CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

مروری بر روش های تشخیص هرزنامه با استفاده از الگوریتم های یادگیری ماشین

اعتبار موردنیاز : ۱ | تعداد صفحات: ۱۱ | تعداد نمایش خلاصه: ۱۶۸ | نظرات: ۲
سال انتشار: ۱۳۹۵
کد COI مقاله: COMPUTER03_012
زبان مقاله: فارسی
حجم فایل: ۱.۴۸ مگابات (فایل این مقاله در ۱۱ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۱ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله مروری بر روش های تشخیص هرزنامه با استفاده از الگوریتم های یادگیری ماشین

  زهرا مشایخی - دانشجوی کارشناسی ارشد موسسه آموزش عالی جهاد دانشگاهی خوزستان
  علی هارون آبادی - استادیار دانشگاه آزاد اسلامی واحد تهران مرکز
  محمدعلی نیزاری - مربی موسسه آموزش عالی جهاد دانشگاهی خوزستان

چکیده مقاله:

هرزنامهها که با عنوان ایمیل انبوه ناخواسته شناخته میشوند، به طور فزآیندهای در حال تبدیل شدن به یک بخش مضر در ترافیکهای ایمیلی هستند. هرزنامهها به یک مشکل همه گیر تبدیل شدهاند که میتوانند تاثیر منفی برروی قابلیت استفاده از پست الکترونیکی ایجاد نمایند. علاوه بر اتلاف وقت کاربران و تلاش مورد نیاز برای اسکن و حذف مقدار عظیمی از هرزنامههای دریافت شده، پهنای باند شبکه و فضای ذخیره سازی توسط اینگونه ایمیلها مصرف شده، سرعت سرورهای ایمیل را نیز پایین میآورند و همچنین یک رسانه برای توزیع مطالب توهین آمیز و مضر فراهم میشود. فیلترسازی یک راه ساده و کارآمد برای مبارزه علیه هرزنامهها است. خوشبختانه روشهای بسیاری برای طبقهبندی ایمیلها در دستههای هرزنامه و معتبر ارایه شده است که کار خود را به صورت خودکار انجام میدهند. در سالهای اخیر الگوریتمهای دسته بندی یادگیری ماشین برای فیلتر کردن خودکار هرزنامهها، توجه بسیاری از محققان را به خود جلب کرده است. در این مقاله ویژگیهای هرزنامهها و روشهای تشخیص آنها مورد بررسی قرار میگیرند و سپس در بخش نهایی مقالاتی که در این زمینه وجود دارند نیز بیان خواهند شد.

کلیدواژه‌ها:

هرزنامه، فیلترینگ، یادگیری ماشین، دسته بندی

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-COMPUTER03-COMPUTER03_012.html
کد COI مقاله: COMPUTER03_012

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
مشایخی, زهرا؛ علی هارون آبادی و محمدعلی نیزاری، ۱۳۹۵، مروری بر روش های تشخیص هرزنامه با استفاده از الگوریتم های یادگیری ماشین، همایش ملی علوم و مهندسی کامپیوتر آینده پژوهشی-سرزمین پایدار، مشهد، موسسه آموزش عالی خاوران، https://www.civilica.com/Paper-COMPUTER03-COMPUTER03_012.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (مشایخی, زهرا؛ علی هارون آبادی و محمدعلی نیزاری، ۱۳۹۵)
برای بار دوم به بعد: (مشایخی؛ هارون آبادی و نیزاری، ۱۳۹۵)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • نصرتی. لیلی، "تشخیص ایمل‌های ناخواسته با استفاده از تغییرات محتوا"، ...
  • El-Alfy. E S and Al-Qunaieer. F S, A fizzy similarity ...
  • نصرتی. وحید، "ارائه روشی جهت انتخاب ویژگی در الگوریتم های ...
  • Ronald. B, Sherlekar A and Pandic A, Hybrid spam e-mail ...
  • Prince. M B, Dahl. _ M, Holloway. L, Keller. A ...
  • Devi. K S and Ravi. A, New Feature Selection Algorithm ...
  • Gautam. A, Gouda. M, Kuipers. B and Liu. A, Zmail: ...
  • Meizhen. W, Zhitang. L and Sheng. Z, Fuzzy decision tree ...
  • Guzella. T S and Caminha, W M, A review of ...
  • Santhi. G, Wenisch. SM and Sengutuvan. _ A Content Based ...
  • Samiei. M, Li. Y, Bin. G and Bab. P, A ...
  • Cody. S, Cukier. W and Nesselroth E, Genres Of Spam: ...
  • Cltk. A and Gingor. T, Time-Efficiet Spam E-mail Filtering Using ...
  • Chang. M, and Poon. C. K, Using phrases as features ...
  • Hu. Y, Guo. C, Zhang. X, Guo. Z, Zhang. J ...
  • Almeida. T A and Yamakami. A, Content-based spam filtering, In ...
  • Su. M C, Lo. H H and Hsu F H, ...
  • Ying, K C, Lin. S W, Lee. Z J and ...
  • Awad. W A and Elseuofi. S M, Machine Learning methods ...
  • FPGAmulti agent expert system critical management [مقاله کنفرانسی]
  • Singh. S, Chand. A and Lal. S P, Improving Spam ...
  • علم سنجی و رتبه بندی مقاله

    4.5
    ۲ تعداد پژوهشگران نظر دهنده
    5 1
    4 1
    3 0
    2 0
    1 0
    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: پژوهشگاه دولتی
    تعداد مقالات: ۴۳۵۵
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.