邮件过滤

摘要： 针对垃圾邮件泛滥的问题,本文基于朴素贝叶斯算法构建了邮件过滤系统,并采取平滑、归一化等方法进行数据预处理,提取结构与统计特征,通过邮件地址、邮件内容等多个方式进行过滤.计算机测试后表明本算法提高了垃圾邮件识别精度与准确率.

摘要： A method of improved support vector machine naive Bayes algorithm was proposed-TSVM-NB algorithm.First using NB algorithm to initial sample set,constructing an optimal classification by SVM,each sample according to its distance from the sample was the same type of recent choice,so as to reduce the size of the sample space,but also improve the independence of each sample the last category,again with naive Bayes algorithm training set to generate the classification model.Simulation results show that the algorithm selection process to eliminate the redundant attributes in the sample space,the classification feature subset can be got quickly and improve spam filtering classification speed,recall rate and accuracy of the same algorithm.%提出了一种利用支持向量机改进的朴素贝叶斯算法——TSVM-NB算法.首先利用NB算法对样本集进行初次训练,利用支持向量机构造一个最优分类超平面,每个样本根据与其距离最近样本的类型是否相同进行取舍,这样既降低样本空间规模,又提高每个样本类别的独立性,最后再次用朴素贝叶斯算法训练样本集从而生成分类模型.仿真实验结果表明,该算法在样本空间进行取舍过程当中消除了冗余属性,可以快速得到分类特征子集,提高了垃圾邮件过滤的分类速度、召回率和正确率.

摘要： 作为现代社会中人门交流的一种重要方式,邮件对于提高用户之间的沟通效率具有重要作用.然而在电子邮件的大量应用过程中,垃圾邮件也逐渐崭露头角.对于用户来说,垃圾邮件不仅需要占用较多的时间精力去处理,其还会浪费大量的存储与宽带资源.所以,加强有关邮件系统垃圾邮件过滤技术的研究,对于改善邮件使用现状具有重要的现实意义.在当今社会中,人与人之间联系的方式变得越来越方便快捷,电子邮件自然成了为当下人们互相联系的新宠.

摘要： 该文介绍了开源免费的Postfix邮件服务器软件及其邮件过滤技术,通过分析其过滤规则将其应用到反垃圾邮件中.

摘要： 现在目前的邮件处理方式一般将邮件分为:普通邮件和垃圾邮件.但在实际中,经常会有安全的邮件被放进垃圾邮件中.为了减少这部分的损失,现我们可以将邮件分为:普通邮件、可疑邮件和垃圾邮件.我们采用三支决策的方法,将邮件分为三类,来达到减少误判的目的.同时,由于现在的人们为了隐藏垃圾邮件,会将发送的内容中的一些字换成形似的其他字,来达到避开分类的目的.因此本文提出将粒计算也加入到分类的标准中,更好的能识别垃圾邮件,为邮件进行过滤分类.

摘要： 针对垃圾邮件过滤的准确率和稳定性不高,以及为了解决邮件过滤算法在语料分类上存在漏报和误报等问题,提出基于粗糙集的带决策规则边界的邮件过滤算法(RARM).该算法运用粗糙集理论对语料库进行直接分析,并采用启发式方法提出了粗糙集理论的三种不同决策规则的执行计划,确保当邮件内容的词汇语义较为模糊时,仍能保证一定的分类准确度.在实验仿真中,通过与基于支持向量机(SVM)、AdaBoost和贝叶斯分类的邮件过滤算法相比较,该算法在垃圾邮件过滤上的准确率优于对比算法.

摘要： 针对朴素贝叶斯算法应用于反垃圾邮件过滤时,其有效性十分依赖于对邮件内容的有效建模,而邮件内容建模方面研究尚不成熟限制了贝叶斯方法在垃圾邮件过滤中的性能.采用了三种概率分布对邮件内容进行建模,据此提出了3种概率分布下的朴素贝叶斯算法.为了提高训练效率,算法采用了一种增量式的垃圾邮件过滤方法.在trec05p-1、trec06p两个公开数据集上对这3种贝叶斯算法进行了实验对比,分析出三种贝叶斯分布的适用范围.从不同分布的邮件内容建模角度出发,为过滤垃圾邮件的方法选择提供了有效依据.

