انتخاب ویژگی برای تشخیص اسپم در شبکه اجتماعی فیس بوک با استفاده از الگوریتم ترکیبی مبتنی بر ژنتیک و نیروی گرانش

امروزه تکنولوژی و فناوری اطلاعات تمام بخش های زندگی انسان را در بر گرفته و باعث گسترش بسترهای ارتباطی با فضای مناسب و کم هزینه شده است. افراد و سازمان های تبلیغاتی و سودجو از این فضای انبوه از مخاطب و بستر کم هزینه برای ارسال اطلاعات دلخواه و اهداف خود در قالب اسپم ها استفاده می کنند که علاوه بر ایجاد مشکل برای کاربران، باعث مصرف زمان و پهنای باند شده و همچنین به عنوان تهدیدی برای بهره وری قابلیت اطمینان و امنیت شبکه خواهند بود. رویکردهای مختلفی برای مقابله با اسپم ها ارایه شده است که از پویاترین و بهترین روش های فیلترینگ اسپم، تکنیک یادگیری ماشین است که با سرعت بالایی کار فیلترینگ و طبقه بندی اسپم ها را انجام می دهد. در این مقاله یک روش جدید برای کشف اسپم در شبکه اجتماعی فیس بوک با مقیاس پذیر کردن ماشین بردار پشتیبان بر اساس ترکیب الگوریتم ژنتیک و نیروی گرانشی برای انتخاب موثرترین ویژگی های اسپم ها ارایه شده است. یکی از مزیت های مهم الگوریتم نیروی گرانشی استفاده از جستجوی محلی برای رسیدن به جواب بهینه است که در الگوریتم ژنتیک یافت نمی شود. از سوی دیگر، الگوریتم ژنتیک از همان ابتدا با دیدگاه سراسری جمعیتها، مجموعه تمام ویژگیها را پوشش می دهد. نتایج آزمایش ها نشان می دهد که صحت روش پیشنهادی در مقایسه با الگوریتم های دیگر بهینه تر خواهد بود و الگوریتم توانسته است به رقابت با الگوریتم های مورد مقایسه بپردازد.

Keywords:

اسپم , فیس بوک , الگوریتم ژنتیک , نیروی گرانشی , ماشین بردار پشتیبان