توضیحات کامل :

ترجمه مقاله بکارگیری شبکه های اجتماعی برای فیلترینگ موثر اسپام در 33 صفحه فارسی ورد قابل ویرایش با فرمت doc به همراه اصل مقاله انگلیسی



عنوان فارسی :

بکارگیری شبکه های اجتماعی برای فیلترینگ موثر اسپام

عنوان انگلیسی :

Leveraging Social Networks for Effective Spam Filtering

تعداد صفحات فارسی : 33 صفحه ورد قابل ویرایش

سطح ترجمه : متوسط

شناسه کالا : y1129

دانلود رایگان مقاله انگلیسی : http://ofmas.ir/dlpaper/y1129.pdf

دانلود ترجمه فارسی مقاله : بلافاصله پس از پرداخت آنلاین 39 هزار تومان قادر به دانلود خواهید بود .


بخشی از ترجمه :


چکیده
رشد انفجاری ایمیل های ناخواسته ،تکنیک های فیلتر اسپام بی شماری را بر انگیخته است.فیلتر اسپام بایسیان، به فیلترهای مبتنی بر کلید واژه استاتیک ارجحیت دارد که آنها برای از عهده بر آمدن یادگیری کلید واژه ها در ایمیل اسپام های جدید تکامل یافته اند.با این وجود فیلتر اسپام بایسیان به راحتی توسط اسپامرهای باهوش آلوده میشوند و واژه های بی ضرر را در ایمیل هایشان می افزاید.هم چنین، فیلترهای اسپام بایسیان به مقدار زیادی وقت برای پیرش یک اسپام جدید بر اساس فیدبک کاربر نیاز دارند. به علاوه، فیلترهای اسپام کنونی، شبکه های اجتماعی را برای کمک به جستجوی اسپام  بکار میگیرند.برای توسعه یک فیلتر اسپام کاربریار ،ما یک فیلتر اسپام موثر و شخصی سازی شده ی کمک شده شبکه اجتماعی (SOAP) را در این مقاله ارائه می دهیم.در SOAP ،هر ند از SOAP برای جمع اوری و چک کردن اسپام به طور مستقل در یک شیوه ی توزیع شده استفاده می کند.بر خلاف فیلترهای اسپام که بر روی تجزیه ی گرایش ها برای کشف اسپام به طور سازگار و خودکار تاکید دارند. در هر ند، SOAP چهار مولفه را در فیلتر بایسیان تلفیق می کند:فیلترینگ اسپام مبتنی بر نزدیکی اجتماعی، فیلترینگ اسپام مبتنی بر علاقه مدیریت اعتماد سازگر و اخطار دوست.ما کارایی SOAP را با استفاده از شبیه سازی بر اساس دیتای اثر از فیس بوک ارزیابی نموده ایم.ما هم چنین یک نمونه اولیه SOAP را برای آزمایشات دنیای حقیقی بکار برده ایم.نتایج تجربی نشان میدهد که SOAP میتواند به شدت کارایی فیلتر اسپام بایسیان بر حسب دقت، جهندگی کشف اسپام را بهبود بخشد.کارایی فیلتر اسپام بایسیان کران پایین تر SOAP است.

عبارات شاخص: جایگذاری های توزیع شده، شبکه های اجتماعی، فیلترهای اسپام بایسیان




Abstract

The explosive growth of unsolicited e-mails has prompted the development of numerous spam filter techniques. Bayesian spam filters are superior to static keyword-based spam filters in that they can continuously evolve to tackle new spam by learning keywords in new spam emails. However, Bayesian spam filters are easily poisoned by clever spammers who avoid spam keywords and add many innocuous words in their emails. Also, Bayesian spam filters need a significant amount of time to adapt to a new spam based on user feedback. Moreover, few current spam filters exploit social networks to assist in spam detection. In order to develop an accurate and user-friendly spam filter, we propose a SOcial network Aided Personalized and effective spam filter (SOAP) in this paper. In SOAP, each node connects to its social friends; i.e., nodes form a distributed overlay by directly using social network links as overlay links. Each node uses SOAP to collect information and check spam autonomously in a distributed manner. Unlike previous spam filters that focus on parsing keywords (e.g., Bayesian filters) or building blacklists, SOAP exploits the social relationships among email correspondents and their (dis)interests to detect spam adaptively and automatically. In each node, SOAP integrates four components into the basic Bayesian filter: social closeness-based spam filtering, social interest-based spam filtering, adaptive trust management, and friend notification. We have evaluated the performance of SOAP using simulation based on trace data from Facebook. We also have implemented a SOAP prototype for real-world experiments. Experimental results show that SOAP can greatly improve the performance of Bayesian spam filters in terms of accuracy, attack-resilience, and efficiency of spam detection. The performance of the Bayesian spam filter is SOAP's lower bound.