سازمان جغرافیایی نیروهای مسلح

| ورود به سامانه | ثبت نام

صفحه اصلی / پانزدهمین کنفرانس ملی و دومین کنفرانس بین المللی فرماندهی و کنترل ایران

مروری بر رویکردهای یادگیری ماشین و یادگیری عمیق در تشخیص هرزنامه: از مدل‌های سنتی تا روش‌های نوین

نویسندگان :

محمد امین عراقی زاده¹ هاله امیری²

1- صنعتی مالک اشتر تهران 2- صنعتی مالک اشتر تهران

کلمات کلیدی :

فیلتر هرزنامه،فیشینگ،مجموعه داده،یادگیری ماشین،یادگیری عمیق

چکیده :

این مقاله به بررسی رویکردهای رایج برای طبقه‌بندی متن هرزنامه می‌پردازد. در ابتدا مقدمه ای بر دانش اولیه فیلتر کردن هرزنامه ها ارائه شد. پس از آن، برخی از نتایج تحقیقات ارائه شده است. استفاده از تکنیک های یادگیری ماشین برای تشخیص فیشینگ یک زمینه به‌سرعت در حال تحول است که در سال‌های اخیر به دلیل پتانسیل آن برای غلبه بر محدودیت‌های روش‌های سنتی و بهبود دقت تشخیص، توجه بسیاری را به خود جلب کرده است. در این تحقیق استراتژی‌های مختلف ارسال کننده هرزنامه را که برای آلوده کردن ایمیل‌ها استفاده می‌شود، تجزیه و تحلیل می‌کنیم و تکنیک‌های پیشرفته را برای توسعه فیلتر های تشخیص بر اساس یادگیری ماشین بررسی می‌کنیم. در نهایت، به طور تجربی پیامدهای نادیده گرفتن موضوع تغییر مجموعه داده به مرور زمان در این زمینه عملی را ارزیابی و ارائه می‌کنیم. نتایج تجربی نشان می‌دهد که این تغییر ممکن است منجر به تنزل شدید در عملکرد الگوریتم شود. این مقاله نشان می‌دهد که جهت آینده فیلتر هرزنامه باید ترکیبی از تکنیک‌های یادگیری ماشین و تکنیک‌های یادگیری عمیق باشد. بااین‌حال، نیاز به یک مرور سیستماتیک و جامع از وضعیت فعلی تحقیقات می‌تواند به شناسایی نقاط قوت و محدودیت‌های تکنیک‌های مختلف یادگیری ماشین و یادگیری عمیق و اطلاع‌رسانی برای توسعه تحقیقات آینده کمک کند.