DOI: https://doi.org/10.18421/tem151-09
تاريخ النشر: 2026-02-27
المؤلف: Mosleh M. Abualhaj وآخرون
الموضوع الرئيسي: كشف البريد المزعج والاحتيال
نظرة عامة
تتناول البحث القضية الحرجة لاكتشاف البريد المزعج في أنظمة البريد الإلكتروني من خلال اقتراح نموذج متقدم للتعلم الآلي (ML) يستخدم تقنية جديدة لاختيار الميزات. تدمج هذه التقنية خوارزمية تحسين اليراعات (FOA) وخوارزمية تحسين الصقور هاريس (HHO) لتعزيز أداء المصنفات، وبشكل خاص الغابة العشوائية (RF)، وXGBoost، وNaïve Bayes (NB). تشير النتائج التجريبية إلى أن نهج اختيار الميزات المدمج يتفوق بشكل كبير على الاستخدام الفردي لـ FOA أو HHO، حيث حقق مصنف RF أعلى دقة بنسبة 99.83%.
في الختام، يُظهر الدراسة فعالية طريقة اختيار الميزات الهجينة، التي تستفيد من نقاط القوة التكميلية لـ FOA وHHO، مما يؤدي إلى تحسين أداء التصنيف عبر جميع المصنفات المختبرة. تشير النتائج، التي تم التحقق منها باستخدام مجموعة بيانات ISCX-URL2016 وتم تنفيذها في بايثون، إلى أن هذا النهج المتكامل لا يعزز الدقة فحسب، بل يوفر أيضًا حلاً قويًا للتعقيدات المرتبطة ببيانات البريد المزعج. ستستكشف الأبحاث المستقبلية تطبيق نموذج اكتشاف البريد المزعج هذا على مجموعات بيانات إضافية، بما في ذلك Enron-Spam وLing-Spam.
مقدمة
تسلط المقدمة الضوء على التكامل الواسع لتكنولوجيا البريد الإلكتروني في الحياة اليومية، بينما تتناول أيضًا القضية المهمة للبريد المزعج، الذي يتكون من رسائل غير مرغوب فيها تُرسل إلى عدة مستلمين. لقد انتقلت تطورات أساليب البريد المزعج من الطرق المباشرة إلى استخدام الشبكات الآلية، مما يعقد جهود الاكتشاف والتخفيف. ومن الجدير بالذكر أن نسبة كبيرة من رسائل البريد المزعج (91%) تحتوي على روابط، مما يشكل مخاطر على هجمات التصيد والبرامج الضارة. لمكافحة البريد المزعج، يتم استخدام خوارزميات متنوعة، وخاصة تقنيات التعلم الآلي (ML). تهدف هذه الأساليب إلى تقليد عمليات التعلم البشرية، لكن التحديات المرتبطة بتدريب نماذج فعالة لاكتشاف البريد المزعج تزداد مع تعقيد وحجم البيانات.
تتناول المقدمة أيضًا اختيار الميزات كاستراتيجية حاسمة لتعزيز أداء نموذج التعلم الآلي من خلال تقليل أبعاد البيانات من خلال تحديد الميزات الأساسية. على الرغم من أهميتها، يبقى اختيار الميزات الأكثر معلوماتية تحديًا. يقترح البحث طريقة جديدة لاختيار الميزات تستفيد من خوارزميتين لتحسين الميتاheuristic: خوارزمية تحسين الصقور هاريس (HHO) وخوارزمية تحسين اليراعات (FOA). تهدف هذه الطريقة إلى تحديد المجموعة المثلى من الميزات لاكتشاف البريد المزعج وسيتم دمجها في نموذج تعلم آلي يستخدم مصنفات مثل الغابة العشوائية (RF)، وXGBoost، وNaïve Bayes (NB)، مصممة خصيصًا لمهام اكتشاف البريد المزعج.
طرق
في هذا القسم، يقدم المؤلفون تقييم أداء نموذج اكتشاف البريد المزعج المقترح، مع تسليط الضوء على فعالية طريقة اختيار الميزات باستخدام تحسين الهارموني الهجين (HHO) وخوارزمية تلقيح الزهور (FOA) عند اقترانها مع مصنفات الغابة العشوائية (RF) أو XGBoost. تشير النتائج إلى أن هذا المزيج يحقق أعلى دقة عبر مقاييس مختلفة، مما يظهر قدرة HHO وFOA على تحديد الميزات الأكثر صلة لاكتشاف البريد المزعج.
تشير النتائج إلى أن دمج HHO وFOA لا يعزز فقط صلة الميزات ولكن أيضًا يكمل القدرات المعالجة القوية لمصنفات RF وXGBoost. يضع هذا التعاون طريقة اختيار الميزات HHO/FOA بالتزامن مع RF أو XGBoost كأفضل نهج لتحقيق نتائج موثوقة ودقيقة في اكتشاف البريد المزعج.
