10.19678/j.issn.1000-3428.0046434
基于自适应性分类器的垃圾邮件检测
垃圾邮件形式内容多变,容易伪装成正常邮件而绕过检测,其中新型垃圾邮件的检测漏报率较高.为此,结合反向选择和支持向量机(SVM)的思想,设计一种新的自适应性分类器并应用于垃圾邮件检测.使用SVM的最优超平面对邮件进行预分类,得到与预测模型匹配的“正常邮件”和垃圾邮件,运用反向选择算法(NSA)对筛选出的“正常邮件”数据集进行二次过滤以检测出新型垃圾邮件,并利用含有标签的正常邮件和垃圾邮件集合自适应更新原有的最优超平面,循环上述检测过程直至垃圾邮件的识别率趋于稳定,最终得到的最优超平面符合当前检测最优.实验结果表明,相对于SVM与NSA,该检测方法能在保证正常邮件高识别率的基础上,提高新型垃圾邮件的识别率.
新型垃圾邮件、反向选择算法、支持向量机、自适应、分类器
44
TP391(计算技术、计算机技术)
国家自然科学基金61170306;国家高技术研究发展计划项目2012AA09A410
2018-11-23(万方平台首次上网日期,不代表论文的发表时间)
共7页
194-200