總第222期計算機與數(shù)字工程V ol . 36N o . 4　　　　　　　　　　　　　　　　　　　　　　　　　　2008年第4期C om puter &D igital Engineering 　　1

總第222期計算機與數(shù)字工程V ol . 36N o . 4

2008年第4期C om puter &D igital Engineering 　　102　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　

對郵件過濾技術(shù)發(fā)展現(xiàn)狀的比較與分析

張　萍　韓立娜

(武漢理工大學(xué)計算機科學(xué)與技術(shù)學(xué)院　武漢　430070)

3

摘　要　對自學(xué)習(xí)的過濾技術(shù)進(jìn)行比較和分析, 包括已經(jīng)商品化的方法和目前還處于理論研究階段的方法, 尤其介紹基于機器學(xué)習(xí)的過濾技術(shù)的發(fā)展現(xiàn)狀, 重點研究該領(lǐng)域內(nèi)的一些新興過濾技術(shù)。在綜合比較了一系列的過濾技術(shù)的優(yōu)缺點之后, 分析結(jié)果表明基于規(guī)則的方法和貝葉斯方法是最有潛力的過濾技術(shù)。

關(guān)鍵詞　垃圾郵件　過濾　組合過濾器　規(guī)則　貝葉斯中圖分類號　TP 181

Co mparison A 　H an L ina

(C of com puter science and technology, W uhan U niversity of Technology, W uhan 　430070)

A b s t ra c t 　Focus on adap tive spam filters, from comm ercial i m p lem entations to ideas confined to current research papers . Especially introduce the technology based on m achine L earning, focusing on som e innovative technology in this field . A fter the com parison and analysis of the different techniques, rule -based and B ayesian filtering appear to be the greatest potential for fu 2ture spam p revention .

Ke yw o rd s 　spam , filter, ensem ble filter, rule, bayesian C la s s N um b e r 　TP 181

1　引言

近年來, 垃圾郵件在不斷發(fā)展, 構(gòu)造一個簡單

的模型來過濾垃圾郵件是很困難的, 要實現(xiàn)就更加復(fù)雜。況且, 垃圾郵件制造者經(jīng)常修改郵件的信息和內(nèi)容來逃避檢測, 這給精確過濾造成了更大的障礙。

目前, 用來處理垃圾郵件的方法可以分為三類:法律法規(guī), 協(xié)議的改進(jìn)和過濾器。對于大量的垃圾郵件, 法律的作用是微乎其微的, 甚至由于只要遵守一定的規(guī)則, 就可以大量發(fā)送廣告郵件, 法律在一定程度上促進(jìn)了垃圾郵件的發(fā)展。協(xié)議的改進(jìn)是通過改變發(fā)送郵件的方式來過濾郵件, 如:需要發(fā)送者的認(rèn)證, 按郵件發(fā)送量的大小收取費用, 通過驗證郵件是否來自合法區(qū)域及是否帶有正確的密碼來識別合法郵件。這些協(xié)議大多提供了較完整的解決方案, 卻往往因為需要對現(xiàn)有的郵件

協(xié)議進(jìn)行升級或替換, 應(yīng)用部署受到限制, 很難在電子郵件用戶中推廣。

過濾器大致可以分為兩種:交互式和非交互式。交互式的過濾器通常也被稱為“challenge re 2

(C /R) 系統(tǒng), 能夠截取來自陌生的發(fā)送者sponse ”

的郵件和可疑度較高的郵件。這些信息都儲存在

接收者的郵件服務(wù)器中, 而服務(wù)器會給相應(yīng)的發(fā)送者寄出一封郵件, 郵件一般很簡單, 但是需要回復(fù)的, 以確定郵件來自人類還是批量發(fā)送郵件的機器。交互式過濾器默認(rèn)的規(guī)則是由于垃圾郵件制造者通常同時發(fā)送大量的信息, 因此不會回復(fù)此類郵件。而且, 如果發(fā)送者使用的地址是假的, 將無法收到此類郵件。

非交互式的過濾器在過濾郵件時不需要與人類進(jìn)行交互, 但在配置特定用戶選項和糾正錯誤分類時需要人類的介入。這類系統(tǒng)相對簡單而行之有效, 因此應(yīng)用很廣泛。

