[发明专利]网络垃圾信息过滤架构、网络垃圾信息清除系统及其方法

说明书

技术领域

本发明涉及信息过滤技术，特别涉及网络垃圾信息过滤架构、网络垃圾信息清除系统及网络垃圾信息清除方法。

背景技术

近年来，随着网络技术的推陈出新，在网络传播领域，除网络新闻，网络论坛等传统网络应用外，又出现了博客Blog、维基WIKI、聚合新闻RSS等新形态的信息交互模式。范围广，交互性强、更新速度快的互联网传播从根本上改变了传播者与受传者之间的关系，是对传统媒介的传播模式的解构和颠覆。在网络这个人人共同拥有的信息平台上，传播者和受传者处于完全平等的地位，共同享有根据自己的需要选择信息和自由发表意见和观点的权利。但也正是由于网络信息传播的自由性和快速性，致使网络上出现了大量的垃圾信息，这些垃圾信息的来源以及所带来的负面影响主要有以下几个方面：

1、非法的营销者通过大批量的发送重复垃圾广告的方式，强占网络媒体最醒目的位置，强迫网友阅读垃圾商业广告。因为缺乏管理和制约，滥发广告的内容往往比较低级，被绝大部分网友所厌恶。

2、别有用心者利用网络媒体大量散步谣言，使不明真相者难以辨别。

3、色情及反动等不良信息通过网络媒体大量传播，对社会安定造成不良影响。

垃圾信息的一种发送方式是由机器自动发送。由机器自动搜集互联网上的信息传播平台，通过程序自动注册发文用的帐号，并利用程序自动大量地发送垃圾信息到信息传播平台中，通过占领信息传播平台的主要页面的方式来达到传播的目的。

为了对抗这种机器发送垃圾信息情况，人们提出了验证码技术。因为用计算机程序识别图像有很高的技术难度，利用这一特点，验证码图像被广泛用来区分计算机程序和真人。信息传播平台会在注册甚至发文的时候设置验证码关卡，要求注册者或者发文者看一张图片，识别出图片的内容，并用这种方法屏蔽机器注册和发文。常见的验证码图片内容是添加了图像干扰因素的数字、字母或者汉字。

但是验证码技术只能察觉机器自动发文，不能察觉人工发送垃圾信息。自动化批量发文被验证码技术所屏蔽后，垃圾发文者仍可以雇佣大量廉价的兼职人员，手动发布广告，通过人工识别验证码的方式来规避验证码的拦截。这种发文方式相对于自动发文来说，发文数量有所减少，但是会专门对那些访问量比较大的精品信息传播平台发动重点攻击。

为了规避人工发送垃圾信息，并取得更好地屏蔽垃圾信息的效果，人们又提出了垃圾信息特征屏蔽技术。其利用垃圾信息共有的一些特征来屏蔽掉垃圾信息。如现在许多信息传播平台的管理软件中有一个设定“关键词”的功能，管理员可以设定一些被禁止的“关键词”，在网友发文中如果出现了某些“关键词”，则信息传播平台会自动屏蔽掉关键词或者整篇网文。

除了设定“关键词”，还可以提取垃圾信息的其它特征信息，如国家专利局申请号为200610099111.8的专利提出了一种垃圾信息过滤方法，其通过提取垃圾信息的发送者的名称来作为过滤途径，请参见图1，其包括以下步骤：

S101，接收即时信息。

S103，提取发送者名称，在预置的违规发送者名称库查验发送者。其中，所述违规发送者名称库存储在预置时间内发送即时信息次数超过一定数值的发送者名称。

S105，根据查验结果进行判断。

S107，如果是，则将所述即时信息丢弃。

S109，如果否，则将所述即时信息传送到指定客户端显示。

此垃圾信息过滤方法通过对发送者的限制，可有效地防止某一发送者在短时间内发送大量的垃圾信息，可以更好的维护即时通信系统的应用环境。

但是，现在信息传播平台所采用的提取垃圾信息的特征信息的方式来屏蔽垃圾信息仍然有其局限性。因为信息传播平台的分散性，每个信息传播平台屏蔽垃圾文件的特征信息都保存在各自独立的数据库中，信息传播平台之间无法共享，造成每个渠道管理员都需要花大量的重复劳动去整理不完整的垃圾特征信息。而相应的，垃圾信息发送者则会使用各种方法逃避信息传播平台对其的过滤，如变换垃圾信息的形式，添加随机空格，或添加图片等方法，给判断垃圾信息增加了难度。