | ダークトレース リミテッドDarktrace Limited | 機械学習モデルを用いてeメールネットワークを保護するサイバー脅威防御システム |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7359676B2 (en) | 2003-04-21 | 2008-04-15 | Airdefense, Inc. | Systems and methods for adaptively scanning for wireless communications |
US9177293B1 (en) * | 2006-07-21 | 2015-11-03 | Cousins Intellectual Properties Llc | Spam filtering system and method |
US11044267B2 (en) | 2016-11-30 | 2021-06-22 | Agari Data, Inc. | Using a measure of influence of sender in determining a security risk associated with an electronic message |
US10425444B2 (en) * | 2017-06-07 | 2019-09-24 | Bae Systems Applied Intelligence Us Corp. | Social engineering attack prevention |
US11824870B2 (en) * | 2018-12-19 | 2023-11-21 | Abnormal Security Corporation | Threat detection platforms for detecting, characterizing, and remediating email-based threats in real time |
US11258811B2 (en) * | 2019-03-25 | 2022-02-22 | Saudi Arabian Oil Company | Email attack detection and forensics |
-
2020
- 2020-04-03 US US16/839,129 patent/US11651222B2/en active Active
-
2021
- 2021-02-19 WO PCT/JP2021/007590 patent/WO2021199821A1/en active Application Filing
- 2021-02-19 JP JP2022578015A patent/JP7466711B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004049193A1 (ja) | 2002-11-28 | 2004-06-10 | Matsushita Electric Industrial Co.,Ltd. | 電子メール作成支援のための装置、プログラムおよび方法 |
US20180097836A1 (en) | 2016-10-03 | 2018-04-05 | Telepathy Labs, Inc. | System and method for enterprise authorization for social partitions |
JP2019145107A (ja) | 2018-02-20 | 2019-08-29 | ダークトレース リミテッドDarktrace Limited | 機械学習モデルを用いてeメールネットワークを保護するサイバー脅威防御システム |
Also Published As
Publication number | Publication date |
---|---|
WO2021199821A1 (en) | 2021-10-07 |
US11651222B2 (en) | 2023-05-16 |
JP2023515910A (ja) | 2023-04-14 |
US20210312395A1 (en) | 2021-10-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7466711B2 (ja) | 電子メール分類のために人間関係構造を使用するシステムおよび方法 | |
US11403400B2 (en) | Troll account detection | |
Ho et al. | Detecting and characterizing lateral phishing at scale | |
US10027701B1 (en) | Method and system for reducing reporting of non-malicious electronic messages in a cybersecurity system | |
US11256812B2 (en) | End user social network protection portal | |
US11134097B2 (en) | Automated social account removal | |
US10425444B2 (en) | Social engineering attack prevention | |
US11418527B2 (en) | Malicious social media account identification | |
US9674214B2 (en) | Social network profile data removal | |
US9774626B1 (en) | Method and system for assessing and classifying reported potentially malicious messages in a cybersecurity system | |
US9674212B2 (en) | Social network data removal | |
US9027134B2 (en) | Social threat scoring | |
Ramanathan et al. | Phishing detection and impersonated entity discovery using Conditional Random Field and Latent Dirichlet Allocation | |
US20140337973A1 (en) | Social risk management | |
US11394722B2 (en) | Social media rule engine | |
US20190014148A1 (en) | Methods for automated social phishing | |
US11165801B2 (en) | Social threat correlation | |
US11563757B2 (en) | System and method for email account takeover detection and remediation utilizing AI models | |
US10868824B2 (en) | Organizational social threat reporting | |
US20210075824A1 (en) | System and method for email account takeover detection and remediation utilizing anonymized datasets | |
US20190036937A1 (en) | Social network page protection | |
Vorobeva et al. | Detection of business email compromise attacks with writing style analysis | |
Arya et al. | Multi layer detection framework for spear-phishing attacks | |
Kotenko | Detection of Business Email Compromise Attacks with Writing Style Analysis | |
Rahim et al. | A survey on anti-phishing techniques: From conventional methods to machine learning |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220825 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220825 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230830 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230912 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231003 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231212 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231227 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20240305 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240402 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7466711 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |