基于SVM的中文垃圾邮件的识别研究
基于SVM的中文垃圾邮件的识别研究
【摘要】：随着Internet的迅猛发展,电子邮件作为一种主要的交流方式已得到了广泛应用。但是,许多商业广告、宣传广告、恶作剧等垃圾邮件也在网络中传送,这些垃圾邮件占据了邮件服务器的大量存储空间,同时也需要用户花费大量时间处理,不仅降低了企业的应用效率,也损害了广大用户的合法权益。因此,如何对中文邮件进行处理,识别出垃圾邮件是用户关心的一大问题。目前某些研究中已采用一些技术进行垃圾邮件的特征提取与识别,但这些技术都存在一定的不足,且在中文垃圾邮件的识别上仍存在问题。因此,研究一种有效的方法用于中文垃圾邮件的识别具有十分重要的意义。数据挖掘中的支持向量机分类方法是一种基于统计学习理论的机器学习方法,该方法在解决有限样本、非线性及高维模式识别问题中表现出许多特有的性能。另外,支持向量机在文本分类领域方面的研究已取得令人满意的效果。针对目前中文垃圾邮件识别技术的不足,本文在支持向量机分类算法的启发下,深入研究了中文垃圾邮件的序列极小化特征提取算法,提出了应用该算法进行中文垃圾邮件识别的过程,该过程分为三个阶段:(1)利用改进的正向最大匹配法对中文邮件文本进行分词;(2)运用向量空间模型把分词后的文本转化为向量形式;(3)采用序列极小化特征提取算法对中文垃圾邮件进行识别。另外,本文还对当前比较通用的各种支持向量机训练算法进行了分析研究,比较了各种算法的优劣,尤其深入研究了序列最小最优化算法,并运用特征提取的序列极小化算法对中
文邮件文本进行特征提取。本文通过对中文垃圾邮件自身特点分析,针对其特征维数高的特点,运用支持向量机中的特征提取序列极小化算法对中文垃圾邮件进行特征识别,挖掘出能够识别中文垃圾邮件的特征。同时,对有限的模拟测试样本集进行了测试,取得了比较满意的结果,表明此方法适用于中文垃圾邮件的识别。【关键词】：中文垃圾邮件特征提取支持向量机序列极小化
【学位授予单位】：山西财经大学
【学位级别】：硕士
【学位授予年份】：2006
【分类号】：TP393.098
【目录】：摘要6-7Abstract7-121引言12-161.1研究背景及选题意义12-131.1.1研究背景121.1.2选题意义12-131.2研究现状13-151.2.1反垃圾邮件技术13-141.2.2支持向量机的研究14-151.3主要内容及框架结构15-161.3.1主要内容151.3.2框架结构15-162中文邮件相关知识16-212.1电子邮件的特点16-172.2中文垃圾邮件的概念17-182.3中文垃圾邮件识别过程及相关技术18-212.3.1中文垃圾邮件识别过程182.3.2相关技术18-213中文邮件文本分词预处理21-263.1中文文本自动分词213.2自动分词词典机制21-223.3基于词典的分词方法――改进的正向最大匹配法22-263.3.1改进的正向最大匹配法算法思路
22-233.3.2算法实现过程233.3.3实验与分析23-264中文邮件向量空间模型26-314.1向量空间模型264.2特征项26-314.2.1特征项的权值26-274.2.2向量空间的降维27-304.2.3实验与分析30-315支持向量机分类算法31-455.1统计学习理论31-325.1.1直观相似程度与内积31-325.1.2经验风险最小化归纳原则325.2支持向量机算法原理32-365.2.1线性可分支持向量机33-355.2.2线性不可分支持向量机35-365.2.3线性支持向量分类机算法365.3支持向量机训练算法36-455.3.1选块算法37-385.3.2分解算法38-405.3.3序列最小最优化算法40-456中文垃圾邮件的识别45-506.1中文垃圾邮件特征提取模型的设计45-476.1.1训练集的选取466.1.2算法选择466.1.3核函数的选取46-476.2中文垃圾邮件特征提取与识别47-506.2.1数据资源476.2.2结果分析47-507结论与展望50-517.1结论507.2展望50-51参考文献51-53附录一中文邮件文本分词部分程序代码53-56附录二中文邮件文本向量表示部分程序代码56-57附录三中文垃圾邮件特征提取部分程序代码57-58致谢58-59攻读硕士学位期间发表的论文59-60 本论文购买请联系页眉网站。
垃圾邮件防护系统分析与应用方法