3

收稿日期:2007年11月4日, 修回日期:2007年12月25日

作者簡介:張萍, 女, 碩士研究生, 研究方向:文本分類。韓立娜, 女, 碩士研究生, 研究方向:演化計算

。? 1994-2009 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net

第36卷(2008) 第4期　　　　　　　　　　　　　計算機與數(shù)字工程

　　　　　　　　　　　　103

2　基于統(tǒng)計的過濾技術(shù)的分類及評價

為了對垃圾過濾性能進(jìn)行評價分析, 有必要定義一些指標(biāo)來評價垃圾過濾的效果。應(yīng)用比較廣泛的評價指標(biāo)有召回率R (R ecall ) , 準(zhǔn)確率P (Pre 2cision ) , F 1測試值和精確率A (A ccu racy ) 。合法郵件被誤判為垃圾郵件稱為誤檢率(false posi 2tive ) , 垃圾郵件被誤判為合法郵件稱為漏檢率(false negative ) , 如圖1所示

。

郵件, 對所有的用戶使用同樣的規(guī)則進(jìn)行過濾。這種方法的好處是可以集中管理和維護, 對終端用戶的要求很低, 可以在垃圾郵件到達(dá)目的地之前就將其拒絕或者丟棄。客戶端的過濾器檢查來自郵件服務(wù)器的所有郵件, 經(jīng)常是客戶郵件處理程序的一部分。通常, 基于機器學(xué)習(xí)的過濾器被安裝在客戶度時性能最佳, 因為客戶能夠糾正錯誤分類和調(diào)整規(guī)則。

大多商用過濾器和開源產(chǎn)品都是基于軟件的過濾器, 可以被安裝在客戶端和服務(wù)器端。其中, 。A p 2

p (, 所圖[2]

。A pp liance 包含的硬件往往是

,

。誤判率(1-A ) 指誤檢率和漏檢率的總和。很明顯, 精確度為99的條件下, 1的誤檢率帶來的損失比1的漏檢率帶來的損失大得多。因此, 這兩個評價指標(biāo)比單個的精確度更能反應(yīng)過濾器的性能。

[1]

H idalgo 建議使用一個新的評價指標(biāo)-RO C 曲線(R eceiver O perating C haracteristics C urve, 受試者工作特征曲線) 。曲線圖表表明在分類閥值參數(shù)發(fā)生改變時, 檢出率和誤檢率之間的平衡。若對應(yīng)第一個過濾器的曲線完全在對應(yīng)第二個過濾器的曲線的上方, 可以推斷:第一個過濾器的性能超過了第二個的性能。曲線以下的部分作為量化指標(biāo)可以直觀有效地幫助優(yōu)選分類閾值和比較不同過濾器的性能優(yōu)劣。

過濾技術(shù)大致分為兩種:基于機器學(xué)習(xí)理論和基于非機器學(xué)習(xí)理論。近年來, 基于非機器學(xué)習(xí)理論的技術(shù), 如基于規(guī)則的, 黑名單和簽名, 多與基于機器學(xué)習(xí)的技術(shù)相結(jié)合?；跈C器學(xué)習(xí)的過濾技術(shù)可以分為獨立模型和互補型?；パa型通常被設(shè)計為主過濾器的一個組件, 對主過濾器提供技術(shù)幫助(主過濾器可以是基于機器學(xué)習(xí)的也可以是基于非機器學(xué)習(xí)的) 。獨立模型旨在構(gòu)造一個完整的知識庫, 獨立地對所有的郵件進(jìn)行分類。這一類的過濾器可采用不同的方法, 如:構(gòu)造一個統(tǒng)一的模型來進(jìn)行判斷; 將收到的郵件與以前的郵件進(jìn)行比較(相似度) ; 組合型使用協(xié)作方案, 將多個過濾器結(jié)合在一起(組合) 。

過濾器可以安裝在客戶端, 也可以安裝在郵件服務(wù)器端。服務(wù)器端的過濾器檢查所有接收到的

針對郵件過濾而進(jìn)行了優(yōu)化的, 因此性能比運行軟件過濾器的通用機器的性能好, 而且, A pp liance 對應(yīng)的操作系統(tǒng)一般都是預(yù)先加強的, 而通用過濾器所依賴的平臺, 尤其是操作系統(tǒng), 都有潛在的安全隱患。

3　過濾技術(shù)

3. 1　非機器學(xué)習(xí)過濾器3. 1. 1　基于規(guī)則的過濾技術(shù)

