ارائه روشی ترکیبی مبتنی بر الگوریتم بهینه سازی خرگوش ها و طبقه بند K نزدیکترین همسایه به منظور شناسایی ایمیل های اسپم و غیر اسپم

چکیده: نویسنده مسئول: [e-mail] با توجه به افزایش روزافزون تهدیدات ناشی از ایمیل های اسپم که چالشی جدی برای بهره وری و امنیت سایبری ایجاد کرده اند، این پژوهش یک چارچوب ترکیبی هوشمند برای افزایش دقت و سرعت تشخیص اسپم ارائه می دهد. چالش اصلی در این حوزه وجود بعد بالای ویژگی ها در مجموعه داده ها است که عملکرد الگوریتم های طبقه بندی حساس مانند نزدیکترین همسایه را تضعیف می کند. برای غلبه بر این مشکل در این تحقیق ما از الگوریتم بهینه سازی خرگوش های مصنوعی که یک الگوریتم فراابتکاری جدید با توانایی بالا در اکتشاف فضای جستجو و اجتناب از بهینه های محلی است، برای انتخاب بهینه ویژگی ها استفاده می کنیم. نوآوری اصلی این تحقیق در اولین به کارگیری الگوریتم بهینه سازی خرگوش در حوزه انتخاب ویژگی برای تشخیص اسپم و ترکیب آن با طبقه بندی نزدیکترین همسایه است. سوال اصلی پژوهش این است که آیا این ترکیب نوین می تواند دقت و سرعت تشخیص ایمیل های اسپم را در مقایسه با روش های متداول بهبود بخشد؟ انتظار می رود که این رویکرد ضمن کاهش معنادار ابعاد داده منجر به بهبود معیارهای ارزیابی (مانند دقت، صحت، یادآوری و F۱-score) شود و یک راه حل عملی و امن برای سرویس دهندگان ایمیل و سازمان های امنیت سایبری فراهم آورد.

کلیدواژه ها:

داده کاوی ، یادگیری ماشین ، طبقه بندی ، انتخاب ویژگی ، شناسایی ایمیل های اسپم و غیر اسپم ، الگوریتم بهینه سازی خرگوش ها ، طبقه بند نزدیکترین همسایه