基于机器学习训练专家系统的假新闻与钓鱼网站检测
密码学与安全
2021-08-19 v1 人工智能
计算与语言
机器学习
摘要
专家系统已被用于使计算机能够给出建议与决策。本文提出使用机器学习训练的专家系统（MLES）进行钓鱼网站检测与假新闻检测。这两个主题有相似目标：设计规则-事实网络，使计算机能像各自领域的领域专家一样做出可解释的决断。钓鱼网站检测研究使用 MLES 通过分析站点属性（如 URL 长度与过期时间）来检测潜在钓鱼网站。假新闻检测研究使用 MLES 规则-事实网络，基于情绪、发言者政治派别状态与职业等因素衡量新闻故事真实性。两项研究使用了不同的 MLES 网络实现，本文予以展示与比较。假新闻研究采用更线性的设计，而钓鱼项目采用更复杂的连接结构。两个网络的输入均基于常用可用数据集。
引用
@article{arxiv.2108.08264,
title = {Fake News and Phishing Detection Using a Machine Learning Trained Expert System},
author = {Benjamin Fitzpatrick and Xinyu "Sherwin" Liang and Jeremy Straub},
journal= {arXiv preprint arXiv:2108.08264},
year = {2021}
}