ارائه روشی برای کشف هرزنامه ها با طبقه بندی ماشین بردار پشتیبان و انتخاب ویژگی ها

امروزه هرزنامه ها تبدیل به یک معضل برای کاربران و شرکت های آی تی و سازمان ها ازلحاظ اجتماعی , اقتصادی وز مانی شده است , زیرا در این زمینه مقدار بزرگی از پهنای باند به هدر می رود و در سیستم فرستادن ایمیل سرریز رخ می دهد. از طرفی اغلب هرزنامه ها می توانند شامل ویروس،اسب تروا یا نرم افزارهای خطرناک دیگری باشند که منجر به خرابی در رایانه ها و شبکه ها شوند.یکی از روش های مقابله با هرزنامه هااستفاده از روش های یادگیری ماشین است که در دهه اخیر موردتوجه زیادی قرارگرفته است. ماشین بردار پشتیبان یکی از روش های مؤثر در یادگیری ماشین در تشخیص هرزنامه هامحسوب می شود که در بعضی از تحقیقات کارایی آن نسبت به سایر طبقه بندی ها بیشتراست ولی با افزایش ویژگی ها در هرزنامه ها کارایی ماشین بردار پشتیبان به شدت کاهش می یابد. در این مقاله روشی برای کشف هرزنامه ها با طبقه بندی ماشین بردار پشتیبان و استفاده از انتخاب ویژگی های مناسب با استفاده از ترکیب دو الگوریتم ژنتیک و بهینه کلونی مورچگان برروی4 مجموعه دادگان ایمیل ارائه شده است. نتایج آزمایشات نشان می دهد که روش پیشنهادی برای مجموعه دادگان نامه های الکترونیکی با ویژگی های زیاد، برای ماشین بردار پشتیبان مقیاس پذیر بوده و دارای صحت بیشترو نرخ خطای کمتری نسبت به روش های جاری دیگر مانند SVM، SVM-GA، SVM-ACO می باشد.

کلیدواژه ها:

انتخاب ویژگی ها ، ماشین بردار پشتیبان(SVM) ، الگوریتم ژنتیک(GA) ، الگوریتم بهینه کلونی مورچگان (ACO)