A suffix tree approach to anti-spam email filtering

We present an approach to email filtering based on the suffix tree data structure. A method for the scoring of emails using the suffix tree is developed and a number of scoring and score normalisation functions are tested. Our results show that the character level representation of emails and classes facilitated by the suffix tree can significantly improve classification accuracy when compared with the currently popular methods, such as naive Bayes. We believe the method can be extended to the classification of documents in other domains. Editor: Tom Fawcett     

基于Qmail的邮件过滤网关关键技术研究

本文从邮件过滤网关的实际功能需求出发,详细介绍基于qmail的邮件网关中应用到的透明网桥模式、SMTP认证和邮件内容过滤等技术的实现。     

混合模式垃圾邮件检测

机器学习和数据挖掘可以有效的应用于各种各样的数据模式识别中,其中包括对电子邮件进行的模式识别、分类和知识发现。现在使用的垃圾邮件检测系统可以精确的进行邮件判别。但是,现实是总有一些误判,而这些误判有时会带来很大的损失。现提出的混合模式分类器分析了两个单个分类器的混合,降低了误判率,提高了检测的准确率。     

一种无尺度网络上垃圾邮件蠕虫的传播模型

用有向图描述了电子邮件网络的结构，并分析了电子邮件网络的无尺度特性。在此基础上，通过用户检查邮件的频率和打开邮件附件的概率建立了一种电子邮件蠕虫的传播模型。分别仿真了电子邮件蠕虫在无尺度网络和随机网络中的传播，结果表明，邮件蠕虫在无尺度网络中的传播速度比在随机网络中更快，与理论分析相一致。     

基于NP的垃圾邮件分析系统的设计与实现

垃圾邮件的泛滥成灾给人们的正常生活带来了很大的不便和危害。该文设计并实现了基于NP的垃圾邮件分析系统，具有邮件抓取、还原和类别识别功能，能够有效识别垃圾邮件。实验结果表明，该系统对于垃圾邮件的追踪具有良好的实用价值。     

基于面向概念漂移的垃圾邮件CBR过滤方法

针对文本流分类中的概念漂移问题,以垃圾邮件过滤为应用背景,提出一种能适应概念漂移的垃圾邮件基于案例推理CBR(Case-based Reasoning)过滤算法。算法采用CBR过滤垃圾邮件,研究CBR过程中的案例库管理技术,提出基于惩罚降噪和等价除冗的案例库修正算法,以适应概念漂移问题。在真实数据集上的实验验证了提出的案例修正算法获得的垃圾邮件过滤效率的提高,可以更好地解决垃圾邮件中的概念漂移问题。     

基于贝叶斯神经网络的垃圾邮件过滤方法

垃圾邮件过滤是当前互联网应用中急需解决的一个重要课题，日益受到人们的关注。本文提出了一种基于贝叶斯神经网络BNN(Bayesian Neural Network)的垃圾邮件过滤方法，利用贝叶斯推理和神经网络相结合的贝叶斯神经网络算法对用户给定的正常／垃圾邮件集合进行训练，得到邮件过滤模型。并且提出了一种有效的特征选择方法，采用信息增益准则，有效降低了特征维数。经过实验测试，本文提出的方法可以实现对垃圾邮件的有效过滤。     

垃圾邮件控制-"首次验证法"

针对目前垃圾邮件泛滥的趋势,作者提出了一种新颖的垃圾邮件控制方法-"首次验证法".通过使用邮件策略文件来阻止邮件来源伪造;通过使用首次验证以及信任指数和联系人列表来保证对合法邮件的干扰性降低到最小,同时也对垃圾邮件发送者产生致命打击.鉴于篇幅,全文只是对"首次验证法"的简单介绍,最后给出了作者对于此方法的可行性分析.     

基于文本分类技术的垃圾邮件识别系统

文章介绍了一个基于文本分类技术识别垃圾邮件系统的体系结构，并介绍了该系统涉及到的中文信息处理、文本特征选取、朴素贝叶斯分类器等关键技术。最后，文章给出了针对部分垃圾邮件的处理结果。结果表明，该方法对于垃圾邮件的识别，具有较好的效果。     

基于XGBoost算法的垃圾短信分层分级治理体系

为有效整治垃圾短信,不断提升不良信息治理的精准性,文章基于XGBoost算法构建了一套科学的分层分级垃圾短信治理体系。通过对用户入网、消费、通信行为等特征进行建模与运算,识别出用户发送垃圾短信的风险系数,并定义了六级用户。分级名单生成后,依托于垃圾短信拦截系统的分级策略管理功能,分别设置相匹配的拦截策略。在加大对中高危用户的识别和拦截力度的同时,有效降低了高价值用户因不良信息治理导致被误拦截的风险。该治理体系应用于辽宁移动管理实际以来,垃圾短信平均投诉量降幅34.82%。误关停投诉率稳定在0.1%以内。一至三级高价值客户群关停投诉量降幅27.43%。