基于P2P协作的垃圾邮件发送行为识别技术研究

在分析目前垃圾邮件过滤技术的基础上,并根据垃圾邮件大量发送行为特征,提出了一种基于P2P协作的垃圾邮件发送行为识别技术。该技术将各邮件服务器组成一个反垃圾邮件（Anti-Spam）P2P网络,每个邮件服务器储存可疑邮件信息并将这些信息共享在Anti-Spam P2P网络上,然后根据可疑邮件信息在Anti-Spam P2P网络上进行协作识别垃圾邮件。实验结果表明,该技术是针对垃圾邮件的群发特征而不依赖于邮件内容、语言类型或格式分析,在MTA阶段就能过滤大量垃圾邮件,提高了处理速度和准确率并节省大量的系统资源,具有良好的过滤性能。     

基于内容与行为特征的反垃圾邮件系统

邮件过滤技术是反垃圾邮件的重要手段,但是单纯从内容过滤或者行为识别出发,不能有效的杜绝垃圾邮件的泛滥。本文提出了一种基于服务器端的垃圾邮件过滤系统,它通过对垃圾邮件内容和行为两方面进行特征提取,将反映垃圾邮件的特征综合在一起统称为“属性”进行多重侦测。内容过滤方面采用可学习的Bayes算法,行为识别方面则提取垃圾邮件在发送过程中的特征进行有效的阻断。添加客户端自定义处理模块,从而避免了单纯基于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。     

基于行为识别的垃圾邮件过滤模型研究

从20世纪70年代后期出现第一封垃圾邮件开始,垃圾邮件的破坏力在逐年增加,如何过滤和阻止每天不请自来的成千上万的垃圾邮件已经成为人们关注的焦点。本文通过对邮件发送方发送行为的分析,建立了一个基于行为识别的垃圾邮件过滤模型。和基于内容识别的垃圾邮件过滤技术相比该模型具有过滤速度快,识别率高的特点。     

基于虚拟TCP／IP协议栈的仿真反垃圾邮件产品测试系统

目前反垃圾邮件产品通常采用行为判别技术作为过滤垃圾邮件的主要手段,行为识别的多种实现方法都涉及到邮件来源摩地址,因此在对反垃圾邮件产品测试中,伪装成垃圾邮件样本的原始来源IP地址发送该样本才能有效的激活反垃圾邮件产品的判别机制,从而使得测试结果更为科学。本文主要介绍了通过自行构建TCP／IP协议栈实现伪造邮件来源IP的反垃圾邮件产品测试系统,该系统可以有效地仿真出实际互联网环境中的垃圾邮件发送特征。     

基于网络会话层的垃圾邮件行为识别

目前最流行的邮件内容过滤技术工作在网络应用层,通过对邮件内容的分析来判别邮件的合法性,无法避免由于垃圾邮件的泛滥而造成的网络带宽资源的浪费。针对这种情况,论文提出一种基于网络会话层的垃圾邮件行为识别方法。该方法运用决策树算法,对邮件发送过程中的网络会话层数据进行挖掘,发现垃圾邮件的行为规律,在垃圾邮件的内容数据发送前就对其实施过滤,有效地解决了垃圾邮件占用网络带宽的问题,是对当前各种垃圾邮件过滤技术的一个有益的补充。     

基于用户反馈的混合型垃圾邮件过滤方法

针对目前垃圾邮件过滤技术仅依赖单一邮件特征实施邮件分类、对邮件特征变化的适应性较差等局限,提出一种基于用户反馈的混合型垃圾邮件过滤方法。以用户社会网络关系为基础,借助用户反馈机制分别实现对基于内容与基于身份标识的邮件分类知识的动态更新;在此基础上采用贝叶斯模型,实现邮件的内容特征与发件人身份标识特征在邮件分类中的有机结合。实验结果表明,与传统的过滤方法比较,所提方法在邮件特征动态变化的环境下能够获得更好的邮件分类效果,邮件分类的总体召回率、查准率、精确率均能达到90%以上。所提方法能够在保证邮件分类性能的同时,有效提高邮件分类对邮件特征变化的适应性,是已有垃圾邮件过滤技术的重要补充。     

