基于屬性論方法的垃圾郵件過濾系統(tǒng)設計與研究.pdf

1、在網(wǎng)絡和通信技術迅速發(fā)展的今天，電子郵件逐漸成為人們生活中便捷的通信手段之一。然而，隨之產(chǎn)生的垃圾郵件像瘟疫一樣蔓延，給用戶帶來了極大的不便。大量的垃圾郵件不僅污染網(wǎng)絡環(huán)境，還占用大量傳輸、存儲和運算資源，影響網(wǎng)絡的正常運行。因此，如何準確地從大量郵件中過濾無用的郵件，尋找用戶所需的有用郵件，已成為當前一個熱門話題——”垃圾郵件過濾”問題。 當前對垃圾郵件的識別主要有兩種方法：根據(jù)利用IP，域名的”黑白名單”或自定義規(guī)則進行的郵

2、件限制；或者根據(jù)學習到的垃圾郵件特征進行識別。前者主觀性太強，容易造成大量合法郵件的誤判和垃圾郵件的漏判。而后者則需要長時間的訓練和學習。故目前的垃圾郵件過濾工具通常采用多層過濾，基本過濾層由白名單、白關鍵字、黑名單和黑關鍵字等組成，高級過濾層則采用基于內(nèi)容的機器學習判別方法。 本文在深入分析垃圾郵件過濾方法的基礎上，結(jié)合使用黑白名單法，將屬性論方法巧妙地應用到郵件過濾領域，設計出一種新型的基于屬性論方法的垃圾郵件過濾模型。由于

3、垃圾郵件和合法郵件特征的識別可以看作是一種基于合取的復雜性質(zhì)判斷，并且以垃圾郵件或合法郵件特征庫為定性基準的定性映射可表達為由多維屬性確定的一個定性判斷操作，因此我們可以利用此定性映射模型來過濾郵件。 為了提高效率，本系統(tǒng)利用索引結(jié)構組織龐大的特征向量空間，通過一系列的算法生成垃圾郵件和合法郵件各自的特征庫。根據(jù)屬性論的思想，對于每一個特征空間分量，本文引入權重{0，ε}表示各分量對最終結(jié)果的影響程度。然后，以加權后的特征向量作

4、為定性基準，為測試郵件建立不同的定性映射模型?？紤]到新郵件屬于垃圾郵件或者合法郵件的程度，本系統(tǒng)引入轉(zhuǎn)化程度函數(shù)。利用轉(zhuǎn)化程度函數(shù)，計算新郵件與特征庫中記憶模式的相似程度。對新郵件里的每個特征項都做同樣計算并累加起來，最后根據(jù)累加值判斷該郵件是否垃圾郵件。 經(jīng)過大量的測試表明，基于屬性論方法的垃圾郵件過濾系統(tǒng)能較好地過濾垃圾郵件，具有較高的正確率和召回率。實驗證明基于屬性論方法的垃圾郵件過濾模型是可行的，這為我們進一步研究郵件過