基于規(guī)則的過濾技術(shù), 通常也稱為啟發(fā)式過濾技術(shù), 是利用電子郵件半結(jié)構(gòu)化的特點, 先使用人工或者自動的方法總結(jié)出正常郵件之間的共性, 或者垃圾郵件之間的共性, 據(jù)此來生成一系列的規(guī)則。當(dāng)郵件到達(dá)或者發(fā)送郵件的行為產(chǎn)生時, 依照規(guī)則來檢查郵件的內(nèi)容或者發(fā)送行為, 并根據(jù)與規(guī)則的相符程度來決定過濾器的動作行為。簡單的基于規(guī)則的過濾系統(tǒng)依據(jù)郵件與規(guī)則的匹配數(shù)量而給郵件分配一個相應(yīng)的分?jǐn)?shù)。如果分?jǐn)?shù)高于預(yù)定的閥值, 郵件就被判為垃圾郵件?；谝?guī)則的過濾技術(shù)簡單, 快速和精確, 應(yīng)用非常廣泛。

但是, 基于規(guī)則的過濾技術(shù)也有一些缺點。由于基于靜態(tài)的規(guī)則集, 系統(tǒng)不能自動調(diào)整過濾器去識別新的垃圾郵件特征, 需要管理者構(gòu)造新的識別規(guī)則或者定期下載新規(guī)則集。如果垃圾郵件制造者偽造出一種能夠破解某一類規(guī)則, 那么所偽造的郵件能夠毫無障礙地通過所有采用這類規(guī)則的郵件服務(wù)器。況且, 某些開源的基于規(guī)則的過濾器, 公開發(fā)布過濾器和規(guī)則集, 允許垃圾郵件制造者來測試?yán)]件的性能。另外, 基于規(guī)則的過濾技術(shù)能夠得到較高的精確度, 但是如果過濾器被調(diào)整為

? 1994-2009 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net

104張　萍等:對郵件過濾技術(shù)發(fā)展現(xiàn)狀的比較與分析　　　　　　　　　　　　總第222

期

可以達(dá)到100的精確度, 就會產(chǎn)生很高的誤檢率, 這是用戶所不能接收的。

3. 1. 2　簽名

基于簽名的過濾技術(shù)基于這樣的事實, 同一內(nèi)容的垃圾郵件在一段時間內(nèi)會被高頻率地重復(fù)散發(fā)?；诤灻倪^濾技術(shù)會為每封已被識別的垃圾郵件產(chǎn)生一個唯一的哈希值(簽名) 。當(dāng)新郵件到達(dá)后, 過濾器將新郵件的哈希值與所有存儲的垃圾郵件的哈希值相比較, 以判斷是否是垃圾郵件。從統(tǒng)計學(xué)來講, 一封合法郵件的哈希值不可能與垃圾郵件的哈希值相同, 因此, 基于簽名的過濾技術(shù)的誤檢率非常低。但是, 能檢測出垃圾郵件的重要前提是有類似的垃圾郵件已經(jīng)被識別出來了, 并且被賦予了一個唯一的哈希值。而且, 網(wǎng)絡(luò)崩潰了, 圾郵件。

然而, 匹配過濾器的檢測。例如, 在垃圾郵件里插入一段隨機的字符, 郵件的哈希值就會改變, 而且需要及時更新哈希值。

商用簽名過濾器通常融合到對應(yīng)組織的郵件服務(wù)器中, 并與專門的集中簽名分配服務(wù)器進(jìn)行通訊, 以及時接收和提交垃圾郵件簽名。無論分布式和合作式的簽名過濾器, 都需要復(fù)雜的可以信賴的網(wǎng)關(guān), 在允許接收來自用戶的垃圾郵件簽名的同時, 阻止來自網(wǎng)絡(luò)的攻擊和惡意的破壞。3. 1. 3　黑白名單

3. 2. 1　統(tǒng)一模型過濾器

基于貝葉斯方法的過濾器能夠克服基于規(guī)則

的過濾器的許多缺點, 因此應(yīng)用非常廣泛。目前, 許多企業(yè)級的過濾器都是采用基于貝葉斯方法的過濾技術(shù)。

貝葉斯分類的原理是大多數(shù)事件都是相互依賴的, 那么一個事件將來發(fā)生的概率可以從該事件從前發(fā)生的概率進(jìn)行推斷。應(yīng)用同樣的原理可以對郵件進(jìn)行分類, 分類器的工作一般分為訓(xùn)練和分類兩個階段:在訓(xùn)練階段, 分類器通過對大量郵件(包括垃圾郵件和正常郵件) , 統(tǒng)計。在分類階段, , 貝葉斯過濾技術(shù)。但是, 多數(shù)商用貝葉斯過濾器都是依靠自己的人工評分系統(tǒng), 而不是完全依賴于產(chǎn)生的原始概率。而且, 通常使用樸素貝葉斯方法(假設(shè)事件是互相獨立的) 。

