در دنیای امروزی، رایانامه یکی از روشهای ارتباطات سریع است و یکی از معضلات رایانامه، هرزنامهها هستند که در سالهای اخیر رشد فراوانی داشتهاند. هرزنامه نهتنها باعث آسیبرساندن به منافع کاربران، مصرف زمان و پهنای باند میشوند، بلکه بهعنوان تهدیدی برای بهرهوری، قابلیت اطمینان و امنیت شبکه شدهاند. هرزنامهنویسها همیشه سعی میکنند راههایی برای فرار از فیلترهای موجود بیابند؛ بنابراین فیلترهای جدید برای تشخیص هرزنامهها نیاز به توسعه دارند. بیشتر این فیلترها از ترکیبی از چندین روش مانند روشهای سیاه و سفید، استفاده از واژههای کلیدی، فیلترهایی بر پایه قانون، روشهای یادگیری ماشین و غیره برای شناسایی دقیقتر هرزنامهها بهره میبرند. در این مقاله، مدلی جدید با استفاده از دو الگوریتم قدرتمندK نزدیکترین همسایه و الگوریتم بهینهسازی ازدحام ذرات برای شناسایی هرزنامهها ارائه شده است که از الگوریتم بهینهسازی اجتماع ذرات برای انتخاب ویژگی و از الگوریتم K نزدیکترینهمسایه برای دستهبندی استفاده شده است. شبیهسازی برروی مجموعهداده spambase اجرا شده و کارایی مدل پیشنهادی با استفاده از معیارهای صحت[1]، دقت[2], فراخوانی[3] و F-measure ارزیابی شده است. نتایج نشان میدهد که مدل پیشنهادی در مقایسه با مدلهای مشابه و از خود الگوریتمهای پایه بهتر عمل کرده و کارایی بهتری دارد.
Mortazavi A, Soleimanian Gharehchopogh F. A New Hybrid Approach of K-Nearest Neighbors Algorithm with Particle Swarm Optimization for E-Mail Spam Detection. منادی 2019; 8 (1) :57-72 URL: http://monadi.isc.org.ir/article-1-152-fa.html
مرتضوی عاطفه، سلیمانیان قره چپق فرهاد. ارائه مدل ترکیبی الگوریتم K نزدیکترین همسایه با الگوریتم بهینهسازی ازدحام ذرات برای تشخیص رایانامههای هرزنامه. امنیت فضای تولید و تبادل اطلاعات (منادی). 1398; 8 (1) :57-72