一种基于语义嵌入与模糊不确定性建模的面向可解释短信垃圾检测的三层上下文感知框架

《Journal of Intelligent & Fuzzy Systems》：A tri-level context-aware framework for explainable SMS spam detection using semantic embeddings and fuzzy uncertainty modeling

　　**摘要**垃圾短信和短信钓鱼是对网络安全构成持续威胁的问题，但现有的大量检测器依赖于单一视角的表示或表现为黑箱模型。本研究提出了一种防数据泄漏的三级混合框架，用于可解释的垃圾短信检测，该框架结合了：(1) 统计型 TF-IDF 特征；(2) 基于 BiLSTM 的语义嵌入；(3) 模糊语言指标，用于传达分级不确定性线索（关键词密度、紧迫性、推广意图、可疑模式）。利用基于训练折 $P_{95}$ 的校准的广义钟形隶属函数，将模糊评分映射为五个语言状态。拼接后的异构特征向量通过 XGBoost 集成模型进行分类，并采用 TreeSHAP 方法，通过对统计、语义和模糊特征块的归因进行聚合，生成本地、全局和分块级解释。在主要基准数据集 SMS Spam Collection 上，使用严格的重复分层交叉验证协议（5 折 × 3 次重复）对模型进行评估，在 15 次留出评估中取得 98.76% 的准确率（均值 ± 标准差）和 95.22% 的垃圾短信类 F1 分数，超越了最强的单模块基线（Wilcoxon $p = 6.5 \times 10^{-4}$）。留一模块消融实验表明，主要预测性能归功于 BiLSTM 嵌入，而模糊线索提供了有价值的互补增益（移除后 F1 分数下降 1.07%）。在最新的 Mendeley 短信钓鱼语料库上进行的跨数据集验证取得了 98.57% 的准确率和 96.16% 的垃圾短信类 F1 分数，表明该框架具有良好的鲁棒性和针对当前数据分布的架构适应能力。---**获取本文全文访问权限**查看所有访问和购买本文的选项。获取访问权限