垃圾邮件防护系统分析与应用方法 【内容提要】: 随着联机上网费用日趋便宜，发送电子邮件广告几近零成本又有利可图，因此造成垃圾邮件如今日混乱猖獗的现况。针对这种问题，许多公司研究出许多垃圾邮件防护和过滤机制产品，本文将对垃圾邮件的有关防护过滤技术和解决方法作一个基本介绍。 【关键词】：垃圾邮件、邮件防护、技术分析、AFS、华硕、过滤、机制 引言---------- 随着互联网的蓬勃发展，E-mail信息的传播达到了前所未有的广度和深度。同时不请自来的电子邮件也以各种形式闯入我们的邮箱- 商品推销、诈骗、政治或宗教抨击、病毒载体以及无法归类的稀奇古怪的形式。有些人每天甚至要收到100 到200 封这样的垃圾电子邮件（甚至更多）。因为更多的人开始使用英特网的关系（自因特网建立以来，人数飞速增长），对于商人、小贩、想入非非者以及蓄意破坏者而言，可以无偿地联系到数目巨大的各类人，诱惑力变得难以抵挡，自此大量的垃圾邮件在世界的各个角落产生，并瞬间传递到世界其他任何地方，这种费时且消耗CPU 的破坏行为迅速对经济产生了极大的负面影响。 现今越来越多的人开始意识到垃圾邮件的传递所带来的严重后果，并不断提出防治的新需求。 一垃圾邮件的定义 一封完整的电子邮件包含以下项目：邮件信封Mail Envelope、邮件标题Mail Header、邮件本文Mail Body 与邮件附檔Mail Attachment。电子邮件传输处理分为两阶段：邮件传输代理Mail Transfer Agent (简称MTA)，例如邮件服务器，以及与邮件使用代理Mail User Agent (简称MUA)，例如Outlook 或Outlook Express。 如果以邮件內容定义垃圾邮件，容易随个人主观认定而异；对银行业、娛乐业，广告业而言，包含其他银行贷款广告、色情广告的邮件，可能是种具有价值的市场资讯，而非垃圾邮件；因此，必需依邮件行为始能，依众人认知、法律规范与国际法规逐一精确定义何为垃圾邮件。 1. 众人认知：不请自來、来路不明、无法拒绝之邮件。 2. 法律规范：造成骚扰、匿名文书或嫁祸他人之邮件。 3. 国际法规： 2003 年底美国立法明定「Can Spam」垃圾邮件法规「Can Spam」字面表示可以「Spam」，惟有「但书」，寄件者必须表明身分，让收件者可以追溯来源不可以匿名、伪造，或者刻意隐匿或篡改资讯等行为发送电子邮件；发送方式方式不可为垃圾邮件滥发者(Spammer) 慣用之垃圾邮件滥发方式或程式，如借用邮件代替(Open Relay)、出现过多邮件转(Received) 或机器自动发送，以及不断尝试各种进入企业信箱方法等，必须提供收件者「选择权」，具有「取消订阅」机制。 综上所述，垃圾邮件之所以恼人并不是因为內容无趣不吸引人，而在于大量滥发，任意长驱直入收信者电子邮件信箱。 二邮件信息安全的影响
《垃圾邮件隔离通知》使用说明
《垃圾邮件隔离通知》使用说明 1 概述 为进一步提高院邮件系统拦截垃圾邮件的效率，减少垃圾邮件对用户的滋扰，院邮件系统在2009年4月28日，正式启用了新一代智能型反垃圾邮件系统。 新一代智能型反垃圾邮件系统不仅具有过滤效果好、运行稳定、负载低、延迟小的优势，而且利用其所采用的“空中拦截”、“行为识别”等连接层和内容层的反垃圾邮件技术，能够对Internet上出现的新型垃圾邮件进行零日防范。在部署新一代智能型反垃圾邮件系统的过程中，院邮件系统还根据广大用户的需求进行了二次开发，使其在充分发挥自身优势的基础上，能够更好的贴近中科院用户的实际需要。 新一代智能型反垃圾邮件系统正式启用后，院邮件系统日均过滤垃圾邮件的效率将会保持在90%以上。不仅如此，该系统还能够依据用户需求发送《垃圾邮件隔离通知》，从而方便用户查阅被系统隔离的垃圾邮件，允许用户自行筛选处理，以便将垃圾邮件的误拒率减少到最低。 2 《垃圾邮件通知》的使用方法 院邮件系统发送《垃圾邮件隔离通知》的发件人为abuse_digest@https://www.sodocs.net/doc/6c12659910.html,，主题为“×年×月×日垃圾邮件隔离通知”，如图1所示。
图1 《垃圾邮件隔离通知》图示 当点击该邮件的主题后，系统将会显示通知的内容，其中列出了被反垃圾邮件系统隔离的疑似垃圾邮件，包括“发件人”、“主题”、“接收日期”、“大小”、“操作”等信息，如图2所示。 图2 《垃圾邮件隔离通知》样本 在图2所示的《垃圾邮件隔离通知》中，点击其中的“放行到收件箱”链接，系统将把选定的疑似垃圾邮件投递到收件人的邮箱，如图3所示。
