基于神经网络的"垃圾"邮件过滤系统设计

为了对垃圾邮件进行有效地过滤，以神经网络作为分类器，采用由垃圾邮件发送者进行确认的邮件认证方法设计了邮件过滤系统。神经网络的自学习、自适应能力解决了垃圾邮件特征不断变化而过滤方法相对固定的矛盾。新的垃圾邮件认证方法使发送垃圾邮件比接收垃圾邮件更费时间，减少了用户收到垃圾邮件的数量。     

基于AIS的垃圾邮件双层过滤方法的研究

提出了一种新型的双层垃圾邮件过滤方法.该方法基于免疫学习,免疫记忆和免疫识别等机制,具有一定的自适应能力和多样性,充分利用了垃圾邮件与非垃圾邮件的特征,从而降低了非垃圾邮件被错判的风险.实验结果表明,双层过滤方法可有效的降低垃圾邮件的虚报率(非垃圾邮件被错判为垃圾邮件的比例).     

基于树突状细胞算法的垃圾邮件群发检测

通过分析垃圾邮件的群发特征,结合危险理论的思想,提出了运用树突状细胞算法（ DCA）检测垃圾邮件群发现象的方法。该方法从垃圾邮件群发的行为特征入手,对一段时间内垃圾邮件的群发特征进行分析,根据正常和垃圾邮件在群发特征表现上的差异,判断是否为垃圾邮件群发。实验结果表明：该方法能够有效、快速地检测出垃圾邮件群发现象,具有较高的检测率。     

垃圾邮件过滤的贝叶斯方法综述

目前,基于内容的垃圾邮件过滤问题是Internet安全技术研究的一个重点问题,将机器学习的相关方法应用于垃圾邮件的搜索和判定是进行大量垃圾邮件处理的有效方法。由于贝叶斯分类方法在垃圾邮件处理上表现出了很高的准确度,因此基于贝叶斯分类的垃圾邮件分类方法受到了广泛的关注。主要介绍了贝叶斯方法的理论依据和实现方法,总结了近几年的贝叶斯分类方法的研究情况和贝叶斯方法在垃圾邮件处理中应用的优点和局限性,并提出了下一步可能的研究方向。     

基于QMAIL-LDAP的反垃圾邮件系统

互联网上垃圾邮件问题日益严重,有必要在邮件系统上实施垃圾邮件防范措施。该文分析了垃圾邮件的起因和特点,提出了垃圾邮件的防范措施和基于QMAIL-LDAP的反垃圾邮件系统,阐述了该系统的体系结构及其实现方法,以实际运行数据说明了系统对抗垃圾邮件的有效性。     

一种基于多贝叶斯算法的垃圾邮件过滤方法

贝叶斯算法在垃圾邮件过滤中应用广泛。针对算法提高精确率和召回率的矛盾,提出了一种新的基于多贝叶斯算法组合的垃圾邮件过滤方法,并给出了不同方法下中、英文垃圾邮件过滤实验数据对比。实验表明该方法显著提高了垃圾邮件的过滤性能。     

垃圾邮件过滤技术研究综述*

垃圾邮件过滤是一种主动安全防御技术。首先概述了垃圾邮件过滤的发展历史及其基本概念;然后根据不同的标准对垃圾邮件过滤技术进行了分类,并评述了各种垃圾邮件过滤方法和技术;最后展望了垃圾邮件过滤技术及其产品的发展方向。     

一种处理垃圾邮件的新方法

本文首先介绍常用的处理垃圾邮件的方法，指出这些方法的缺点。然后详细介绍了一种处理垃圾邮件的新方法，这种方法通过分析垃圾邮件潜在特征词的挖掘方法，提高垃圾邮件的识别率。最后通过一组实验来进行验证。     

贝氏方法在检测CJKV码的垃圾邮件中的应用

随着互联网系统带给我们不可估量的经济和社会效益的同时,垃圾邮件也成为全球性的难题,各种语言的垃圾邮件借助网络在全球范围内畅通无阻。本文研究针对垃圾邮件多种语言的特征,利用贝氏理论的多种方法,根据CJKV码的垃圾邮件的特点,提出检测CJKV码垃圾邮件的最适合的贝氏方法。贝氏方法一直被认为是最有效的垃圾邮件的检测方法,大部分研究仅针对于英文垃圾邮件,针对中文、日文等带有汉字的CJKV码垃圾邮件的研究非常少。现在,经常被应用的贝氏方法主要有三种,它们是naive方法,Paul Graham方法,Gary Robinson方法。哪一种方法是对CJKV码的邮件进行检测的最适合的贝氏方法？这个问题还没有被探讨过。本研究通过对实际的CJKV码的垃圾邮件进行检测分析发现,PaulGraham方式取得了高检测率的同时,较其它方法显示了超低的误检测率,更适用于生成检测CJKV码垃圾邮件的过滤器。     

基于关联规则的垃圾邮件分类模型

为了提高垃圾邮件分类精确,提出一种基于关联规则的垃圾邮件分类模型。首先通过改进的FP-grow算法挖掘垃圾邮件关联规则集,以关联规则集为基础构建垃圾邮件分类器模型,然后考虑垃圾邮件特征词权重对邮件进行分类,最后采用仿真实验测试模型的性能。结果表明,该方法提高了垃圾邮件分类精度,可以较好地对垃圾邮件进行分类。     

