[发明专利]一种过滤垃圾邮件的方法、装置及邮件服务器

权利要求书

1.一种过滤垃圾邮件的方法，其特征在于，包括：

通过预设规则库包括的第一规则对新接收的邮件进行预判定，得到所述邮件的参考垃圾评分；

获取以历史邮件为机器学习的训练样本，对所述第一规则进行训练生成的第一垃圾概率值；

基于聚类算法，根据所述第一垃圾概率值计算得到所述邮件的第二垃圾概率值，其中，第一垃圾概率值包括由第一规则判定所述邮件为垃圾邮件的概率，以及由第一规则判定所述邮件为正常邮件的概率；

根据所述第二垃圾概率值的取值范围生成对应的聚合规则，并对所述聚合规则进行数据挖掘得到所述聚合规则对应的垃圾分值，其中，预先将0-1分为多个垃圾概率值区间，将每个垃圾概率值区间记为聚合规则，所述垃圾分值为正值或负值；

根据所述垃圾分值调整所述参考垃圾评分，得到所述邮件的实际垃圾评分；

将所述实际垃圾评分与预设阈值进行比较，根据比较结果判断所述邮件是否为垃圾邮件。

2.根据权利要求1所述的方法，其特征在于，在通过预设规则库包括的第一规则对新接收的邮件进行预判定之前，还包括：

应用设定的垃圾过滤技术对邮件进行判定后生成相应的规则，将所述垃圾过滤技术对应的规则存入所述预设规则库。

3.根据权利要求1或2所述的方法，其特征在于，在通过预设规则库包括的第一规则对新接收的邮件进行预判定之前，还包括：

获取研发人员或运维人员输入的基于垃圾邮件的特征和发信行为的组合规则，将所述组合规则存入所述预设规则库。

4.根据权利要求1所述的方法，其特征在于，在获取以历史邮件为机器学习的训练样本，对所述第一规则进行训练生成的第一垃圾概率值之前，还包括：

在规则训练功能开启时，将设定时间段内完成判定的邮件作为机器学习训练的样本，对所述第一规则进行训练，生成所述第一规则对应的第一垃圾概率，并根据所述第一垃圾概率更新原第一规则的垃圾概率数据库。

5.根据权利要求1所述的方法，其特征在于，基于聚类算法，根据所述第一垃圾概率值计算得到所述邮件的第二垃圾概率值，包括：

基于贝叶斯算法，根据由第一规则判定所述邮件为垃圾邮件的概率，以及由第一规则判定所述邮件为正常邮件的概率，计算得到所述邮件的第二垃圾概率值。

6.一种过滤垃圾邮件的装置，其特征在于，包括：

邮件预判定模块，用于通过预设规则库包括的第一规则对新接收的邮件进行预判定，得到所述邮件的参考垃圾评分；

获取模块，用于获取以历史邮件为机器学习的训练样本，对所述第一规则进行训练生成的第一垃圾概率值；

计算模块，用于基于聚类算法，根据所述第一垃圾概率值计算得到所述邮件的第二垃圾概率值，其中，第一垃圾概率值包括由第一规则判定所述邮件为垃圾邮件的概率，以及由第一规则判定所述邮件为正常邮件的概率；

垃圾分值确定模块，用于根据所述第二垃圾概率值的取值范围生成对应的聚合规则，并对所述聚合规则进行数据挖掘得到所述聚合规则对应的垃圾分值，其中，预先将0-1分为多个垃圾概率值区间，将每个垃圾概率值区间记为聚合规则，所述垃圾分值为正值或负值；

垃圾邮件判断模块，用于根据所述垃圾分值调整所述参考垃圾评分，得到所述邮件的实际垃圾评分；

将所述实际垃圾评分与预设阈值进行比较，根据比较结果判断所述邮件是否为垃圾邮件。

7.根据权利要求6所述的装置，其特征在于，还包括：

规则生成模块，用于在通过预设规则库包括的第一规则对新接收的邮件进行预判定之前，应用设定的垃圾过滤技术对邮件进行判定后生成相应的规则，将所述垃圾过滤技术对应的规则存入所述预设规则库。

8.根据权利要求6或7所述的装置，其特征在于，还包括：

规则获取模块，用于在通过预设规则库包括的第一规则对新接收的邮件进行预判定之前，获取研发人员或运维人员输入的基于垃圾邮件的特征和发信行为的组合规则，将所述组合规则存入所述预设规则库。