Conception et Réalisation d’un Modèle Deep Learning pour la Classification des Images Spams

Abstract

Le spam est un contenu en vrac indésirable, tandis que le spam image est un contenu indésirable intégré à l'intérieur des images. Le spam image constitue une menace pour les systèmes de communication par courrier électronique. De nos jours, beaucoup de contenus non sollicités circulent sur Internet. Bien que de nombreuses techniques d'apprentissage automatique réussissent à détecter les spams textuels, ces techniques ne sont pas applicables sur les images spams qui peuvent facilement échapper à ces systèmes de détection de spams textuels. Dans ce projet, nous explorons et évaluons les techniques d'apprentissage profond qui détectent les spams images. Tout d'abord, nous étudions les réseaux de neurones profonds, que nous formons sur diverses fonctionnalités de l'image. Nous explorons leur robustesse sur un ensemble de données téléchargé de Image Spam Hunter. Enfin, nous concevons des architectures de réseaux de neurones à convolution, et nous fournissons des résultats expérimentaux pour celles-ci parallèlement au modèle d'apprentissage par transfert existant pour détecter les images spams.