[發明專利]一種樣本數據獲取方法、裝置及系統

有效

• 申請號: 201410130898.4
• 申請日: 2014-04-02
• 公開（公告）號: CN103942282B
• 公開（公告）日: 2018-01-02
• 發明（設計）人: 葉森
• 申請（專利權）人: 新浪網技術（中國）有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30;H04L12/58
• 代理公司: 北京同達信恒知識產權代理有限公司11291
• 代理人: 郭潤湘

1.一種樣本數據獲取方法，其特征在于，包括：

搜索服務器接收郵箱服務器收發郵件過程中提取的待收發郵件的郵件信息，所述郵件信息為表征所述待收發郵件關鍵屬性的信息；

針對每個待收發郵件的郵件信息，為該待收發郵件分配索引標識，并將分配的索引標識與對應的至少一個郵件信息的對應關系存儲到索引數據庫中；其中，所述索引標識為分配的一個數字標記，或為所述待收發郵件的郵件類型；

按照預設的匹配規則，從所述索引數據庫中確定與預設的垃圾郵件關鍵屬性信息匹配的郵件信息，作為垃圾郵件樣本數據。

2.如權利要求1所述的方法，其特征在于，所述垃圾郵件關鍵屬性信息為垃圾郵件關鍵字；

所述按照預設的匹配規則，從所述索引數據庫中確定與預設的垃圾郵件關鍵屬性信息匹配的郵件信息，作為垃圾郵件樣本數據，具體包括：

在所述索引數據庫中查找與所述垃圾郵件關鍵字相同的郵件信息；

將查找到的郵件信息所屬郵件的索引標識對應的所有郵件信息，確定為垃圾郵件樣本數據。

3.如權利要求1所述的方法，其特征在于，所述垃圾郵件關鍵屬性信息為多個垃圾郵件來源地址；

所述按照預設的匹配規則，從所述索引數據庫中確定與預設的垃圾郵件關鍵屬性信息匹配的郵件信息，作為垃圾郵件樣本數據，具體包括：

統計多個垃圾郵件來源地址各自在所述索引數據庫中所屬郵件的郵件數量；

將所述郵件數量大于預設閾值的垃圾郵件來源地址所屬郵件的索引標識對應的所有郵件信息，確定為垃圾郵件樣本數據。

4.如權利要求1所述的方法，其特征在于，所述按照預設的匹配規則，從所述索引數據庫中確定與預設的垃圾郵件關鍵屬性信息匹配的郵件信息，具體包括：

使用搜索應用程序編程接口API調用所述索引數據庫，并按照預設的匹配規則從所述索引數據庫的郵件信息中，確定與預設的垃圾郵件關鍵屬性信息匹配的郵件信息。

5.如權利要求1-4任一所述的方法，其特征在于，所述待收發郵件的郵件信息包括待收發郵件的郵件標題、郵件發件人地址、郵件內容關鍵字中的至少一個信息。

6.一種樣本數據獲取裝置，其特征在于，包括：

接收單元，用于接收郵箱服務器收發郵件過程中提取的待收發郵件的郵件信息，所述郵件信息為表征所述待收發郵件關鍵屬性的信息；

存儲單元，用于針對每個待收發郵件的所述郵件信息，為該待收發郵件分配索引標識，并將分配的索引標識與對應的至少一個郵件信息的對應關系存儲到索引數據庫中；其中，所述索引標識為分配的一個數字標記，或為所述待收發郵件的郵件類型；

確定單元，用于按照預設的匹配規則，從所述索引數據庫中確定與預設的垃圾郵件關鍵屬性信息匹配的郵件信息，作為垃圾郵件樣本數據。

7.如權利要求6所述的裝置，其特征在于，所述垃圾郵件關鍵屬性信息為垃圾郵件關鍵字；

所述確定單元，具體用于在所述索引數據庫中查找與所述垃圾郵件關鍵字相同的郵件信息；將查找到的郵件信息所屬郵件的索引標識對應的所有郵件信息，確定為垃圾郵件樣本數據。

8.如權利要求6所述的裝置，其特征在于，所述垃圾郵件關鍵屬性信息為多個垃圾郵件來源地址；

所述確定單元，具體用于統計多個垃圾郵件來源地址各自在所述索引數據庫中所屬郵件的郵件數量；將所述郵件數量大于預設閾值的垃圾郵件來源地址所屬郵件的索引標識對應的所有郵件信息，確定為垃圾郵件樣本數據。

9.如權利要求6所述的裝置，其特征在于，所述確定單元，具體用于使用搜索應用程序編程接口API調用所述索引數據庫，并按照預設的匹配規則從所述索引數據庫的郵件信息中，確定與預設的垃圾郵件關鍵屬性信息匹配的郵件信息。

10.一種樣本數據獲取系統，其特征在于，包括：郵箱服務器和搜索服務器，其中：

所述郵箱服務器，用于在收發郵件過程中提取待收發郵件的郵件信息，所述郵件信息為表征所述待收發郵件關鍵屬性的信息；將所述郵件信息發送給所述搜索服務器；

所述搜索服務器，用于接收所述郵箱服務器發送的所述郵件信息；針對每個待收發郵件的郵件信息，為該待收發郵件分配索引標識，并將分配的索引標識與對應的至少一個郵件信息的對應關系存儲到索引數據庫中；按照預設的匹配規則，從所述索引數據庫中確定與預設的垃圾郵件關鍵屬性信息匹配的郵件信息，作為垃圾郵件樣本數據，其中，所述索引標識為分配的一個數字標記，或為所述待收發郵件的郵件類型。