Please use this identifier to cite or link to this item: https://repositorio.upse.edu.ec/handle/46000/10191
Title: Desarrollo de un agente para la detección de Spam en el servicio de correo electrónico Zimbra aplicando técnica de machine learning de clasificación de texto para un GAD municipal.
metadata.dc.contributor.advisor: Quirumbay Yagual, Daniel Iván
Authors: Soria Méndez, Bryan Andrés
Keywords: APRENDIZAJE AUTOMÁTICO;ZIMBRA;PYTHON;SPAM
Issue Date: 8-Sep-2023
Publisher: La Libertad: Universidad Estatal Península de Santa Elena, 2023
Citation: Soria Méndez, Bryan Andrés (2023). Desarrollo de un agente para la detección de Spam en el servicio de correo electrónico Zimbra aplicando técnica de machine learning de clasificación de texto para un GAD municipal. La Libertad. UPSE, Matriz. Facultad de Sistemas y Telecomunicaciones. 170p.
Abstract: El GAD municipal tiene como objetivo principal brindar servicios a toda la comunidad a nivel municipal, actualmente cuenta con más de 40 departamentos dentro de la organización y todos ellos son cubiertas por los servicios que brinda el área de tecnología, una de ellas es el servicio de correo electrónico Zimbra. Actualmente el GAD cuenta con correos electrónicos categorizados como spam y carecen de un control para identificar y mitigar los correos spam dentro del servicio, por lo que se propone el desarrollo de un agente que detecte los correos electrónicos categorizados como spam mediante el uso de un algoritmo de aprendizaje automático que ayude a remover los correos electrónicos detectados como no deseados a la carpeta de spam del usuario, alertando al mismo sobre la detección y brindándole la opción de reportarlo. De esta manera, el administrador puede tomar medidas evitar que los correos spam sean transmitidos hacia el servicio de Zimbra del GAD.
URI: https://repositorio.upse.edu.ec/handle/46000/10191
Appears in Collections:Tesis de Tecnología de la Información

Files in This Item:
File Description SizeFormat 
UPSE-TTI-2023-0049.pdfTRABAJO DE INTEGRACIÓN CURRICULAR7,77 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons