کاربرد هوش مصنوعی در شناسایی مزاحمان پیامکی

معضل تبلیغات مزاحم و دریافت اس ام اس های تبلیغاتی در ایران یکی از مشکلاتی هست که از گذشته بوده و به نظر نمی‌رسد در آینده نزدیک هم به طور کامل قابل حل شدن نباشد.

به طور متوسط هر روز ما یک یا چند پیامک تبلیغاتی دریافت می‌کنیم که به صورت عمده و بی‌هدف ارسال شده است.

 

کاری هم از دست ما بر نمی‌آید تا جلوی دریافت پیامک‌های مزاحم و بی‌ربط و تبلیغاتی موسسات و شرکت‌ها و فروشگاه‌ها را بگیریم.

مثلاً همین چند روز پیش اس ام اس را دریافت کردم که در انتهای آن گفته شده بود اگر نمی‌خواهید این پیامک را دوباره دریافت کنید با کلمه off آنرا اعلام کنید.

به نظرم این کمترین حق یک کاربر است که بتواند دریافت کردن یا نکردن پیام‌های تبلیغاتی را خودش انتخاب کند.

این سنت حداقل در ایمیل مارکتینگ توصیه شده که با گذاشتن دکمه‌هایی مثل لغو اشتراک یا unsubscribe در انتهای ایمیل های تبلیغاتی به کاربران این اجازه را بدهید که قرار گرفتن در mail list شما را خود انتخاب کنند.

اساساً فرستادن پیام های تبلیغاتی اعم از پیامک و ایمیل بدون امکان لغو آن خود معیاری از بی‌سلیقه و بی‌کیفیت بودن خود برند و شرکت هم هست.

همانطور که در مطلب قبلی هم با عنوان رنگ رخساره خبر می‌دهد از سر درون اشاره کردم بین رفتارها کوچک و بزرگ ما رابطه وجود دارد و از نشانه‌ها و رفتارهای کوچک و ریز می‌توان کل مدل ذهنی یک برند یا انسان را درک کرد.

ما از بیرون شرکتی که پیامک‌های تبلیغاتی می‌فرستد را نمی‌شناسیم و کیفیت خدمات و کالای ارائه شده آن ‌ها را نمی‌دانیم ولی با احتمال زیاد می‌توانیم پیش بینی کنیم شرکتی که این نوع تبلیغات ارسال فله‌ی پیامک را جزو استراتژی تبلیغاتی خود قرار داده و آزار و اذیت و مزاحم مردم برایش ارزشی ندارد مطمئناً در ارائه خدمت هم کوتاهی خواهد کرد و مشتری از آن برند ناراضی برخواهد گشت.

حال صورت مسئله را تشریح کردیم

چه باید کرد؟

اخیراً دولت تصمیم گرفته که با ارسال کنندگان پیامک های تبلیغاتی مزاحم برخورد جدی‌تری کند و سامانه‌ی با عنوان ۱۹۵ را برای اینکار اعلام کرده است ولی به نظر می‌رسد این سیستم آنچنان هوشمند نباشد. یعنی از هوش مصنوعی در آن بهره برده شده باشد.

یکی از معروفترین کاربردهای هوش مصنوعی و بیگ دیتا در جهان شناسانی  تقلب و تخلف یا fraud در سیستم هاست. از سیستم های بانکی گرفته تا تخلف مجرمان در شهر.

طوری که پتیر ثیل موسس پالانتیر یکی از معروفترین شرکت های تحلیل داده و big data در جهان می‌گوید:

“وقتی این روزها واژه بیگ دیتا را می‌شنوی که بر سر زبان‌ها افتاده باید تقریباً به fraud یا تقلب فکر کنی. چون اصل مساله این است که از بین اطلاعات و داده های حجیم یک سری الگوها و معنی پیدا کنی و در بیاوری. در واقع چالش اصلی این است. وگرنه بیگ دیتا جمع کردن داده زیاد پشت سر هم نیست.

 

 

آیا فکر کردیم چطور Gmail ایمیل های اسپم را شناسایی می‌کند؟

چطور تشخیص می‌دهد این فرستنده دوست شما و ارسال کننده دیگر مزاحم و فرستنده ایمیل قلابی یا تبیلغاتی یا کلاهبرداری ؟

این کار در اصل با هوش مصنوعی و یادگیری ماشین توسط گوگل صورت می‌گیرد.

سیستم هوش مصنوعی جیمیل طوری یادگرفته که بتواند تشخیص دهد امروز پیامی که به inbox شما ارسال شده را در پوشه اسپم قرار دهد یا نه؟

البته این یادگیری کامل و این سیستم بی‌نقض نیست چون بعضاً اتفاق نمی‌افتد ایمیل دوست مان به اشتباه اسپم  تشخیص داده شده سیستم به اشتباه آن را در پوشه spam قرار داده. شما بعد چند روز ممکن است  این قضیه را بفهمید.

 

 

نکته بسیار جالب اینکه هر بار که ما یک ایمیل را با فشار دادن دکمه spam اسپم می‌کنیم در اصل برای گوگل داده رایگان ایجاد می‌کنیم و  به سیستم یادگیری ماشین جیمیل کمک می‌کنیم بهتر و دقیقتر در آینده عمل کند.

