[发明专利]一种基于混淆模式识别的垃圾邮件识别方法

摘要

本发明公开了一种基于混淆模式识别的垃圾邮件识别方法，该方法将电子邮件的主题、正文和html代码根据预先统计的特殊字符库替换为仅由0、1、2三种字符构成的字符串，再利用预先统计的主题混淆模式库、正文混淆模式库和html代码混淆模式库对主题、正文和html代码进行混淆模式识别，从而判断出当前电子邮件是否为垃圾邮件。本发明具有很好的创新性，是对传统反垃圾技术的很好补充，能够在不影响准确率的情况下有效提高垃圾邮件识别的召回率。

主权项

一种基于混淆模式识别的垃圾邮件识别方法，其特征在于，该方法的垃圾邮件识别过程包括：1)从上级系统接收一封电子邮件，分别读取该电子邮件的主题、正文和html代码；2)预处理：将所述主题中的空格去掉，消除所述正文中控制字符的影响；3)归一化：将所述主题、正文和html代码的所有单字节符中的数字和字母替换为“2”，其他单字节符替换为“0”；结合预先统计的特殊字符库，将所述主题、正文和html代码的所有非单字节符替换为1或0，具体包括将所述主题、正文和html代码的所有非单字节符中所有由所述特殊字符库定义的乱码、生僻字替换为1，所有由所述特殊字符库定义的正常文字替换为0；4)混淆模式识别：将由0、1、2三种字符构成的主题整合为一个第一字符串，将由0、1、2三种字符构成的正文整合为一个第二字符串，将由0、1、2三种字符构成的html代码整合为一个第三字符串；分别将第一字符串、第二字符串和第三字符串输入预先统计的主题混淆模式库、正文混淆模式库和html代码混淆模式库；5)判定：若第一字符串符合所述主题混淆模式库中的一种混淆模式，或第二字符串符合所述正文混淆模式库中的一种混淆模式，或第三字符串符合所述html代码混淆模式库中的一种混淆模式，则当前电子邮件被判定为垃圾邮件；否则，当前电子邮件被判定为正常邮件；6)将判定结果返回给上级系统，结束。