垃圾邮件过滤技术研究

自从互联网普及以来,电子邮件逐渐成为人们生活中便捷的通信手段之一。但随之产生的垃圾邮件泛滥成灾,垃圾邮件过滤技术逐渐成为网络信息安全研究领域的热点。本文首先对垃圾邮件过滤技术研究发展阶段作简要说明,然后从内容过滤、接入过滤、行为过滤等三方面对垃圾邮件过滤技术的研究现状进行综述,最后介绍现有过滤方案,同时讨论目前研究中遇的问题和挑战,并对未来的研究方向进行预测。     

垃圾邮件过滤技术研究

自从互联网普及以来,电子邮件逐渐成为人们生活中便捷的通信手段之一。但随之产生的垃圾邮件泛滥成灾,垃圾邮件过滤技术逐渐成为网络信息安全研究领域的热点。本文首先对垃圾邮件过滤技术研究发展阶段作简要说明,然后从内容过滤、接入过滤、行为过滤等三方面对垃圾邮件过滤技术的研究现状进行综述,最后介绍现有过滤方案,同时讨论目前研究中遇的问题和挑战,并对未来的研究方向进行预测。     

基于贝叶斯定理的垃圾邮件分类技术研究

邮件过滤技术是反垃圾邮件的重要手段,目前对垃圾邮件的过滤主要有基于内容、基于IP地址和基于信头、信封等方法,这些方法对垃圾邮件的过滤起到了一定作用.但是由于信体是垃圾邮件的最终载体,而仅依据IP地址、信头、信封中的特征容易造成错误判断.在贝叶斯分类器的工作原理的基础上,提出了基于贝叶斯分类器的反垃圾邮件模型的原理与实现方法,将反映垃圾邮件的特征综合在一起统称为"属性",避免了单纯基于IP、信头、信封过滤的规则性太强的缺点,降低将正常邮件判断为垃圾邮件的风险.     

垃圾邮件过滤技术发展现状及展望

电子邮件随着Internet的发展给人们带来了方便,但随之而来的垃圾邮件也给人们带来了不少的烦恼。针对垃圾邮件技术的发展与现状,本文对目前的垃圾邮件过滤技术进行了分析,并指出垃圾邮件过滤的发展趋势。     

基于用户反馈的个性化垃圾邮件过滤方法

如何在传统垃圾邮件过滤技术基础上实现垃圾邮件个性化过滤是垃圾邮件过滤领域的重要课题。提出一种基于用户反馈的个性化垃圾邮件过滤方法,一方面将用户反馈应用于邮件分类特征的更新,提取用户个性化邮件分类标准;另一方面,将全局邮件分类标准和用户个性化分类标准综合应用于朴素贝叶斯分类过程,实现用户邮件个性化分类。仿真实验结果表明,在用户邮件分类标准存在差异的环境下,基于用户反馈的个性化垃圾邮件过滤方法能够有效提升传统垃圾邮件过滤技术的邮件分类效果。     

守内安SPAMSQRv2·8全面升级

Softnext守内安在近期升级SPAMSQR（SSQR）垃圾邮件过滤系统，帮助企业用户更好的使用并过滤不请自来的垃圾邮件。此次的系统升级，将部署系统变的更加简单快速，而且新增过滤技术，系统操作也十分人性化。     

邮件过滤器系统的设计与实现

在对垃圾邮件及其防范技术进行全面分析与比较的基础上，针对传统特征过滤技术的被动防范和能力不足问题，提出了利用多邮件地址分类使用的主动防范技术，并通过一个使用户可以自主地扩展自己邮件地址的原型系统，与传统的特征过滤技术配合，形成了更为有效的垃圾邮件防范能力。     

反垃圾邮件过滤技术探讨

首先分析了垃圾邮件在我国泛滥的严重性，然后列举了现今被广泛使用的反垃圾邮件过滤技术，并重点分析了贝叶斯过滤技术在反垃圾邮件实践中的应用，最后对未来反垃圾邮件过滤技术提出了展望。     

Internet垃圾邮件过滤技术研究

通过分析垃圾邮件的来源，提出了过滤垃圾邮件的方法，建立了相应的过滤规则，并通过实验证明了该规则的有效性。     

垃圾邮件过滤技术

电子邮件已经成为人们日常生活中通信、交流的重要手段之一,但垃圾邮件问题也日益严峻,网民平均每天收到的垃圾邮件数量已超过了正常邮件.因此目前反垃圾邮件技术的研究成为了一个热门的话题.文中介绍了基于安全认证、规则匹配和统计学习三类邮件过滤技术及应用情况,分析了过滤技术面临的挑战并指出垃圾邮件过滤的发展趋势.     

