رویکردی نوین برای تشخیص ایمیل های اسپم با استفاده از مدل ترکیبی الگوریتم های ژنتیک و بهینه سازی کلونی مورچه و ماشین بردار پشتیبان

امروزه تکنولوژی و فناوری اطلاعات تمام بخش های زندگی انسان را در بر گرفته و باعث گسترش بسترهای ارتباطی با فضایمناسب و کم هزینه شده است. افراد و سازمان های تبلیغاتی و سود جو از این فضای انبوه از مخاطب و بستر کم هزینه برایارسال اطلاعات دلخواه و اهداف خود در قالب اسپم ها استفاده کنند که علاوه بر ایجاد مشکل برای کاربران، باعث مصرفزمان و پهنای باند شده و همچنین به عنوان تهدیدی برای بهره وری قابلیت اطمینان و امنیت شبکه خواهند بود. رویکردهایمختلفی برای مقابله با اسپم ها ارایه شده است که از پویاترین و بهترین روش های فیلترینگ ایمیل ها اسپم تکنیک های یادگیریماشین است که با سرعت بالایی کار فیلترینگ و طبقه بندی ایمیل ها اسپم را انجام میدهند. در این مقاله یک روش جدید برایکشف ایمیل ها اسپم با مقیاس پذیر کردن ماشین بردار پشتیبان بر اساس ترکیب الگوریتمهای ژنتیک و بهینه سازی کلونیمورچگان برای انتخاب موثرترین ویژگی ها اسپم ها ارایه شده است. یکی از مزیت های مهم الگوریتم بهینه سازی کلونیمورچگان استفاده از جستجوی محلی برای رسیدن به جواب بهینه است که در الگوریتم ژنتیک یافت نمیشود. از سوی دیگر،الگوریتم ژنتیک از همان ابتدا با دیدگاه سراسری جمعیت ها و مجموعه تمام ویژگی ها را پوشش میدهد. نتایج آزمایش هانشان داد، صحت روش پیشنهادی در مقایسه با الگوریتم های ماشین بردار پشتیبان با الگوریتم مورچه و ترکیب ماشین بردارپشتیبان با الگوریتم ژنتیک بهتر و بهینه تر است. نتایج حاصل از مقایسه نرخ خطا الگوریتم پیشنهادی نشان داد شد که نرخ خطادر ترکیب ماشین بردار پشتیبان با الگوریتم مورچه از ترکیب ماشین بردار پشتیبان با الگوریتم ژنتیک کمتر است و نرخ خطایروش پیشنهادی در مقایسه با الگوریتم های ذکر شده به دلیل ترکیب الگوریتم های ژنتیک و بهینه سازی کلونی مورچگانکمتر است.

کلیدواژه ها:

ایمیل های اسپم ، الگوریتمهای ژنتیک ، بهینه سازی کلونی مورچه ، ماشین بردار پشتیبان