摘要： 如何把电子邮件中的垃圾邮件过滤掉，已经成为用户当前最关心的一大问题，这也就是所谓的“反垃圾邮件”问题。本文对中文垃圾邮件的特点进行了系统的分析和研究，结合贝叶斯（Bayes）理论，构造基于贝叶斯分类的垃圾邮件过滤模型，在特征提取方面，采用互信息值的方法；在分类方法上，引入了适合标准邮件集条件下的分类方法，并采用了一种更加适合于贝叶斯计算的表示方法。

摘要： 在考虑邮件误判风险的基础上，将粗糙集与最小风险贝叶斯算法相结合，提出了一种基于粗糙集的最小风险贝叶斯的邮件过滤算法，将邮件划分为三类：正常邮件、垃圾邮件以及可疑邮件，使得邮件过滤时误判风险最小化。与朴素贝叶斯垃圾邮件过滤算法相比，该算法能获得较低的误判率和较好的准确率。

摘要： 在分析了民族语言电子邮件过滤所遇到的技术问题之后，提出了基于机器翻译的民族语言垃圾电子邮件过滤系统，经过对邮件正文进行文本解码，翻译，垃圾邮件识别三大步骤，在一定程度上解决了民族语言垃圾电子邮件的过滤问题，为垃圾邮件过滤提供了有益的探索。

摘要： 本文研究自然语言同现现象在邮件过滤中的应用，采用同现词汇对作为邮件过滤特征，通过实验对其过滤性能和效果做了详细的分析，实验显示它可以有效改善邮件过滤的性能。

摘要： 本文首先介绍了朴素贝叶斯方法的基本原理,分析了决定基于贝叶斯的中文垃圾邮件过滤器的性能的几个因素,然后比较了几种基于该方法的过滤器,最后总结了制约中文垃圾邮件过滤技术发展的两个重要因素.

摘要： 从垃圾邮件图片的基本特性入手,选取图片的简单属性作为过滤特征对图片型垃圾邮件进行过滤.同时提出边缘灰度点比特征来提高过滤效率,该特征反映了图片中文字信息量的大小;其次,针对特征区间划分的问题,采用K均值实现特征区间的动态划分,得到粗糙特征区间(RFI)和提纯特征区间(PFI);最后,针对PFI提出一套快速判分的过滤机制,同时针对RFI提出一套基于SVM的过滤机制,该过滤机制的准确度可以达到98.396 6%.模型中选取的特征只需一次扫描就可以完成提取,满足了过滤系统时效性上的需求.

摘要： 文本倾向识别在邮件过滤、语义理解和信息安全等方面有着广泛的应用。传统的基于统计的倾向判断忽略了语义对于语序的约束,因此效果不理想。本文结合已有技术,针对短信的倾向识别提出了一种基于语义分析的倾向识别技术,将语句中的语序加以考虑。实验证明这种方法能提高倾向判断的性能,在短信过滤中具有较强的实用价值。

摘要： 分析现有垃圾邮件过滤分类算法的不足，提出了一种基于CBR的垃圾邮件过滤算法.采用一种基于实例检索网络的近似检索算法，利用K最近邻法设计分类器.实验结果表明，与传统贝叶斯算法相比，该算法对于动态变化的垃圾邮件数据集有更好的过滤效果.

