RU2014133872A - Система и способы обнаружения спама с помощью частотных спектров строк символов - Google Patents
Система и способы обнаружения спама с помощью частотных спектров строк символов Download PDFInfo
- Publication number
- RU2014133872A RU2014133872A RU2014133872A RU2014133872A RU2014133872A RU 2014133872 A RU2014133872 A RU 2014133872A RU 2014133872 A RU2014133872 A RU 2014133872A RU 2014133872 A RU2014133872 A RU 2014133872A RU 2014133872 A RU2014133872 A RU 2014133872A
- Authority
- RU
- Russia
- Prior art keywords
- target
- string
- frequency spectrum
- computer system
- target signal
- Prior art date
Links
- 238000001228 spectrum Methods 0.000 title claims abstract 34
- 238000000034 method Methods 0.000 title claims abstract 22
- 238000000682 scanning probe acoustic microscopy Methods 0.000 title 1
- 238000001914 filtration Methods 0.000 claims abstract 8
- 230000003595 spectral effect Effects 0.000 claims 8
- 230000005540 biological transmission Effects 0.000 claims 1
- 238000011045 prefiltration Methods 0.000 claims 1
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/93—Document management systems
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/16—Communication-related supplementary services, e.g. call-transfer or call-hold
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Business, Economics & Management (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
- Information Transfer Between Computers (AREA)
- Computer And Data Communications (AREA)
Abstract
1. Способ, включающий в себя следующие этапы:использование компьютерной системы для получения целевой строки, которая образует часть электронного сообщения;использование компьютерной системы для преобразования целевой строки в целевой сигнал, содержащий последовательность чисел, причем каждый символ целевой строки преобразуется в число указанной последовательности чисел;в ответ на получение целевой строки - использование компьютерной системы для определения критерия пригодности строки согласно целевой строке;использование компьютерной системы для предварительной фильтрации совокупности ссылочных строк по критерию пригодности строки для формирования группы строк-кандидатов;в ответ на отбор строк-кандидатов - использование компьютерной системы для выполнения сравнения частотного спектра целевого сигнала и частотного спектра, определенного для строки-кандидата из группы строк-кандидатов; ииспользование компьютерной системы для определения по результату указанного сравнения, является или не является электронное сообщение спамом.2. Способ по п. 1, дополнительно включающий в себя определение, является или не является электронное сообщение спамом, согласно сравнению временной отметки целевой строки и временной отметки строки-кандидата.3. Способ по п. 1, в котором совокупность ссылочных строк включает в себя группу кластеров, каждый из которых включает в себя множество сходных строк, причем каждая строка-кандидат из группы строк-кандидатов представляет отдельный кластер, при этом способ дополнительно включает в себя, в ответ на выполнение сравнения, использование компьютерной системы для выбора кластера из гр
Claims (29)
1. Способ, включающий в себя следующие этапы:
использование компьютерной системы для получения целевой строки, которая образует часть электронного сообщения;
использование компьютерной системы для преобразования целевой строки в целевой сигнал, содержащий последовательность чисел, причем каждый символ целевой строки преобразуется в число указанной последовательности чисел;
в ответ на получение целевой строки - использование компьютерной системы для определения критерия пригодности строки согласно целевой строке;
использование компьютерной системы для предварительной фильтрации совокупности ссылочных строк по критерию пригодности строки для формирования группы строк-кандидатов;
в ответ на отбор строк-кандидатов - использование компьютерной системы для выполнения сравнения частотного спектра целевого сигнала и частотного спектра, определенного для строки-кандидата из группы строк-кандидатов; и
использование компьютерной системы для определения по результату указанного сравнения, является или не является электронное сообщение спамом.
2. Способ по п. 1, дополнительно включающий в себя определение, является или не является электронное сообщение спамом, согласно сравнению временной отметки целевой строки и временной отметки строки-кандидата.
3. Способ по п. 1, в котором совокупность ссылочных строк включает в себя группу кластеров, каждый из которых включает в себя множество сходных строк, причем каждая строка-кандидат из группы строк-кандидатов представляет отдельный кластер, при этом способ дополнительно включает в себя, в ответ на выполнение сравнения, использование компьютерной системы для выбора кластера из группы кластеров и присваивания целевой строки выбранному кластеру.