為了解決標(biāo)準(zhǔn)貝葉斯方法的不足, Yerazu 2[3]-[4]nis 介紹了零散二元多項式拆分(Sparse bina 2ry po lynom ial hashing, SB PH ) 和正交稀疏偶圖

(O rthogonal sparse b igram , O SB ) 。SB PH 是樸素

貝葉斯方法的泛化, 將貝葉斯鏈?zhǔn)揭?guī)則和單個特征的條件概率相結(jié)合, 不僅能識別單個的詞, 還能識別變異的短語。Yerazun is 在沒有使用白名單和黑名單的情況下, 對實時郵件郵件進(jìn)行過濾, 得到了99. 9以上的試驗結(jié)果。但是, SB PH 的公認(rèn)的缺

黑白名單技術(shù)利用的是最樸素的思想:列舉受歡迎的和不受歡迎的發(fā)件人名單。白名單中的發(fā)件人發(fā)送的任何郵件都認(rèn)為是合法郵件, 黑名單中的發(fā)件人發(fā)送的任何郵件都認(rèn)為是垃圾郵件。這是目前電子郵件過濾中廣泛使用的技術(shù), 可以應(yīng)用在服務(wù)器端或客戶端。在和其它過濾器結(jié)合時, 不需要對其他過濾器作大量的修改, 就能彌補其它過濾器的不足。通常做法是收集一個黑、白名單列表, 可以是電子郵件地址, 也可以是郵件服務(wù)器的域名、IP 地址, 收到郵件時對發(fā)件人進(jìn)行實時檢查。這種名單一般由比較有信譽的組織提供, 如中國互聯(lián)網(wǎng)協(xié)會定期在主頁上公開垃圾郵件服務(wù)器IP 地址名單。個人也可以根據(jù)需求定義和維護自己的黑、白名單。黑白名單技術(shù)具有使用簡單可靠, 漏檢率較低的優(yōu)點。但是其簡單性導(dǎo)致偽造的發(fā)送地址很容易逃過檢測。而且, 誤檢率較高使其作為單一的過濾系統(tǒng)時性能不好。3. 2　基于機器學(xué)習(xí)的過濾器

點是計算時間太長。而O SB 利用的特征集遠(yuǎn)小于

SB PH, 因此, 相對而言, O SB 需要的內(nèi)存小, 速度快?；贠 SB 和W innow 算法的過濾器, 精確度最高可以達(dá)到99. 68, 比SB PH 小0. 04, 但是,

O SB 只用了600, 000個特征變量, 而SB PH 需要

1, 600, 000個特征變量。樸素貝葉斯方法是假設(shè)

特征之間都是不相關(guān)的, 現(xiàn)在有不少學(xué)者對特征詞的相關(guān)性進(jìn)行研究, 例如:若同一個特征詞出現(xiàn)在郵件中的不同區(qū)域, 就將其看作不同的特征, 構(gòu)造聯(lián)合權(quán)值(co -w eighting ) 來表示在同一個特征詞在不同區(qū)域中的相關(guān)。

還有很多學(xué)者致力于基于貝葉斯方法的中文垃圾郵件過濾技術(shù)的研究, 取得了一定的成效。但有幾個因素制約了其發(fā)展, 如:(1) 語言的制約, 漢語與英語在很多方面具有不同的特性, 不同直接把國外的研究結(jié)果應(yīng)用到中文垃圾郵件的過濾上來。(2) 缺乏開源項目。(3) 缺乏公共的中文郵件語料, 很多實驗結(jié)果無法橫向比較, 個人收集的數(shù)據(jù), 數(shù)量

? 1994-2009 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net

第36卷(2008) 第4期　　　　　　　　　　　　　計算機與數(shù)字工程

　　　　　　　　　　　　105

少, 范圍窄, 具有很大的局限性, 其結(jié)果也缺乏說服力。目前, 已經(jīng)有人開始進(jìn)行相關(guān)的研究工作。

支持向量機(Support vector m achines , SVM ) 是在二十世紀(jì)90年代以來發(fā)展起來的一種統(tǒng)計學(xué)習(xí)方法, 它通過構(gòu)造最優(yōu)線性分類面來指導(dǎo)分類。SVM 在解決小樣本學(xué)習(xí)、非線性及高維模式識別問題中表現(xiàn)較好。SVM 可以直接用于線性可分問題, 而對于線性不可分的情形, 可以構(gòu)造一個變換, 將問題轉(zhuǎn)換到一個新的空間, 在這個新空間中線性可分。在文本分類中, SVM 是公認(rèn)的較好的方法

