Metoda oceny stopnia zagrożenia związanego z publikacją ogłoszeń internetowych

• Autorzy: Krzysztof Węcel , Jacek Piotrowski

Warianty tytułu

The method for scoring of threat related to online adverts publication

• Języki publikacji: PL

Abstrakty

W pracy zaproponowano metodę punktacji ogłoszeń dostępnych w portalach internetowych jako zagrożenie rozumiane jako możliwość łamania prawa. Mamy specjalnie koncentrować się na nielegalnym handlu narkotykami. Połączone wyniki zasady trzech składników są oddzielne: osoba publikuje ofertę, w obrocie dobre i zamierzonego działania (kupno, sprzedaż, inne).(fragment tekstu)

EN

The paper proposes a method for scoring adverts available in online portals as a threat understood as the possibility of breaking the law. We specifically focus on illegal drug trade scenario. The combined score bases on three components scored separately: person publishing the offer, traded good, and intended action (buy, sell, other).(original abstract)

Słowa kluczowe

PL

Portale internetowe; Bezpieczeństwo w internecie

EN

Web portals; Internet security

• Czasopismo: Roczniki Kolegium Analiz Ekonomicznych / Szkoła Główna Handlowa
• Rocznik: 2013
• Numer: nr 29
• Strony: 325--341

Twórcy

autor

Krzysztof Węcel

• Uniwersytet Ekonomiczny w Poznaniu

autor

Jacek Piotrowski

Bibliografia

• Arrow K.J., Social Choice and Individual Values, Yale University Press, 1951.
• Artigas-Fuentes F., Fast k-NN classifier for documents based on a graph structure, "Progress in Pattern Recognition, Image Analysis, Computer Vision, and Aplication" 2010, vol. 6419, s. 228-235, http://www.springerlink. com/mdex/M3177401066H2337.pdf.
• Brutlag J.D., Meek C., Challenges of the Email Domain for Text Classification, w: ICML '00 Proceedings of the Seventeenth International Conference on Machine Learning, 2000, s. 103-110, http://dl.acm.org/citation.cfm?id=645529.657817.
• Chang M., Poon C.K., Using phrases as features in email classification, "Journal of Systems and Software" 2009, vol. 82(6), s. 1036-1045, doi:10.1016/j. jss.2009.01.013.
• Chinavle D., Kolari P., Ensembles in adversarial classification for spam, w: Proceedings of the 18th ACM conference on Information and knowledge management, 2009, s. 2015-2018, http://dl.acm.org/citation.cfm?id= 1646290.
• Elo A., The Rating of Chessplayers, Past and Present, Arco 1978.
• Gee K., Using latent semantic indexing to filter spam, w: Proceedings of the 2003 ACM symposium on Applied computing, 2003, s. 460-464, http://dl.acm.org/cita- tion.cfm?id=952623.
• Karras D., An improved text categorization methodology based on second and third order probabilistic feature extraction and neural network classifiers, "Knowledge- -Based Intelligent Information and Engineering System" 2006, vol. 4251, s. 9-20, http://www.springerlink.com/index/07 m8415 wj 15v2677.pdf.
• Kyriakopoulou A., Kalamboukis T., Combining clustering with classification for spam detection in social bookmarking systems, 2008, http://ipl.cs.aueb.gr/publi- cations/Combining Clustering with Classification for Spam Detection in Social Bookmarking Systems.pdf.
• Małyszko J., Filipowska A., Abramowicz W., Kaczmarek T., Bukowska E., Perkowski B., Stolarski P. et al., Architektura systemu wykrywania zagrożeń w cyberprzestrzeni, "Roczniki" Kolegium Analiz Ekonomicznych SGH, z. 24, Oficyna Wydawnicza SGH, Warszawa 2012, s. 11-22.
• Markov A., Fast categorization of Web documents represented by graphs, "Advances in Web Mining and Web Usage Analysis" 2007, vol. 4811, s. 56-71, http://www. springerlink.com/index/u4886005 r4760437.pdf.
• Neumayer R., Clustering based ensemble classification for spam filtering, 2006, http://citeseerx.ist. psu.edu/viewdoc/download?doi= 10.1.1.140.9223&rep=repl &type=pdf.
• Ogura H., Amano H., Kondo M., Feature selection with a measure of deviations from Poisson in text categorization, "Expert Systems with Applications" 2009, vol. 36(3), s. 6826-6832, doi:10.1016/j.eswa.2008.08.006.
• Sebastiani E, Machine learning in automated text categorization, "ACM Computing Surveys" 2002, vol. 34(1), s. 1-47, doi:10.1145/505282.505283.
• Senator T.E., On the efficacy of data mining for security applications, w: Proceedings of the ACM SIGKDD Workshop on CyberSecurity and Intelligence Informatics - CSI-KDD '09, ACM Press, New York 2009, s. 75-83, http://dl.acm.org/citation. cfm?id= 1599272.1599286.
• Tong S., Koller D., Support vector machine active learning with applications to text classification, "The Journal of Machine Learning Research" 2002, vol. 2(1), s. 45-66, http://dl.acm.org/citation.cfm?id=944793.
• http://spamassassin.apache.org [dostęp 07.08.2012].
• The life of Spam Assassin Rule, http://taint.org/2005/08/06/024026a.html [dostęp 08.08.2012],