图3 邮件成功投递后的系统提示 若点击图2中的疑似垃圾邮件主题，系统将会打开新窗口显示垃圾邮件的内容，如图4所示。 图4 打开新窗口显示垃圾邮件内容 在图4显示的垃圾邮件内容页面中，也设置了“放行”按钮，点击此按钮后，系统即把正在阅读的疑似垃圾邮件投递到收件人邮箱。 在院反垃圾邮件系统中，为每个用户都设置了个人白名单，在图2所示的《垃圾邮件隔离通知》中，点击其中的“添加白名单”链接，系统将把指定邮件的发
怎样避免邮件被当作垃圾邮件
电子邮件送达率是衡量电子邮件营销效果的重要指标之一。随着垃圾邮件越来越泛滥，世界上所有的 ISP 和服务器提供商都采取了越来越严厉的过滤垃圾邮件措施，同时也给正常邮件，以及合法合理、用户欢迎的电子邮件营销带来不便。不过这是大势所趋，不是营销人员能解决的。 垃圾邮件过滤方法垃圾邮件过滤方法 电子邮件营销人员能做的是尽量减少自己的邮件被当作垃圾邮件的机会。要做到这一点，首先需要了解主要的垃圾邮件过滤方法。 第一种是以触发式过滤算法鉴别垃圾邮件，这样的过滤器通常已经装在电子邮件客户端软件或邮件服务器上。其原理是过滤软件检查邮件的发信人，标题，正文内容，邮件中出现的链接和域名，甚至电话号码，当发现带有明显广告性质，或经常出现已知垃圾邮件的典型特征，则给这封邮件打一定的垃圾邮件特征分数。当分数达到一定数值时，邮件将被标志为垃圾邮件，直接过滤到垃圾邮件文件夹。 比如，邮件标题中出现￥、$符号，可能给予2 分垃圾分数。邮件内容中出现“免费”、“发票”、“促销”等典型垃圾邮件中经常出现的词汇时，也各给 1 分。邮件中如果包含已经被确认的经常发垃圾的域名，再加 1 分。甚至邮件内容中出现被确认与垃圾邮件相关联的电话号码，也给个分数。 当这些垃圾分数相加达到某一个数值时，比如达到 10 分，这个邮件将被标志为垃圾。 第二种方法是以黑名单为基础。有一些创建和维护链接邮件黑名单的组织，专门接受用户的垃圾邮件投诉，如果确认确实是垃圾邮件，黑名单运行者将把发送垃圾邮件的服务器和用户IP 地址放入黑名单。 比较有规模的垃圾黑名单通常都与其他ISP 及服务器运营商共享黑名单数据库。一旦某个IP 地址被列入黑名单，世界上很多ISP 和邮件服务器将拒收来自这个 IP 地址的所有邮件。 有的时候用户投诉其实并不是真的因为所收到邮件是垃圾邮件，而是用户忘记了曾经注册这个电子杂志。如果你的IP 地址被错误地投诉而列入黑名单，唯一的方法是联系黑名单维护组织，说明情况，提出证据，要求把你的IP 地址从黑名单中删除。不过这一过程有时非常复杂艰难。 第三种方法是邮件防火墙。很多大公司的服务器是运行在邮件防火墙之后，这些防火墙会综合使用各种过滤器以及黑名单，再加上自行研制的一些算法，来鉴别和剔除垃圾邮件。这些防火墙的算法则更复杂，并且不与其他人分享细节，对正常邮件的送达也可能起到致命的影响。 第四种方法是使用邮件确认。当电子邮件帐号收到一封email 时，这封 email 会首先进入待送达队列中排队，同时自动回复给发信人一封确认邮件。确认邮件中包含有一个确认链接，或标题中包含有一个独特的确认序列号，只有原来的发件人点击确认链接，或回复这封确认邮件，发信人的邮件地址才会被列入白名单，原来所发送的第一封原始邮件才真正被送达到收件箱。 鉴别和阻挡垃圾邮件大致上是这几种方法，有一些邮件服务器可能会综合使用这些方法。 为了避免邮件被这些过滤手段鉴别为垃圾邮件，应该注意下面一些问题。 检查服务器 IP 地址是否在黑名单中？选择邮件服务器时，应该检查服务器提供商的IP 地址是否被列在主要的垃圾黑名单中。国际上主要的垃圾黑名单包括： https://www.sodocs.net/doc/6c12659910.html,
基于SVM的中文垃圾邮件的识别研究
基于SVM的中文垃圾邮件的识别研究 【摘要】：随着Internet的迅猛发展,电子邮件作为一种主要的交流方式已得到了广泛应用。但是,许多商业广告、宣传广告、恶作剧等垃圾邮件也在网络中传送,这些垃圾邮件占据了邮件服务器的大量存储空间,同时也需要用户花费大量时间处理,不仅降低了企业的应用效率,也损害了广大用户的合法权益。因此,如何对中文邮件进行处理,识别出垃圾邮件是用户关心的一大问题。目前某些研究中已采用一些技术进行垃圾邮件的特征提取与识别,但这些技术都存在一定的不足,且在中文垃圾邮件的识别上仍存在问题。因此,研究一种有效的方法用于中文垃圾邮件的识别具有十分重要的意义。数据挖掘中的支持向量机分类方法是一种基于统计学习理论的机器学习方法,该方法在解决有限样本、非线性及高维模式识别问题中表现出许多特有的性能。另外,支持向量机在文本分类领域方面的研究已取得令人满意的效果。针对目前中文垃圾邮件识别技术的不足,本文在支持向量机分类算法的启发下,深入研究了中文垃圾邮件的序列极小化特征提取算法,提出了应用该算法进行中文垃圾邮件识别的过程,该过程分为三个阶段:(1)利用改进的正向最大匹配法对中文邮件文本进行分词;(2)运用向量空间模型把分词后的文本转化为向量形式;(3)采用序列极小化特征提取算法对中文垃圾邮件进行识别。另外,本文还对当前比较通用的各种支持向量机训练算法进行了分析研究,比较了各种算法的优劣,尤其深入研究了序列最小最优化算法,并运用特征提取的序列极小化算法对中
