تشخيص ايميل هاي اسپم با الگوريتم هاي فرا ابتكاري

امروزه مقدار قابل توجهي از صندوق نامه هاي ايميل و ايميل‌هاي اسپم امكانات ذخيره‌سازي را در بر مي‌گيرد. ايميل اسپم تأثير منفي قابل توجهي بر افراد و سازمانها دارد و باعث اتلاف جدي در منابع، زمان مي شود. فيلتر كردن ايميل‌هاي اسپم كار پيچيده اي مي باشد.فيلترينگ مبتني بر يادگيري يك روش مهم براي شناسايي ايميل هاي اسپم در نظر گرفته مي‌شود .روش‌هاي يادگيري ماشيني اخيرا براي شناسايي موفقيت آميز و فيلتر كردن ايميل‌هاي اسپم مورد استفاده قرار مي‌گيرند. در اين مقاله، تكنيك‌هاي يادگيري ماشين كه توانايي يادگيري و شناسايي ايميل‌هاي اسپم و پيام‌هاي فيشينگ از طريق تجزيه و تحليل چنين پيام‌هايي در سراسر مجموعه وسيعي از كامپيوترها را دارند، بررسي و دسته بندي مي شودفيلترهاي اسپم پست الكترونيكي جيميل و ياهو بيش از بررسي ايميل هاي ناخواسته با استفاده از قوانين موجود ، عمل مي كنند. آنها قواعد جديدي را براساس آنچه آموخته اند هنگام ادامه عمليات فيلتر اسپم خود ايجاد مي كنند.