تشخيص ايميل‌‌هاي هرزنامه با استفاده از تركيب الگوريتم‌‌هاي كلوني مورچه و آدابوست

فاقد عنوان لاتين

حمله‌هاي اينترنتي و گسترش فعاليت‌ هكر‌ها براي به سرقت بردن اطلاعات كاربران مختلف روزبه‌روز در حال افزايش است. تهديدهاي اينترنتي هوشمندتر شده‌اند،‌ اهدافشان متنوع‌تر و محدوده عملياتي‌‌شان نيز گسترده‌تر شده است. اما بااين‌وجود، زمينه‌هاي اصلي فعاليت‌هاي آن‌ها تغيير چنداني نكرده است. بيشتر نفوذها از طريق سرويس‌‌هاي ايميل انجام مي‌‌گيرد. عموميت و سادگي استفاده از ايميل باعث شد تا مشكلاتي براي كاربران ايجاد گردد و مفهومي به نام ايميل هرزنامه وارد دنياي فن‌‌آوري اطلاعات گرديد. لذا بايد نوع ايميل‌‌ها ازنظر هرزنامه و غير هرزنامه تشخيص داده شوند. در اين مقاله، به‌منظور تشخيص ايميل هرزنامه از مدل تركيبي بهينه‌‌سازي كلوني مورچه و آدابوست استفاده‌شده است. در الگوريتم تركيبي از الگوريتم بهينه‌‌سازي كلوني مورچه براي انتخاب ويژگي و از آدابوست براي طبقه‌‌بندي نمونه‌‌ها استفاده‌شده است. در الگوريتم آدابوست برمبناي اختصاص وزن به نمونه‌‌ها، نوع نمونه‌‌هاي ضعيف و قوي تشخيص داده مي‌‌شوند. ارزيابي نتايج بر روي مجموعه داده Spambase با 4601 نمونه نشان داده كه درصد صحت مدل پيشنهادي برابر 27/96 درصد است و در مقايسه با الگوريتم‌‌هاي بهينه‌‌سازي اجتماع ذرات، ژنتيك، بهينه‌‌سازي كلوني مورچه، شبكه‌هاي عصبي پرسپترون چندلايه، شبكه‌‌هاي عصبي شعاعي و درخت تصميم C4.5 دقت بيشتري دارد.

فاقد چكيده لاتين