نتائج
تم إجراء تقييم نموذج اكتشاف البريد المزعج على جهاز كمبيوتر عالي الأداء، باستخدام أدوات بايثون متنوعة من مكتبة scikit-learn، بما في ذلك مصنفات مثل RandomForestClassifier وXGBClassifier وGaussianNB. تم تقييم أداء النموذج بدقة باستخدام تقنية التحقق المتقاطع K-fold وتم تحليلها من خلال مكونات مصفوفة الارتباك، مما سهل حساب مقاييس الأداء الرئيسية: الدقة، والدقة، والاسترجاع، وF1-score. توفر هذه المقاييس رؤى حول فعالية النموذج في تحديد البريد المزعج مقابل العينات السليمة.
تشير النتائج إلى أن طريقة اختيار الميزات باستخدام تحسين الهارموني الهجين (HHO) حققت دقة عالية، حيث حقق Random Forest (RF) 99.69% وXGBoost (XGBoost) 99.55%. ومع ذلك، أظهر Gaussian Naive Bayes (NB) دقة أقل بلغت 95.99%. أدى تطبيق خوارزمية تلقيح الزهور (FOA) إلى تحسين الأداء قليلاً، حيث وصلت دقة RF إلى 99.70% وXGBoost 99.65%، بينما انخفضت دقة NB إلى 90.33%. ومن الجدير بالذكر أن طريقة اختيار الميزات المدمجة HHO/FOA تفوقت على الأساليب الفردية، حيث حقق RF أعلى دقة بنسبة 99.83%، تليه XGBoost بنسبة 99.72% وNB بنسبة 90.12%. بشكل عام، أظهر دمج HHO وFOA مع RF أداءً متفوقًا في اكتشاف البريد المزعج.
مناقشة
في مناقشة ورقة البحث، تم مراجعة طرق مختلفة لاكتشاف البريد المزعج، مع تسليط الضوء على فعالية تقنيات التعلم الآلي (ML) والتعلم العميق (DL). ومن الجدير بالذكر أن استخدام الشبكات العصبية التلافيفية (CNN) ونماذج الذاكرة طويلة وقصيرة الأجل (LSTM) أظهر معدلات دقة عالية بلغت 98.86% و97.25% لتصنيف ثنائي للروابط الضارة، على التوالي. أشارت دراسات أخرى إلى أن مصنفات Random Forest (RF) حققت أعلى دقة بلغت 98.64% بين عدة خوارزميات ML، بينما تفوقت المصنفات التقليدية مثل RF على نماذج DL من حيث الكفاءة والدقة عند استخدام مجموعة بيانات ISCX-URL-2016. بالإضافة إلى ذلك، تم التأكيد على أهمية تصفية سمعة IP والنهج الحساسة للتكلفة في اكتشاف البريد المزعج، مع اقتراح النتائج أن التحديثات المستمرة لقوائم IP ضرورية للحفاظ على دقة عالية.
استخدم نموذج اكتشاف البريد المزعج المقترح في هذه الدراسة طريقة جديدة لاختيار الميزات التي دمجت بين خوارزمية اليراعات (FOA) وخوارزمية تحسين الصقور هاريس (HHO)، مما أدى إلى مجموعة بيانات مصفاة تحتوي على 38 ميزة هامة من أصل 72. لم يحسن هذا النهج الكفاءة الحسابية فحسب، بل عزز أيضًا أداء المصنفات مثل RF وXGBoost وNaive Bayes (NB). حقق مصنف RF أعلى دقة بلغت 99.83%، متجاوزًا بشكل كبير المعايير السابقة في الأعمال ذات الصلة. تؤكد النتائج على إمكانية دمج FOA وHHO لاكتشاف البريد المزعج بشكل فعال، مع خطط للتحقق المستقبلي عبر مجموعات بيانات إضافية.
DOI: https://doi.org/10.18421/tem151-09
Publication Date: 2026-02-27
Author(s): Mosleh M. Abualhaj et al.
Primary Topic: Spam and Phishing Detection
Overview
The research addresses the critical issue of spam detection in email systems by proposing an advanced Machine Learning (ML) model that utilizes a novel feature selection technique. This technique integrates the Firefly Optimization Algorithm (FOA) and Harris Hawks Optimization (HHO) to enhance the performance of classifiers, specifically Random Forest (RF), XGBoost, and Naïve Bayes (NB). Experimental results indicate that the combined feature selection approach significantly outperforms the individual use of FOA or HHO, with the RF classifier achieving the highest accuracy of 99.83%.
