Classification of Temporary and Real E-mail Addresses with Machine Learning Techniques

Caner Balım; Nevzat Olgun

Makale detayları

Classification of Temporary and Real E-mail Addresses with Machine Learning Techniques

Yazarlar:

Caner Balım | Nevzat Olgun

Yayıncı:

Bingol University

Ana Başlıklar:

Bilgi Güvenliği Yönetimi

Dergi:

Türk Doğa ve Fen Dergisi Vol.13 Issue 3, pp.176-183

Belge Tipi:

Makale

Yayın Tarihi:

9/2024

Belge Dili:

İngilizce

Document ID (Org No.):

2001328018

pISSN:

2149-6366

Anahtar kelimeler:

Özet:

 Temporary e-mail addresses are e-mail addresses that users can quickly create without signing up. These e-mail addresses are useful for privacy and to avoid spam. However, they also pose several serious cyber threats, including fraud, spam campaigns, and fake account creation In this study, a method utilizing natural language processing and machine learning techniques is proposed to classify real and temporary e-mail addresses. First, temporary and real e-mail addresses are analyzed, and features are developed to identify the differences between them. These features include lexical structures, broad contexts, and structural features of e-mail addresses. Various machine learning algorithms were then applied on the resulting feature set to differentiate e-mail addresses. The results were evaluated with K-fold cross-validation method and an accuracy rate of 96 was obtained. This success rate shows that the developed method can successfully distinguish between real and temporary e-mail addresses.

 Temporary e-mail addresses are e-mail addresses that users can quickly create without signing up. These e-mail addresses are useful for privacy and to avoid spam. However, they also pose several serious cyber threats, including fraud, spam campaigns, and fake account creation In this study, a method utilizing natural language processing and machine learning techniques is proposed to classify real and temporary e-mail addresses. First, temporary and real e-mail addresses are analyzed, and features are developed to identify the differences between them. These features include lexical structures, broad contexts, and structural features of e-mail addresses. Various machine learning algorithms were then applied on the resulting feature set to differentiate e-mail addresses. The results were evaluated with K-fold cross-validation method and an accuracy rate of 96 was obtained. This success rate shows that the developed method can successfully distinguish between real and temporary e-mail addresses.

 Temporary e-mail addresses are e-mail addresses that users can quickly create without signing up. These e-mail addresses are useful for privacy and to avoid spam. However, they also pose several serious cyber threats, including fraud, spam campaigns, and fake account creation In this study, a method utilizing natural language processing and machine learning techniques is proposed to classify real and temporary e-mail addresses. First, temporary and real e-mail addresses are analyzed, and features are developed to identify the differences between them. These features include lexical structures, broad contexts, and structural features of e-mail addresses. Various machine learning algorithms were then applied on the resulting feature set to differentiate e-mail addresses. The results were evaluated with K-fold cross-validation method and an accuracy rate of 96 was obtained. This success rate shows that the developed method can successfully distinguish between real and temporary e-mail addresses.

 Geçici e-posta adresleri, kullanıcıların üye olmadan hızlı bir şekilde oluşturabildikleri e-posta adresleridir. Bu e-posta adresleri gizlilik ve istenmeyen e-postalardan kaçınmak için yararlıdır. Fakat bu e-postalar adreslerinin dolandırıcılığa, spam kampanyalarında kullanılma ve sahte hesap oluşturmaya kadar bir dizi ciddi siber tehdidi de bulunmaktadır. Bu çalışmada, gerçek ve geçici e-posta adreslerini sınıflandırmak için doğal dil işleme ve makine öğrenme tekniklerinden yararlanan bir yöntem önerilmiştir. Öncelikle, geçici ve gerçek e-posta adresleri analiz edilmiş ve arasındaki farkları belirlemeye yönelik öznitelikler geliştirilmiştir. Bu öznitelikler, e-posta adreslerinin leksik yapılarını, geniş bağlamlarını ve yapısal özelliklerini içermektedir. Sonrasında elde edilen öznitelik seti üzerinde, çeşitli makine öğrenme algoritmaları uygulanmış ve e-posta adresleri ayırt edilmeye çalışılmıştır. Elde edilen sonuçlar, K-katlı çapraz doğrulama yöntemiyle değerlendirilmiş ve 96 doğruluk oranı elde edilmiştir. Bu başarı oranı, geliştirilen yöntemin gerçek ve geçici e-posta adreslerini başarılı bir şekilde ayırt edebileceğini göstermektedir.

Makale detayları

Classification of Temporary and Real E-mail Addresses with Machine Learning Techniques

Yazarlar:

Caner Balım | Nevzat Olgun

Yayıncı:

Bingol University

Ana Başlıklar:

Bilgi Güvenliği Yönetimi

Dergi:

Türk Doğa ve Fen Dergisi Vol.13 Issue 3, pp.176-183

Belge Tipi:

Makale

Yayın Tarihi:

9/2024

Belge Dili:

İngilizce

Document ID (Org No.):

2001328018

pISSN:

2149-6366

E-mail classification

Natural language processing

Artificial neural network

Machine learningE-mail sınıflandırma

Doğal dil işleme

Yapay sinir ağı

Makine öğrenme

Sayı

Makale detayları

Yazarlar: Caner Balım | Nevzat Olgun

Yayıncı: Bingol University

Ana Başlıklar: Bilgi Güvenliği Yönetimi

Dergi: Türk Doğa ve Fen Dergisi Vol.13 Issue 3, pp.176-183

Belge Tipi: Makale

Yayın Tarihi: 9/2024

Belge Dili: İngilizce

Document ID (Org No.): 2001328018

pISSN: 2149-6366

Sayı

Yazarlar:

Caner Balım | Nevzat Olgun

Yayıncı:

Bingol University

Ana Başlıklar:

Bilgi Güvenliği Yönetimi

Dergi:

Türk Doğa ve Fen Dergisi Vol.13 Issue 3, pp.176-183

Belge Tipi:

Makale

Yayın Tarihi:

9/2024

Belge Dili:

İngilizce

Document ID (Org No.):

2001328018

pISSN:

2149-6366