基于行为识别、BATV和DKIM技术的垃圾邮件过滤模型研究

反垃圾邮件的行为识别技术,能够做到从源头上控制垃圾邮件地传播,且不需要对邮件内容进行扫描,避免了基于内容的过滤所带来的资源消耗大、效率低下的问题。BATV技术在对抗邮件退信攻击上具有强大的优势,而DKIM技术通过密钥认证方式,能够对邮件的完整性进行验证,弥补了行为分析的不足。研究分析认为,整合垃圾邮件行为识别、BATV和DKIM技术应用于邮件过滤上,将会提高垃圾邮件识别的效率和准确性。     

基于社会网络的两阶段垃圾邮件过滤方法

如何对用户信誉进行动态更新以使之能准确反映用户的邮件发送行为,是基于用户信誉的垃圾邮件过滤方法需要解决的关键问题之一。以电子邮件用户之间存在的社会网络关系为基础,提出一种基于用户反馈的信誉评估机制,借助用户的反馈信息提升信誉机制对用户邮件发送行为特征变化的适应性。在此基础上,提出一种两阶段的垃圾邮件过滤方法,实现基于社会网络的用户信任与基于反馈的用户信誉在邮件分类中的有机结合。仿真实验结果表明,本文提出的过滤方法既能保证信誉机制对用户行为变化的良好适应性,又能获得较好的邮件分类效果。     

反垃圾邮件行为识别模型的研究

针对目前垃圾邮件制造者不断利用新技术和新方法,使垃圾邮件的内容和发送手段等都发生了明显的变化,对传统基于内容的反垃圾邮件技术提出了严峻挑战的问题,对第三代反垃圾邮件技术——行为识别技术进行了研究,在此基础上对行为识别模型提出了一种改进方法.实验表明,该方法有较高的垃圾邮件的识别精度和处理速度,对图片等其他新型的垃圾邮件...     

基于用户行为的邮件分类算法

针对垃圾邮件过滤过程中分类模型难以个性化、难以适应用户兴趣动态变化的问题,提出了一种基于用户行为的邮件分类算法。通过分析朴素贝叶(NB)斯分类算法的原理,改造朴素贝叶斯算法,使其具有动态调整能力。邮件服务器接收到新邮件后自动进行分类判别,用户浏览邮件的过程中对邮件进行操作,根据用户对错分邮件的处理自动将该邮件加入训练数据集,并动态更新相应特征的统计概率,使邮件分类算法能够依据用户对不同邮件的操作行为动态调整分类模型,以达到有效过滤垃圾邮件的目的。与常用的贝叶斯分类算法的实验比较表明在给定小样本集合进行训练的情况下,新算法对于垃圾邮件的识别率比传统的朴素贝叶斯方法、基于风险敏感的朴素贝叶斯方法等提高了10%,获得了较好的分类性能。     

垃圾邮件行为识别技术的研究与实现*

针对目前垃圾邮件制造者不断利用新技术和新方法,使垃圾邮件的内容和发送手段等都发生了明显的变化,对传统基于内容的反垃圾邮件技术提出了严峻挑战的问题,提出了一种主动式的垃圾邮件行为识别技术.通过分析当前垃圾邮件的通信行为和MTA通信原理,提出了追踪源头认证、信誉验证和质询验证行为识别技术,详细阐述了它们在MTA通信连接的不同阶段对垃圾邮件进行识别与拦截的方法,并给出了整个行为识别算法.最后设计了一个可扩展性良好的垃圾邮件过滤网关并进行了实验.实验结果表明,提出的识别技术真正实现了与内容无关、语言类型无关的邮件实时过滤,并具有良好的效率和准确率.     

基于行为识别和SVM的短信过滤方法研究

针对手机垃圾短息难以治理的现象,提出一种基于行为识别和SVM的短信过滤方法。综合行为识别和SVM的特点,从运营商短信业务支撑中心方面实施对垃圾短信的过滤,并对SVM方法进行了相关实验。实验表明,SVM方法在短信拦截过滤方面有着较好的效果。     

拓扑相似性垃圾邮件行为识别技术研究

对基于流的垃圾邮件行为识别技术进行了研究。根据垃圾邮件与正常邮件通信拓扑具有较大差异的特性,引入相似度的概念,提出了一种基于拓扑相似性的垃圾邮件行为识别方法。该方法以收发件人联系表来表征收发件人,计算用户相似度以此将邮件用户划分为多个邮件用户群,通过计算邮件收发件人归属判别邮件是否为垃圾邮件。采用一个辅助分类器方便对原始邮件用户进行判别和分组,最后用真实的邮件集进行实验,结果证明基于拓扑结构相似性分类方法有较好的分类能力。     

