垃圾圖像過濾系統(tǒng)的實(shí)現(xiàn).pdf

1、電子郵件作為一種現(xiàn)代通信技術(shù)手段，已成為人們?nèi)粘Ｉ钪胁豢扇鄙俚耐ㄐ攀侄沃?，但是垃圾郵件的泛濫卻給人們帶來了很大的危害。自動(dòng)垃圾郵件過濾技術(shù)已引起機(jī)器學(xué)習(xí)、文本分類、信息過濾等相關(guān)領(lǐng)域科研人員的興趣，利用郵件的文本內(nèi)容特征識別垃圾郵件已并被廣泛應(yīng)用于反垃圾郵件系統(tǒng)，并取得了不錯(cuò)的結(jié)果。盡管對于文本垃圾郵件有著很好的攔截率，但確有越來越多的垃圾郵件利用嵌入文本的圖像來逃避基于文本識別的反垃圾郵件系統(tǒng)，導(dǎo)致了基于文本內(nèi)容的反垃圾郵件工具失

2、效，并且圖像占用更多的存儲(chǔ)資源和帶寬，會(huì)容易造成網(wǎng)絡(luò)的阻塞。這就需要對圖像型垃圾郵件進(jìn)行研究。
　　 本文首先對圖像型垃圾郵件進(jìn)行了概述，分析了圖像型垃圾郵件的特點(diǎn)和檢測難點(diǎn)，并對基于統(tǒng)計(jì)學(xué)習(xí)的圖像型垃圾郵件過濾模型作了綜述，包括常用的支持向量機(jī)(SVM)、樸素貝葉斯(na(i)ve bayes)、logistic、k鄰近法等。
　　 然后著重介紹了垃圾圖像的特征提取方法包括文本方面特征和圖像方面特征。在文本方面特征由于

3、垃圾圖像需要傳遞制造者的信息，通常會(huì)比正常圖像包含有跟多的文字內(nèi)容，同時(shí)為了阻礙過濾器對圖像文字特征的提取通常會(huì)包含有混淆內(nèi)容；而在圖像特征方面，由于垃圾圖像的特性，一般是由人工合成，在色彩飽和度等顏色特性上與正常圖像分布的數(shù)據(jù)分布不同。
　　 最后我們設(shè)計(jì)一個(gè)兩層分類器進(jìn)行學(xué)習(xí)和分類，將兩方面特征相結(jié)合，彌補(bǔ)各自的弱點(diǎn)，結(jié)合兩者的長處。實(shí)驗(yàn)表明，系統(tǒng)能取得優(yōu)異的性能，特別在圖像是有復(fù)雜背景或其他混淆情況的下也能取到不錯(cuò)的結(jié)果。