ارائه يك الگوريتم هوشمند مبتني بر يادگيري Weak learn جهت شناسايي هرزنامه ها بر اساس استخراج ويژگي هاي آماري ايميل ها

Suggestion an Intelligent Algorithm Based on Weak Learn for Spam Detection by Statistical Feature Extraction

اسپم يا هرزنامه ايميل هاي ناخواسته، بيهوده و آزار دهنده هستند. برخي از هرزنامه ها به دليل وجود فايل هاي ضميمه اي كه آلوده به ويروس مي باشند ممكن است براي يك سيستم و دريافت كنندگان آن خطرناك باشد. تاكنون تكنيك هاي بسياري جهت فيلتر كردن هرزنامه هاي الكترونيكي ارائه شده است. در اين مقاله با استفاده از تكنيك هاي شناسايي آماري الگو، ويژگي هاي هرز نامه ي الكترونيكي استخراج و سپس يك الگوريتم هوشمند جهت استخراج ويژگي ها و شناسايي و كلاسه بندي ايميل هاي هرزنامه و غير هرزنامه ارائه شده است.

Spam emails are unwanted, in vain and annoying. Some spam may be dangerous for a system and its recipients because of attachment files that are infected with the virus. So far, many techniques have been developed to filter out spam e-mail. In this paper, by using statistical pattern recognition techniques, extracted email spam features, and then an intelligent algorithm is developed to extract features and identify and classify spam and non-spam emails.