摘要： 本文从防伪、过滤、监控三方面对当前国内外反垃圾邮件领域研究现状进行了综述,分析了反垃圾邮件技术面临的挑战,提出了反垃圾邮件技术体系和防御模型，对反垃圾邮件技术的发展进行了展望。

摘要： 本文从防伪、过滤、监控三方面对当前国内外反垃圾邮件领域研究现状进行了综述,分析了反垃圾邮件技术面临的挑战,提出了反垃圾邮件技术体系和防御模型，对反垃圾邮件技术的发展进行了展望。

摘要： 本文从防伪、过滤、监控三方面对当前国内外反垃圾邮件领域研究现状进行了综述,分析了反垃圾邮件技术面临的挑战,提出了反垃圾邮件技术体系和防御模型，对反垃圾邮件技术的发展进行了展望。

摘要： 本发明实施例公开了一种过滤垃圾邮件的方法、装置及邮件服务器。该方法包括通过预设规则库包括的第一规则对新接收的邮件进行预判定，得到邮件的参考垃圾评分；获取以历史邮件为机器学习的训练样本，对第一规则进行训练生成的第一垃圾概率值；基于聚类算法，根据第一垃圾概率值计算得到邮件的第二垃圾概率值；根据第二垃圾概率值的取值范围生成对应的聚合规则，并对聚合规则进行数据挖掘得到聚合规则对应的垃圾分值；根据参考垃圾评分和垃圾分值的和，判断邮件是否为垃圾邮件，解决垃圾邮件误判或漏判的问题，可以提升反垃圾引擎过滤垃圾邮件的能力，减少垃圾邮件误判或漏判的可能性。

摘要： 本发明适用于计算机安全领域，提供了一种邮件数据过滤方法、系统及邮件安全网关，所述方法包括下述步骤：截获用户发送的附有密文文档附件的邮件；根据预先设置的数据抽取方式，抽取所述邮件的标题信息，根据所述标题信息对所述邮件的合法性进行验证；当所述邮件为合法邮件时，对所述邮件的密文文档附件进行解密，将所述邮件转发给邮件服务器；当所述邮件为非法邮件时，退回所述邮件。本发明在用户需要将密文文档解密后进行邮件发送时，通过邮件安全网关截取到该邮件后，对邮件中的密文文档解密后进行转发，发件人无法查看解密后的明文文档，提高了企业数据的安全性，同时简化了用户密文文档的发送过程。

摘要： 本发明实施例公开了一种过滤垃圾邮件的方法、装置及邮件服务器。该方法包括通过预设规则库包括的第一规则对新接收的邮件进行预判定，得到邮件的参考垃圾评分；获取以历史邮件为机器学习的训练样本，对第一规则进行训练生成的第一垃圾概率值；基于聚类算法，根据第一垃圾概率值计算得到邮件的第二垃圾概率值；根据第二垃圾概率值的取值范围生成对应的聚合规则，并对聚合规则进行数据挖掘得到聚合规则对应的垃圾分值；根据参考垃圾评分和垃圾分值的和，判断邮件是否为垃圾邮件，解决垃圾邮件误判或漏判的问题，可以提升反垃圾引擎过滤垃圾邮件的能力，减少垃圾邮件误判或漏判的可能性。

摘要： 本发明适用于计算机安全领域，提供了一种邮件数据过滤方法、系统及邮件安全网关，所述方法包括下述步骤：截获用户发送的附有密文文档附件的邮件；根据预先设置的数据抽取方式，抽取所述邮件的标题信息，根据所述标题信息对所述邮件的合法性进行验证；当所述邮件为合法邮件时，对所述邮件的密文文档附件进行解密，将所述邮件转发给邮件服务器；当所述邮件为非法邮件时，退回所述邮件。本发明在用户需要将密文文档解密后进行邮件发送时，通过邮件安全网关截取到该邮件后，对邮件中的密文文档解密后进行转发，发件人无法查看解密后的明文文档，提高了企业数据的安全性，同时简化了用户密文文档的发送过程。

摘要： 本发明公开了一种邮件过滤系统，包括非实时连接远程服务的邮件过滤网关及实时连接远程服务的邮件过滤客户端，用于根据预设的邮件过滤策略执行报文过滤；还包括邮件过滤策略配置单元，用于对不同用户分别配置邮件过滤策略，并下发给邮件过滤网关和邮件过滤客户端。本发明还公开了一种邮件过滤方法，当接收到邮件时，根据预先对不同用户分别配置的邮件过滤策略，邮件过滤网关以及邮件过滤客户端执行邮件过滤。通过本发明公开的系统及方法，能够满足不同层次用户的需要，并提高了邮件过滤的可靠性。

