计算机工程与信息技术学报

用于垃圾邮件检测的群体负面选择算法

伊斯玛拉·伊德里斯和阿里·塞拉玛特

用于垃圾邮件检测的群体负面选择算法

随着催促邮件工具的使用，垃圾邮件的增多促使人们需要生成检测器来对抗未经请求的电子邮件的威胁。受人类免疫系统启发的检测器生成实现粒子群优化（PSO）来生成负选择算法（NSA）中的检测器。异常值检测器是通过局部异常值因子（LOF）生成的独特特征。局部异常值因子被实现为适应度函数来确定每个候选检测器的局部最佳值（Pbest）。粒子群优化的速度和位置用于支持每个异常值检测器的移动和新粒子位置。粒子群优化（PSO）的实现是为了改进负选择算法中的检测器生成，而不是随机生成检测器。该模型称为群负选择算法（SNSA）。实验结果表明，提出的 SNSA 模型比标准 NSA 表现更好。