[发明专利]一种信息安全过滤方法

权利要求书

1.一种信息安全过滤方法，其特征在于，其具体实现过程为：

一、设置第一级过滤，即基于Web缓存的地址过滤，利用Web缓存技术在机器空闲或不忙时启动内容分析功能，对网页内容分类识别：使用标题判别引擎或内容判别引擎，根据预先设定的规则对缓存数据进行判断，对提供不良内容的URL进行登记，生成拦截黑名单加入数据库，同时删除缓存的不良网页，在该级将不良网站过滤掉；

二、设置第二级过滤，即基于内容的过滤，该级过滤包括：

文档预处理：对文本进行分词后加权，计算出文本中词的权值；

生成文本特征：根据上述计算的权值大小构造特征词典；

过滤：计算预先收集的满足和不满足过滤需求的两类文本的特征值，根据两类特征值的差异设置该过滤步骤中的阈值，计算得到的阈值用来判断待分析文本的特征值是否超过了该值，以决定是否进行相应的过滤处理，超过该值时，进行过滤。

2.根据权利要求1所述的一种信息安全过滤方法，其特征在于，所述分词为文档预处理的第一步，即将经第一级过滤后待处理的文档转换成词序列后，供信息过滤系统使用，上述分词采用机械匹配法、特征词库法、正向/逆向最大匹配法、抽取中频字串法、邻接约束法、最少分词法中的一种或几种的结合。

3.根据权利要求2所述的一种信息安全过滤方法，其特征在于，所述加权计算为文档预处理的第二步，其具体实现过程为：

将分词后待处理的文档D用一个m维向量表示为：D=(w1,w2,…，wi，…,wm)，其中wi表示第i个词的权值；用词频因子与反向文档频度因子之积来计算词的权值，即词的加权函数表示为：Wi=f(wi)*v(wi)，其中词频因子f(wi)反映词在文档中出现的频率，反向文档频度因子v(wi)表示词在文档中的重要程度。

4.根据权利要求1所述的一种信息安全过滤方法，其特征在于，所述文档特征的生成包括：

创建特征词典：经过对待处理文档的分词和词的权值计算之后，设置一个门槛值，该值作为构建特征词典的标准，权值高于门槛值的词作为特征词加入到特征词典中；然后根据词的权值大小来决定是否将对应的词加入到特征词典中；

创建好特征词典后，对特征词典中的特征词进行量化，即将其作为属性因子与词的权值进行运算，从而生成文档特征。

5.根据权利要求1-4中任一所述的一种信息安全过滤方法，其特征在于，所述文档经过两级过滤后，系统根据所得到的过滤结果，发送相关反馈给特征词典及特征阈值，以及时改变其大小范围，实现最优的过滤。