摘要： 本发明公开了一种邮件过滤信息保存方法，包括：邮件服务器接收到用户发送的邮件后根据预设的反垃圾邮件规则进行过滤操作并生成反垃圾过滤结果信息，所述邮件包括信头和信体；所述邮件服务器根据所述反垃圾过滤结果信息生成当前“X-Coremail-Antispam”字段，并将所述当前“X-Coremail-Antispam”字段添加至所述邮件信头中。实施本发明，邮件系统管理员可通过所述“X-Coremail-Antispam”字段清楚了解邮件的过滤信息，从而当邮件被误过滤为垃圾邮件时可迅速了解邮件是因何规则被过滤，同时将过滤信息统一添加至“X-Coremail-Antispam”字段，又避免了邮件中出现过多繁琐的过滤信息，方便提取使用。另外，“X-Coremail-Antispam”字段里的信息可以用来进行智能学习，以提高反垃圾效果。

摘要： 本发明提供基于邮件服务器的垃圾邮件过滤系统，包括多个邮件过滤器及依次连接其后的邮件服务器、邮件客户端，多个所述邮件过滤器通过互联网还同时连接有中央管理器，所述中央管理器、邮件过滤器分别都包括样本管理模块、特征管理模块，且所述中央管理器的样本管理模块、特征管理模块通过互联网相应与邮件过滤器的样本管理模块、特征管理模块分别连接。本发明可以实现垃圾特征全网同步共享，有效提升垃圾防范的实时性，提高垃圾邮件的过滤效果。

摘要： 本发明公开了一种邮件过滤系统，包括非实时连接远程服务的邮件过滤网关及实时连接远程服务的邮件过滤客户端，用于根据预设的邮件过滤策略执行报文过滤；还包括邮件过滤策略配置单元，用于对不同用户分别配置邮件过滤策略，并下发给邮件过滤网关和邮件过滤客户端。本发明还公开了一种邮件过滤方法，当接收到邮件时，根据预先对不同用户分别配置的邮件过滤策略，邮件过滤网关以及邮件过滤客户端执行邮件过滤。通过本发明公开的系统及方法，能够满足不同层次用户的需要，并提高了邮件过滤的可靠性。

摘要： 本发明公开了一种邮件过滤信息保存方法，包括：邮件服务器接收到用户发送的邮件后根据预设的反垃圾邮件规则进行过滤操作并生成反垃圾过滤结果信息，所述邮件包括信头和信体；所述邮件服务器根据所述反垃圾过滤结果信息生成当前“X-Coremail-Antispam”字段，并将所述当前“X-Coremail-Antispam”字段添加至所述邮件信头中。实施本发明，邮件系统管理员可通过所述“X-Coremail-Antispam”字段清楚了解邮件的过滤信息，从而当邮件被误过滤为垃圾邮件时可迅速了解邮件是因何规则被过滤，同时将过滤信息统一添加至“X-Coremail-Antispam”字段，又避免了邮件中出现过多繁琐的过滤信息，方便提取使用。另外，“X-Coremail-Antispam”字段里的信息可以用来进行智能学习，以提高反垃圾效果。

摘要： 本发明公开了一种基于特征和内容的垃圾邮件过滤方法，包括步骤：A)、初始化系统及运行前准备；B）、邮件解析，邮件解析方式包括邮件文件加载后解析或通过smtp协议命令方式接收到邮件数据后解析；C）、邮件预处理，主要是对解析后邮件文本先进行预处理，对邮件文本的字符进行转换成为标准字符格式；D)、邮件的特征和内容的token提取；E)、对提取的token进行处理，根据配置指定的贝叶斯计算公式进行计算，最终计算的概率超过阀值，就认为是垃圾邮件，否则是非垃圾。本发明的学习阶段时根据垃圾邮件和非垃圾邮件样本，能够自动智能调整邮件特性，减少了邮件的误判性。