In conclusion, the study demonstrates the effectiveness of the hybrid feature selection method, which leverages the complementary strengths of FOA and HHO, resulting in improved classification performance across all tested classifiers. The findings, validated using the ISCX-URL2016 dataset and implemented in Python, suggest that this integrated approach not only boosts accuracy but also provides a robust solution for the complexities associated with spam data. Future research will explore the application of this spam detection model on additional datasets, including Enron-Spam and Ling-Spam.
Introduction
The introduction highlights the pervasive integration of email technology into daily life, while also addressing the significant issue of spam, which consists of unwanted messages sent to multiple recipients. The evolution of spamming tactics has shifted from direct methods to the use of botnets, complicating detection and mitigation efforts. Notably, a substantial proportion of spam emails (91%) contain URLs, posing risks of phishing and Trojan attacks. To combat spam, various algorithms, particularly machine learning (ML) techniques, are employed. These methods aim to mimic human learning processes, but the challenges associated with training effective spam detection models increase with the complexity and volume of data.
The introduction further discusses feature selection as a critical strategy for enhancing ML model performance by reducing data dimensionality through the identification of essential features. Despite its importance, selecting the most informative features remains a challenge. The paper proposes a novel feature selection method that leverages two metaheuristic optimization algorithms: Harris Hawks Optimization (HHO) and Firefly Optimization Algorithm (FOA). This method aims to identify the optimal subset of features for spam detection and will be integrated into an ML model utilizing classifiers such as Random Forest (RF), XGBoost, and Naïve Bayes (NB), tailored specifically for spam detection tasks.
Methods
In this section, the authors present the performance evaluation of their proposed spam detection model, highlighting the effectiveness of the Hybrid Harmony Optimization (HHO) and Flower Pollination Algorithm (FOA) feature selection method when paired with either the Random Forest (RF) or XGBoost classifiers. The results indicate that this combination yields the highest accuracy across various metrics, demonstrating the capability of HHO and FOA to identify the most pertinent features for spam detection.
The findings suggest that the integration of HHO and FOA not only enhances feature relevance but also complements the robust processing abilities of RF and XGBoost classifiers. This synergy positions the HHO/FOA feature selection method in conjunction with RF or XGBoost as the optimal approach for achieving reliable and accurate spam detection outcomes.
Results
The results of the Spam detection model evaluation were conducted on a high-performance PC, utilizing various Python tools from the scikit-learn library, including classifiers such as RandomForestClassifier, XGBClassifier, and GaussianNB. The model’s performance was rigorously assessed using K-fold cross-validation and analyzed through the components of the confusion matrix, which facilitated the calculation of key performance metrics: accuracy, precision, recall, and F1-score. These metrics provide insights into the model’s effectiveness in identifying spam versus benign samples.
The findings indicate that the Hybrid Harmony Optimization (HHO) feature selection method yielded high accuracies, with Random Forest (RF) achieving 99.69% and XGBoost (XGBoost) 99.55%. However, Gaussian Naive Bayes (NB) exhibited a lower accuracy of 95.99%. The application of the Flower Pollination Algorithm (FOA) slightly improved performance, with RF reaching 99.70% and XGBoost 99.65%, while NB dropped to 90.33%. Notably, the combined HHO/FOA feature selection method outperformed the individual approaches, with RF achieving the highest accuracy of 99.83%, followed by XGBoost at 99.72% and NB at 90.12%. Overall, the combination of HHO and FOA with RF demonstrated superior performance in spam detection.
Discussion
In the discussion of the research paper, various methods for spam detection are reviewed, highlighting the effectiveness of machine learning (ML) and deep learning (DL) approaches. Notably, the use of Convolutional Neural Networks (CNN) and Long Short-Term Memory (LSTM) models demonstrated high accuracy rates of 98.86% and 97.25% for binary classification of malicious URLs, respectively. Other studies indicated that Random Forest (RF) classifiers achieved the highest accuracy of 98.64% among several ML algorithms, while traditional classifiers like RF outperformed DL models in terms of efficiency and accuracy when using the ISCX-URL-2016 dataset. Additionally, the importance of IP reputation filtering and cost-sensitive approaches in spam detection was emphasized, with findings suggesting that continuous updates to IP lists are crucial for maintaining high accuracy.
The proposed spam detection model in this study utilized a novel feature selection method that combined the Firefly Algorithm (FOA) and Harris Hawks Optimization (HHO) algorithms, resulting in a refined dataset with 38 significant features from an initial 72. This approach not only improved computational efficiency but also enhanced the performance of classifiers such as RF, XGBoost, and Naive Bayes (NB). The RF classifier achieved the highest accuracy of 99.83%, significantly surpassing previous benchmarks in related works. The findings underscore the potential of integrating FOA and HHO for effective spam detection, with plans for future validation across additional datasets.