基于多分形分析和主动学习反馈算法的图片垃圾邮件过滤

图片垃圾邮件通常由随机变形技术制作,人眼认为内容相同但计算机认为不同,导致常规反垃圾邮件技术无法阻止这类垃圾邮件.根据图片垃圾邮件必然具有相似性、大量性和可变性的特点,提出了一种综合多向小波金字塔多分形分析算法和主动学习反馈驱动半监督支持向量机算法的创新图片垃圾邮件过滤方法.实验结果表明,该方法容易与常规反垃圾邮件系统相结合,而且该方法的效率高、准确性好、假阳性低,通过重复训练,可进一步提高准确性、降低假阳性,适合用于对抗性学习和垃圾邮件过滤.

图片型垃圾邮件过滤分析系统设计和实现

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.

图片垃圾邮件过滤技术综述

从图片垃圾邮件的现状着手,通过对图片垃圾邮件的分析,将图片垃圾邮件与文本垃圾邮件之间的不同点进行了对比,并对图片垃圾邮件的特征进行了总结。与此同时,对图片垃圾邮件过滤中常用的一些过滤方法,例如OCR(最优字符识别)以及指纹技术进行了介绍,分析了其优缺点,并结合它们自身的缺点提出了一些建设性看法。最后对最新的反垃圾邮件研究成果作了简略描述,并对垃圾邮件的发展作出了展望。

基于截图内容的图片垃圾邮件过滤系统

垃圾邮件制造者常常将文字嵌入到图像中,产生了大量的图片垃圾邮件.为解决这一问题,提出并实现了一个基于截图内容的图片垃圾邮件过滤方案.首先由用户从垃圾邮件中截取某一子域图片,每一截图对应一类垃圾图片,所有的截图构成一个自定义的垃圾图片"黑名单".其次对读入的每一封图片邮件,其内置图片与"黑名单"中的图片进行图像匹配.最后若存在匹配项,则判定该邮件含有用户已指定的垃圾图片信息.将此图片垃圾邮件过滤方案应用于一个小型的邮件收发系统,使用3 534幅垃圾邮件图片进行实验,结果证明了该垃圾邮件过滤方案有效.

反垃圾邮件技术及其最新展望

随着Internet技术的迅猛发展,垃圾邮件日益猖獗,本文简单阐述了垃圾邮件的定义和危害,并详细介绍了现今常用的传统反垃圾邮件技术及其综合运用.最后,针对近来图片垃圾邮件猛增的最新形势,对未来反垃圾邮件技术的发展进行了展望.

一种基于纹理特征的图像垃圾邮件的识别方法

越来越多的垃圾邮件将文字制作成图片以逃避基于文字识别的反垃圾邮件过滤技术,目前采用的识别技术检测率低,而且容易被图像中故意加入的背景噪点干扰。介绍了一种用Gabor滤波器提取图片纹理特征并结合支持向量机(SVM)进行分类的识别方法,在实验中取得了较高的抗干扰率和检测率。