KURS ISHI

KIRISH O'zbekistonda 2023-yilda mobil aloqa xizmatlari foydalanuvchilari soni 34,8 milliondan oshdi, bu esa aholining 97% dan ortig'ini tashkil etadi [1]. Bu ko'rsatkich mobil aloqa va SMS xizmatlarining mamlakatdagi keng tarqalganligidan dalolat beradi. Xalqaro telekommunikatsiya ittifoqi (ITU) ma'lumotlariga ko'ra, global miqyosda kuniga 20 milliarddan ortiq SMS xabar almashinadi, shundan 10% dan ortig'i spam xabarlar hisoblanadi [2]. Cybersecurity Ventures tadqiqotiga ko'ra, 2024-yilga kelib global miqyosda spam sababli yo'qotishlar 20 milliard dollardan oshishi prognoz qilinmoqda, bu esa mobil firibgarlikning iqtisodiyotga va foydalanuvchilarning moliyaviy xavfsizligiga salbiy ta'sirini ko'rsatadi [3]. O'zbekistonda ham mobil firibgarlik holatlari yiliga o'rtacha 15-20% ga o'sib, 2023-yilda 500 mingdan ortiq jabrlanuvchi qayd etilgan [4]. Bunday salbiy tendensiyalar SMS spam xabarlarini aniqlash va ularga qarshi kurashish mexanizmlarini takomillashtirish zaruratini ko'rsatadi. Bugungi kunda SMS spam muammosi nafaqat shaxsiy noqulaylik, balki moliyaviy firibgarlik, shaxsiy ma'lumotlarning o'g'irlanishi (phishing) va zararli dasturlarning tarqalishi kabi jiddiy xavflarni keltirib chiqarmoqda. An'anaviy spam filtrlari ko'pincha statik qoidalar va kalit so'zlarga asoslangan bo'lib, ular yangi va murakkab spam texnikalariga qarshi yetarli darajada samarali emas [5]. Sun'iy intellekt (AI) va mashinaviy o'qitish (MO) texnologiyalarining rivojlanishi SMS spamni aniqlashda yanada ilg'or va adaptiv yechimlarni taklif etadi. Ammo, ushbu texnologiyalarni O'zbekistonning o'ziga xos til xususiyatlari, mahalliy firibgarlik sxemalari va ma'lumotlar bazasi sharoitlariga moslashtirish, shuningdek, modelning aniqligi va tezkorligini oshirish bo'yicha hal etilmagan muammolar mavjud [6]. Ushbu tadqiqot aynan shu bo'shliqlarni to'ldirishga qaratilgan bo'lib, zamonaviy AI asosidagi yechimlarni mahalliy sharoitlarga tatbiq etish yo'llarini o'rganadi. Mavzuning o'rganilganlik darajasi bo'yicha xalqaro miqyosda ko'plab tadqiqotlar o'tkazilgan. Masalan, Tom Mitchell (1997) mashinaviy o'qitish nazariyasining asoslarini yaratib, algoritmik ta'limning empirik jihatlarini tushuntirib bergan [7]. Christopher Manning va Hinrich Schütze (1999) tabiiy tilni qayta ishlash (NLP) sohasida asosiy tushunchalarni joriy qilib, matnni tahlil qilish uchun statistik yondashuvlarni taklif etganla ...