基于贝叶斯概率理论的防火墙技术研究

为解决在网络应用中垃圾邮件占用大量网络资源,并威胁邮件系安全的问题,根据垃圾邮件体的特点,在对大量垃圾邮件进行统计分析的基础上,依据贝叶斯理论,研究了垃圾邮件关键词统计概率的分布规律,并提出了在Solaris系统平台上使用SMTP协议服务器端垃圾邮件的过滤算法.LAN仿真测试结果表明,贝叶斯垃圾邮件概率公式的应用提高了垃圾邮件命中率.     

基于用户兴趣度的垃圾邮件在线识别新方法

多数在线垃圾邮件识别方法未有效区分用户针对不同邮件内容的感兴趣程度,导致垃圾邮件识别精度不高.文中提出了一种基于支持向量机的垃圾邮件在线识别新方法.即结合传统增量学习及主动学习理论,先通过随机选择代表样本寻找分类最不确定的样本进行人工标注;接着引入用户兴趣度的概念,提出了新的样本标注模型和算法性能评价标准;最后结合"轮盘赌"方法将标注后样本加入训练样本集.多种对比实验表明,文中方法针对垃圾邮件识别精度高,样本训练及待标注样本选择速度快,具有较高的在线应用价值.     

Obtaining Profiles Based on Localized Non-negative Matrix Factorization

Nonnegative matrix factorization (NMF) is a method to get parts based features of information and form the typical profiles. But the basis vectors NMF gets are not orthogonal so that parts-based features of information are usually redundancy. In this paper, we propose two different approaches based on localized non negative matrix factorization (LNMF) to obtain the typical user session profiles and typical semantic profiles of junk mails, The LNMF get basis vectors as orthogonal as possible so that it can get accurate profiles. The experiments show that the approach based on LNMF can obtain better profiles than the approach based on NMF.     

反垃圾邮件技术综述

垃圾邮件已成为互联网上巨大的危害之一,引起了社会的广泛关注和研究人员的深入研究．企业消耗在垃圾邮件上的成本逐日攀升。本文首先介绍了垃圾邮件发送手段,然后综述了目前反垃圾邮件常用的五种技术．它们分别是：基于规则的垃圾邮件过滤,基于贝叶斯理论的垃圾邮件过滤,基于支持向量机的垃圾邮件过滤．基于决策树的垃圾邮件过滤．基于数据挖掘的垃圾邮件过滤。分析各项技术的优劣。     

网络钓鱼攻击研究初探

通过发送包含虚假信息的邮件、即时聊天信息等来骗取用户的信任,以此来骗取钱财,这就是网络钓鱼攻击的常用手段。本文介绍常用网络钓鱼所采用的手法和防范措施,提高广大网络用户的警惕意识,防骗于未然。     

用Sendmail和InterScan构建安全可靠的企业邮件系统

Sendmail是互联网上最灵活，应用最广泛的MTA，Intersean VirusWall提供了高性能、广泛的Internet关防护．主要介绍了在RedHad Linux9下Sendmail邮件服务器的配置；如何利用InterSean Viruswall邮件内容过滤的功能，防止计算机病毒以及恶性程序的入侵；以及在Sendmail环境下实现sMTP认证拒绝垃圾邮件．     

用于邮件过滤的标准样本生成系统研究

由于缺乏标准的中文邮件样本集，无法评测不同垃圾邮件过滤系统的性能.通过 分析邮件样本收集过程中存在的各种问题，研究了生成标准样本涉及的问题，设计了一个基于真实环境的标准邮件样本生成系统结构，并希望以此推出一个用于衡量邮件过滤系统性能的标准的邮件样本集，最终作为邮件过滤技术研究的基本语料.     

垃圾邮件及反垃圾邮件的策略研究

本文探讨了垃圾邮件的危害以及反垃圾邮件的一些技术。     

校园网电子邮件故障处理策略研究

电子邮件是校园网中最重要的服务之一.近年来,由于种种原因,校园网用户经常出现邮件被国外邮件服务器拒收的情况,严重影响了用户的使用.本文分析了影响邮件正常通信的主要原因,从技术、用户、监管等三个方面,提出了解决该问题的方法和策略,并结合具体案例进行了说明.     

一种高准确率的垃圾邮件识别方法

引入柯尔莫格洛夫复杂性理论来描述邮件的特征,采用信息距离理论衡量邮件的相似程度,采用支持向量机(SVM)算法对邮件进行分类,提出了一种高准确率的垃圾邮件识别方法.相对于传统的垃圾邮件识别方法,该方法不需要对垃圾邮件进行邮件分割,省略邮件头分析和正文分析,可以准确地刻画垃圾邮件的主要特征,具有运算简单高效的特点.测试结果表明:该方法对文本邮件的分类准确率高达99％以上,有效提高了垃圾邮件识别的准确率.