مقاله : اسپم و فيلتركردن آن با استفاده از روش يادگيري Bayesian
فرمت : pdf
تعداد صفحه : 46
قیمت : مبلغ ۸ هزار تومان
مقدمه :
مشكل نامه الكترونيكي ناخواسته امروزه به مشكلي جدي تبديل شده است، بطوري كه 75-80% از حجم نامه هاي الكترونيكي ر ا اسپم ها (spam) تشكيل ميدهند . اسپم مشكلات متعددي را به وجود مي اورد، برخي از آنها مستقيما باعث ضررهاي اقتصادي مي گردد . به بياني دقيق تر ، اسپم باعث ايجاد ترافيك شده و فضاي حافظه و قدرت محاسباتي را از بين مي برد. اسپم ها باعث مي گردند كه كاربران زمان زيادي را براي جداكردن و پاك كردن نامههاي زائد صرف كنند و علاوه براين باعث آزار روحي وعدم احساس امنيت در آنها مي گردد، سرانجام اسپم باعث مشكلات قانوني از قيبل تبليغات پورنوگرافي، طرح هاي هرمي و كلاهبرداريهاي اقتصادي از قبيل phishing مي گردد . موسسه تحقيقا تي Ferris تخمين زده است كه ضرراقتصادي حاصل ازنامه هاي الكترونيكي ناخواسته (اسپم) بالغ بر 50 ميليون دلار بوده است اخيرا Goodman و ديگران در مورد حفاظت بوسيله anti-spam تحقيقي انجام دادهاند كه در آن مروري بر تاريخچه اسپم و آنتي اسپم و رويكردهاي توسعهاي آن داشتهاند . آنها در نتيجهگيري خود كاملا خوش بينانه بيان كرده اند كه روشهاي آنتي اسپم مبتني بر يادگيري Learning–Based به همراه تكنولوژيهاي Anti-Spoofing و روشهاي اقتصادي ميتوانند از جمله روشهايي باشند كه در آينده نزديك منجر به شكست قاطع بر فرستندگان اسپم گردد. در حال حاضر بر طبق مطالعه انجام شده توسط Stuck و Spinon درباره انواع متفاوت ابزارها و تكنيكهاي آنتياسپم، فيلترينگ اسپم متداول ترين روش براي حفاظت در برابر اسپم هاست. اين تحقيق نشان ميدهد كه فيلترينگ اسپم كه روشي مبتني بر يادگيري ماشيني machine learning است، بهترين روش بوده و خواهد بود................... در اين مقاله ما يك بررسي ساختاري در مورد روشهاي مبتني بر يادگيري براي جلوگيري از اسپم ارائه خواهيم كرد. يك بخش پديده اسپم توضيح داده خواهد شد و به صورت اجمالي روشها و تكنيكهاي غير فيلترينگ بررسي خواهد شد. اين بررسي به مباحث حاشيه اي نمي پردازد، بلكه تنها به حفاظت و جلوگيري از اسپم ها ميپردازد. بالاخص ما به مورد ويروسهاي كه توسط اسپمها منتقل ميشوند نمي پردازيم، چراكه اسپم ها و ويروسها دو مقوله كاملا مجزا هستند كه بايستي به صورت جداگانه بررسي شوند . يك ويروس بدون در نظر گرفتنِ روش انتقالش مورد بررسي قرار مي گيرد، در حالي كه يك اسپم چه محتواي مخربي داشته باشد و چه نداشته باشد، به عنوان اسپم شناخته مي گردد . اين مقاله ساختارش در ادامه چنين آمده است؛ فصل 2 مقدمه اي بر اسپم ميباشد كه دربرگيرندهي مروري گذرا بر روشهاي غيرفيلترينگ ميباشد؛ بخش 3 درمورد فيلترينگ اسپم، مروري بر روشهاي مبتني بر يادگيري خواهد داشت. بخش 4 به تفصيل روش ساده Naïve Bayesian را مورد بررسي قرار ميدهد بخش 5 به ارزيابي اين متدها و مقايسه آنها با روش Bayesian ميپردازد.
فهرست مطالب :
-1 مقدمه
-2 پديده اسپم SPAM
-1-2 تعريف ومشخصات كلي اسپم
-2-2 تلاش هاي قانونگذاري براي آنتي اسپم ها
-3-2 تغيير پروتكلهاي انتقال نامه هاي الكترونيكي
-4-2 تغييرات محلي در روند انتقال نامه هاي الكترونيكي
-3 متدهاي مبتني بر يادگيري به منظور فيلترينگ اسپم
-1-3 چه چيزي را بايستي آناليز كرد
1-1-3 - استخراج ويژگي ها Featare Extraction براي فيلترينگ مبتني بر تصوير
-2-3 چگونگي آناليز
1-2-3 - متدهاي استخراج كننده ويژگيها به صورت BOW
2-2-3 - فيلترهاي مبتني بر زبان
3-2-3 - فيلترهاي مبتني بر ويژگي هاي غير متني
4-2-3 - فيلتر كردن اسپمها از طريق همكاري بين كاربران
5-2-3 - روش هاي تركيبي Hybrid
6-2-3 - مروري بر متدها
-3-3 واكنش هاي متقابل
-4 ارزيابي متدها و مقايسه
-5 فيلتر كردن ايميل هاي بيهوده با استفاده از روش BAYESIAN
-1-5 دسته بندي احتمالي
-2-5 صفات مرتبط با دامنه
-3-5 نتايج حاصل از فيلتر
1-3-5 - استفاده از ويژگي هاي مربوط به دامنه
2-3-5 - تقسيم ايميلهاي بيهوده به زير مجموعه هاي آن
-4-5 سناريوي كاربرد واقعي
-6 ساخت پايگاه داده لغات وعبارتهاي مناسب براي سازمان يا يك شخص خاص
) -1-6 ساخت يك پايگاه داده مناسب از ايميل هاي معتبر HAM مناسب
-2-6 ساخت يك پايگاه داده مناسب از ايميل هاي اسپم
-7 دلايل مناسب بودن فيلتر BAYESIAN
-8 مراجع
***************************************************************************************
در صورت تمایل
به دریافت فایل فوق در مدت 10 دقیقه ، لطفاً اینجا کلیک
کنید
***************************************************************************************
مشاوره ؛نگارش پایان نامه ؛ مقاله + شبیه سازی
در تمام مقاطع دانشگاهی پذیرفته می شود
در صورت
تمایل می توانید عنوان و جزئیات پروژه خود را در قسمت نظرات این پست
اعلام فرمایید. ضمنا می توانید اطلاعات درخواستی خود را به ایمیل یا تلگرام
نمایید
ایمیل :
com.dr@yahoo.com
درباره :
اسپم و فيلتركردن ,
|