[論文レビュー] DeepImageSpam: Deep Learning based Image Spam Detection

Amara Dinesh Kumar, R. Vinayakumar+1 more|arXiv (Cornell University)|Oct 3, 2018

Digital Media Forensic Detection参考文献 4被引用数 26

ひとこと要約

本論文では、手動での特徴量抽出を伴わずに、生画像から特徴量を自動で学習する畳み込みニューラルネットワーク（CNN）を用いた深層学習アプローチを提案している。810枚の通常画像と928枚のスパム画像から構成されるデータセットで訓練されたモデルは、91.7%の正確性を達成し、従来の画像処理および機械学習手法を上回った。

ABSTRACT

Hackers and spammers are employing innovative and novel techniques to deceive novice and even knowledgeable internet users. Image spam is one of such technique where the spammer varies and changes some portion of the image such that it is indistinguishable from the original image fooling the users. This paper proposes a deep learning based approach for image spam detection using the convolutional neural networks which uses a dataset with 810 natural images and 928 spam images for classification achieving an accuracy of 91.7% outperforming the existing image processing and machine learning techniques

研究の動機と目的

• テキストを画像内に埋め込むことで従来のテキストベースのスパムフィルタを回避する画像スパムの増加する脅威に対処すること。
• テキストの難読化に対応できない従来の画像処理技術（OCRや色ヒストグラム）の限界を克服すること。
• 手動による特徴量抽出に依存することを減らし、エンドツーエンドの特徴量学習を可能にする深層学習の活用。
• SVM やロジスティック回帰などの既存の機械学習モデルを上回るスパム検出の正確性を向上させること。
• 実世界のデータセットを用いて、CNNが高精度および高再現率で画像スパムを分類する有効性を示すこと。

提案手法

• RGB画像から階層的な空間的特徴量を抽出するために、複数の畳み込み層およびマックスプーリング層を備えた独自のCNNアーキテクチャを設計した。
• 入力画像は56×56ピクセルにリサイズされ、ネットワークへの入力の次元を一定に保つために正規化された。
• 各畳み込み層の後にReLU活性化関数を適用し、非線形性を導入し、学習能力を向上させた。
• 過学習を防ぎ、一般化性能を向上させるために、プーリング層および全結合層の後にドロップアウト層（ドロップアウト率0.25）を導入した。
• 最終層にはバイナリ分類（スパムまたはそれ以外）のためのシグモイド活性化関数を用い、バイナリクロスエントロピー損失とAdam最適化手法を採用した。
• Keras、scikit-learn、TensorFlowを用いた分散コンピューティングクラスタ上で、バッチサイズ32で1,000エポック分、モデルを訓練した。

実験結果

リサーチクエスチョン

• RQ1 OCR や色ヒストグラムといった従来の画像処理手法よりも、CNNのような深層学習モデルが難読化された画像スパムを検出する上で優れているか。
• RQ2 エンドツーエンドの深層学習は、画像スパム検出において、手動による特徴量抽出の必要性をどの程度排除できるか。
• RQ3 SVM などの古典的機械学習モデルと比較して、CNNベースのアプローチは正確性、適合率、再現率の観点でどの程度優れているか。
• RQ4 フォント、色、背景の変更によってテキストが難読化された場合でも、CNNが画像スパムを効果的に分類できるか。
• RQ5 ドロップアウトやバッチ正則化といったアーキテクチャ的要素が、画像スパム検出におけるモデルの一般化性能に与える影響は何か。

主な発見

• 提案されたCNNベースのモデルは、テスト正確性91.7%を達成し、従来の画像処理および機械学習手法を顕著に上回った。
• モデルは適合率1.000を示し、テストセットで誤検出が一切なかったことを意味し、予測されたすべてのスパム画像が正しく分類された。
• 再現率は85.7%であり、実際のスパム画像の85.7%を正しく特定できたことを示し、一部のケースを逃したものの、強力な検出能力を示した。
• F1スコア0.923は、適合率と再現率のバランスの取れた調和平均を反映しており、全体的な性能が優れていることを確認した。
• 手動による特徴量抽出を経ずに、生画像から特徴量を効果的に学習したため、人的作業と誤差が削減された。
• ドロップアウト（0.25）とバッチ正則化の導入により、訓練中の一般化性能が向上し、過学習が軽減された。