4. Способ по п. 3, дополнительно включающий в себя определение, является или не является целевое сообщение спамом, по группе временных отметок, при этом каждая временная отметка из группы временных отметок соответствует одному элементу выбранного кластера.
5. Способ по п. 3, дополнительно включающий в себя:
в ответ на присваивание целевой строки выбранному кластеру - определение числа элементов кластера выбранного кластер и определение, является или не является целевое сообщение спамом, по числу элементов кластера.
6. Способ по п. 3, дополнительно включающий в себя идентификацию целевого сообщения как принадлежащего к выбранной волне спама в соответствии с выбранным кластером.
7. Способ по п. 1, в котором предварительная фильтрация совокупности включает в себя:
определение первой длины строки для целевой строки и второй длины строки для ссылочной строки из совокупности, и если первая длина строки отличается от второй длины строки на величину, меньшую, чем заданный порог, добавление ссылочной строки к множеству строк-кандидатов.
8. Способ по п. 1, в котором предварительная фильтрация совокупности включает в себя:
где Ai обозначает амплитуду частотного спектра целевого сигнала, определенную для частоты i;
определение второго спектрального показателя ссылочной строки из совокупности и,
если первый спектральный показатель отличается от второго спектрального показателя на величину, меньшую, чем заданный порог, добавление ссылочной строки к множеству строк-кандидатов.
9. Способ по п. 1, в котором выполнение сравнения включает в себя определение межстрочного расстояния в виде следующей функции:
где индекс i обозначает номер частоты, S обозначает подмножество частот частотного спектра целевого сигнала,
обозначает амплитуду частотного спектра целевого сигнала при частоте i,
обозначает амплитуду частотного спектра, определенного для строки-кандидата, при частоте i и α - положительная постоянная.
10. Способ по п. 9, в котором подмножество S содержит только индекс i, который соответствуют нулевой частоте в частотном спектре целевого сигнала.
11. Способ по п. 9, в котором подмножество S содержит только индекс i, который соответствуют максимальной амплитуде в частотном спектре целевого сигнала.
12. Способ по п. 1, дополнительно включающий в себя, в ответ на преобразование целевой строки в целевой сигнал, использование компьютерной системы для применения к целевому сигналу цифрового фильтра низких частот, причем частотный спектр целевого сигнала включает в себя частотный спектр отфильтрованного целевого сигнала.
13. Способ по п. 1, дополнительно включающий в себя, в ответ на преобразование целевой строки в целевой сигнал, использование компьютерной системы для применения к целевому сигналу цифрового фильтра высоких частот, причем частотный спектр целевого сигнала включает в себя частотный спектр отфильтрованного целевого сигнала.
14. Компьютерная система, включающая в себя по меньшей мере процессор, запрограммированный так, чтобы:
получить целевую строку, которая образует часть электронного сообщения;
преобразовать целевую строку в целевой сигнал, содержащий последовательность чисел, причем каждый символ целевой строки преобразуется в число указанной последовательности чисел;
в ответ на получение целевой строки - определить критерий пригодности строки согласно целевой строке;
предварительно отфильтровать совокупность ссылочных строк по критерию пригодности строки для формирования группы строк-кандидатов;
в ответ на отбор строк-кандидатов - выполнить сравнение частотного спектра целевого сигнала и частотного спектра, определенного для строки-кандидата из группы строк-кандидатов; и
определить по результату указанного сравнения, является или не является электронное сообщение спамом.
15. Система по п. 14, в которой процессор дополнительно запрограммирован так, чтобы определить, является или не является электронное сообщение спамом, согласно сравнению временной отметки целевой строки и временной отметки строки-кандидата.
16. Система по п. 14, в которой совокупность ссылочных строк включает в себя группу кластеров, каждый из которых включает в себя множество сходных строк, причем каждая строка-кандидат из группы строк-кандидатов представляет отдельный кластер, при этом процессор дополнительно запрограммирован так, чтобы в ответ на выполнение сравнения выбрать кластер из группы кластеров и присвоить целевую строку выбранному кластеру.
17. Система по п. 16, дополнительно включающая в себя определение, является или не является целевое сообщение спамом, по группе временных отметок, при этом каждая временная отметка из группы временных отметок соответствует элементу выбранного кластера.
18. Система по п. 16, в которой процессор дополнительно запрограммирован так, чтобы:
в ответ на присваивание целевой строки выбранному кластеру - определить число элементов кластера в выбранном кластере; и
определить, является или не является целевое сообщение спамом, по числу элементов кластера.
