بررسی و مقایسه کشف هرزنامه ها با استفاده از ماشین بردار پشتیبان و انتخاب ویژگی

هرزنامه ایمیل در سال ۱۹۹۰ زمانی که وارد اینترنت شد تبدیل به یک معضل گردید و روز به روز افزایش یافت به صورتی که امروزه با یک تخمین محافظه کارانه ۸۰ تا ۸۵ درصد ایمیل ها را در بر می گیرد و در بعضی از منابع از ۹۵ درصد بالاتر می رود. هر روز ساعت های زیادی برای خواندن و مرتب کردن این ایمیل ها مصرف می شود، که از لحاظ اقتصادی دارای اهمیت است. از جمله مسائل دیگری که مرتبط با هرزنامه است، از دیدگاه تکنیکی است. اغلب هرزنامه ها می توانند خطرناک باشند، شامل ویروس، اسب تروا یا نرم افزارهای خطرناک دیگری باشند و منجر به خرابی در رایانه ها و شبکه ها شوند . کسانی که در حوزه اقتصاد کسب و کار فعالیت می کنند معتقدند که اقتصاد هرزنامه چیزی نیست که به زودی به فراموشی سپرده شود و تنها چیزی که میتوان در مورد سرنوشت اسپم حدس زد، تغییر و تکامل آن همزمان با تغییر و تکامل و توسعه ی تکنولوژی است . در این مقاله روشی برای کشف هرزنامه ها با طبقه بندی ماشین بردار پشتیبان با استفاده از الگوریتم svm و استفاده از انتخاب ویژگی های مناسب انجام می شود. انگیزه این مقاله ارائه روشی کارآمد برای تفکیک هررزنامه ها از ایمیل های درست است

Keywords:

هرزنامه , ماشین بردار , انتخاب ویژگی , یادگیری ماشین