MétaCan
Menu
Retour à la cohorte
Enregistrement W1980827998 · doi:10.1002/nem.664

Prioritized e‐mail servicing to reduce non‐spam delay and loss: A performance analysis

2007· article· en· W1980827998 sur OpenAlexaff
Muhammad Nadzir Marsono, M. Watheq El‐Kharashi, Fayez Gebali

Notice bibliographique

RevueInternational Journal of Network Management · 2007
Typearticle
Langueen
DomaineComputer Science
ThématiqueSpam and Phishing Detection
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésComputer scienceComputer networkQueueQueueing theoryScheme (mathematics)ServerService (business)Markov chainMathematicsMachine learning

Résumé

récupéré en direct d'OpenAlex

Abstract This paper proposes a prioritized e‐mail servicing on e‐mail servers to reduce the delay and loss of non‐spam e‐mails due to queuing. Using a prioritized two‐queue scheme, non‐spam e‐mails are queued in a fast queue and given higher service priority than spam e‐mails that are queued in a slow queue. Four prioritized e‐mail service strategies for the two‐queue scheme are proposed and analyzed. We modeled these four strategies using discrete‐time Markov chain analysis under different e‐mail traffic loads and service capacities. Non‐spam e‐mails can be delivered within a small delay, even under heavy e‐mail loadings and high spam‐to‐non‐spam a priori. Results from our analysis of the two‐queue scheme show that it gives non‐spam delay and loss probability two orders of magnitude smaller than the typical single‐queue approach during heavy spam traffic. Moreover, prioritized e‐mail servicing protects e‐mail servers from spam attacks. Copyright © 2007 John Wiley & Sons, Ltd.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,648
Score d'incertitude au seuil0,381

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,008
Tête enseignante GPT0,259
Écart entre enseignants0,251 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Network ManagementMême sujetSpam and Phishing DetectionTravaux en français237 207