[發(fā)明專利]一種過濾國(guó)際互聯(lián)網(wǎng)絡(luò)中垃圾電子郵件的系統(tǒng)及其實(shí)現(xiàn)方法

無效

• 申請(qǐng)?zhí)枺?/td>: 200610060960.2
• 申請(qǐng)日: 2006-06-07
• 公開（公告）號(hào): CN101087259A
• 公開（公告）日: 2007-12-12
• 發(fā)明（設(shè)計(jì)）人: 陳詩峰;李曄;馬馳騰
• 申請(qǐng)（專利權(quán)）人: 深圳市都護(hù)網(wǎng)絡(luò)科技有限公司
• 主分類號(hào): H04L12/58
• 分類號(hào): H04L12/58;G06Q10/00;H04L29/06
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術(shù)領(lǐng)域

本發(fā)明涉及個(gè)人電腦系統(tǒng)電子郵件終端、商用電子郵件服務(wù)器的垃圾郵件過濾功能。

背景技術(shù)

在互聯(lián)網(wǎng)時(shí)代，電子郵件是最簡(jiǎn)單、廉價(jià)和方便的通訊手段，它已經(jīng)成為商業(yè)和個(gè)人用戶最主要的通訊手段之一。由于其廉價(jià)和方便的特點(diǎn)，令很多人利用這種渠道發(fā)送宣傳自身的廣告信件，這類廣告信件中包括了色情網(wǎng)站和賭博網(wǎng)站，還有些不法分子利用電子郵件大量散播帶有反動(dòng)內(nèi)容的信件。而這種廣告信件對(duì)絕大多數(shù)的接受者來說是沒有意義甚至是有害的，這類信件被統(tǒng)稱為垃圾郵件。現(xiàn)在垃圾信件已經(jīng)多到令人無法忍受的地步(現(xiàn)在網(wǎng)絡(luò)上傳送的郵件居然有超過70％是垃圾郵件)，用戶對(duì)這些垃圾郵件不勝其煩，而運(yùn)營(yíng)商卻不得不為這些垃圾郵件所耗費(fèi)的大量的服務(wù)器資源和網(wǎng)絡(luò)資源買單。

在垃圾郵件數(shù)量不斷增加，發(fā)送手法日益高明的同時(shí)，作為對(duì)抗垃圾郵件的主要方式，垃圾郵件過濾系統(tǒng)也在迅速發(fā)展，現(xiàn)在主流的垃圾郵件過濾手段有：

1、全文關(guān)鍵字檢索

全文關(guān)鍵字檢索是一種歷史悠久的過濾方式，通過郵件管理員添加被禁止的關(guān)鍵字(例如：色情)，系統(tǒng)對(duì)郵件的內(nèi)容進(jìn)行分析，一旦發(fā)現(xiàn)符合的關(guān)鍵字，該郵件將被阻攔。

這種方式的有兩個(gè)缺點(diǎn)：

a.很容易將正常郵件當(dāng)成垃圾郵件禁止。以剛才的關(guān)鍵字：“色情”為例，如果信件的內(nèi)容里包括“不要看色情電影”這句話，那么，這封郵件也會(huì)被阻止。這是顯而易見的錯(cuò)誤判斷。

b.真正的垃圾郵件很容易繞過關(guān)鍵字的阻礙。還是剛才那個(gè)例子：

“色情”會(huì)被拒絕，但是“色_情”就能通過驗(yàn)證，這只是一個(gè)簡(jiǎn)單的例子，還有更難以防范的，例如：用阿拉伯?dāng)?shù)字1代替英文字母l，用英文字母o代替數(shù)字0的做法，Sale變成了Sale，對(duì)于用戶而言，這兩個(gè)詞沒有分別，但是關(guān)鍵字是沒有辦法過濾的。

c.郵件全文匹配的算法復(fù)雜度隨著關(guān)鍵字的數(shù)量而線性增長(zhǎng)，所以目前大部分過濾系統(tǒng)的關(guān)鍵字規(guī)則都有上限，這個(gè)缺陷不單只限制了過濾效果，而且對(duì)系統(tǒng)的穩(wěn)定性也造成了威脅。