19. Система по п. 16, в которой процессор дополнительно запрограммирован так, чтобы идентифицировать целевое сообщение как принадлежащее к выбранной волне спама в соответствии с выбранным кластером.
20. Система по п. 14, в которой предварительная фильтрация совокупности включает в себя:
определение первой длины строки для целевой строки и второй длины строки для ссылочной строки из совокупности и, если первая длина строки отличается от второй длины строки на величину, меньшую, чем заданный порог, добавление ссылочной строки к множеству строк-кандидатов.
21. Система по п. 14, в которой предварительная фильтрация совокупности включает в себя:
определение первого спектрального показателя целевой строки в виде следующей функции:
где Аi обозначает амплитуду частотного спектра целевого сигнала, определенную для частоты i;
определение второго спектрального показателя для ссылочной строки совокупности; и
если первый спектральный показатель отличается от второго спектрального показателя на величину, меньшую, чем заданный порог, добавление ссылочной строки к множеству строк-кандидатов.
22. Система по п. 14, в которой выполнение сравнения включает в себя определение межстрочного расстояния в виде следующей функции:
где индекс i обозначает номер частоты, S обозначает подмножество частот частотного спектра целевого сигнала,
обозначает амплитуду частотного спектра целевого сигнала при частоте i,
обозначает амплитуду частотного спектра, определенного для строки-кандидата, при частоте i и α - положительная постоянная.
23. Система по п. 22, в которой множество S содержит только индекс i, который соответствуют нулевой частоте в частотном спектре целевого сигнала.
24. Система по п. 22, в которой множество S содержит только индекс i, который соответствуют максимальной амплитуде в частотном спектре целевого сигнала.
25. Система по п. 14, в которой процессор дополнительно запрограммирован так, чтобы в ответ на преобразование целевой строки в целевой сигнал применить к целевому сигналу цифровой фильтр низких частот, причем частотный спектр целевого сигнала включает в себя частотный спектр отфильтрованного целевого сигнала.
26. Система по п. 14, в которой процессор дополнительно запрограммирован так, чтобы в ответ на преобразование целевой строки в целевой сигнал применить к целевому сигналу цифровой фильтр высоких частот, причем частотный спектр целевого сигнала включает в себя частотный спектр отфильтрованного целевого сигнала.
27. Способ, включающий в себя:
использование компьютерной системы для получения электронного сообщения;
в ответ на получение электронного сообщения - использование компьютерной системы для извлечения целевой строки из электронного сообщения;
использование компьютерной системы для передачи целевой строки антиспам-серверу и
в ответ на передачу целевой строки - получение целевой метки, указывающей на то, является или не является электронное сообщение спамом, причем целевую метку определяют на антиспам-сервере, при этом определение целевой метки включает в себя:
использование антиспам-сервера для преобразования целевой строки символов в целевой сигнал, содержащий последовательность чисел, причем каждый символ целевой строки преобразуют в число указанной последовательности чисел;
использование антиспам-сервера для определения критерия пригодности согласно целевой строке;
использование антиспам-сервера для предварительной фильтрации совокупности ссылочных строк по критерию пригодности для формирования группы строк-кандидатов;
в ответ на отбор строк-кандидатов - использование антиспам-сервера для использования компьютерной системы для выполнения сравнения частотного спектра целевого сигнала и частотного спектра, определенного для строки-кандидата из группы строк-кандидатов; и
использование антиспам-сервера для определения по результату указанного сравнения, является или не является электронное сообщение спамом.
28. Способ, включающий в себя:
использование компьютерной системы для получения целевой строки, которая образует часть электронного сообщения;
использование компьютерной системы для преобразования целевой строки символов в целевой сигнал, содержащий последовательность чисел, причем каждый символ целевой строки преобразуют в число указанной последовательности чисел;
в ответ на получение целевой строки - использование компьютерной системы для определения критерия пригодности строки согласно целевой строке;
использование компьютерной системы для предварительной фильтрации совокупности ссылочных строк по критерию пригодности строки для формирования группы строк-кандидатов;
в ответ на отбор строк-кандидатов - использование компьютерной системы для определения межстрочного расстояния, отделяющего целевую строку от строки-кандидата из группы строк-кандидатов, при этом межстрочное расстояние определяют по первой амплитуде частотного спектра целевого сигнала и по второй амплитуде частотного спектра, определенного для строки-кандидата; и
использование компьютерной системы для определения по межстрочному расстоянию, является или не является целевое сообщение спамом.
