ارائه روشی برای کشف هرزنامه ها با طبقه بندی ماشین بردار پشتیبان و انتخاب ویژگی ها
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 873
فایل این مقاله در 12 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:
TDCONF01_021
تاریخ نمایه سازی: 19 تیر 1394
چکیده مقاله:
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)
نویسندگان
زهرا سادات ترابی
دانشگاه آزاد اسلامی واحد نجف آباد
محمدحسین ندیمی
دانشگاه آزاد اسلامی واحد نجف آباد
اکبر نبی اللهی
دانشگاه آزاد اسلامی واحد نجف آباد
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 :