تشخیص هرزنامه بر اساس رفتار آن با استفاده از روش فازی-عصبی

پایان نامه
چکیده

با افزایش روزافزون کاربردهای اینترنت و سرویس های متعدد و متنوعی که در فضای مجازی عرضه میشود، عملاً در یک جامعه با ابعاد زندگی شهری و اجتماعی، بدون فضای مجازی و به ویژه سرویس های اینترنت تصور ادامه حیات برای بشر امروزی ممکن نیست. در این فضا، که تصور نیازهای آتی و پیشرفت های متنابه آن بر هر کسی غامض می نماید، پست الکترونیکی یکی از قوی ترین و عمومی ترین راه های ارتباطی بین کاربران موجود در اینترنت میباشد. کاربران برای برقراری ارتباط با ارسال نامه¬های الکترونیکی به آدرس¬های همدیگر، با هم ارتباط برقرار می¬سازند. افزایش روزافزون تعداد کاربران در اینترنت و تعداد نامه¬های الکترونیکی¬ غیر درخواستی از طرف کاربران، باعث افزایش تعداد نامه¬های موجود در صندوق پستی کاربران شده است. به این نامه¬های غیر درخواستی ارسال شده برای کاربران هرزنامه گفته می¬شود که یکی از دغدغه¬های بزرگ برای کاربران می¬باشد. بطوری¬که هر روز صبح با مراجعه به صندوق پستی خود با تعداد بسیار زیادی از این نامه¬ها مواجه می¬شوند که باید آنها را حذف و مدیریت نمایند و این عملیات بسیار وقت¬گیر خواهد بود. هرزنامه¬ها ساختارهای متفاوتی دارند و بنابراین روش¬های تشخیص و تفکیک آنها نیز از همدیگر متفاوت خواهد بود. حال مسئله تشخیص این هرزنامه¬هاست و ما به دنبال یک روش ترکیبی برای تشخیص دادن و مسدود کردن هرزنامه¬هایی که الگوی رفتاری ثابت و مشخصی ندارند، هستیم. برای همین منظور ما از روش ترکیبی فازی عصبی که مبتنی بر دو روش فازی و شبکه عصبی می¬باشد، برای تشخیص هرزنامه¬ها استفاده نموده و امیدواریم که بتوانیم در این تحقیق با ترکیب این دو روش، نقاط ضعف تک¬تک این روش¬ها را کاهش دهیم و نسبت به روش¬های دیگر ارائه شده به بالاترین تشخیص دست یابیم. هدف از ترکیب این دو روش این است که برای تشخیص هرزنامه¬ها هم از قوانین فازی استفاده نموده که توسط آن می¬توان قانونی را به شکل جملات زبان طبیعی افزود، تغییر داد و یا حذف کرد و هم لایه¬های مخفی روش شبکه¬های عصبی را به لایه واضح قوانین فازی تبدیل کرد. همچنین امکان یادگیری شبکه¬های عصبی را به سیستم تشخیص هرزنامه اضافه نمود. با ترکیب دو روش فازی و شبکه¬های عصبی، هم قابلیت یادگیری و هم قوانین نزدیک به زبان طبیعی را بر اساس رفتار هرزنامه در یک روش جدید اعمال کرده و قوانین و مدل¬سازی را بر اساس شرایط و نامه¬های الکترونیکی¬ رد و بدل شده در یک سرور خاص تنظیم می-کنیم تا میزان و درصد تشخیص هرزنامه به همراه تنظیم آستانه، بیشینه شود. هدف از انجام این تحقیق ارائه روشی ترکیبی، مبتنی بر فازی و شبکه¬های عصبی، برای تشخیص و تفکیک نامه معمولی از هرزنامه می¬باشد، به¬طوریکه نتایج بهینه و درصد تشخیص بالا نسبت به روش¬های دیگر ارائه شود.

منابع مشابه

تشخیص بیماری دیابت با استفاده از شبکه عصبی مصنوعی و عصبی- فازی

Background & Aim: A main problem in diabetes is its timely and accurate diagnosis. This study aimed at diagnosing diabetes using data mining methods. Methods: The present study is an analytical investigation including 768 individuals with 8 attributes. Artificial neural networks and fuzzy neural networks were used to diagnose the diabetes. To achieve a real accuracy, the Kfold method was used ...

متن کامل

ترکیب روش‌های عصبی، فازی و عصبی- فازی با استفاده از الگوریتم مورچگان پیوسته برای تشخیص رخساره‌های مخزن

تشخیص رخساره‌های مخزنی و تعیین نواحی با کیفیت مخزنی بالا نقش مهمی در مدل‌سازی مخزن و همچنین حفاری‌های آتی در میدان‌های در حال توسعه ایفا می‌کند. شاخص جریانی یکی از شاخص‌هایی است که با توجه به تغییر خصوصیات مخزن تغییر کرده و می‌تواند نقش موثری در تقسیم‌بندی رخساره‌های مخزنی داشته باشد. مطالعه حاضر یک مدل بهینه‌یافته و پیشرفته را به‌وسیله ترکیب سیستم‌های هوشمند برای تخمین شاخص جریانی در کل میدان ...

متن کامل

تئوری بازی در تشخیص هرزنامه

امروزه در بسیاری از سیستم هایی که عمل طبقه بندی بر روی آن صورت می پذیرد، رقیب تغییراتی را بروی داده ها، به منظور کاهش دقت کلاسه بندی کننده انجام می دهند. مهمترین مثال از این نوع، تشخیص هرزنامه الکترونیکی می باشد. اسپمرها بطور معمول برروی هرزنامه ها تغییراتی را صورت می دهند تا فیلتر، آنها را بصورت نامه های درست تشخیص دهد. در این مقاله رفتار بین رقیب (اسپمرها) و فیلتر هرزنامه (کلاسه بندی کننده) ب...

متن کامل

بررسی تشخیص بیماری دیابت بر اساس اطلاعات مستخرج از سیگنال ECG با استفاده از شبکه‌های عصبی مصنوعی

زمینه و هدف: بیماری دیابت یکی از شایع‌ترین بیماری‌های دنیا شناخته‌ شده است. یکی از مشکلات اساسی مربوط به این بیماری عدم ‌تشخیص به‌موقع و صحیح آن می‌باشد. هدف این پژوهش ارائه روش جدیدی برای تشخیص بیماری دیابت است و قصد دارد برای اولین بار ارتباط تصاویر ECG با تشخیص بیماری دیابت به کمک شبکه عصبی مصنوعی و الگوریتم‌های داده‌ کاوی را بررسی کند. روش بررسی: در این مطالعه 8 بیمار دیابتی و 64 فرد سالم ح...

متن کامل

استفاده از روش های هوشمند فازی- عصبی و شبکه های عصبی چند لایه در تشخیص عیوب اصلی ماشین های دوار

امروزه عیب­یابی ماشین­های دوار از راه تشخیص علائم شروع و رشد عیب با استفاده از روش های هوشمند، شناسایی علت و قطعات آسیب دیده و پیشگویی میزان عمرکاری باقیماندة ماشین، نقش مهمی در جلوگیری از آسیب­دیدگی شدید ماشین و هزینه­های بالای تعمیرات بر عهده دارند. هدف این تحقیق نیز استفاده از ساختار هوشمند شبکه­های فازی- عصبی و  عصبی چند لایه در تشخیص عیوب اصلی ماشین­های دوار از جمله نابالانسی، ناهمراستایی،...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه تبریز - دانشکده ریاضی

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023