29. Способ, включающий в себя:
использование компьютерной системы для получения целевой строки, которая образует часть электронного сообщения;
использование компьютерной системы для преобразования целевой строки в целевой сигнал, содержащий последовательность чисел, причем каждый символ целевой строки преобразуется в число указанной последовательности чисел;
использование компьютерной системы для определения частотного спектра целевого сигнала;
использование компьютерной системы для выполнения сравнения частотного спектра целевого сигнала и частотного спектра, определенного для ссылочной строки, выбранной из множества ссылочных строк; и
использование компьютерной системы для определения по результату указанного сравнения, является или не является целевое сообщение спамом.
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US13/358,338 | 2012-01-25 | ||
US13/358,338 US9130778B2 (en) | 2012-01-25 | 2012-01-25 | Systems and methods for spam detection using frequency spectra of character strings |
PCT/RO2012/000022 WO2013112061A1 (en) | 2012-01-25 | 2012-09-05 | System and methods for spam detection using frequency spectra of character strings |
Publications (2)
Publication Number | Publication Date |
---|---|
RU2014133872A true RU2014133872A (ru) | 2016-03-20 |
RU2601190C2 RU2601190C2 (ru) | 2016-10-27 |
Family
ID=47891881
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU2014133872/08A RU2601190C2 (ru) | 2012-01-25 | 2012-09-05 | Система и способы обнаружения спама с помощью частотных спектров строк символов |
Country Status (11)
Country | Link |
---|---|
US (2) | US9130778B2 (ru) |
EP (1) | EP2807801A1 (ru) |
JP (1) | JP5941163B2 (ru) |
KR (1) | KR101686144B1 (ru) |
CN (1) | CN104040963B (ru) |
AU (1) | AU2012367397B2 (ru) |
CA (1) | CA2859135C (ru) |
IL (1) | IL233057B (ru) |
RU (1) | RU2601190C2 (ru) |
SG (1) | SG11201403440PA (ru) |
WO (1) | WO2013112061A1 (ru) |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103580939B (zh) * | 2012-07-30 | 2018-03-20 | 腾讯科技(深圳)有限公司 | 一种基于账号属性的异常消息检测方法及设备 |
US9251133B2 (en) * | 2012-12-12 | 2016-02-02 | International Business Machines Corporation | Approximate named-entity extraction |
US9026601B1 (en) * | 2013-03-12 | 2015-05-05 | Symantec Corporation | Systems and methods for validating members of social networking groups |
US8837835B1 (en) | 2014-01-20 | 2014-09-16 | Array Technology, LLC | Document grouping system |
US10037320B2 (en) * | 2014-06-30 | 2018-07-31 | Microsoft Technology Licensing, Llc | Context-aware approach to detection of short irrelevant texts |
US10042845B2 (en) * | 2014-10-31 | 2018-08-07 | Microsoft Technology Licensing, Llc | Transfer learning for bilingual content classification |
CN107229608A (zh) * | 2016-03-23 | 2017-10-03 | 阿里巴巴集团控股有限公司 | 垃圾评论识别方法和装置 |
CN106055664B (zh) * | 2016-06-03 | 2019-03-08 | 腾讯科技(深圳)有限公司 | 一种基于用户评论的ugc垃圾内容过滤方法及系统 |
US11647046B2 (en) * | 2018-09-24 | 2023-05-09 | Microsoft Technology Licensing, Llc | Fuzzy inclusion based impersonation detection |
US11720718B2 (en) | 2019-07-31 | 2023-08-08 | Microsoft Technology Licensing, Llc | Security certificate identity analysis |
US11258741B2 (en) * | 2019-08-15 | 2022-02-22 | Rovi Guides, Inc. | Systems and methods for automatically identifying spam in social media comments |
US11677703B2 (en) | 2019-08-15 | 2023-06-13 | Rovi Guides, Inc. | Systems and methods for automatically identifying spam in social media comments based on context |
