基于BGSA和ELM的垃圾邮件检测

提出了一种新的垃圾邮件检测方法。该方法采用二进制万有引力搜索算法(Binary Gravitational Search Algorithm,BGSA)提取关键特征,使用极限学习机(Extreme Learning Machines,ELM)作为分类器进行垃圾邮件分类。收集了2014年6 000封电子邮件,比较BGSA与其他启发式优化算法,结果表明BGSA的分类性能优于GA(Genetic Algorithm)和BPOA(Binary Particle Optimization Algorithm)。     

基于逻辑斯蒂方程的垃圾邮件过滤特征方法的研究

随着互联网的发展,垃圾邮件成为互联网上一个日益严重的安全问题.特征选择是垃圾邮件过滤过程中的一个重要环节,直接影响垃圾邮件过滤的精度.通过分析集中度、分散度和频度这三种用来表征特征项重要程度的因素以及分析特征选择方法根据特征项的重要程度生成特征权值的方式,从而提出一种新的特征选择方法,这种方法将三种因素组合起来表征特征项对于分类的强弱,并用Logistic方程表示由组合因素表征出的特征权值,根据权值的大小选择对分类影响大的特征.实验表明这种方法对垃圾邮件的识别能力有一定的提高.     

垃圾邮件过滤中潜在语义索引的应用

将潜在语义索引(LSI)应用于垃圾邮件过滤领域,并将其与向量空间模型(VSM)和经典的邮件过滤器Spa-mAssassin系统进行比较.另外,对基于词提取技术的邮件文本特征集合和SpamAssassin系统提取的邮件"元特征"集合进行了对比.实验结果表明,LSI与VSM均取得了较SpamAssassin系统更优的分类效果.     

基于贝叶斯模型的邮件过滤系统

垃圾邮件过滤技术主要有三个大类,它们分别运用不同的方法和途径来判定垃圾邮件:基于IP地址;基于规则;基于邮件内容.基于内容的垃圾邮件过滤是一种常用的反垃圾邮件技术,它以邮件在内容方面的特点来鉴别邮件,在技术上利用文本分类的方法来实现.文章设计了基于内容的,采用贝叶斯方法进行文本分类的垃圾邮件处理系统.     

一种基于最小损失的垃圾邮件屏蔽算法

考虑到反垃圾邮件本身特点,借鉴文本分类中的已有技术,将其应用到垃圾邮件的屏蔽中来.因为将合法邮件判别为垃圾邮件对于邮件用户造成的损失明显大于相反的操作,所以定义了一个损失函数,将其与朴素贝叶斯算法结合,实现了基于最小损失的垃圾邮件屏蔽算法.在一个公认的垃圾数据集上的实验结果验证了引入损失函数的有效性.     

Multiple Agent智能垃圾邮件过滤系统的设计

从垃圾邮件的显著特性出发 ,提出了一种基于预处理的多代理的智能邮件过滤系统的设计方案 .在提高系统处理时间和有效降低邮件误判率等性能方面有所改善 ,有较好的实际应用价值     

中文分词在邮件过滤系统中的应用

针对邮件文本分词效果较差的特点,提出采用一种改进的最大匹配法来进行中文分词的方法.该方法对于普通的邮件文本和一些具有特定格式的邮件文本都可以进行有效的分词;文中还利用φ2统计法生成新词,对词典起到了动态更新的作用,提高了分词的精度和准确度.两种方法在邮件过滤系统中结合应用,使分词的误分率低于0.025.     

构建一个大容量用户、安全的电子邮件系统

提出在Linux系统上以Postfix为SMTP服务器、CYRUS为POP/IMAP服务器、A-PACHE为WEB服务器和MYSQL为后台数据库构建一个支持大量用户的邮件系统的方案,并实现其Web Mail系统.在贝叶斯方法的基础上,设计出一个电子邮件过滤器,并给出实现的系统结构.针对日益泛滥的邮件病毒问题,提出一套可行的病毒防护方案.     

信息污染中垃圾邮件的处理对策

简要介绍了信息污染中垃圾邮件的概念、分类及其危害,提出了治理垃圾邮件的技术措施。     

反垃圾邮件技术分析及比较

本文首先介绍了垃圾邮件的危害,当今垃圾邮件的特点和发送技巧,重点分析比较基于内容的关键字过滤、贝叶斯分析、邮件指纹过滤方法实现原理,以及意图分析,协议分析方法的实现原理;通过对对多种技术比较,对新型反垃圾邮件系统的发展方向进行展望与预测。