هرزنامه و کارهای انجام شده برای شناسایی هرزنامه 1

هرزنامه و کارهای انجام شده برای شناسایی هرزنامه 1

آکادمی داده

۱۳۹۷/۰۳/۲۳


  • 78 بازدید

تاریخچه هرزنامه با تاریخچه اینترنت و وب مشابه است، از زمانی که وب وارد دنیای مجازی شد از همان زمان هرزنامه‌ها نیز وارد دنیای وب شدند. در سال های اولیه شروع وب و استفاده کاربران از ایمیل‌ها، کسانی که به دنبال تبلیغات محصول خود بودند این موضوع را فرصتی برای تبلیغ کالاهای خود دیدند، به همین دلیل در ابتدا و در دهه 90 میلادی هرزنامه‌ها بیشتر به صورت ایمیل ظاهر شدند. در این زمان کسانی که به دنبال تبلیغات محصولات خود بودند به‌راحتی ایمیل‌های تبلیغات خود را به هزاران نفر ارسال می کردند، بدین ترتیب به هدف خود که تبلیغ کالایشان بود می رسیدند. با پیشرفت وب انواع هرزنامه‌ها وارد دنیای مجازی شدند و شکل استفاده از آنها پیچیده تر شد. در ابتدا هرزنامه‌ها صرفا هدف تبلیغاتی داشتند ولی اکنون برای انتشار لینک های مخرب، تکثیر محتوای مستهجن و یا انتشار اخبار دروغ نیز استفاده می‌شود. گستردگی هرزنامه باعث شده است همچنان تحقیقات بسیاری برای متوقف کردن آن‌ها در جریان باشد. بنابر آمارهای مربوط در سال 2002 بیش از 36% از ایمیل ها را هرزنامه ها تشکیل می دادند، ولی در سال 2013 این رقم به 70% درصد افزایش پیدا کرده است.
در این قسمت مقالات مرتبط با شناسایی هرزنامه مورد اشاره قرار خواهد گرفت. شناسایی هرزنامه‌ها از زیر مجموعه های متن کاوی و کشف دانش از متن است و دارای سابقه بسیاری در بین محققین است. از زمانی که ارسال هرزنامه توسط تولید کنندگان هرزنامه شروع شد، محققین به دنبال ارائه راه‌حل‌هایی برای فیلتر کردن این هرزنامه‌ها بودند. روش ها و الگوریتم های متن کاوی در شناسایی هرزنامه ها کاربرد گسترده ای دارند و این فیلد مطالعاتی یکی از کاربردهای متن کاوی است. 
خانم فردین پور و همکارش روشی نوین بر اساس الگوریتم های یادگیری ماشین و الگوریتم های بهینه سازی برای شناسایی هرزنامه در ایمیل ها ارائه داده اند. با توجه به تعداد ویژگی های زیاد مجموعه داده مورد استفاده و کاهش دقت اغلب روشها با تعداد ویژگی بالا، نیاز به روشی برای پیدا کردن مجموعه بهینه ویژگی ها احساس می شود. در تحقیق حاضر از الگوریتم جستجوی هارمونی برای کاهش ابعاد داده استفاده شده است. مراحل کار بدین گونه است که با ایجاد یک هارمونی، و بر اساس بردار آن جواب مجموعه داده کاهش می یابد و سپس مجموعه داده کاهش یافته به عنوان ورودی به شبکه عصبی Forward Feed داده می شود. در این تحقیق مجموعه داده ایمیل های هرز شامل تعداد 4661 پیام ایمیلی بوده که 33.4 درصد از آنها هرزنامه و 66.6 درصد غیر هرزنامه هستند. این ایمیل ها دارای  57 ویژگی متفاوت می باشد که از متن ایمیل ها استخراج و محاسبه شده است. بسیاری از ویژگی ها بر این اساس محاسبه شده است که آیا یک کلمه و یا کاراکتر خاص در ایمیل وجود دارد یا خیر؟ ویژگی آخر نشان می دهد که آیا ایمیل ناخواسته یعنی هرزنامه و یا ایمیل قانونی، یعنی غیر هرزنامه است. در این تحقیق از الگوریتم جستجوی هارمونی برای کاهش بعد استفاده شده است و سپس از شبکه عصبی برای ایجاد مدل شناسایی هرزنامه بهره گرفته شده است. بر اساس نتایج به دست آمده بهترین دقت شناسایی هرزنامه 70 درصد گزارش شده است.

کپی برداری بدون ذکر منبع، براساس قانون جرایم اینترتی و مادۀ 12 فصل سوم قانون جرایم رایانه ای غیر قانونی بوده و مجازات جزای نقدی و حبس دارد و شرعا نیز حرام است! 

اگر در زمینه متن کاوی و شناسایی هرزنامه ها در حال تحقیق یا پیاده سازی پروژه تجاری یا پایان نامه هستید برای گرفتن مشاوره یا دادن سفارش انجام با ما تماس بگیرید.  آکادمی داده در تلگرام، واتزآپ و تمامی پیام رسان های ایرانی(سروش، آی گپ، بله، گپ و ویسپی) با شماره 09120637751 حضور دارد برای ارتباط از طریق ایمیل آدرس جیمیل: dataacademyir@gmail.com می باشد. 

افتخار آکادمی داده، همسفر بودن با شما در راه یادگیری علم داده است.