بررسی و مقایسه تشخیص دهندگان هرزنامه
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 462
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
MAYCOMP01_044
تاریخ نمایه سازی: 5 بهمن 1395
چکیده مقاله:
امروزه افزایش حجم هرزنامه ها برای بیشتر کاربران اینترنت آزار دهنده است و از آنجایی که شامل فایل پیوست ویروس و عوامل نرم افزارهای جاسوسی هستند می توانند برای یک سیستم و دریافت کنندگان آن خطرناک باشند و باعث از بین رفتن اطلاعات شود. بنابراین ما نیاز به تکنیک هایی جهت تشخیص اسپم یا هرزنامه داریم. تکنیک های تشخیص هرزنامه را به دو دسته کلی بدون یادگیری ماشین و با یادگیری ماشین تقسیم بندی می کنند. ما در این مقاله به بررسی و مقایسه تعدادی از روش های این دو تکنیک پرداخته ایم و آزمایشات را بروی تعدادی مجموعه داده هرزنامه نشان داده ایم با مقایسه نتایج آزمایشات مشاهده می شود روش های ترکیبی بهتر عمل می کند.
کلیدواژه ها:
نویسندگان
رضا عزیزی
گروه کامپیوتر، واحد میبد، دانشگاه آزاد اسلامی ، میبد ، ایران
علی اکبر نقابی
گروه کامپیوتر، واحد سبزوار، دانشگاه آزاد اسلامی ، سبزوار ، ایران
احمد حیدری شریف آباد
گروه کامپیوتر، واحد میبد، دانشگاه آزاد اسلامی ، میبد ، 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 :