US11886586B1 (en) * | 2020-03-06 | 2024-01-30 | Trend Micro, Inc. | Malware families identification based upon hierarchical clustering |
CN111507400B (zh) * | 2020-04-16 | 2023-10-31 | 腾讯科技(深圳)有限公司 | 应用分类方法、装置、电子设备以及存储介质 |
US11882131B1 (en) * | 2020-12-31 | 2024-01-23 | Proofpoint, Inc. | Systems and methods for prioritizing URL review for sandboxing based on accelerated velocities of URL features in network traffic |
KR20240102544A (ko) * | 2022-12-26 | 2024-07-03 | 쿠팡 주식회사 | 메시지 처리 시스템 및 그 방법 |
CN117032726B (zh) * | 2023-10-10 | 2023-12-22 | 北京海格神舟通信科技有限公司 | 一种用于实时绘制频谱图的方法及系统 |
Family Cites Families (48)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB9220404D0 (en) | 1992-08-20 | 1992-11-11 | Nat Security Agency | Method of identifying,retrieving and sorting documents |
US5828999A (en) | 1996-05-06 | 1998-10-27 | Apple Computer, Inc. | Method and system for deriving a large-span semantic language model for large-vocabulary recognition systems |
US6732149B1 (en) * | 1999-04-09 | 2004-05-04 | International Business Machines Corporation | System and method for hindering undesired transmission or receipt of electronic messages |
US20040073617A1 (en) * | 2000-06-19 | 2004-04-15 | Milliken Walter Clark | Hash-based systems and methods for detecting and preventing transmission of unwanted e-mail |
US7321922B2 (en) * | 2000-08-24 | 2008-01-22 | Yahoo! Inc. | Automated solicited message detection |
GB2366706B (en) | 2000-08-31 | 2004-11-03 | Content Technologies Ltd | Monitoring electronic mail messages digests |
AUPR033800A0 (en) | 2000-09-25 | 2000-10-19 | Telstra R & D Management Pty Ltd | A document categorisation system |
EP1402408A1 (en) | 2001-07-04 | 2004-03-31 | Cogisum Intermedia AG | Category based, extensible and interactive system for document retrieval |
US7657935B2 (en) * | 2001-08-16 | 2010-02-02 | The Trustees Of Columbia University In The City Of New York | System and methods for detecting malicious email transmission |
US7870203B2 (en) | 2002-03-08 | 2011-01-11 | Mcafee, Inc. | Methods and systems for exposing messaging reputation to an end user |
US20030204569A1 (en) * | 2002-04-29 | 2003-10-30 | Michael R. Andrews | Method and apparatus for filtering e-mail infected with a previously unidentified computer virus |
JP2004186878A (ja) * | 2002-12-02 | 2004-07-02 | Keyware Solutions Inc | 侵入検知装置及び侵入検知プログラム |
US7533148B2 (en) * | 2003-01-09 | 2009-05-12 | Microsoft Corporation | Framework to enable integration of anti-spam technologies |
US7219148B2 (en) * | 2003-03-03 | 2007-05-15 | Microsoft Corporation | Feedback loop for spam prevention |
US7320020B2 (en) | 2003-04-17 | 2008-01-15 | The Go Daddy Group, Inc. | Mail server probability spam filter |
GB2405229B (en) | 2003-08-19 | 2006-01-11 | Sophos Plc | Method and apparatus for filtering electronic mail |
US7392262B1 (en) | 2004-02-11 | 2008-06-24 | Aol Llc | Reliability of duplicate document detection algorithms |
US8214438B2 (en) | 2004-03-01 | 2012-07-03 | Microsoft Corporation | (More) advanced spam detection features |
US7555523B1 (en) | 2004-05-06 | 2009-06-30 | Symantec Corporation | Spam discrimination by generalized Ngram analysis of small header fields |
US8731986B2 (en) | 2004-07-19 | 2014-05-20 | Steve Angelica | Modulated cascading electronic messaging network |