文邮件文本进行特征提取。本文通过对中文垃圾邮件自身特点分析,针对其特征维数高的特点,运用支持向量机中的特征提取序列极小化算法对中文垃圾邮件进行特征识别,挖掘出能够识别中文垃圾邮件的特征。同时,对有限的模拟测试样本集进行了测试,取得了比较满意的结果,表明此方法适用于中文垃圾邮件的识别。【关键词】：中文垃圾邮件特征提取支持向量机序列极小化 【学位授予单位】：山西财经大学 【学位级别】：硕士 【学位授予年份】：2006 【分类号】：TP393.098 【目录】：摘要6-7Abstract7-121引言12-161.1研究背景及选题意义12-131.1.1研究背景121.1.2选题意义12-131.2研究现状13-151.2.1反垃圾邮件技术13-141.2.2支持向量机的研究14-151.3主要内容及框架结构15-161.3.1主要内容151.3.2框架结构15-162中文邮件相关知识16-212.1电子邮件的特点16-172.2中文垃圾邮件的概念17-182.3中文垃圾邮件识别过程及相关技术18-212.3.1中文垃圾邮件识别过程182.3.2相关技术18-213中文邮件文本分词预处理21-263.1中文文本自动分词213.2自动分词词典机制21-223.3基于词典的分词方法――改进的正向最大匹配法22-263.3.1改进的正向最大匹配法算法思路
当汉语语料库文本分词规范草案
973当代汉语文本语料库分词、词性标注加工规范 （草案） 山西大学从1988年开始进行汉语语料库的深加工研究，首先是对原始语料进行切分和词性标注，1992年制定了《信息处理用现代汉语文本分词规范》。经过多年研究和修改，2000年又制定出《现代汉语语料库文本分词规范》和《现代汉语语料库文本词性体系》。这次承担973任务后制定出本规范。本规范主要吸收了语言学家的研究成果，并兼顾各家的词性分类体系，是一套从信息处理的实际要求出发的当代汉语文本加工规范。本加工规范适用于汉语信息处理领域，具有开放性和灵活性，以便适用于不同的中文信息处理系统。 《973当代汉语文本语料库分词、词性标注加工规范》是根据以下资料提出的。 1．《信息处理用现代汉语分词规范》，中国国家标准GB13715，1992年 2．《信息处理用现代汉语词类标记规范》，中华人民共和国教育部、国家语言文字工作委员会2003年发布 3．《现代汉语语料库文本分词规范》（Ver 3．0），1998年 北京语言文化大学语言信息处理研究所清华大学计算机科学与技术系4．《现代汉语语料库加工规范——词语切分与词性标注》，1999年 北京大学计算语言学研究所 5．《信息处理用现代汉语词类标记规范》，2002年， 教育部语言文字应用研究所计算语言学研究室 6．《现代汉语语料库文本分词规范说明》，2000年 山西大学计算机科学系山西大学计算机应用研究所 7．《資讯处理用中文分词标准》，1996年，台湾计算语言学学会 一、分词总则 1．词语的切分规范尽可能同中国国家标准GB13715《信息处理用现代汉语分词规范》（以下简称为“分词规范”）保持一致。本规范规定了对现代汉语真实文本（语料库）进行分词的原则及规则。追求分词后语料的一致性（consistency）是本规范的目标之一。 2．本规范中的“分词单位”主要是词，也包括了一部分结合紧密、使用稳定的词组以及在某些特殊情况下可能出现在切分序列中的孤立的语素或非语素字。本文中仍用“词”来称谓“分词单位”。 3．分词中充分考虑形式与意义的统一。形式上要看一个结构体的组成成分能否单用，结构体能否扩展，组成成分的结构关系，以及结构体的音节结构；意义上要看结构体的整体意义是否具有组合性。 4. 本规范规定的分词原则及规则，既要适应语言信息处理与语料库语言学研究的需要，又力求与传统的语言学研究成果保持一致；既要适合计算机自动处理，又要便于人工校对。 5．分词时遵循从大到小的原则逐层顺序切分。一时难以判定是否切分的结构体，暂不切分。 二、词性标注总则 信息处理用现代汉语词性标注主要原则有三个： (1)语法功能原则。语法功能是词类划分的主要依据。词的意义不作为划分词类的主要依据，
