سیستم خبره شناسایی هرزنامه ؛مبتنی بر قاعده

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 649

فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

PUAST01_098

تاریخ نمایه سازی: 14 شهریور 1393

چکیده مقاله:

از جمله ناامنی های پست الکترونیک ایمیل های ناخواسته یا هرزنامه ها می باشند. برای شناسایی هرزنامه ها بانک کلید واژه ها انتخاب می شود و کلید واژه های مورد نظر در ساختمان داده خاص خود ذخیره می گردد. بعد از دریافت ایمیل رفتار ایمیل و محتوای آن بررسی می گردد. چون در اینجا محتوا متن است (فرض) به منظور کاهش بعد و رفع مشکل پراکندگی داده ها و افزایش کارایی متن خلاصه می شود؛ کلمات ریشه یابی شده و در یک بردار قرار می گیرد. بعد از آن به امتیازدهی بردارها با استفاده از قاعده پرداخته می شود. بعد از ارزیابی این نتیجه حاصل شد که ارتباط معناداری بین تعداد صفات خاصه و میزان کارایی سیستم موجود است. به این صورت که هر چه تعداد صفات خاصه انتخابی بیشتر باشد کارایی سیستم بالاتر است و همچنین هر چه تعداد صفات خاصه بیشتر باشد؛ نسبت نرخ خطای مثبت نادرست به میزان آستانه کمتر خواهد بود.

کلیدواژه ها:

هرزنامه / پست الکترونیک/ سیستم خبره/اسپم

نویسندگان

معصومه آدینه

مهندسی فناوری اطلاعات -دانشگاه تربیت مدرس

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • چ .دادخواه" , طراحیوپیادهسازیابزا ریجهتا ییدواعتبا رسنجید انشدرسسیستمها یهوشمند vol. ...
  • س .هاشمی , ک .لوکس and , م .ر .کنگاوری" ...
  • G. Bellinger, D. Castro and A.Mills, http ://www. syst ems-thinking. ...
  • D.N Lam and K.S Barbert , _ Verifying and Explaining ...
  • S. Lockwood and Z. Chen, "Knowledge validation of engineering expert ...
  • G. J. Myatt, Making Sense of Data A Practical Guide ...
  • M.Balakumar and V.Vaidehi, "Ontology based classification and categorization of email, ...
  • S. Smith and A. Kandel, Verification and validation of rule-based ...
  • J.Giarranto and G. Riley، Expert systems: principles and programming، PWS-KENT ...
  • W.T. Tsai، R. Vishuvajjala and D. Zhang، "Verification and Validation ...
  • San Francisco Diane Cerra, 2005. ...
  • C. L. DYM, Knowledge _ based systems in engineering New ...
  • Rich E and Knight K.، Artificial Intelligence، McGraw-Hil 1991. ...
  • I. _ Witten and E. Frank, Data Mining Practical Machine ...
  • C.-H. Wu, _ _ Behavior-based Spam Detection Using A Hybrid ...
  • M. N. Marsono4, M. W. El-Kharashi, and F. Gebali, "A ...
  • J. Zhou, W.-Y.China, R. Romanb, and J. Lopezb, "An effective ...
  • a. m.Andrew, "An anti- Spam scheme, " Kybernetes, vol. 36, ...
  • S. Loiseau., "Refinement of Knowledge bases based on consistency", ECAI ...
  • Chih-HungWu and C.-H. Tsai, "Robust classification for spam filtering by ...
  • http://www. springerlink. com/cont emt/d5 3 ku205 8 0m0 7 742/fulltext. ...
  • نمایش کامل مراجع