پاورپوینت اسپم و فیلترکردن عمومی آن با استفاده از روش Naïve Bayesian

توضیحات محصول

دانلود پاورپوینت اسپم و فیلترکردن عمومی آن با استفاده از روش Naïve Bayesian با فرمت ppt و در 28 اسلاید قابل ویرایش

قسمتی از متن پاورپوینت

— پاورپوینت شامل تصاویر میباشد —-

اسلاید ۱ :

رئوس مطالب

• مروری بر پدیده اسپم
• روشهای مبتنی بر یادگیری برای فیلترکردن اسپم ها
• روش Naïve Bayesian برای فیلترکردن اسپم
• معیارهای ارزیابی
• بررسی نتایج
•  

اسلاید ۲ :

ایمیل های اسپم

• Spam/junk/bulk Emails
• پیغامهایی در Inbox شما هستند که شما آن ها را نخواسته و زمانی را برای بیرون انداختن آنها صرف می کنید.
• در مقابل آن : نامه های الکترونیکی معتبر یا ham
• ۷۵-۸۰% از حجم نامه های الکترونیکی را اسپم ها (spam) تشکیل می دهند
• باعث ایجاد ترافیک شده و فضای حافظه و قدرت محاسباتی را از بین می برد
• باعث ضرر اقتصادی
• هزینه ای بالغ بر ۵۰ میلیون دلار بر اقتصاد امریکا در سال ۲۰۰۵ وارد ساخته
• با توجه به شخص و سازمان گیرنده ایمیل، اسپم ها تعریف می گردند
• ایمیل های در حوزه هنر برای شخصی که علاقه ای به هنر ندارد اسپم تلقی می شود
•  
•  

اسلاید ۳ :

نمونه هایی از ایمیل های اسپم

• Subject: AWARD CONFIRMATION

We wish to congratulate you over your email success in our computer BALLOTING SWEEPSTAKE held on 16th Nov, 2007. This is a millennium scientific computer game in which email addresses were used. It is a promotional program aimed at encouraging internet users; therefore you do not need to buy ticket to enter for it.

• “ You have won!!!!“, you are almost winner of $…
• “Your order”, your item$ have to be $hipped
• “Lose your weight”, no subscription required
• “Assistance required”, an amount of million 25 US$
•  
• “Download it”, free celebrity wallpapers download
•  
•  

اسلاید ۴ :

برخی از اهداف ایمیل های اسپم

• بیشتر به منظور اهداف اقتصادی است
• تبلیغ برای یک کالای خاص، سرویس خاص و یا یک ایده خاص
• فریب کاربران برای استفاده از اطلاعات محرمانه آنها ß phishing
• انتقال یک نرم افزار خرابکار به کامیپوتر کاربر (مثلاً ویروس)
• ایجاد یک خرابی به صورت موقتی در Mail-Server
• ایجاد ترافیک
• پخش مطالب غیراخلاقی

üاسپم ها دائما در حال تغییر محتوا و شکل هستند، برای اینکه توسط آنتی اسپم ها شناسایی نشوند.

اسلاید ۵ :

تکنیک های مبارزه با اسپم ها و کنترل آنها

• روشهای اقتصادی
• دریافت وجه برای ارسال ایمیل : مانند پروتکل Zmail
• روشهای قانون گذاری مانند قانون US-CAN SPAM
• امن سازی بسترانتقال ایمیل
• تغییر پروتکلهای انتقال ایمیل (مثل SMTP) و ارانه پروتکل های جایگزین مانند SenderId
• کنترل ایمیل های خروجی در برابر کنترل ایمیل های ورودی
• فیلترینگ ایمیل ها

۱- فیلترینگ براساس یکسری قاعده از پیش تعریف شده:

— if $SENDER$ contains “schacht” $ACTION$=$INBOX$ [HAM]

— if $SUBJECT$ contains “Win” $ACTION$=$DELETE$ [SPAM]

— if $BODY$ contains “%%Money%%” $ACTION$=$DELETE$ [SPAM]