US7574409B2 (en) * | 2004-11-04 | 2009-08-11 | Vericept Corporation | Method, apparatus, and system for clustering and classification |
US20060149820A1 (en) | 2005-01-04 | 2006-07-06 | International Business Machines Corporation | Detecting spam e-mail using similarity calculations |
JP2006293573A (ja) | 2005-04-08 | 2006-10-26 | Yaskawa Information Systems Co Ltd | 電子メール処理装置および電子メールフィルタリング方法および電子メールフィルタリングプログラム |
EP1963959A2 (en) | 2005-12-09 | 2008-09-03 | Fraunhofer-Gesellschaft zur Förderung der Angewandten Forschung e.V. | A method and apparatus for automatic comparison of data sequences |
US7529719B2 (en) | 2006-03-17 | 2009-05-05 | Microsoft Corporation | Document characterization using a tensor space model |
US20100011487A1 (en) * | 2006-07-24 | 2010-01-21 | Mi Ri Kim | Functional belt |
US7751620B1 (en) | 2007-01-25 | 2010-07-06 | Bitdefender IPR Management Ltd. | Image spam filtering systems and methods |
US7743003B1 (en) | 2007-05-16 | 2010-06-22 | Google Inc. | Scaling machine learning using approximate counting that uses feature hashing |
US9083556B2 (en) | 2007-05-31 | 2015-07-14 | Rpx Clearinghouse Llc | System and method for detectng malicious mail from spam zombies |
US8229833B2 (en) * | 2007-09-28 | 2012-07-24 | International Securities Exchange, Llc | Simplified quote sharing calculation |
JP5040718B2 (ja) | 2008-02-21 | 2012-10-03 | 日本電気株式会社 | スパム・イベント検出装置及び方法並びにプログラム |
US8055078B2 (en) * | 2008-02-28 | 2011-11-08 | Yahoo! Inc. | Filter for blocking image-based spam |
JP2009230663A (ja) | 2008-03-25 | 2009-10-08 | Kddi Corp | ウェブページの異常検知装置、プログラム、および記録媒体 |
KR100977180B1 (ko) | 2008-04-04 | 2010-08-23 | 엔에이치엔(주) | 스팸메일을 필터링하기 위한 방법, 시스템 및 컴퓨터 판독가능한 기록 매체 |
CN100541524C (zh) * | 2008-04-17 | 2009-09-16 | 上海交通大学 | 基于内容的互联网动画媒体垃圾信息过滤方法 |
US8156063B1 (en) | 2008-04-21 | 2012-04-10 | Hewlett-Packard Development Company, L.P. | Decision making based on changes input to a database |
CN101262524A (zh) * | 2008-04-23 | 2008-09-10 | 沈阳东软软件股份有限公司 | 垃圾语音过滤的方法及系统 |
US8001195B1 (en) | 2008-08-26 | 2011-08-16 | Kaspersky Lab, Zao | Spam identification using an algorithm based on histograms and lexical vectors (one-pass algorithm) |
US8295651B2 (en) | 2008-09-23 | 2012-10-23 | Microsoft Corporation | Coherent phrase model for efficient image near-duplicate retrieval |
US20100082749A1 (en) | 2008-09-26 | 2010-04-01 | Yahoo! Inc | Retrospective spam filtering |
CN101415159B (zh) | 2008-12-02 | 2010-06-02 | 腾讯科技(深圳)有限公司 | 对垃圾邮件进行拦截的方法和装置 |
US8718318B2 (en) | 2008-12-31 | 2014-05-06 | Sonicwall, Inc. | Fingerprint development in image based spam blocking |
CN101938711B (zh) | 2009-06-30 | 2015-09-09 | 国际商业机器公司 | 用于垃圾消息检测的方法和设备 |
CN102254146B (zh) * | 2010-05-18 | 2013-04-24 | 山东新北洋信息技术股份有限公司 | 磁墨水字符的识别方法、装置及系统 |
US20130179166A1 (en) | 2010-09-29 | 2013-07-11 | Nec Casio Mobile Communications, Ltd. | Voice conversion device, portable telephone terminal, voice conversion method, and record medium |
US9450781B2 (en) * | 2010-12-09 | 2016-09-20 | Alcatel Lucent | Spam reporting and management in a communication network |
EP2659363A4 (en) | 2010-12-30 | 2016-06-29 | Kyle Kleinbart | SYSTEM AND METHOD FOR ONLINE COMMUNICATION MANAGEMENT |
US20120215853A1 (en) | 2011-02-17 | 2012-08-23 | Microsoft Corporation | Managing Unwanted Communications Using Template Generation And Fingerprint Comparison Features |
