|
Title
|
شناسايي هرزنامه ها با استفاده از مدل n-gram
|
|
Type
|
Presentation
|
|
Keywords
|
فيلترينگ هرزنامه، دسته بندي، يادگيري ماشيني، مدل n-gram.
|
|
Abstract
|
با توجه به گرايش افراد و دولت ها به كاربرد ارتباطات الكترونيكي، سودجويان هر روز به دنبال راهي براي بهره برداري از اين محيط ارتباطي مجازي دارند. يكي از موارد ناخواسته در ارتباطات الكترونيكي پيام هاي ناخواسته و غير معتبر مي باشد. در محيط تبادل نامه هاي الكترونيكي اين پيام ها با نام هرزنامه شناخته مي شوند. از جمله مواردي كه در عمل باعث مقبوليت يك سرويس-دهنده پست الكترونيكي مي گردد، توانايي فيلترينگ خودكار اين گونه نامه ها مي باشد. لذا الگوريتم هاي فيلترينگ هرزنامه ها به طور مداوم در حال پيشرفت و تكامل هستند و در مقابل نيز فرستندگان هرزنامه روش هاي جديدي براي عبور از فيلترها ابداع مي كنند.
يكي از روش هاي مناسب براي فيلترينگ هرزنامه ها، مدل n-gram مي باشد كه اساس آن بر فرض وابسته بودن هر كلمه از نامه به n كلمه قبلي استوار است. اين روش از دقت و سرعت مناسبي برخوردار مي باشد. در اين مقاله كارايي و نرخ موفقيت اين مدل در تشخيص و دسته بندي هرزنامه ها مورد مطالعه قرار گرفته است. نتايج نشان داد كه عملكرد اين روش در شناسايي هرزنامه ها و متمايز نمودن آنها از نامه هاي معمولي، قابل قبول بوده و در عمل قابل استفاده مي باشد.
|
|
Researchers
|
Mohammad Bidoki (Second researcher)
|