基于贝叶斯公式的垃圾邮件过滤方法

《基于贝叶斯公式的垃圾邮件过滤方法》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、维普资讯http://www.cqvip.com计算机科学2005Voi．32N,2-．2基于贝叶斯公式的垃圾邮件过滤方法詹川卢显良周旭侯孟书袁连海(电子科技大学计算机科学与工程学院成都610054)摘要伴随着电子邮件的广泛使用，垃圾邮件泛滥成灾，严重影响了人们正常的学习、工作和生活。本文提出了一种改进的基于贝叶斯公式垃圾邮件过滤技术。我们采用了基-Piq~的特征项提取方法，并且使用特征项单词出现频率来表示向量，推导出相应的贝叶斯计算公式。实验表明，我们的方法使垃圾邮件过滤的整体性能都有明显提高。关键词贝叶

2、斯公式，垃圾邮件过滤，特征项提取，向量AnAnti—SpamE-mailFilteringMethodBasedonBayesianZHANChuanLUXian—-LiangZHOUXuHOUMeng—-ShuYUANLian—-Hai(CollegeofComputerScienceandEngineering，UESTCofChina，Chengdu610054)AbstractAlongwithwideapplicationofe—mailnowadays．alargenumberofspame—m

3、ailsfloodintopeople’SlifeandbringcatastrophetOtheirstudyandlife．ThispaperpresentsanewBayesian—basedanti—spame—mailfilteringmethod．Weadoptawayofattributeselectionbasedonwordentropy，usevectorswhicharerepresentedbywordfrequency，anddeduceitscorrespondingBayesi

4、anformula．Itisprovedthatourfilterimprovestotalperformancesapparentlyinourexperiment．KeywordsBayesian，Anti—spame—mailfiltering，Attributeselection，Vector4、含有虚假的信息源、发件人、路由等信息的电子邮件。1引言在当前声势浩大的反垃圾邮件运动中，许多国家出台了伴随着Internet的普及，电子邮件以其快捷、方便、低成反垃圾邮件法，如美国、日本、欧洲等，中国也在今

5、年的全国政本的特点日益得到了广泛的使用，成为互联网上最重要、最普协十届二次会议提出了加快“反垃圾邮件立法”进程的提案。及的应用。但是随之而来的垃圾邮件也越来越猖獗，严重影响美国的AOL通过对垃圾邮件的发送者起诉，对控制垃圾邮和损害人们的工作、生活和学习。据美国BrightMail公司的件起到一定作用，但是据美国业界官员介绍通过立法来反垃报告称，2002年美国人平均收到2200封垃圾邮件，若按垃圾邮圾邮件收效甚微，因为这些垃圾邮件发送者可通过国外来转件每月增长2的速度递增，到2007年，这一数字将达到3600

6、发。据美国Brightmail公司统计，美国2004年2月收到的垃圾封。据英国贸易工业部官员称，垃圾邮件现在占到全球电子邮邮件已占总数的62。因此反垃圾邮件不能光依靠立法，还要件流量的40。更有甚者，据韩国信息保护振兴院统计，韩国依靠技术手段。目前国内大部分邮件服务提供商都提供了一国内电子邮件80为垃圾邮件，其中60含有淫秽内容。在些简单的垃圾邮件过滤功能，如设置简单的规则，配置黑名单中国，据中国互联网络信息中·~2004年1月公布的第十三次等等，但功能简单，其效果不太理想。《中国互联网络发展状况统计报告》

7、[】]显示，中国网民平均每在智能过滤垃圾邮件方面，Sahami[3]等人提出采用机器周收到13．7封电子邮件，其中垃圾邮件占据了7．9封，垃圾邮学习方法来进行处理。他们采用二进制来表示邮件特征向量，件数量超过了正常邮件数量。美国是受垃圾邮件危害最严重通过特征属性的互信息量来提取特征项，用贝叶斯公式来计的国家，一年由于垃圾邮件给企业带来的损失高达90亿美元，算邮件是垃圾邮件的概率来识别邮件。一些实验证明用贝而中国仅次于美国，排在第二，中国网民一年收到的垃圾邮件叶斯公式来进行垃圾邮件识别相当有效。本文提出一种改

8、进总数为460亿封，浪费处理在垃圾邮件的时间为15亿小时，过的基于贝叶斯原理的垃圾邮件过滤方法，采用了基于词熵2003年垃圾邮件浪费中国的GDP高达48亿元R】。垃圾邮件的的特征项提取方法，使用特征项单词出现频率来表示特征向肆虐使得电子邮件系统本身的存在受到严重挑战，严重影响量，则其对应的垃圾邮件过滤方法具有更高的垃圾邮件识别了电子邮件的健康发展。的准确性和查全性。本文第1节为引言，第2节介绍使用的邮件关于垃圾邮