مشکلات: قوانین ثابت، وابستگی به زبان، چه تعداد قانون؟، چه کسی باید قوانین را تعریف

کند

۲- فیلترینگ براساس لیست سیاه و سفید (Black list-white list)

ü۳- فیلترینگ مبتنی بر یادگیری (آماری) و با استفاده از ویژگیهای پیغامها

اسلاید ۶ :

فیلترینگ مبتنی بر یادگیری (آماری) و با استفاده از ویژگیهای پیغامها

• در یادگیری ماشینی برای عمل دسته بندی (Classification) از نمونه داده هایی (ایمیل هایی) که از قبل فراهم شده است(داده آموزش یا training) و هر یک دسته(کلاس،برچسب) مشخص دارد، استفاده کرده و دسته(کلاس) یک نمونه جدید(تست) را تعیین می کنیم.
•  
•  
• بردار پارامترها( ویژگی ها) θ حاصل آموزش دسته بند با استفاده از یک مجموعه داده است که قبلاً جمع آوری شده است
• نیز تابع آموزش (Training) می باشد
•  
• تست داده جدید: m’ یک ایمیل جدید است و دسته آن را می خواهیم (spam or ham?)

اسلاید ۷ :

متدهای یادگیری

• یادگیری Offilne

–داده های آموزش با کلاس(برچسب) مشخص، قبلا جمع آوری شده است و ما در طی دسته بندی از همین داده های ثابت استفاده می کنیم

• <email type=“HAM_email”>Soha! sorry cannot reach at 18:00</email>
• <email type=“spam”>hi, have you thought online credit?</email>
• ….

–

• یادگیری Online

–کاربر طبقه بندی هایِ غلط دسته بند را تصحیح می کند و برچسب صحیح را معین می کند؛ به این ترتیب حجم داده آموزش به تدریج افزوده می شود و دانش دسته بند افزایش می یابد

• مثال: در سرویس ایمیل Yahoo! می توان بر روی “spam” و یا “not spam” کلیک کرد و بدین ترتیب Yahoo! از کاربر Feedback می گیرد

اسلاید ۸ :

مراحل مدل

• مراحل:

–داده های آموزش شامل ایمیل های برچسب خورده

–دو کلاس مشخص: Spam و Ham

–استخراج ویژگی ها

• توکن بندی متن ßتشخیص کلمات ßحذف Stopwords(مثل if,and اگر، به، با،…)ß ریشه یابی کلمات (Stemming) ßحذف علامات نقطه گذاری مثل ؛ ، ….ß ویژگیهای به صورت لغت
• عبارات دست ساخته که متمایز کننده می باشند مثل$$Money$$
• ویژگی های مشخصه دامنه مثل To، From، تاریخ ارسال پیام، اندازه پیام، …

–انتخاب ویژگی های برتر : Feature Selection

–دسته بندی ایمیل به عنوان اسپم و یا ایمیل معتبر

• دسته با احتمال بیشتر = برچسب کلاس

–ارزیابی نتایج (Precision/Recall)

اسلاید ۹ :

ویژگی(مشخصه) های یک پیام الکترونیکی

• این ویژگی ها نشانه هایی برای دسته بندی یک پیغام به اسپم و یا ایمیل معتبر است
• ویژگی های یک ایمیل

–کلمات (توکن ها)

• free, win, online, weight, fortune, offer ،…

–عبارات

• “Free”, “only$”, “order now!”،…

–کاراکترهای خاص

• $pecial, grea8, 4u،…

–سرآیند ایمیل (وابسته به دامنه)

• نام فرستنده، آدرس ایمیل فرستنده و گیرنده، نام دامنه (مثل .edu، .ir، .com)، آدرس های IP

اسلاید ۱۰ :

ماتریس بردار ویژگی ها (با مقادیر باینری)

 کلمات و عبارات همان ویژگی ها هستند، اگر در آن سند/ایمیل موجود باشند ، مقدارشان برابر ۱ بوده

و اگر در آن سند/ایمیل موجود نباشند مقدارشان برابر صفر خواهد بود