روش‌های تشخیص اسپم و فیلترینگ آن

روش‌های تشخیص اسپم و فیلترینگ در داده کاوی یکی از چالش‌های مهم می‌باشد. در این راه، مشخصات ذاتی ایمیل مورد توجه واقع می‌شوند و تصمیم‌گیری بر اساس آنها صورت می‌گیرد. تقریبا تمام این روش‌ها از یادگیری ماشین استفاده می‌کنند. دسته بندی یکی از راه‌های مقابله با اسپم در سیستم‌های امروزی است که با استفاده از الگوریتم‌های یادگیری ماشین همچون نیو بیزین، ماشین بردار پشتیبان، شبکه‌های عصبی، درخت تصمیم و غیره انجام می‌گیرید. در ادامه چکیده سمینار روش‌های تشخیص اسپم و فیلترینگ آمده است. کیفیت محتوای این سمینار توسط پی استور تضمین می‌گردد و شما می‌توانید با خیال راحت اثر را خریداری نمایید.

چکیده روش‌های تشخیص اسپم و فیلترینگ آن

از سال‌های اخیر، ایمیل‌ها به عنوان ابزاری برای ارتباطات سریع و غیرهمزمان مورد استفاده می‌باشند که رشد سریع ایمیل‌ها و هزینه‌ی کم آن‌ها باعث شده تا برخی افراد از آن‌ها سوء‌استفاده کنند و شروع به ارسال ایمیل‌های بیهوده تحت عنوان اسپم کنند. امروزه ایمیل‌های اسپم یک مسئله در حال افزایش می‌باشد که باعث یک اثر اقتصادی در جامعه شده است.

اسپم‌ها علاوه بر آزار و اتلاف وقت کاربران، باعث اتلاف پهنای باند و منابع شبکه و ترافیک در شبکه می‌شود، که برای حل این مشکل روش‌های زیادی وجود دارد که یکی از این روش‌ها فیلترینگ می‌باشد. از آن‌جایی که الگوریتم‌های زیادی برای فیلترینگ اسپم وجود دارد ما در این پژوهش فقط الگوریتم‌های یادگیری ماشین را بازگو خواهیم کرد.

در این پژوهش در ابتدا به تعریف اسپم‌ها و مشخصات و مشکلاتی که اسپم‌ها ایجاد می‌کنند می‌پردازیم و در ادامه چگونگی استفاده از انواع الگوریتم‌های یادگیری ماشین برای فیلترینگ اسپم گفته خواهد شد. از آن‌جایی که معیارهای زیادی برای مقایسه‌ی این الگوریتم‌ها و این که کدام یک نسبت به دیگری بهتر بوده و کارایی بالاتری دارد و اسپم را بهتر تشخیص داده و فیلتر می‌کند وجود دارد اما ما از این بین، از سه معیار ارزیابی Accuracy, Recall, precision استفاده می‌کنیم.‌ برای مقایسه این معیارها آزمایش‌هایی انجام شده و نتایجی بدست آمده که ما این نتایج را در ادامه خواهیم گفت. برای مطالعه بیشتر در این زمینه و چگونگی تشخیص اسپم می‌توانید به لینک زیر مراجعه کنید.

• تشخیص اسپم — کلیک کنید.

فهرست مطالب موجود در سمینار روش‌های تشخیص اسپم و فیلترینگ

در ادامه مطلب فهرست مطالب موجود در روش‌های تشخیص اسپم و فیلترینگ در چهار فصل آورده شده است:

فصل اول: مقدمه

• مقدمه
• شرح مسئله
• ضرورت انجام تحقیق
• ساختار سمینار

فصل دوم: تعریف اسپم و مشخصات آن‌ها

• مقدمه
• تعاریف پایه
• ساختار ایمیل
• تعریف اسپم
• مشخصات اسپم
• نمونه‌هایی از ایمیل‌های اسپم
• مشکلات ایمیل‌های اسپم
• انواع اسپم
  • نامه‌های زنجیره‌ای و حیله‌های اینترنتی
  • طرح‌های هرمی
  • طرح کلاهبرداری مالی
  • اسپم‌های تجاری
• مبارزه با اسپم
  • اقدامات قانونی در برابر اسپم
  • اقدامات فنی
• فیلترهای عملی اسپم
  • فیلترینگ سمت سرور در مقابل فیلترینگ سمت کلاینت
  • قرنطینه کردن
  • پروکسی و برچسب‌گذاری
• فیلترینگ اسپم
• روش‌های فیلترینگ اسپم
• فیلترینگ بر اساس محتوا
• جمع‌بندی

فصل سوم: الگوریتم‌های یادگیری ماشین برای فیلترینگ اسپم

•  مقدمه
• الگوریتم‌های یادگیری ماشین برای فیلترینگ اسپم
  • شبکه‌های عصبی
  • ترکیب شبکه عصبی و رگرسیون خطی
  • مدل کردن رفتار اسپمر شبکه عصبی در برابر Naïve Bayesian
• الگوریتم SVM
  • روش SVM وزن‌دار
  • روش WSK(Word Sequence Kernel)
  • روش SVM با مجموعه آموزشی کوچک
  • ترکیب SVM با الگوریتم ژنتیک
• درخت تصمیم Decision Tree
  • الگوریتمID3
  • الگوریتم CART
  • الگوریتمJ48
  • الگوریتم AD Tree
  • الگوریتمDecision tree و Ensemble learning
• جمع‌بندی

فصل چهارم: نتیجه‌گیری

• جمع‌بندی
• کارهای آتی

مراجع و منابع

درباره سمینار روش های تشخیص اسپم و فیلترینگ

سمینار روش‌های تشخیص اسپم و فیلترینگ آن در ۸۷ صفحه در قالب word و pdf بصورت زیپ شده و کامل قابل دانلود می باشد. این اثر به صورت کامل و روان در مورد روش‌های یادگیری و تشخیص ایمیل‌های اسپم و فیلترینگ است و توسط کارشناسان پی استور بازنگری و تایید شده می‌باشد. این اثر دارای نشان تضمین کیفیت پی استور می‌باشد. مجموعه آموزشی پی استور علاوه بر داکیومنت و سورس کدهای آماده، شامل فایل‌های آماده در زمینه مختلف با موضوعات مختلف بوده که برای داشتن ارائه‌ای بینظیر همواره کنار شما عزیزان می‌باشد.