-
2012
- 2012-01-25 US US13/358,338 patent/US9130778B2/en active Active
- 2012-09-05 KR KR1020147019418A patent/KR101686144B1/ko active IP Right Grant
- 2012-09-05 CN CN201280066689.7A patent/CN104040963B/zh active Active
- 2012-09-05 WO PCT/RO2012/000022 patent/WO2013112061A1/en active Application Filing
- 2012-09-05 SG SG11201403440PA patent/SG11201403440PA/en unknown
- 2012-09-05 EP EP12832750.9A patent/EP2807801A1/en not_active Withdrawn
- 2012-09-05 JP JP2014554684A patent/JP5941163B2/ja active Active
- 2012-09-05 CA CA2859135A patent/CA2859135C/en active Active
- 2012-09-05 RU RU2014133872/08A patent/RU2601190C2/ru active
- 2012-09-05 AU AU2012367397A patent/AU2012367397B2/en active Active
-
2014
- 2014-06-10 IL IL233057A patent/IL233057B/en active IP Right Grant
-
2015
- 2015-09-07 US US14/846,895 patent/US10212114B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
AU2012367397B2 (en) | 2016-09-08 |
EP2807801A1 (en) | 2014-12-03 |
KR101686144B1 (ko) | 2016-12-28 |
JP2015506642A (ja) | 2015-03-02 |
US9130778B2 (en) | 2015-09-08 |
US20130191468A1 (en) | 2013-07-25 |
JP5941163B2 (ja) | 2016-06-29 |
US20150381539A1 (en) | 2015-12-31 |
US10212114B2 (en) | 2019-02-19 |
IL233057A0 (en) | 2014-07-31 |
RU2601190C2 (ru) | 2016-10-27 |
CA2859135A1 (en) | 2013-08-01 |
CN104040963A (zh) | 2014-09-10 |
AU2012367397A1 (en) | 2014-07-03 |
IL233057B (en) | 2018-01-31 |
WO2013112061A1 (en) | 2013-08-01 |
CN104040963B (zh) | 2017-08-08 |
CA2859135C (en) | 2019-10-22 |
SG11201403440PA (en) | 2014-09-26 |
KR20140115314A (ko) | 2014-09-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2014133872A (ru) | Система и способы обнаружения спама с помощью частотных спектров строк символов | |
RU2014133875A (ru) | Системы и способы обнаружения спама с помощью символьных гистограмм | |
CN107908631B (zh) | 数据处理方法、装置、存储介质和计算机设备 | |
RU2015156608A (ru) | Сетевое устройство и способ управления процессом службы | |
US11221904B2 (en) | Log analysis system, log analysis method, and log analysis program | |
Petrere Jr et al. | Catch-per-unit-effort: which estimator is best? | |
Gaul et al. | Data quantity is more important than its spatial bias for predictive species distribution modelling | |
CN112291122B (zh) | 网络流量检测方法、装置、电子设备及可读存储介质 | |
CN110995524A (zh) | 流量数据监控方法、装置、电子设备和计算机可读介质 | |
KR101677008B1 (ko) | Tsd 기반 데이터 예측 방법 | |
Allodi | The heavy tails of vulnerability exploitation | |
CN112380131A (zh) | 模块测试方法、装置及电子设备 | |
CN108536866B (zh) | 基于话题转移熵的微博隐蔽关键用户分析方法 | |
CN102868685A (zh) | 一种判定自动扫描行为的方法及装置 | |
CN106844423A (zh) | 一种数据检测的方法及装置 | |
CN104301170B (zh) | 基于特征分类的移动终端应用友好性评判方法 | |
CN111125193B (zh) | 多媒体非正常评论的识别方法、装置、设备及存储介质 | |
EP4169223A1 (en) | Method and apparatus to detect scripted network traffic | |
Pocock et al. | Rapid assessment of the suitability of multi-species citizen science datasets for occupancy trend analysis | |
Gruden et al. | Differences in oscillatory whistles produced by spinner (Stenella longirostris) and pantropical spotted (Stenella attenuata) dolphins | |
CN112100165B (zh) | 基于质量评估的交通数据处理方法、系统、设备和介质 | |
KR102167278B1 (ko) | 로버스트를 이용하는 tsd 기반 데이터 예측 방법 | |
CN115277165A (zh) | 一种车辆网络风险确定方法、装置、设备及存储介质 | |
JP2018179548A (ja) | ジッタパルス列解析装置およびジッタパルス列解析方法 | |
CN110263082B (zh) | 数据库的数据分布分析方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PD4A | Correction of name of patent owner |