Nos dias atuais, os sistemas de informação são utilizados em quase todas as áreas de atuação humana. De pequenos dispositivos residenciais à grandes sistemas utilizados em em- presas, os sistemas de informação se tornaram imprescindíveis para a realização e suporte à diversas tarefas com maior eficiência. Em muitos casos, os sistemas de informação podem substituir a ação humana na condução ou realização de tarefas. O objetivo é proporcionar segu- rança, conforto, rapidez, gerar lucro, etc, criando assim, ambientes automatizados. As relações humanas bem como os processos que ocorrem na natureza são demasiadamente complexas. Os problemas encontrados nestas relações necessitam de sistemas que possuem características "inteligentes", tais como, aprendizado, raciocínio baseado em conhecimento e adaptação.
Com o objetivo de desenvolver sistemas de informação inteligentes, várias abordagens tem sido propostas na literatura, tais como, redes neurais artificiais, sistemas fuzzy, algoritmos evolucionários. Entretanto, mais recentemente, pesquisadores da área da inteligência compu- tacional observaram que para problemas complexos, que mudam de modo online, é necessário uma abordagem diferente, relativamente pouco explorada, a adaptabilidade online (LUGHO-
FER; ANGELOV, 2011). A adaptabilidade online é uma característica que capacita os sis-
temas inteligentes a resolver problemas online em ambientes dinâmicos e não estacionários
(LUGHOFER, 2011). Esse tipo de ambiente é tipicamente encontrado em áreas como: medi-
cina, indústria, aeroespacial, automotiva, militar, redes sociais, dentre outras.
Um novo campo de pesquisa surgiu oriundo da área de inteligência computacional. Ele se dedica a pesquisa dos chamados sistemas inteligentes evolutivos (KASABOV, 2007), (AN-
GELOV,2009).
Em concordância com (KASABOV, 2007), os sistemas evolutivos são sistemas inteli- gentes, em geral baseados em redes neurais artificiais, sistemas de regras fuzzy ou redes neuro- fuzzy. Eles são capazes de, a partir de dados de entrada provenientes de ambientes online,
determinar gradualmente suas estruturas e parâmetros (LEITE; COSTA; GOMIDE,2009). Vá- rios trabalhos na literatura apresentam sucesso na utilização destes sistemas para aplicações que envolvem modelagem, controle, classificação e previsão (ANGELOV, 2009), (ŠKRJANC,
2015).
Os sistemas inteligentes evolutivos são diferentes daqueles denominados adaptativos. Os últimos têm como objetivo ajustar apenas seus parâmetros frente ao problema abordado
(ÅSTRÖM; WITTENMARK, 2013). Sistemas evolutivos são diferentes dos sistemas evolu-
cionários. Estes empregam os algoritmos evolucionários baseados em operadores de seleção, recombinação e mutação, inspirados na genética (ABRAHAM; GROSAN; PEDRYCZ,2008).
Em concordância com (MACIEL et al.,2012), sistemas inteligentes evolutivos são pro- cessos que se desenvolvem de modo contínuo e adaptam interativamente sua estrutura e conhe- cimento oriundos de sequências de dados, aprimorando seu desempenho. (ANGELOV, 2009) define ainda que, sistemas inteligentes evolutivos não possuem estruturas fixas e estas não são definidas a priori, ou seja, ela se desenvolve naturalmente à medida em que o fenômeno ou processo físico ou virtual também evolui. Seus parâmetros são adaptados durante tal evolução e ainda, o seu funcionamento é contínuo, o aprendizado se da de modo online.
Os trabalhos iniciais publicados, encontrados na literatura, são da década de 1990 e se baseavam nas redes neurais artificiais (FRITZKE, 1994) e também em redes neurofuzzy (KA-
SABOV,1996) para a criação de sistemas inteligentes evolutivos. As estruturas dessas redes são
bastante flexíveis e, por isso, podem ser alteradas durante o processo evolutivo. Inicialmente, duas abordagens para construção da rede foram sugeridas: os nós (ou nodos) da rede já existem antes do treinamento e somente as conexões entre os nós são criadas durante o treinamento, ou tanto os nós quanto as conexões são criadas durante o treinamento. Esses modelos iniciais fo- ram aprimorados em trabalhos consecutivos, e assim, deram origem a outros modelos baseados em redes neurais artificiais evolutivas (KASABOV,2001), (KASABOV; SONG,2002).
Em meados dos anos 2000, outros trabalhos publicados propuseram sistemas inteligen- tes evolutivos que se baseavam em modelos de regras flexíveis (ANGELOV, 2013). Nestes modelos, um conjunto de regras flexiveis fuzzy realizam o mapeamento não linear entre entra- das e saídas, utilizando os modelos fuzzy tipo Mamdani ou tipo Takagi-Sugeno. Um algoritmo de aprendizado on-line faz a identificação dos parâmetros. Tanto a estrutura do modelo (base de regras) quanto os seus parâmetros são modificados durante o processo evolutivo (LEITE et
Angelov e Kasabov (ANGELOV et al.,2006), concordam que os métodos utilizados em sistemas inteligentes evolutivos podem ser divididos em duas categorias principais de aprendi- zado; a aprendizagem direta e aprendizagem indireta. A aprendizagem direta utiliza métodos de aprendizagem supervisionada e propõe uma solução não-linear ao processo que por sua vez é resolvido numericamente. A aprendizagem indireta é realizada por métodos que particio- nam os dados em grupos de forma não supervisionada, e utilizam métodos de aprendizagem supervisionados, como por exemplo, o método de mínimos quadrados recursivos.
Um processo evolutivo pode se manifestar de diferentes modos (KASABOV,2007) : i) aleatório: Quando não há regras que definem o processo, sendo este imprevisível; ii) caótico: Quando o processo é previsível apenas no curto prazo, relacionando o momento atual com o momento anterior através de uma função não-linear; iii) quase-periódico: O processo é previ- sível, porém está sujeito a erros. As mesmas regras se aplicam ao longo do tempo, mas com pequenas mudanças a cada iteração; iv) periódico: O processo repete os padrões ao longo do tempo, sendo totalmente previsível, ou seja, possuindo regras claras que regem este processo.
O processo de envio de spam, conforme tratado neste trabalho, utiliza-se de diversas técnicas de envio, baseadas no conteúdo da mensagem, forma de envio ou mesclando as duas técnicas, a fim de conseguir atingir o máximo de usuários, burlando os sistemas classificadores. Dado que, por não existirem regras que definem com precisão os processos envolvidos para envio de mensagens de spam e, ainda, por não ser possível prever o tipo de técnica utilizada no envio de spam pelos spammers. O processo tratado neste trabalho se apresenta de forma aleatória devido ao fato de que os spams provem de diversas fontes que se utilizam de vários tipos de técnicas, tratadas no capítulo 2 deste trabalho, sendo impossível prever quais técnicas serão utilizadas tornando o fluxo de dados aleatório. Caótico, pois em um curto prazo, o fluxo de dados de spam pode ser previsível, em determinadas épocas ou eventos. Contudo, este fluxo pode mudar completamente devido ao surgimento de novas técnicas de spam ou mudanças nos protocolos utilizados para envio e recebimento da mensagem.