反垃圾邮件系统实施项目解决方案
TOM网 反垃圾系统实施解决方案 客户项目建议书 Barracuda Networks (Shanghai) Co.,Ltd.
2005-12-21 第一章前言: 企业防治垃圾的重要性 在近几年的时间里，企业面临垃圾的威胁成指数级增长，垃圾占电子总通讯量的达到60%以上，而这一数字在三年前仅为8%；与此同时，垃圾的类型以及发送手段也愈加复杂化、多样化； 电子也一跃成为病毒的主要传播方式；这一系列的变化对企业网络构成了严重的威胁，这种威胁不仅仅是造成用户时间的损失，还包括系统资源的损耗，严重的还造成系统破坏。 因此，如何保护企业免受病毒及垃圾的侵袭，保证网络及企业信息安全成为每位网络或系统管理员的第一责任，也是企业信息化分管领导的重要职责所在。 垃圾对企业造成的危害： 1.垃圾已占全球电子的69%。（亚洲经济，2005年6月）在国际上每天有超过200亿封垃圾被发送 出去，2003年全国有470亿封流入了用户信箱，平均每人每天收到2.85封垃圾。根据IDC的分
析，到2006年，垃圾数量将在2003年数量的增加一倍。 ※根据Radicatti group预估调查(June，2003)，到2007年全球垃圾将占所有Email流量的70% 2.据Ferris Research研究报导指出，垃圾电子每年让美国及欧洲企业分别损失高达89亿美元 和25亿美元。(其中40亿美元是因员工删除垃圾而造成工作效率的降低，平均删除1封垃圾得花4.4秒钟。37亿美元的花费，是为了应对超大量的资料流量，企业因而添购带宽及性能更佳的服务器，其余的损失则是公司为降低员工因垃圾产生的困扰，为员工提供的支持的费用。) 3.除了上述金额的损失之外，垃圾对企业的损害还可归类为： ◆消费者的信任——这是电子使用者的第一大问题，由于垃圾的泛滥，用户失去了对电子 的信任；据调查约有29%的用户因此而减少了电子的使用，对于企业而言，则可能造成员 工弃用企业，这不仅对企业以前网络投入的浪费，且有损企业形象。 ◆降低工作效率—使用者会浪费无谓的时间阅读并处理这些无用的电子。使用者工作效率 降低被认为是企业因垃圾所导致的最大损失。 ◆不当容—垃圾中可能包含攻击性文字，大多是人身攻击，此种可能会伤害特定的个人或 群组。此外，还有相当数量的与、非法、以及其他与国家法规相悖的信息，也将对收件 人造成不同程度的冲击。 ◆浪费IT资源—进入网络的大量垃圾，会影响企业的网络使用带宽。
(完整版)支持向量机(SVM)原理及应用概述
支持向量机（SVM ）原理及应用 一、SVM 的产生与发展 自1995年Vapnik (瓦普尼克)在统计学习理论的基础上提出SVM 作为模式识别的新方法之后，SVM 一直倍受关注。同年，Vapnik 和Cortes 提出软间隔(soft margin)SVM ，通过引进松弛变量i ξ度量数据i x 的误分类(分类出现错误时i ξ大于0)，同时在目标函数中增加一个分量用来惩罚非零松弛变量(即代价函数)，SVM 的寻优过程即是大的分隔间距和小的误差补偿之间的平衡过程；1996年，Vapnik 等人又提出支持向量回归 (Support Vector Regression ，SVR)的方法用于解决拟合问题。SVR 同SVM 的出发点都是寻找最优超平面(注：一维空间为点；二维空间为线；三维空间为面；高维空间为超平面。)，但SVR 的目的不是找到两种数据的分割平面，而是找到能准确预测数据分布的平面，两者最终都转换为最优化问题的求解；1998年，Weston 等人根据SVM 原理提出了用于解决多类分类的SVM 方法(Multi-Class Support Vector Machines ，Multi-SVM)，通过将多类分类转化成二类分类，将SVM 应用于多分类问题的判断：此外，在SVM 算法的基本框架下，研究者针对不同的方面提出了很多相关的改进算法。例如，Suykens 提出的最小二乘支持向量机 (Least Square Support Vector Machine ，LS —SVM)算法，Joachims 等人提出的SVM-1ight ，张学工提出的中心支持向量机 (Central Support Vector Machine ，CSVM)，Scholkoph 和Smola 基于二次规划提出的v-SVM 等。