基于改进的朴素贝叶斯的入侵检测方法

随着当前网络安全环境的日益严峻,针对网络入侵事件的检测至关重要。面对网络入侵检测中数据集合存在的冗余特征,提出一种改进后的朴素贝叶斯算法。该算法在原有朴素贝叶斯的基础上巧妙引入卡方检验,通过筛选数据集中占比重要的特征降低数据维度,提高了入侵检测的准确性。最后,结合实验结果证明,该方法有效提高了入侵检测的准确性。     

基于PLS的加权朴素贝叶斯分类测试算法

朴素贝叶斯算法是一种简单而高效的分类算法,但是它的条件独立性假设影响了其分类性能。通过放松朴素贝叶斯假设,可以增强其分类效果,但通常会导致计算代价大幅提高。文章提出了一种基于偏最小二乘的加权朴素贝叶斯分类算法,通过建立条件属性和决策属性之间偏最小二乘回归方程,把回归系数赋给对应的条件属性,作为相应的权重,从而在保持简单性的基础上有效地提高了朴素贝叶斯算法的分类性能。最后,通过在UCI数据集上的仿真实验,验证了该算法的有效性。     

Improved incremental algorithm of Naive Bayes

A novel Naive Bayes incremental algorithm was proposed,which could select new features.For the incremental sample selection of the unlabeled corpus,a minimum posterior probability was designed as the double threshold of sample selection by using the traditional class confidence.When new feature was detected in the corpus,it would be mapped into feature space,and then the corresponding classifier was updated.Thus this method played a very important role in class confidence threshold.Finally,it took advantage of the unlabeled and annotated corpus to validate improved incremental algorithm of Naive Bayes.The experimental results show that an improved incremental algorithm of Naive Bayes significantly outperforms traditonal incremental algorithm.     

基于改进贝叶斯分类的Android恶意软件检测

针对Android手机安全受恶意软件威胁越来越严重这一问题,提出一种改进的Android恶意软件检测算法。监控从Android移动设备应用程序获取的多种行为特征值,应用机器学习技术,通过与卡方检验滤波测试结合的方式改进传统的朴素贝叶斯算法,检测Android系统中的恶意软件。通过实验仿真,结果表明在采取朴素贝叶斯分类模型之前,使用卡方检验过滤应用程序的行为特征,可以使基于Android的恶意软件检测技术拥有较低的误报率和较高的精度。     

高校误判垃圾邮件自动召回系统的研究与实现

垃圾邮件的误判问题一直是反垃圾邮件领域中未能得到根本解决的难点。基于清华大学邮箱系统及反垃圾邮件网关系统进行了一整年的部署和实验（2011年9月至2012年10月）,通过用户对可疑垃圾邮件点击召回的历史行为进行分析,并采用对其感兴趣的垃圾邮件进行文本相似度计算以及关键参数预测的方法来智能化预测用户对当前某一封垃圾邮件的感兴趣程度,即基于用户主观的选择和体验来帮助用户自动召回其可能感兴趣、然而却被反垃圾邮件网关误判的垃圾邮件,解决了传统过滤方法无法杜绝误判的问题。     

基于K-medoids聚类的贝叶斯集成算法

朴素贝叶斯分类算法由于其计算高效在生活中应用广泛。本文根据集成算法的差异性特征,聚类算法聚类点的选择方式的可变性,提出了基于K-medoids聚类技术的贝叶斯集成算法,朴素贝叶斯的泛化性能得到了提升。首先,通过样本集训练出多个朴素贝叶斯基分类器模型;然后,为了增大基分类器之间的差异性,利用K-medoids算法对基分类器在验证集上的预测结果进行聚类;最后,从每个聚类簇中选择泛化性能最佳的基分类器进行集成学习,最终结果由简单投票法得出。将该算法应用于UCI数据集,并与其他类似算法进行比较可得,本文提出的基于K-medoids聚类的贝叶斯集成算法(NBKME)提高了数据集的分类准确率。     

基于网络侦听方式的垃圾邮件无重发拦截

文章在分析了主流反垃圾邮件产品的基础上,提出了一个基于网络侦听方式的解决方案及系统的设计与实现。该系统最大限度地降低了对网络和邮件服务器性能的影响,同时能够适应高速网络环境。对垃圾邮件的分析采用特征匹配的方法以进行实时拦截,避免了异常终止TCP连接所引发的邮件重发问题。目前该系统已成功应用在工程中。     

基于Bayes网的软件需求预测技术探讨

软件需求贯穿于整个软件开发周期,是影响软件质量的重要因素。在项目开展之前控制住软件需求的质量,对提高软件质量、合理控制软件开发过程有着重要的意义。考虑到影响软件需求质量的因素多而不确定,而Bayes网把用概率分布表示的科学严格性与用专家经验表示的验前信息有机结合起来,能很好地处理不确定问题。于是建立了基于Bayes网的软件需求质量预测模型,并用贝叶斯公式对出现的预测结果进行了分析。提出预测模型结构清晰,采用贝叶斯网络的概率计算有较强理论基础,计算简洁、易于理解。