بررسی و مقایسه تشخیص دهندگان هرزنامه
عنوان مقاله: بررسی و مقایسه تشخیص دهندگان هرزنامه
شناسه ملی مقاله: MAYCOMP01_044
منتشر شده در اولین همایش چشم انداز تکنولوژی کامپیوتر و شبکه در ۲۰۳۰ در سال 1394
شناسه ملی مقاله: MAYCOMP01_044
منتشر شده در اولین همایش چشم انداز تکنولوژی کامپیوتر و شبکه در ۲۰۳۰ در سال 1394
مشخصات نویسندگان مقاله:
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
خلاصه مقاله:
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
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.
کلمات کلیدی: اسپم، بدون یادگیری ماشین ، هرزنامه ، یادگیری ماشین
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/554257/