چکیده مقاله
تشخیص هرزنامه های الکترونیکی یکی از چالش های اساسی در امنیت سایبری است اما بسیاری از روش های ارائه شده تنها بر روی یک مجموعه داده خاص ارزیابی می شوند و قابلیت تعمیم پذیری آنها ناشناخته باقی می ماند هدف این پژوهش، بررسی تعمیم پذیری یک روش ترکیبی مبتنی بر الگوریتم زنبور عسل ABC برای انتخاب ویژگی و شبکه عصبی مصنوعی ANN برای دسته بندی در تشخیص هرزنامه های ایمیل است روش پژوهش تجربی بوده و شامل سه مرحله پیش پردازش، انتخاب ویژگی با الگوریتم ABC و دسته بندی با ANN است ارزیابی بر روی سه مجموعه داده استاندارد Enron Spam، Spambase و Ling Spam انجام شد یافته ها نشان می دهد که روش پیشنهادی بر روی دیتاست Spambase به دقت ۹۲ ۶۲ و معیار F۱ برابر ۰ ۹۰۵ دست می یابد که عملکردی رقابتی محسوب می شود؛ با این حال دقت این روش بر روی دیتاست های Enron Spam و Ling Spam به ترتیب به ۵۴ ۶۷ و ۵۳ ۶۲ درصد کاهش می یابد که نزدیک به حالت تصادفی است نتیجه اصلی آن که روش مذکور علی رغم کارایی مناسب روی دیتاست آموزش، از تعمیم پذیری مستقیم به دیتاست های دیگر برخوردار نبوده و وابستگی شدیدی به توزیع ویژگی های مجموعه داده آموزش دارد؛ لذا برای کاربرد عملی نیاز به تنظیم مجدد پارامترها یا استفاده از تکنیک های تطبیق دامنه ضروری است
کلیدواژهها
نویسندگان
نسیم خواجه با برصاد
دانشجوی ارشد مهندسی کامپیوتر دانشگاه آزاد اسلامی واحد اهواز
نسیم خواجه با برصاد
دانشجوی ارشد مهندسی کامپیوتر دانشگاه آزاد اسلامی واحد اهواز
شیوه ارجاع
�واجه با برصاد، نسیم،1405،بررسی تعمیم پذیری روش ترکیبی الگوریتم زنبور عسل و شبکه عصبی در تشخیص هرزنامه های ایمیل،نهمین کنفرانس بین المللی هوش مصنوعی و چشم انداز آینده آن در علوم مهندسی برق، کامپیوتر، مکانیک و مخابرات،مشهد
ارائهشده در
مجموعه مقالات نهمین کنفرانس بین المللی هوش مصنوعی و چشم انداز آینده آن در علوم مهندسی برق، کامپیوتر، مکانیک و مخابرات16 خرداد 1405 · مشهد