[5]

之一。D rucker 將SVM 用于垃圾郵件過濾, 得到的結(jié)果再次印證這一點。D rucker 還得到一個結(jié)論就是, 采用二值表示的SVM 的性能稍高于采用多

[6]

值表示的SVM 。R ios and Zha 機森林方法(R R F , R F 過濾器在低誤判率時魯棒性更強, 但是兩者的性能都要優(yōu)于樸素貝葉斯過濾器。

[7]

L udlow 推斷大多數(shù)的垃圾郵件很有可能來自主要的150個制造者, 因此用身份認(rèn)證技術(shù)對這個小團體的“文本指紋”進(jìn)行驗證, 從而判斷是否是垃圾郵件。實驗結(jié)果表明, 利用這種方法可以得到較好的過濾效果, 甚至獲得了優(yōu)于貝葉斯過濾器的過濾效果。

[8]

C hhabra 提出了一種基于馬爾可夫隨機場

(M arkov R andom F ield, M R F ) 分類器模型, 這種

基于范例推理(C ase -based reasoning, CB R ) 系統(tǒng)是建立一個已有的分類實例庫(如:郵件庫) 來進(jìn)行分類。當(dāng)收到郵件后, 將收到的郵件與已有的郵件庫比較, 得到相似程度最高的郵件, 通過該郵件對應(yīng)的類別來確定新郵件的類別。分類后, 郵件和對應(yīng)的分類結(jié)果都存入郵件庫中, 為將來的郵件分類提供指導(dǎo)作用。C unningham 構(gòu)造一個基于范例推理的分類器, 這個分類器能夠往實例庫中添加新實例, 和從實例庫中刪除舊實例, 使得系統(tǒng)能夠適應(yīng)垃圾郵件和合法郵件中的特征變量的轉(zhuǎn)移。. 2. , 當(dāng)郵件到達(dá)時, 先用各個組合的過濾器對郵件進(jìn)行處理, 再綜合考慮單個過濾器的結(jié)果來決定郵件的類別。由于過濾器級別不同, 產(chǎn)生的錯誤互不相關(guān), 因此能夠得到較好的性能。

基于B oosting 算法的過濾器是經(jīng)典的組合過濾器, B oosting 算法的基本思想就是基于這樣一個事實:發(fā)現(xiàn)大量而粗略的經(jīng)驗規(guī)則要比找到一條高度準(zhǔn)確的預(yù)測規(guī)則容易得多。為了使用B oos 2ting 算法, 首先需要一個弱算法來找到大量經(jīng)驗規(guī)則。B oosting 算法循環(huán)調(diào)用弱算法, 每輪循環(huán)向弱算法輸入訓(xùn)練集的不同子集, 更準(zhǔn)確的說是帶有不同權(quán)重分布的訓(xùn)練集。每一次被調(diào)用, 弱算法都產(chǎn)生一條新的較弱的預(yù)測規(guī)則(即經(jīng)驗規(guī)則) 。經(jīng)過多輪循環(huán)之后, B oosting 算法將各輪循環(huán)產(chǎn)生的弱預(yù)測規(guī)則合并成一條預(yù)測規(guī)則, 最終的規(guī)則將會遠(yuǎn)比任意一條弱規(guī)則準(zhǔn)確。C arreras

[10]

and M arquez 利用A daB oost (一種B oosting 算法) 進(jìn)行郵件過濾, 并與決策樹, 樸素貝葉斯和KNN 方法對比。實驗結(jié)果顯示, 性能優(yōu)于其它三種方法。而且, 能夠通過調(diào)節(jié)分類閥值得到較高的準(zhǔn)確度。3. 2. 4　互補型過濾器灰名單是一種需要與其它過濾器結(jié)合使用的分類方法, 具體是指拒絕接收來自不熟悉的IP 地址的郵件, 同時系統(tǒng)自動回復(fù)接收郵件失敗的消息?；颐麊位诘氖聦嵤? 當(dāng)郵件發(fā)送失敗時, 發(fā)送垃圾郵件的軟件不會采取任何錯誤恢復(fù)措施, 更不會重新發(fā)送郵件; 而普通的郵件發(fā)送系統(tǒng)都會提醒發(fā)送者重新發(fā)送郵件。對于性能一般的垃圾郵件發(fā)送軟件, 灰名單不失為一個有效的過濾方法。

