Διπλωματικές Εργασίες Ακαδημαϊκού Έτους 2024-2025

Σύντομη Περιγραφή:

Αυτή η Διπλωματική Εργασία (ΔΕ) εστιάζει στη χρήση τεχνικών υπολογιστικής νοημοσύνης για τον εντοπισμό και την αντιμετώπιση των ανεπιθύμητων μηνυμάτων ηλεκτρονικού ταχυδρομείου (spam). Η ανεξέλεγκτη αποστολή spam μηνυμάτων αποτελεί σημαντικό πρόβλημα τόσο για τους χρήστες όσο και για τις υποδομές των παρόχων υπηρεσιών email. Σκοπός της εργασίας είναι να εξετάσει και να συγκρίνει σύγχρονες μεθόδους τεχνητής νοημοσύνης, όπως μηχανική μάθηση, νευρωνικά δίκτυα και εξελικτικούς αλγόριθμους, για την αποτελεσματική ανίχνευση και φιλτράρισμα των spam. Αρχικά, θα παρουσιαστούν οι βασικές αρχές των ανεπιθύμητων μηνυμάτων και τα χαρακτηριστικά που τα διακρίνουν από τα κανονικά μηνύματα. Στη συνέχεια, θα αναλυθούν οι κλασσικές τεχνικές φιλτραρίσματος, όπως τα φίλτρα βασισμένα σε κανόνες και τα στατιστικά μοντέλα. Η εργασία θα εστιάσει κυρίως στη χρήση πιο προχωρημένων τεχνικών, όπως τα νευρωνικά δίκτυα (MLP, CNN, LSTM), οι αλγόριθμοι ταξινόμησης (SVM, Naive Bayes) και οι εξελικτικοί αλγόριθμοι (PSO, SCA), και θα εξετάσει τον τρόπο με τον οποίο μπορούν να βελτιώσουν την ακρίβεια και την ταχύτητα της διαδικασίας φιλτραρίσματος. Επιπλέον, θα γίνει ανάλυση των πλεονεκτημάτων και των μειονεκτημάτων της κάθε προσέγγισης και θα συζητηθούν οι προκλήσεις που αφορούν στη διαρκή εξέλιξη των spam μηνυμάτων και την ανάγκη προσαρμογής των φίλτρων στις νέες μεθόδους παραπλάνησης των spammer. Η ΔΕ θα περιλαμβάνει επίσης πειραματικά αποτελέσματα από την εφαρμογή των εν λόγω τεχνικών, τα οποία θα δείχνουν την αποτελεσματικότητά τους στην πράξη. Τέλος, θα παρουσιαστεί το ενδεχόμενο βελτίωσης των εκάστοτε αλγορίθμων, όπως και η πιθανότητα δημιουργίας καινούργιων αλγορίθμων, πιο εξελιγμένων και προσαρμοστικών στις απειλές των spammers. Ως επιπρόσθετη γνώση, θα χρησιμοποιηθεί λογαριασμός Gmail που θα εφαρμοστεί στους κώδικες των προαναφερθέντων μεθόδων, για την αξιολόγηση της λειτουργία τους σε πραγματικά δεδομένα.

Απαραίτητες γνώσεις: Linux, Docker, Python, AI, Machine Learning, Neural Networks

Χώρος υλοποίησης της διπλωματικής: ZB203 – Ερευνητικό Εργαστήριο TelSiP

Επιβλέπων: Δρ. Γρηγόριος Κουλούρας, Αναπληρωτής Καθηγητής

Φοιτήτρια: Κωνσταντίνα Πάνο