Publication:
Intellifilter: sistema de filtrado parental soportado por aprendizaje maquinal supervisado

Thumbnail Image
Files

Files

Intellifilter sistema de filtrado parental soportado por aprendizaje maquinal supervisado.pdf (436.53 KB)
View Statistics
Reference Managers
Mendeley
Indexers
Google Scholar CORE
QR Code
QR Code
Authors

Authors

Cadavid Rengifo, Héctor Fabio
Cely Higuera, Jorge Humberto
García Segura, Juan Pablo
Abstract (English)
En este artículo se presenta la herramienta Intellifilter para el filtrado de contenidos de internet no aptos para niños, basada en un conjunto de técnicas de aprendizaje supervisado1 para clasificación de texto e imágenes, junto con una infraestructura de interceptación de peticiones HTTP basada en software. Cuando Intellifilter esté habilitado en un equipo o red en particular, todos los contenidos solicitados mediante el protocolo HTTP serán evaluados por un conjunto de clasificadores previamente entrenados y, de acuerdo con el resultado de dicha categorización, se aceptará o no su entrega al destinatario original. Aunque la herramienta aún se encuentra en una fase ‘beta’, los resultados experimentales obtenidos con las técnicas utilizadas muestran resultados promisorios que indican que éste puede ser un buen punto de partida para el desarrollo de mecanismos de control de los contenidos de internet.
Extent
12 páginas.
URI: https://repositorio.escuelaing.edu.co/handle/001/1888
Collections

Collections

AD - CTG – Informática
References

Adams, R. and Bischof, L. (1994). Seeded region growing. Pattern analysis and machine intelligence. IEEE Transactions on, 16(6), pp. 641-647.

Akbas, E. (2008, October). Next generation filtering: oine filtering enhanced proxy architecture for web content filtering. pp. 1-4.

Cline, V.B. (1990). Pornography's effects on adults and children. New York: Morality in Media, 11.

Deselaers, T., Pimenidis, L. and Ney, H. (2008, December). Bag-of-visualwords models for adult image classification and filtering. pp. 1 -4.

Youngsoo, K. and Taekyong, N. (2006, February). An efficient text filter for adult web documents. 1, p. 3.

Kotsiantis, S.B. (2007). Supervised machine learning: a review of classification techniques. Informática, 31(3), pp. 249-268.

Eberstadt, M. and Layden, M.A. (2010). The social costs of pornography: a statement of findings and recommendations. (1st. ed.). The Witherspoon Institute.

Xuanjing, Shen, Wei Wei, Quingji Qian. (2997). The filtering of internet images based on detecting erotogenic part. In ICNC '07: Proceedings of the Third International Conference on Natural Computation, pages 732-736. Washington, D.C., USA. IEEE Computer Society.

Varadharajan, V. (2010, July). Internet filtering issues and challenges. Security Privacy, IEEE, 8(4), pp. 62-65.

Yi-Ding, W. and Jing-Nan, G. (2009, July). A method of erotic images filtering in real internet, 3, pp. 1477-1481.

Qing-Fang, Z. and Wei Zeng, G.W. (2004). Shape-basedadult image detection. In ICIG '04: Proceedings of the Third International Conference on Image and Graphics, pp. 150-153. Washington, D.C., USA. IEEE Computer Society.

The free dictionary. URL: http://encyclopedia2.thefreedictionary.com/Internet+proxy.

Alpaydin, E. (2004). Introduction to machine learning. MIT Press.

Sitio web de Ensing Solutions, consultor en IT y proveedor de NetNanny, URL: http://contentprotect.co.uk/dca.html.

Sitio web de CyberPatrol. URL: http://www.cyberpatrol.com/research/sitecat.asp.