智能過(guò)濾垃圾郵件

維普資訊

■

酗 網(wǎng)絡(luò)安全

智能過(guò)濾垃圾郵件

■ ／王鑫孫東紅 （５）用戶反饋信息收集模塊，該模塊負(fù)責(zé)收集郵件用戶對(duì)判

交互式中文垃圾郵件過(guò)濾系統(tǒng)是基于“統(tǒng)計(jì)”規(guī)則的過(guò)濾方 定正確性的反饋信息，并將反饋信息保存在用戶反饋信息數(shù)據(jù)庫(kù)

法設(shè)計(jì)并實(shí)現(xiàn)的，它兼具基于規(guī)則過(guò)濾方法與機(jī)器學(xué)習(xí)，以及概 中，供用戶反饋信息學(xué)習(xí)模塊使用。

率統(tǒng)計(jì)過(guò)濾方法的垃圾郵件過(guò)濾系統(tǒng)的優(yōu)點(diǎn)，同時(shí)還增加了郵件 （６）用戶反饋信息學(xué)習(xí)模塊。該模塊根據(jù)用戶反饋信息動(dòng)態(tài)

用戶與垃圾郵件過(guò)濾器之間的交互，利用用戶對(duì)郵件判定是否正 調(diào)整規(guī)則集中引起錯(cuò)判的過(guò)濾規(guī)則的權(quán)重，從而提高垃圾郵件過(guò)

確的反饋信息動(dòng)態(tài)調(diào)整過(guò)濾器，從而提高過(guò)濾準(zhǔn)確度。 濾器的準(zhǔn)確度，同時(shí)還能提高規(guī)則更新的速度。

系統(tǒng)框架 系統(tǒng)實(shí)現(xiàn)

整個(gè)交互式中文垃圾郵件過(guò)濾系統(tǒng)的結(jié)構(gòu)如圖ｌ所示。 現(xiàn)對(duì)交互式中文垃圾郵件過(guò)濾系統(tǒng)幾個(gè)重要模塊的具體實(shí)現(xiàn)

（１）ＣＣＥＲＴ垃圾郵件樣本數(shù)據(jù)庫(kù)。我們將來(lái)自ＣＣＥＲＴ垃圾 描述如下。

郵件蜜罐網(wǎng)、用戶舉報(bào)以及ＣＣＥＲＴ應(yīng)急響應(yīng)系統(tǒng)接收和處理的 （１）規(guī)則生成模塊。ＣＣＥＲＴ垃圾郵件過(guò)濾規(guī)則主要針對(duì)中

垃圾郵件，經(jīng)過(guò)分析整理后創(chuàng)建了ＣＣＥＲＴ垃圾郵件樣本集合。 文垃圾郵件的標(biāo)題和內(nèi)容部分。以２０萬(wàn)封中文垃圾郵件樣本作為

（２）規(guī)則生成模塊。該模塊主要通過(guò)分析垃圾郵件樣本數(shù)據(jù) 樣本集，生成中文關(guān)鍵字過(guò)濾規(guī)則。采取的主要手段是用分詞工

創(chuàng)建垃圾郵件過(guò)濾規(guī)則，所有過(guò)濾規(guī)則保存在規(guī)則集中并應(yīng)用到 具對(duì)郵件樣本的Ｓｕｂｊｅｃｔ部分ｌＩ］Ｂｏｄｙ部分分別進(jìn)行分詞，然后各

郵件服務(wù)器的垃圾郵件過(guò)濾引擎中。 自統(tǒng)計(jì)詞頻，將詞頻最高的一組關(guān)鍵字提取出來(lái)，分別生成針對(duì)

（３）規(guī)則權(quán)重訓(xùn)練模塊。該模塊負(fù)責(zé)用機(jī)器學(xué)習(xí)的方法給規(guī) Ｓｕｂｊｅｃｔ部分和Ｂｏｄｙ部分的關(guān)鍵字過(guò)濾規(guī)則。這里將Ｂｏｄｙ部分

則集中的所有規(guī)則找到最佳的規(guī)則權(quán)重分布。規(guī)則集中的每一條 和Ｓｕｂｊｅｃｔ部分分開(kāi)分析，主要是為了在郵件服務(wù)器負(fù)載較大時(shí)

規(guī)則都有一個(gè)權(quán)重，權(quán)重越大，說(shuō)明符合這條規(guī)則的郵件是垃圾 可以只啟用Ｓｕｂｊｅｃｔ部分的過(guò)濾規(guī)則，避免掃描郵件內(nèi)容來(lái)提高

郵件的可能性越大。 處理速度。

（４）垃圾郵件過(guò)濾引擎。該過(guò)濾器包含了所有過(guò)濾規(guī)則以及 （２）規(guī)則權(quán)重訓(xùn)練模塊。用改進(jìn)遺傳算法對(duì)規(guī)則生成模塊生

規(guī)則的權(quán)重，當(dāng)郵件服務(wù)器收到郵件時(shí)，它就會(huì)對(duì)郵件應(yīng)用所有 成的中文過(guò)濾規(guī)則進(jìn)行權(quán)重訓(xùn)練，尋找ＣＣＥＲＴ垃圾郵件過(guò)濾規(guī)

規(guī)則，給郵件“打分”，根據(jù)所有規(guī)則來(lái)判定是否為垃圾郵件。被 則集中過(guò)濾規(guī)則的最優(yōu)權(quán)重分布。用改進(jìn)遺傳算法尋找規(guī)則權(quán)重

判定為Ｓｐａｍ的郵件并不會(huì)被郵件服務(wù)器丟棄，而是在郵件標(biāo)題 的最優(yōu)分布時(shí)，種群中的每個(gè)染色體向量代表一組可能的規(guī)則權(quán)

前打上Ｓｐａｍ標(biāo)簽，這樣郵件用戶就可以利用客戶端軟件將其直 重分布，向量的維數(shù)等于ＣＣＥＲＴ垃圾郵件過(guò)濾規(guī)則集中的規(guī)則

接“掃除”到垃圾郵件夾。 總數(shù)，每一維代表一條規(guī)則，每一維的值表示相應(yīng)規(guī)則的權(quán)重。算

ｉ垃圾郵件拳報(bào) ＣｃＥＲＴ垃 始化時(shí)采用小群體競(jìng)爭(zhēng)法，交叉

圾郵件樣 郵件服務(wù)囂 ＩＩＩｌｌ￣－Ｗ尸一

．

ＯｃＥ盯垃圾郵件 本數(shù)據(jù)庫(kù) 算子采用優(yōu)選父代自適應(yīng)交叉

童■系統(tǒng) 操作

，

變異算子采取非一致自適

】 Ｅ則生成模塊 盤(pán)圾郵件過(guò)濾５ Ｉ 曲

５ 基 應(yīng)變異操作，在產(chǎn)生子代群體

時(shí)，允許父代群體一起參與競(jìng)

爭(zhēng)，同時(shí)采用最優(yōu)保留策略和兩

ＣＣＥＲＴ垃塒 ，口ｒ’Ⅸ●＾１■月 兩競(jìng)爭(zhēng)選擇策略。在選擇適應(yīng)度

郵件過(guò)濾 規(guī)則權(quán)重訓(xùn)練模塊 數(shù)據(jù)庫(kù) 息收囊奠塊

規(guī)則簟 函數(shù)時(shí)，按照可能的規(guī)則權(quán)重分

廣＿： Ｌ ＋括 ． 】級(jí)， — ＾ｈ丁，堅(jiān)＾

５４中國(guó)教育同絡(luò)２ｏｏ６ ４