E-POSTA DOLANDIRICILIĞININ TESPİTİ İÇİN HİBRİT NAİVE BAYES VE DERİN ÖĞRENME YAKLAŞIMI

Authors : Volkan Altıntaş

Pages : 476-487

Doi:10.46519/ij3dptdi.1725050

View : 55 | Download : 113

Publication Date : 2025-12-28

Article Type : Research Paper

Abstract :Günümüzde dijital iletişimin temel taşı olan e-posta, bilgi paylaşımı açısından büyük kolaylık sağlarken, spam ve kimlik avı (phishing) gibi kötü niyetli saldırıların da en yaygın aracı haline gelmiştir. Saldırganlar, giderek daha ikna edici içerikler oluşturarak kullanıcıları yanıltmakta ve kişisel bilgilerini ele geçirmektedir. Bu durum, geleneksel anahtar kelime tabanlı filtreleme sistemlerinin yetersiz kalmasına ve daha gelişmiş, açıklanabilir yapay zekâ tabanlı modellere ihtiyaç duyulmasına neden olmuştur. Bu çalışmada, spam ve phishing içerikli e-postaların otomatik olarak tespit edilmesine yönelik hibrit bir sınıflandırma modeli önerilmektedir. E-posta metinleri TF-IDF yöntemiyle sayısal temsile dönüştürülmüş; ardından Multinomial Naïve Bayes ve Multi-Layer Perceptron (MLP) sınıflayıcıları eğitilmiş, bu iki modelin çıktı olasılıkları lojistik regresyon tabanlı bir meta-öğrenici ile birleştirilerek stacking mimarisi oluşturulmuştur. Geliştirilen model, test verisi üzerinde %99.0 doğruluk, %99.2 kesinlik, %98.8 duyarlılık ve %99.0 F1 skoru ile üstün performans göstermiştir. Ayrıca ROC-AUC skoru 0.999 olarak hesaplanmış, log-odds analiziyle modelin açıklanabilirliği detaylandırılmıştır. Ek olarak, hibrit modelin performansı Transformer tabanlı modern dil modelleri (BERT, DistilBERT, ELECTRA) ile karşılaştırılmıştır. Elde edilen bulgular, hibrit yaklaşımın bu güçlü modellerle benzer düzeyde başarı sağladığını ve daha düşük hesaplama maliyetiyle pratik e-posta güvenlik sistemlerinde uygulanabilir bir alternatif sunduğunu ortaya koymuştur.
Keywords : E-Posta Güvenliği, Spam Tespiti, Phishing, Hibrit Sınıflandırma, TF-IDF, Naïve Bayes, MLP, Stacking, Açıklanabilir Yapay Zekâ.

ORIGINAL ARTICLE URL