هرزنامه و کارهای انجام شده برای شناسایی هرزنامه 8

هرزنامه و کارهای انجام شده برای شناسایی هرزنامه 8


  • 308 بازدید

تاریخچه هرزنامه با تاریخچه اینترنت و وب مشابه است، از زمانی که وب وارد دنیای مجازی شد از همان زمان هرزنامه‌ها نیز وارد دنیای وب شدند. در سال های اولیه شروع وب و استفاده کاربران از ایمیل‌ها، کسانی که به دنبال تبلیغات محصول خود بودند این موضوع را فرصتی برای تبلیغ کالاهای خود دیدند، به همین دلیل در ابتدا و در دهه 90 میلادی هرزنامه‌ها بیشتر به صورت ایمیل ظاهر شدند. در این زمان کسانی که به دنبال تبلیغات محصولات خود بودند به‌راحتی ایمیل‌های تبلیغات خود را به هزاران نفر ارسال می کردند، بدین ترتیب به هدف خود که تبلیغ کالایشان بود می رسیدند. با پیشرفت وب انواع هرزنامه‌ها وارد دنیای مجازی شدند و شکل استفاده از آنها پیچیده تر شد. در ابتدا هرزنامه‌ها صرفا هدف تبلیغاتی داشتند ولی اکنون برای انتشار لینک های مخرب، تکثیر محتوای مستهجن و یا انتشار اخبار دروغ نیز استفاده می‌شود. گستردگی هرزنامه باعث شده است همچنان تحقیقات بسیاری برای متوقف کردن آن‌ها در جریان باشد. بنابر آمارهای مربوط در سال 2002 بیش از 36% از ایمیل ها را هرزنامه ها تشکیل می دادند، ولی در سال 2013 این رقم به 70% درصد افزایش پیدا کرده است.
در این قسمت مقالات مرتبط با شناسایی هرزنامه مورد اشاره قرار خواهد گرفت. شناسایی هرزنامه‌ها از زیر مجموعه های متن کاوی و کشف دانش از متن است و دارای سابقه بسیاری در بین محققین است. از زمانی که ارسال هرزنامه توسط تولید کنندگان هرزنامه شروع شد، محققین به دنبال ارائه راه‌حل‌هایی برای فیلتر کردن این هرزنامه‌ها بودند.روش ها و الگوریتم های متن کاوی در شناسایی هرزنامه ها کاربرد گسترده ای دارند و این فیلد مطالعاتی یکی از کاربردهای متن کاوی است. 
هوابین و همکارانش برای تشخیص هرزنامه یا غیر هرزنامه بودن ایمیل های انگلیسی از ماشین های بردار پشتیبان از طریق ادغام انتخاب ویژگی با استفاده از الگوریتم ژنتیک استفاده کردند. در این تحقیق بدین ترتیب عمل شده است که ابتدا مدل شناسایی هرزنامه با استفاده از الگوریتم ماشین بردار پشتیبان به تنهایی و سپس با ترکیب الگوریتم ژنتیک والگوریتم ماشین بردار پشتیبان برای ایجاد مدل استفاده شده است. بعد از اولویت بندی کلمات توسط الگوریتم ماشین بردار پشتیبان از الگوریتم ژنتیک برای کاهش ابعاد کلمات استفاده شده است. در این مرحله دو گام انجام می شود، در گام اول الگوریتم ژنتیک بر روی کلمات اعمال می گردد، سپس این کلمات توسط الگوریتم ژنتیک گلچین می شود و مهمترین کلمات برای ایجاد مدل طبقه بندی به الگوریتم ماشین بردار پشتیبان ارسال می شود.
•        اعمال الگوریتم ژنتیک بر روی کلمات اولویت بندی شده
•        گلچین کردن کلمات توسط الگوریتم ژنتیک برای ایجاد مدل
الگوریتم ماشین بردار پشتیبان بر اساس کلمات دریافت کرده از الگوریتم ژنتیک اقدام به ایجاد مدل طبقه بندی می کند.
مرحله انتخاب کلمات مهم با استفاده از الگوریتم ژنتیک مهمترین بخش این تحقیق را تشکیل می دهد، زیرا ایده اصلی این تحقیق بر این اصل استوار است. الگوریتم ژنتیک با استفاده از معیارهای خود، اقدام به انتخاب کلمات مهم برای مدل شناسایی هرزنامه در ایمیل ها می کند. در الگوریتم ژنتیک مقادیر مینیمم تعداد ویژگی ها، اندازه جمعیت اولیه و تعداد تولید نسل ها باید مشخص گردد. با انتخاب کلمات مهم، دقت و بقیه معیارهای ارزیابی بهبود می یابد. این یعنی مدل ایجاد شده با استفاده از ترکیب این دو الگوریتم می تواند هرزنامه ها را با دقت 87 درصد شناسایی کند.

کپی برداری بدون ذکر منبع، براساس قانون جرایم اینترتی و مادۀ 12 فصل سوم قانون جرایم رایانه ای غیر قانونی بوده و مجازات جزای نقدی و حبس دارد و شرعا نیز حرام است! 

اگر در زمینه متن کاوی و شناسایی هرزنامه ها در حال تحقیق یا پیاده سازی پروژه تجاری یا پایان نامه هستید برای گرفتن مشاوره یا دادن سفارش انجام با ما تماس بگیرید.  آکادمی داده در تلگرام، واتزآپ و تمامی پیام رسان های ایرانی(سروش، آی گپ، بله، گپ و ویسپی) با شماره 09120637751 حضور دارد برای ارتباط از طریق ایمیل آدرس جیمیل: dataacademyir@gmail.com می باشد. 

افتخار آکادمی داده، همسفر بودن با شما در راه یادگیری علم داده است.