Análise e Classificação de E-mails SPAM com Machine Learning

• João Vítor Batistella IFRS
• Andrws Aires Vieira IFRS

DOI: https://doi.org/10.5753/erbd.2025.6747

Resumo

O trabalho propõe desenvolver um modelo de Machine Learning para classificar e-mails como SPAM ou HAM (não SPAM). Considerando a relevância crescente do problema dos e-mails indesejados no tráfego global de dados, a pesquisa busca criar uma solução que otimize recursos computacionais e auxilie empresas de marketing digital. Utilizando Python, o estudo será fundamentado na aplicação de Regressão Logística para analisar o conteúdo dos e-mails, além de comparar seu desempenho com o consolidado classificador Naı̈ve Bayes. O estudo busca promover práticas mais sustentáveis de marketing digital, reduzindo o impacto das comunicações indesejadas e preservando a reputação dos remetentes.

Referências

Ali, A., Bin Faheem, Z., Waseem, M., Draz, U., Safdar, Z., Hussain, S., and Yaseen, S. (2020). Systematic review: A state of art ml based clustering algorithms for data mining. In 2020 IEEE 23rd International Multitopic Conference (INMIC), pages 1–6.

Almeida, T. and Hidalgo, J. (2012). Sms spam collection dataset. Último acesso em: 10/02/2025.

Cappy, P. (2024). Email sending reputation: How does domain reputation work? Último acesso em: 26/10/2024.

Dada, E. G., Bassi, J. S., Chiroma, H., Adetunmbi, A. O., Ajibuwa, O. E., et al. (2019). Machine learning for email spam filtering: review, approaches and open research problems. Heliyon, 5(6).

Dossetto, F. (2022). Domain reputation, explained. Último acesso em: 03/01/2025.

Garnepudi, V. (2019). Spam mails dataset. Último acesso em: 10/02/2025.

Goldschmidt, R. (2015). Data Mining. GEN LTC, Rio de Janeiro, RJ, BRA, 2ª edition.

Hastie, T., Tibshirani, R., and Friedman, J. (2001). The Elements of Statistical Learning. Springer Series in Statistics. Springer New York Inc., New York, NY, USA.

James, G., Witten, D., Hastie, T., and Tibshirani, R. (2013). An Introduction to Statistical Learning: with Applications in R. Springer.

Jayapandian, N. et al. (2023). Machine learning based spam e-mail detection using logistic regression algorithm. In 2023 IEEE International Conference on ICT in Business Industry & Government (ICTBIG), pages 1–6. IEEE.

Jurafsky, D. and Martin, J. H. (2009). Speech and Language Processing (2nd Edition). Prentice-Hall, Inc., USA.

Kosinski, M. (2024). What is phishing? Último acesso em: 27/10/2024.

Kuchipudi, B., Nannapaneni, R. T., and Liao, Q. (2020). Adversarial machine learning for spam filters. In Proceedings of the 15th International Conference on Availability, Reliability and Security, pages 1–6.

Mariano, D. C. B., Marques, L. T., and Silva, M. S. (2021). Data Mining. SAGAH, Porto Alegre, RS, BRA.

Martins, J. S., Lenz, M. L., Silva, M. B. F. d., Oliveira, R. A. d., Pichetti, R. F., Mariano, D. C. B., Martins, J. V., Rodrigues, S. M. A. F., and Bezerra, W. R. (2020). Processamentos de linguagem natural. SAGAH, Porto Alegre.

Pronnus (2024). Segurança digital: Você sabe a diferença entre phishing e spoofing? Último acesso em: 27/10/2024.

Sarica, S. and Luo, J. (2021). Stopwords in technical language processing. PLOS ONE, 16(8):1–13.

Sherwin, R. (2023). Report spam, misclassified, viral email messages. Último acesso em: 27/10/2024.

Statista (2024a). Daily number of emails sent worldwide as of april 2024 by country. Último acesso em: 26/10/2024.

Statista (2024b). Daily number of spam emails sent worldwide as of august 2024, by country. Último acesso em: 26/10/2024.

Tan, P.-N., Steinbach, M., and Kumar, V. (2009). Introdução ao Data Mining - Mineração de Dados. Editora Ciência Moderna Ltda., Rio de Janeiro, RJ, 1ª edition.

Yaseen, Q. et al. (2021). Spam email detection using deep learning techniques. Procedia Computer Science, 184:853–858.