基于短文本和主题行的实时零足迹合成音节包算法用于电子邮件垃圾邮件检测
密码学与安全
2025-11-04 v1 计算与语言
摘要
当代电子邮件服务对客户的可用性要求高且因高吞吐量和垃圾邮件攻击而受到资源约束。深度机器学习架构资源消耗大且因处理时间较长而难以用于前端过滤器。相对于，大部分入站垃圾邮件并不够复杂，甚至最简单的算法就能被拦截。虽然少数善于变作的高级垃圾邮件只能通过深度架构检测，但通过应用于电子邮件主题行及其他短文本字段的近实时、近零足迹算法如合成音节包（Bag of Synthetic Syllables）算法可显著卸载对深度模型的压力。该算法为每个电子邮件主题行创建约200维的稀疏哈希向量，可通过余弦或欧几里得距离进行比较，以发现与已知垃圾邮件主题的相似性。该算法无需持久存储、词典、额外硬件升级或软件包。我们在真实SMTP流量的一天数据上呈现了算法的性能。
引用
@article{arxiv.2511.00118,
title = {Real-time and Zero-footprint Bag of Synthetic Syllables Algorithm for E-mail Spam Detection Using Subject Line and Short Text Fields},
author = {Stanislav Selitskiy},
journal= {arXiv preprint arXiv:2511.00118},
year = {2025}
}