CTPH摘要在Chord網(wǎng)絡(luò)中的發(fā)布和查詢.pdf

1、基于摘要的垃圾郵件識(shí)別方法是眾多垃圾郵件識(shí)別方法中十分重要的一種。這類技術(shù)通過(guò)對(duì)比郵件摘要相似性來(lái)判定垃圾郵件。然而，現(xiàn)有的識(shí)別技術(shù)大都采用集中式的摘要管理模式，該模式具有單點(diǎn)失效、可擴(kuò)展性差等缺陷。分布式的處理方法必然成為未來(lái)發(fā)展的趨勢(shì)。
　　 在基于摘要的分布式垃圾郵件處理系統(tǒng)中，如何高效、快捷的發(fā)布和查詢郵件摘要是研究的重點(diǎn)之一。本文在研究CTPH摘要生成算法和DHT信息發(fā)布技術(shù)的基礎(chǔ)上，利用iDistance方法將高維的

2、CTPH摘要映射成一維的標(biāo)識(shí)符，提出了一種在Chord網(wǎng)絡(luò)環(huán)境中發(fā)布和查詢CTPH摘要的方法：iCTPH。該算法具有如下三個(gè)特點(diǎn)：(1)iCTPH能將相似的CTPH摘要發(fā)布到相同或相近的節(jié)點(diǎn)上；(2)基于區(qū)段檢索的查詢算法保證僅查詢網(wǎng)絡(luò)中的少數(shù)節(jié)點(diǎn)即可召回絕大部分相似摘要；(3)iCTPH具有良好的可擴(kuò)展性和負(fù)載均衡性。本文通過(guò)仿真實(shí)驗(yàn)對(duì)iCTPH算法進(jìn)行驗(yàn)證，實(shí)驗(yàn)表明，iCTPH可將500個(gè)相似摘要發(fā)布到不足5.6％的節(jié)點(diǎn)上，僅需查詢

3、4％的節(jié)點(diǎn)即可召回85％的相似摘要。
　　 在基于iCTPH算法的分布式垃圾郵件過(guò)濾系統(tǒng)中，系統(tǒng)可用性也是一個(gè)至關(guān)重要的問(wèn)題，節(jié)點(diǎn)的加入和離開(kāi)會(huì)造成網(wǎng)絡(luò)抖動(dòng)，進(jìn)而會(huì)極大地影響查詢準(zhǔn)確性。本文在詳細(xì)分析各種網(wǎng)絡(luò)抖動(dòng)類型的基礎(chǔ)上，設(shè)計(jì)了一套數(shù)據(jù)維護(hù)算法保障系統(tǒng)可用性。該算法為每個(gè)節(jié)點(diǎn)設(shè)置兩套數(shù)據(jù)庫(kù)：MAIN_DB和AUX_DB。前者作為摘要查詢和發(fā)布的主數(shù)據(jù)庫(kù)，后者作為備份數(shù)據(jù)庫(kù)。節(jié)點(diǎn)在其運(yùn)行周期內(nèi)會(huì)不斷將MAIN_DB中的數(shù)據(jù)備份