基于偏最小二乘特征抽取的垃圾邮件过滤

随着垃圾邮件逐渐成为网络用户的一大困扰,垃圾邮件过滤技术的研究显得越来越重要。针对电子邮件存在数据极度稀疏性、高特征维数和多重相关性等特点,本文提出了一种基于偏最小二乘原理的特征抽取方法,可以通过对原始特征进行线性组合抽取出既可反映邮件内容又可反映邮件类型的潜在语义特征,并可解决多重相关性问题。在Enron-Spam邮件数据集上的实验结果表明,同χ²特征选择方法相比,该方法在较低维数上可以获取良好的邮件过滤性能。     

基于蜜罐系统的垃圾邮件采集技术研究

当前垃圾邮件过滤技术主要采用基于内容和规则的过滤方式,对于这种过滤方式必须具有大规模的样本知识库才能提高邮件过滤的正确性。然而当前邮件样本知识库存在内容单一、实时性差、覆盖范围有限的特点,本文针对现有知识库不足提出了一种新型的基于蜜罐系统的垃圾邮件采集技术,通过在蜜罐环境中,配置开放转发邮件服务器、开放代理服务器实现垃圾邮件的有效采集,最后,在实验环境中对该采集系统进行了测试。     

基于P2P的协作式垃圾邮件检测系统

对于某一封邮件是否为垃圾邮件,很多的邮件用户可能有着相同的看法.利用这一特性,提出了一种基于P2P的协作式垃圾邮件检测系统的设计方案.系统借助的信息摘要技术,在保护用户隐私的同时,提供了较好的抗攻击能力.在邮件服务器层构建了有超级节点的P2P网络,实现了垃圾邮件信息的分布式共享.同时在用户层设计了基于多Agent的体系结构,在利用邮件服务器对收到邮件进行初步分析的结果的同时,利用个性化贝叶斯Agent,可以实现一定程度的个性化垃圾邮件检测服务.     

一种新的垃圾邮件过滤技术的研究与实现

通过对垃圾邮件的现状、特征、以及现有的垃圾邮件过滤技术的分析研究,提出一种基于过滤规则和IP信誉的垃圾邮件过滤技术.方法改进了传统的黑白名单技术,加入了评分机制,对IP进行评分,把IP信誉细分为四个等级,分别为优、良、中、差,并结合基于过滤规则的垃圾邮件过滤技术,互补不足,以达到更好的垃圾邮件过滤效果.同时,设计加入了用户反馈,以弥补因误判而造成的损失.实验表明,设计适于用户终端使用,有较高的可行性.     

基于IP地址的反垃圾邮件数据库的建构研究

在反垃圾邮件黑名单技术基础上,提出了基于IP地址的实时黑名单数据库技术,并给出了比较完整的设计思路和建构研究,对建构过程中的资料数据收集、数据处理存储、维表建立和数据展现等主要环节进行了详细的阐述.该技术在垃圾邮件来源上拒绝连接,是拒绝来自恶意的垃圾邮件来源站点和被利用的垃圾邮件来源站点所发来的垃圾邮件最直接、有效的办法,也是目前最有前景的邮件限制和过滤技术之一.     

基于BiGRU-Attention-CNN模型的垃圾邮件检测方法

电子邮件是一种重要的通信工具,但是垃圾邮件问题一直影响着人们日常的工作生活。不断改进垃圾邮件的检测技术、提高垃圾邮件的检测速度和准确率有着重要的研究意义和现实意义。双向门控循环单元（BiGRU）和卷积神经网络（CNN）广泛应用于文本分类领域,二者的结合可以充分发挥BiGRU上下文依赖关系提取能力以及CNN特征提取能力,但是针对垃圾邮件检测问题,还需要考虑邮件中一些特定的词语,因此本文提出一种基于BiGRU-Attention-CNN模型的垃圾邮件检测方法来提高垃圾邮件的检测准确率。模型首先将邮件文本转换成特征向量并进行BiGRU序列化学习,随后引入注意力机制（Attention）对特定词语赋予更大的权重,再将注意力层输入CNN模型,经过卷积、池化、全连接,最终得到分类结果。本文将模型在Trec06c邮件数据集上进行实验,与其他模型进行对比取得了更好的效果,最终模型的准确率达到91.62%。