ارائه یک روش بهبود یافته جهت تشخیص هرزنامه مبتنی بر الگوریتم زنتیک در یک سیستم ایمن

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 624

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ITCSC01_068

تاریخ نمایه سازی: 8 آبان 1395

چکیده مقاله:

با توجه به دسترسی مداوم از اینترنت بحث هرزنامه مورد توجه قرار گرفته است راه حل های هوشمند متعددی جهت مقابله با این پدیده ارائه شده اند. بسیاری از الگوریتمهای یادگیری ماشین که در دسته بندی متون کاربرد دارند. در شناسایی هرزنامه نیز می توانند مفید باشند. برخی از این الگوریتم ها عبارتند از ماشین بردار پشتیبان، الگوریتم ژنتیک و سیستم ایمنی. در این مقاله ترکیبی از الگوریتمهای تکاملی ژنتیک و سیستم ایمنی مصنوعی ارائه شده است که وظیفه انتخاب بهترین ویژگی های از مجموعه داده های استاندارد ورودی را برعهده دارند. در سیستم پیشنهادی به منظور اندازه گیری نرخ دقت و خطا از روشی استاندارد استفاده شده است و نتایج بر روی مجموع داده ی استاندارد Enorm Dataset مورد آزمایش قرار گرفته اند. در نهایت برای مقایسه ی نتایج حاصل چند الگوریتم دیگر را روی داده های اعمال کرده و نتایج انها با نتایج به دست آمده مقایسه می شود. نتایج آزمایشات نشان می دهند این سیستم دقت قابل قبولی در حدود 95% را نشان می دهد.

نویسندگان

زهرا رضی

گروه کامپیوتر،واحد کرج، دانشگاه آزاد اسلامی، کرج، ایران

سیدامیر اصغری

استادیار دانشکده فنی مهندسی دانشگاه خوارزمی تهران ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • شد. الگوریتم ژنتیک و سیستم ایمنی، نوعی جستجوی تصادفی detection ...
  • در جهات مختلف بررسی نمایند. روش پیشنهادی نرخ خطا _ ...
  • الگوریتم بهینه‌سازی ذرات هوشمند، PSO در زمینه انتخاب _ _ ...
  • _ S. Mohammed, O. Mohammed, J. Fiaidhi, S. Fong, T. ...
  • spamfilter analysis, SEC, pp. 395-410. ...
  • . H. Alkahtani, P. Gardner- Stephen, R. Goodwin(201 1), A ...
  • .W. A. Awad, S. M. Elseuofi(2011), Machine Learning Methods for ...
  • . J. N. Shrivastava, H. B. Maringanti(20 14), E-mail Spam ...
  • Machines for Spam Categorization. IEEE Transactions _ Neural networks 10, ...
  • . Q.Luo, B.Liu, J.Yan(2010), Research of a Spam Filtering Algorithm ...
  • . T.Oda, T.White(2003), Increasing the accuracy of a spam-detecting artificial ...
  • . L.Wei, Y.Yang, R.M .Nishikawa, M.N.Wernick, A. Edwards (2005) , ...
  • . F. S ebastiani(2000) , Machine learning in automated tex ...
  • .F.Temitayo, Q .Stephe, A.Abimbola(20 12), Hybrid GA- Classification, Computer Engineering ...
  • J.Perez, J.B as terrechea(2007) , Comparison of Different Heuristic Optimization ...
  • . V.P.Deshpande, R.I.Erbacher (2007), An Evaluation of Security ...
  • نمایش کامل مراجع