基于改进贝叶斯原理的垃圾邮件过滤算法研究

为了提高垃圾邮件过滤系统的对邮件过滤的准确性和返回率,论文改进了传统的贝叶斯定理。提出一种改进的垃圾邮件过滤方法,该方法使用基于单词提取特征值和使用特征向量来描述频率。模型降低了垃圾邮件的错误率,总体上提高了系统的过滤性能。与传统贝叶斯公式的假设不同,系统为垃圾邮件样本的每个特征值分配不同的权值,降低了的垃圾邮件判断误差。实验结果表明,论文提出的垃圾邮件过滤方法能够显着提高准确性和返回率,系统性能得到了较大改进。     

一种基于SMO算法的垃圾邮件过滤系统设计

垃圾邮件问题日益严重,给人们带来了极大困扰.基于SMO算法的垃圾邮件过滤方法将统计方法应用到垃圾邮件的判定上,是进行垃圾邮件处理的有效手段.本文介绍了基于SMO算法的垃圾邮件过滤系统模型,并对中文分词、特征选择、SMO算法等关键技术进行了阐述.SMO算法的引入势必会使系统在高效过滤垃圾邮件的同时,提高处理数据的速度.     

图片垃圾邮件过滤技术综述

从图片垃圾邮件的现状着手,通过对图片垃圾邮件的分析,将图片垃圾邮件与文本垃圾邮件之间的不同点进行了对比,并对图片垃圾邮件的特征进行了总结.与此同时,对图片垃圾邮件过滤中常用的一些过滤方法,例如OCR(最优字符识别)以及指纹技术进行了介绍,分析了其优缺点,并结合它们自身的缺点提出了一些建设性看法.最后对最新的反垃圾邮件研究成果作了简略描述,并对垃圾邮件的发展作出了展望.     

将垃圾邮件扼杀在未接收前

垃圾邮件是互联网的一大难题，大量的垃圾邮件让我们不胜其烦，甚至影响到我们的工作生活。如何更好地清除垃圾邮件呢？这让邮件客户端和邮件服务提供商们费尽了心机。各种垃圾邮件过滤层出不穷，比较著名的就有贝叶斯垃圾邮件过滤算法。不过，这些垃圾邮件的过滤方法都是在垃圾邮件接收下来后才进行过滤的，     

一种基于后缀数组聚类(SAC)的中文垃圾邮件过滤方法

贝叶斯算法在垃圾邮件过滤中应用广泛,但在中文垃圾邮件过滤中性能较低。本文通过聚类的思想,提出一种基于后缀数组聚类（SAC）的中文邮件特征项抽取方法,并给出了不同特征项抽取方法下贝叶斯算法的中文垃圾邮件过滤实验数据对比。实验表明,该方法显著提高了中文垃圾邮件的过滤性能。     

基于差分贡献的垃圾邮件过滤特征选择方法

垃圾邮件过滤本质上是一个二类文本分类问题,特征选择是其一个重要的组成部分。针对垃圾邮件过滤问题的特殊性,基于“差分贡献”的思想对文档频数和互信息量这两种传统的特征选择方法进行了改进,设计了新的垃圾邮件过滤特征选择方法。实验结果表明,基于差分贡献的特征选择方法使得垃圾邮件过滤的精度得到了有效的提高。     

针对基于内容邮件过滤器的攻击及过滤改进

基于内容的过滤技术是反垃圾邮件技术中最有效的方法,但是垃圾邮件发送者千方百计利用各种方法对基于内容的垃圾邮件过滤器进行攻击,严重影响了过滤器的正确率和健壮性.在介绍主要基于内容的垃圾邮件过滤技术基础上,分析了针对基于内容垃圾邮件过滤器的常用攻击方法,并提出了相应的过滤改进技术.同时,针对单词沙拉攻击,在几种过滤器上进行了模拟攻击实验.最后分析了垃圾邮件技术的发展趋势和未来反垃圾邮件技术的主要改进方法.     

图像型垃圾邮件过滤技术研究综述

首先概述了图像型垃圾邮件的基本概念;其次根据不同的标准对图像型垃圾邮件过滤技术进行了分类,并评述了各种图像型垃圾邮件过滤方法和技术;对已经用于图像型垃圾邮件分类的两类共五种分类算法进行了理论分析与效果比较;最后对图像型垃圾邮件过滤技术的研究方向进行了展望.     

基于内容的垃圾邮件过滤技术综述

垃圾邮件问题日益严重,受到研究人员的广泛关注。基于内容的过滤是当前解决垃圾邮件问题的主流技术之一。目前基于内容的垃圾邮件过滤主要包括基于规则的方法和基于概率统计的方法。本文综述了目前用于垃圾邮件过滤研究的各种语料和评价方法,并总结了目前使用的垃圾邮件过滤技术以及它们之间的对比实验,包括Ripper、决策树、Rough Set 、Rocchio 、Boosting、Bayes、kNN、SVM、Winnow 等等。实验结果表明,Boosting、Flexible Bayes、SVM、Winnow 方法是目前较好的垃圾邮件过滤方法,它们在评测语料上的结果已经达到很高水平,但是,要走向真正实用化,还有很多的工作要做。     

CIO：源头遏制垃圾邮件的新方法

分析了垃圾邮件的起源和目前泛滥的严峻形势,讨论了几种主流的垃圾邮件处理技术,指出了这些技术的缺陷,根据垃圾邮件的本质,提出了能够从源头上遏制这类邮件的CIO方法。