O PAPEL DA MINERAÇÃO DE DADOS NO ESTUDO SOBRE

 O PAPEL DA MINERAÇÃO DE DADOS NO ESTUDO SOBRE DETECÇÃO
DE SPAMs EM REDES DE COMPUTADORES UTILIZANDO ÁRVORE DE
DECISÃO
Kelton Augusto Pontara da Costa, Atair A. Camargo Junior, Henrique
Pachioni Martins, Patricia Bellin Ribeiro
Faculdade de Tecnologia de Bauru
[email protected]
Objetivos
Detectar anomalias em redes de computadores,
utilizando
técnicas
inteligentes,
mais
precisamente uma Árvore de Decisão em uma
base denominada SpamBase, através da
mineração de Dados e a ferramenta Weka.
Métodos/Procedimentos
Os experimentos realizados utilizaram a base
de dados pública SPAMBASE que contém
cinquenta e sete atributos de dados e um
atributo de classificação a fim de determinar a
normalidade no conteúdo destes [1]. Para
análise e quantificação dos tipos de anomalias
presente na base de dados SPAMBASE foi
utilizado o processo de mineração de dados,
realizado através da ferramenta Weka. Mesmo
a base SPAMBASE possuindo cinquenta e sete
atributos, como cada atributo representa uma
palavra e a frequência em que esta aparece no
e-mail pode representar um SPAMs normal ou
anormal foram utilizados todos os atributos
selecionados através de algoritmos de seleção
interna ao WEKA, uma vez que todas estas
características são relevantes para os testes.
Para a realização da mineração de dados foi
utilizada a técnica Discretize para a
normalização dos dados de entrada. Após o
filtro, foi selecionado, o algoritmo (J48), árvore
de decisão. Para a avaliação do algoritmo, foi
escolhida uma ferramenta padrão da estatística,
conhecida como cross validation [2].
Resultados
Após a mineração de dados utilizando o
algoritmo J48 foi possível obter, com base em
um total 4.601 amostras, uma taxa de acerto
médio de 92,76%, sendo 89,79% de acerto para
classificações do tipo SPAMs normais e 93,34%
de SPAMs anormais obtendo Az igual a 0,941.
Mesmo utilizando todos os atributos do
SPAMBASE
como
entrada,
os
testes
apresentaram bons resultados.
Conclusões
Atualmente muitas pesquisas na área da
computação, mais precisamente em redes de
computadores, estão sendo desenvolvidas
utilizando métodos de mineração de dados para
identificar o comportamento da rede. A base de
dados denominada SPAMBase, que contempla
amostras de SPAMs, foi utilizada neste estudo.
Neste trabalho propomos a utilização de todos
atributos da base citada. Após a utilização do
filtro Discretize e o algoritmo de árvores de
decisão J48, foi possível obter uma boa taxa de
acertos (92,76%) demonstrando assim, a
vantagem do uso de técnicas inteligentes em
redes de computadores para detecção de
SPAMs.
Referências Bibliográficas
[1] Fogel, J.; Shlivko, S. Weight Problems and
Spam E-mail for Weight Loss Products Southern
Medical Journal, v. 103, ed. 1, pp 31-36, 2010.
[2] Haykin, Simon. Neural Networks and
Learning Machines. Editora Prentice Hall, 3a.
Edição, p. 936, 2009.