SM TP 路徑分析技術(shù)是一種以IP 地址認(rèn)證電

[9]

方法考慮了郵件中單詞間的鄰近關(guān)系(M R F 基團) , 這樣在分類過程中就引入了自然語言中的相關(guān)詞之間的依賴關(guān)系。3. 2. 2　基于相似度比較的過濾器基于內(nèi)容和基于事件的機器學(xué)習(xí)技術(shù), 都是根據(jù)與存儲的郵件(如:訓(xùn)練文本) 的相似度來判定收到的郵件的類別。

K 近鄰(K -N earst N eighbo r, KNN ) 是常用的基于內(nèi)容的文本分類方法。分類時直接將待分類文本與訓(xùn)練集合中的每個文本進(jìn)行比較, 然后根據(jù)前K 篇相似的文本得到新文本的類別(最簡單的情況可以根據(jù)K 篇文本所屬的類別數(shù)的多少來確定最后類別) 。KNN 的原理非常直觀, 也很容易理解。在文本分類中KNN 也常常能夠取得好的結(jié)果。但是由于其分類速度的局限性, 不太適用于對分類速度要求較高的垃圾郵件過濾場合。有學(xué)者將KNN 方法引入到垃圾郵件過濾中, 實驗結(jié)果表明KNN 過濾器與貝葉斯過濾器的性能相當(dāng)。

? 1994-2009 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net

106張　萍等:對郵件過濾技術(shù)發(fā)展現(xiàn)狀的比較與分析　　　　　　　　　　　　總第222

期

[2]NU TTER R. Soft w are or app liance solution? N et 2w ork W orld Fusion [DB /OL].http://www.nw fusion . com /colum nists /2004/0301nutter . ht m l, 2004, 3, 1

[3]YO SH I DA K, ADA CH I F, W A SH I O T et al . D ensity -based spam detector[C ].In KDD ’04:P roceedings of the 2004A CM

S I G KDD

international conference on

Know ledge discovery and data m ining, A CM P ress, 2004:

子郵件寄件人身份的技術(shù)。SM TP 路徑分析算法通過檢測包含在垃圾郵件和正常郵件中的IP 地址

字串, 不斷自我學(xué)習(xí), 自我完善。這樣當(dāng)再有新郵件到來時, 它便能以相當(dāng)?shù)木? 對郵件的真?zhèn)巫鞒雠袛唷＿@項技術(shù)通過檢測電子郵件中所包含的傳播路徑信息, 能較好地判斷出該郵件是否屬于電子垃圾。

486～493

[4]DAM I AN I E, PA RABO SCH I S, SAM A RA T I P et al .

P 2P -based collaborative spam detection and filtering In P 2P ’04:P roceedings of the Fourth International

[C ].

4　結(jié)語

本文總結(jié)了許多新的郵件過濾技術(shù), 由于每個

作者所選用的郵件集和實驗平臺有所區(qū)別, 很難對分類結(jié)果進(jìn)行比較, 只有使用統(tǒng)一的基準(zhǔn)文集, 才能進(jìn)行有意義的分析。但是這是一項艱巨的任務(wù), , 涉及到個人隱私, 快, , 。

經(jīng)過了多年的發(fā)展, 新興的反垃圾郵件技術(shù)層出不窮。其中, 基于規(guī)則和基于貝葉斯方法的過濾器的效果最為突出, 其改進(jìn)算法也較多。但無論哪一種技術(shù), 都無法完全應(yīng)對多變的垃圾郵件。垃圾郵件和反垃圾郵件的技術(shù)演進(jìn)必將長期存在, 反垃圾郵件技術(shù)的發(fā)展將日益趨向于全面包含最有效垃圾郵件阻斷技術(shù)的整體解決方案。

參考文獻(xiàn)

[1]H I DALGO J. Evaluating cost -sensitive unsolicited bulk em ail categorization [C ].P ress, 2002:615～620

In SA C ’02:Proceedings of

the 2002A CM sym posium on A pp lied com puting, A CM 2

C onference on Peer -to -Peer C om IEEE C om puter S ociety, 176～183