[发明专利]一种垃圾邮件的过滤拦截方法

说明书

技术领域

本发明涉及网络通信领域，尤其涉及一种垃圾邮件的多层次过滤拦截方法。

背景技术

随着互联网应用的发展，电子邮件得到广泛的应用，已成为Internet上最基本的服务之一，用户可以通过电子邮件与远程用户进行经济、方便和快捷的信息交流。然而，就在电子邮件逐渐成为一种不可缺少的重要信息交流工具的同时，也正在成为一种商业广告手段。用户在收到有用信息的同时，还必须花费大量时间和精力多各种各样的邮件进行分类识别，以过滤“垃圾”邮件，而现有的邮件分类识别方法或采用较单一的分类识别方法而导致结果不准确，或使用过于复杂的识别方式而提高了时间成本。因此，如何提高邮件分类识别的准确率以及效率是目前研究的热点问题。

目前常用的邮件分类识别方法有很多种。例如，基于SVM、决策树、黑白名单、贝叶斯算法、模糊理论、智能计算、神经网络、推理技术、基于关键词和规则过滤、分类数据库、单一用户启发式学习等。

虽然这些方法各自有各自的优势，但各自有不同的缺点，分类准确率最高在80％左右，还不能够满足实际使用的要求。由于单机垃圾邮件过滤的代价较大，并且通常准确率不高，而将垃圾邮件过滤任务全部交给服务器，又将明显增加服务器端的资源开销。

现有技术在处理单机垃圾邮件过滤方面卓有成效。如今，最好的垃圾邮件过滤累积差错已经远低于1％。这似乎意味着人们已经在对抗垃圾邮件的战役中取得了胜利。但另外一方面，从国际知名安全机构和中国互联网协会反垃圾邮件中心历年发布的调查报告来看，从用户角度观察，虽然总体来说垃圾邮件的量在减少，但总感觉屡禁不止、无法根治。同时，用户对于现有反垃圾邮件功能薄弱的不满，位居所有制约用户使用网络邮箱因素的首位。

通过长期的研究，现有技术在处理单机垃圾邮件过滤方面卓有成效。但近年来复杂网络和社会网络方面研究的深入开展，人们普遍猜测真实世界网络都具有无标度和小世界的特性，比如计算机网络、神经系统、交通网络、电力网络、邮件网络、社会关系网络等等。

为何现有现状和用户体验之间有如此之大的落差？这应归结于以往的垃圾邮件过滤技术大多从个人用户角度考虑垃圾邮件的防治，从而忽略了用户之间实际上是一种相互影响、相互协作的关系而联结在一起，进而表现出某些类似的特性。

网络中存在许多的孤立节点，而如果两个网络用户节点之间如果存在较大的邮件交互(收发邮件)频率，则意味着这两个用户节点之间有较高的同质性。用户收到的垃圾邮件绝大部分来自于之前从未接触过的邮件收/发件人；另一方面，随着邮件收/发件人的熟悉或信任程度的增加，邮件是垃圾邮件的概率将迅速降低。

由于与用户节点进行邮件交互的网络IP地址数量较庞大且不断动态增长，要全面分析所有人的邮件交互关系是不可能的，也是没有必要的。

发明内容

本发明的主要目的在于提供一种垃圾邮件的过滤拦截方法，该方法对邮件进行多个层次过滤识别：首先根据用户收发邮件时的表情和/或语音特征数据获得用户收发邮件的分类属性；对于无法确认类别的邮件，依次查询用户节点本地及其朋友节点的黑/白名单列表，所述朋友节点是指与当前用户节点之间具有较高邮件交互频率的网络节点；最后，可提示用户判断该邮件的类别。通过上述多层次的过滤拦截，可以解决现有技术对于垃圾邮件的识别代价较大、效率较低的问题。

为了实现上述目的，根据本发明的一个方面，提供了一种垃圾邮件的过滤拦截方法，包括以下步骤：

步骤1，获取用户收发邮件时的表情和/或语音特征数据；并按照所述表情和/或语音特征数据获得用户收发的邮件的分类属性，所述分类属性包括：正常邮件、垃圾邮件和无法确认；

如果所获得的分类属性为正常邮件或垃圾邮件，则结束分类，否则执行步骤2；

步骤2，查询用户节点本地的黑名单列表和白名单列表，以确定当前邮件的类型。

进一步地，如果用户收发的该邮件的地址不在用户节点本地的黑名单列表和白名单列表中，则执行以下步骤：

步骤3，用户节点向所有朋友节点发出一个查询请求，所述查询请求包含当前邮件的地址信息；

步骤4，朋友节点根据所述查询请求搜索自己的黑名单列表和白名单列表，如果发现命中黑名单列表或白名单列表，则向该用户节点返回查询结果，所述查询结果表示该邮件的类型是垃圾邮件或正常邮件；

如果收到朋友节点返回的查询结果，并且所有的查询结果所表示的邮件类型相同，则执行步骤5；否则，执行步骤6；

步骤5，用户节点根据该查询结果更新本地的黑名单列表或白名单列表；

步骤6，提示用户判断该邮件的类别；