یعنی داده های عظیمی که توسط کاربران جیمیل هر روز با فشار دادن دکمه spam یا خارج کردن یک ایمیل از پوشه اسپم ایجاد می‌شود و از طرفی طراحی یک سیستم هوش مصنوعی به عنوان دریافت کننده این اطلاعات این قدرت را به گوگل می‌دهد که با دقت بسیار بالایی ایمیل های اسپم را شناسایی کند.

قبلاً هم در مطلبی اشاره کردم که وجود داده به عنوان سوخت و هوش مصنوعی به عنوان خودرو باعث می‌شود این سیستم حرکت کند و پیش بینی انجام دهد.

حال اگر همین ایده را روی سیستم پیامک کشور هم پیاده کنیم می‌توانیم با دقت بالایی مزاحمان تلفنی و پیامکی را شناسایی کنیم

البته اگر یک سیستم هوش مصنوعی پیاده سازی شود و مردم بتوانند شماره های مزاحم را به سیستم اعلام کنند می‌توان امید داشت در آینده شماره های مزاحم و افرادی که پیامک های تبلیغاتی ارسال می‌کنند توسط سیستم یادگیری ماشین detect یا شناسایی شده و جلو کار آن‌ها گرفته شود.

وگرنه با سیستم های سنتی و غیر هوشمند مقابله با یک صنعت بزرگ تبلیغاتی به نام outbound marketing کار دشوار و ناممکنی خواهد بود.

 

3 نظر در “کاربرد هوش مصنوعی در شناسایی مزاحمان پیامکی

  • ۱۳۹۶-۰۸-۰۴ در ۱۰:۳۹ ب٫ظ
    پیوند یکتا

    علی. یکی از دوستانم قبلا تعریف می‌کرد که یک اپلیکیشن برای همین منظور هست. خود او هم روی گوشی‌اش نصب کرده بود ولی اسم اپ را یادم نیست.
    سیستم جالبی داشت. کاربرانی که اپ مربوطه رو نصب کرده بودند، به محض دریافت پیامک اسپم، شماره مورد نظر رو به برنامه اعلام می‌کنند (دقیقا مثل همین اسپم کردن در جیمیل) و برنامه از ارسال پیامک از طرف آن شماره به سایر افرادی که برنامه رو نصب کرده‌اند، جلوگیری می‌کنه.
    یک جور مشارکت دست جمعی برای کمتر آزار دیدن از پیامک‌های تبلیغاتی.

    پاسخ
    • ۱۳۹۶-۰۸-۰۵ در ۱:۲۰ ق٫ظ
      پیوند یکتا

      ممنون محمدرضا. شاید این جور اپ‌ها را خود اپراتورها هم بتوانند ارائه کنند ولی به نظرم چون فرستادن پیامک منبع درآمدی برای اپراتورهاست خودشان دوست ندارند اسپمرها حذف شوند. در واقع خودشان از بزرگترین ارسال کنندگان پیامک‌های بیربط و بی‌خاصیت و اسپم هستند.
      اگر همان نرم افزاری که گفتی بتواند متن پیامک های تبلیغاتی را هم بتواند آنالیز کند خیلی بهتر می‌تواند در شناسایی پیامک و شماره های مزاحم عمل کند
      جای دوری نرویم در همین وردپرس هم مشکل ارسال اسپم وجود دارد که به کل حل نشده. هر افزونه هم نصب می‌کنی چون عملکردی مکانیکی دارد خیلی نمی‌تواند خوب اسپمر را تشخیص دهد
      نمی‌دانم این افزونه های Anti Spam از چه مکانیزمی استفاده می‌کنند (ip یا لینک یا سرعت کامنت گذاری) ولی اگر یک سیستم مرکزی مجهز به هوش مصنوعی داشتند که همه اطلاعات کامنت های اسپم به آنجا ارسال می‌شد می‌شد سیستمی به دقت و قدرت جیمیل ساخت. ولی فکر کنم اینطور نیست و سیستم بسیار ابتدایی و ضعیفی دارد.

      پاسخ
  • ۱۳۹۶-۰۸-۰۵ در ۸:۵۹ ق٫ظ
    پیوند یکتا

    سلام علی جان من توی وردرپرس از افزونه ی WP-SpamShield استفاده میکنم و خیلی هم کارش خوبه. یکیی از روشهای تشخیص اسپمش هم نگاه کردن به ایمیل و نام مخاطب است که اگر برایش قابل فهم نباشد و با الگوهایی که دارد مطابقت نداشته باشد آن را اسپم تشخیص میدهد به عنوان مثال این نرم افزارها یک دیکشنری عظیم از نام های کاربری و پسورد به زبانهای مختلف دارند که میان با اون مقایسه می کنند.
    حتی در بحث هک و حملات brute force login page از این دیکشنری ها استفاده میشه مثلا من به عنوان هکر یک دیکشنری زبان فارسی یا انگلیس را میخرم یا دانلود میکنم شما فرض کن یک دیکشنری با ۱ میلیون کلمه رایج برای نام کاربری و پسورد بعد اون رو در برنامه هایی که برای brute force طراحی شده Load میکنم و از این طریق با مقایسه و امتحان کردن پی در پی به سیستم نفوز کنم.
    همچنان که خودت گفتی به وسیله Raw Data گوگل یا شرکتهای دیگه اطلاعات خیلی خوبی جمع آوری میکنند و البته دیکشنری های عظیمی به همه زبانها در اختیار دارند و به کمک پردازش متن AI میتونند خیلی خوب جلو اسپم ها را بگیرند

    پاسخ

پاسخ دهید

نشانی ایمیل شما منتشر نخواهد شد.