2、行為判斷

行為判斷是根據(jù)郵件發(fā)送的行為來判斷是否垃圾郵件，例如，在1秒鐘之內(nèi)，從一個(gè)客戶端發(fā)出2-3封信，如果是人手操作，不可能有這么快的速度(垃圾郵件發(fā)送者利用群發(fā)軟件發(fā)送)，這種情況往往是垃圾郵件。另一種情況是：從一臺(tái)郵件服務(wù)器在一段世紀(jì)那內(nèi)大量發(fā)送郵件，這也有可能被認(rèn)為是正在發(fā)送垃圾。行為判斷也有一些缺點(diǎn)：

a.隨著垃圾郵件發(fā)送技術(shù)的提高，群發(fā)軟件能夠控制速度，節(jié)奏的發(fā)送，這樣，就能有效的繞過行為模式的過濾系統(tǒng)。

b.很多垃圾郵件發(fā)送者已經(jīng)不再利用自身的郵件服務(wù)器發(fā)送垃圾，而是通過病毒控制用戶的計(jì)算機(jī)，然后利用這些計(jì)算機(jī)發(fā)送，對(duì)于這種方式，行為模式也無法對(duì)付。

c.有的郵件服務(wù)器屬于大公司，本身就很繁忙，所以發(fā)送量很大，如果行為模式判斷得閥值設(shè)置過低，會(huì)將這種情況誤認(rèn)為是垃圾。如果閥值設(shè)置過高，那么，有很多垃圾郵件的發(fā)送行為又無法判斷。

3、IP黑名單

通過把垃圾郵件發(fā)送者的IP收集并列入黑名單也是一種垃圾郵件過濾辦法，但是這種方式在中國(guó)行不通。

a.因?yàn)橹袊?guó)IP資源緊缺，多數(shù)人使用的是動(dòng)態(tài)IP，所謂動(dòng)態(tài)的含義就是：這次你上網(wǎng)用的是一個(gè)IP，下次再次撥號(hào)，用的就是另外一個(gè)IP了，對(duì)于這類動(dòng)態(tài)IP，無法加入黑名單。

b.很多垃圾郵件發(fā)送者已經(jīng)不再利用自身的郵件服務(wù)器發(fā)送垃圾，而是通過病毒控制用戶的計(jì)算機(jī)，然后利用這些計(jì)算機(jī)發(fā)送，這種方式無法通過IP黑名單的方式解決。

4、Hash檢索

這個(gè)技術(shù)在反病毒領(lǐng)域應(yīng)用很成功，這是因?yàn)椴《緲颖镜臄?shù)量相對(duì)垃圾樣本來說少的可憐，目前最大的病毒庫(Kaspersky)的病毒數(shù)量也不超過20萬種，而垃圾樣本則不計(jì)其數(shù)。

i.Hash檢索的最大問題就是采樣的速度和數(shù)量。

ii.另外生成垃圾的HASH值得時(shí)候還需要人工確認(rèn)是否是垃圾郵件，這樣的巨大的工作量是無法交給門戶網(wǎng)站的管理員去完成的。

iii.因?yàn)槔]件很容易就可以加入干擾信息使HASH值產(chǎn)生跳躍，所以如果構(gòu)造一個(gè)HASH函數(shù)使得在有干擾的前提下，能夠產(chǎn)生相近的HASH值，從而影響過濾系統(tǒng)的過濾能力。

5.概率算法

概率算法可以認(rèn)為是Hash算法的一種特殊擴(kuò)展形式，它選用了概率函數(shù)作為Hash函數(shù)，最常用的HASH函數(shù)就是全條件概率公式，即貝葉斯算法。其缺點(diǎn)非常明顯：