Spam e-mail detection and filtering based on an evolutionary soft computing model using neuro-fuzzy classifiers and genetic algorithms

Abstract

Spam eposta, tüm email kullanıcılar için ortak problem, popülerliğini sürekli arttırmakta. Degişen içerik ve yaratıcı yöntemler basit yöntemlerle spam filtrelemeyi güçleştiriyor. Spam epostalardaki bu hızlı değişim filtrelemede yapay zeka uygulamalarını zorunlu kılıyor. Bu çalışmada spam eposta tanımı, spam çeşitleri ve daha önce kullanılmış olan filtreleme yöntemleri kısaca açıklayarak ANFIS ve Genetik Algoritmaların tanımını vermektedir. Bu çalışmada daha önce kullanılan spam filtreleme yöntemleri incelendi ve ANFIS ile Genetik Algoritmaların birlikte kullanıldığı bir model ele alınarak bir sistem geliştirilmek istendi. Son bölünde ise NEFCLASS ve geliştirilen sistemler karşılaştılaştırıldı.

Spam mail, common problem for all email users, is getting more popular everyday. Concept drift, reactive creative adversaries makes it difficult to filter spams with basic methodologies. The change in the spam email requires learning based spam filtering. In this thesis literature for the proposed methods are investigated for the spam filtering. The most successful filtering methods are the combinational filtering methods. This thesis proposes a new method for the spam filtering using a combination of Adaptive Neuro-Fuzzy Inference System (ANFIS) and Genetic Algorithms (GA) for the tuning of the rule base. This study also gives brief explanations about spam, spam types, used spam filtering techniques and introduces ANFIS and Genetic Algorithms. The last part compares the results of the NEFCLASS and the proposed method and gives the results for the spam dataset used in this study.