[發(fā)明專利]一種垃圾郵件的識別方法、裝置及電子設(shè)備在審
| 申請?zhí)枺?/td> | 201610818708.7 | 申請日： | 2016-09-12 |
| 公開（公告）號： | CN107819664A | 公開（公告）日： | 2018-03-20 |
| 發(fā)明（設(shè)計(jì)）人： | 林治暉 | 申請（專利權(quán)）人： | 阿里巴巴集團(tuán)控股有限公司 |
| 主分類號： | H04L12/58 | 分類號： | H04L12/58 |
| 代理公司： | 北京安信方達(dá)知識產(chǎn)權(quán)代理有限公司11262 | 代理人： | 李紅爽,栗若木 |
| 地址： | 英屬開曼群島大開*** | 國省代碼： | 暫無信息 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 一種 垃圾郵件 識別 方法 裝置 電子設(shè)備 | ||
1.一種垃圾郵件的識別方法，包括：
從待識別郵件中提取預(yù)定的樣式特征的特征值；
統(tǒng)計(jì)與待識別郵件具有相似特征值的郵件的個(gè)數(shù)；其中，與待識別郵件具有相似特征值的郵件是指，該郵件的特征值和從待識別郵件中提取的特征值的差異在預(yù)定范圍內(nèi)；
根據(jù)與待識別郵件具有相似特征值的郵件的個(gè)數(shù)和預(yù)定策略，判斷所述待識別郵件是否為垃圾郵件。
2.如權(quán)利要求1所述的識別方法，其特征在于，所述預(yù)定的樣式特征包含以下一或多種：郵件頭元信息、多用途互聯(lián)網(wǎng)郵件擴(kuò)展MIME結(jié)構(gòu)參數(shù)、超文本標(biāo)記語言HTML標(biāo)簽統(tǒng)計(jì)信息、郵件內(nèi)容的參數(shù)。
3.如權(quán)利要求2所述的識別方法，其特征在于：
所述郵件頭元信息包括以下一或多種：X-Mailer、自定義郵件頭；其中，X-Mailer用于表示郵件是從哪個(gè)客戶端發(fā)送出來的；
所述MIME結(jié)構(gòu)參數(shù)包括以下一或多種參數(shù)：MIME版本、內(nèi)容類型、字符集、頁面語言、MIME實(shí)體個(gè)數(shù)；
所述HTML標(biāo)簽統(tǒng)計(jì)信息包括以下一或多種：所包含的HTML標(biāo)簽、每種HTML標(biāo)簽的出現(xiàn)次數(shù)；
所述郵件內(nèi)容的參數(shù)包括以下一或多種參數(shù)：字符數(shù)、文本行數(shù)、字體大小、附件個(gè)數(shù)、是否有超鏈接、超鏈接個(gè)數(shù)、是否有EMAIL地址。
4.如權(quán)利要求1所述的識別方法，其特征在于，所述統(tǒng)計(jì)與待識別郵件具有相似特征值的郵件的個(gè)數(shù)包括：
使用相似哈希算法SIMHASH，根據(jù)從待識別郵件中所提取的特征值計(jì)算出待識別郵件的指紋；
統(tǒng)計(jì)與待識別郵件具有相似指紋的郵件的個(gè)數(shù)；其中，具有相似指紋的郵件是指該郵件的指紋與待識別郵件的指紋之間的漢明距離小于或等于預(yù)定閾值。
5.如權(quán)利要求4所述的識別方法，其特征在于，所述使用SIMHASH，根據(jù)從待識別郵件中所提取的樣式特征的特征值計(jì)算出待識別郵件的指紋前還包括：
將從待識別郵件中所提取的每個(gè)樣式特征的特征值分別轉(zhuǎn)換成樣式特征的標(biāo)識加特征值的格式。
6.如權(quán)利要求5所述的識別方法，其特征在于：
所述樣式特征的標(biāo)識是樣式特征的編碼；樣式特征的標(biāo)識加特征值的格式為：Code:Value；其中Code為樣式特征的編碼，Value為特征值。
7.如權(quán)利要求4所述的識別方法，其特征在于，所述使用SIMHASH，根據(jù)從待識別郵件中所提取的樣式特征的特征值計(jì)算出待識別郵件的指紋前還包括：
對從待識別郵件中所提取的數(shù)值類型的樣式特征的特征值進(jìn)行映射。
8.如權(quán)利要求7所述的識別方法，其特征在于，所述對從待識別郵件中所提取的數(shù)值類型的樣式特征的特征值進(jìn)行映射包括：
分別使用從待識別郵件中所提取的數(shù)值類型的特征值除以預(yù)設(shè)數(shù)值，將得到結(jié)果向上或向下取整，得到映射后的特征值。
9.一種垃圾郵件的識別裝置，其特征在于，包括：
提取模塊，用于從待識別郵件中提取預(yù)定的樣式特征的特征值；
統(tǒng)計(jì)模塊，用于統(tǒng)計(jì)與待識別郵件具有相似特征值的郵件的個(gè)數(shù)；其中，與待識別郵件具有相似特征值的郵件是指，該郵件的特征值和從待識別郵件中提取的特征值的差異在預(yù)定范圍內(nèi)；
判斷模塊，用于根據(jù)與待識別郵件具有相似特征值的郵件的個(gè)數(shù)和預(yù)定策略，判斷所述待識別郵件是否為垃圾郵件。
10.如權(quán)利要求9所述的識別裝置，其特征在于，所述預(yù)定的樣式特征包含以下一或多種：郵件頭元信息、多用途互聯(lián)網(wǎng)郵件擴(kuò)展MIME結(jié)構(gòu)參數(shù)、超文本標(biāo)記語言HTML標(biāo)簽統(tǒng)計(jì)信息、郵件內(nèi)容的參數(shù)。
11.如權(quán)利要求10所述的識別裝置，其特征在于：
所述郵件頭元信息包括以下一或多種：X-Mailer、自定義郵件頭；其中，X-Mailer用于表示郵件是從哪個(gè)客戶端發(fā)送出來的；
所述MIME結(jié)構(gòu)參數(shù)包括以下一或多種參數(shù)：MIME版本、內(nèi)容類型、字符集、頁面語言、MIME實(shí)體個(gè)數(shù)；
所述HTML標(biāo)簽統(tǒng)計(jì)信息包括以下一或多種：所包含的HTML標(biāo)簽、每種HTML標(biāo)簽的出現(xiàn)次數(shù)；
所述郵件內(nèi)容的參數(shù)包括以下一或多種參數(shù)：字符數(shù)、文本行數(shù)、字體大小、附件個(gè)數(shù)、是否有超鏈接、超鏈接個(gè)數(shù)、是否有EMAIL地址。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于阿里巴巴集團(tuán)控股有限公司，未經(jīng)阿里巴巴集團(tuán)控股有限公司許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201610818708.7/1.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