此后，台湾大学林智仁(Lin Chih-Jen)教授等对SVM 的典型应用进行总结，并设计开发出较为完善的SVM 工具包，也就是LIBSVM(A Library for Support Vector Machines)。LIBSVM 是一个通用的SVM 软件包，可以解决分类、回归以及分布估计等问题。 二、支持向量机原理 SVM 方法是20世纪90年代初Vapnik 等人根据统计学习理论提出的一种新的机器学习方法，它以结构风险最小化原则为理论基础，通过适当地选择函数子集及该子集中的判别函数，使学习机器的实际风险达到最小，保证了通过有限训练样本得到的小误差分类器，对独立测试集的测试误差仍然较小。 支持向量机的基本思想：首先，在线性可分情况下，在原空间寻找两类样本的最优分类超平面。在线性不可分的情况下，加入了松弛变量进行分析，通过使用非线性映射将低维输
垃圾邮件的识别和过滤方法
垃圾邮件识别和过滤的方法 T大炮 北京理工大学计算机学院，北京100081 (1111111111@https://www.sodocs.net/doc/6c12659910.html,) Methods for Identifying and Filtering Junk Mail or Spam T Biggun (Class 07111301,School of Computer Science, Beijing Institute of Technology, Beijing 100081) Abstract Identifying and Filtering Spam is an important research subject in computer network. In this thesis, I have studied the history of spam filtering technology, which mainly includes the first generation of rule-based filtering technology, the second generation of content-based filtering technology and the third generation of behavior-based filtering technology. 1. Rule-based filtering includes IP address based filtering, mail header based filtering. 2. Content-based filtering includes Bayesian filtering, Memory-based method, decision tree, Boosting method, Support Vector Machine (SVM), etc. 3. Behavior-based filtering includes Email data stream based filtering, mail header based filtering, sender reputation based filtering, mail fingerprint based filtering, behavioral characteristics weighted based filtering, etc. The spammers’ common spurious methods are summarized. Through the reference to large amount of anti-spam documents and data from home and broad, an analysis is made on existing anti-spam techniques and in particular the content-based spam filtering methods. Key words spam filtering; rule; content; text categorization; Na?ve Bayes; behavior 摘要垃圾邮件识别和过滤是计算机网络领域的一个重要研究课题。垃圾邮件识别和过滤目前已经发展出了三代技术，第一代过滤技术是基于规则的，例如：基于IP地址、基于邮件头的过滤技术。第二代过滤技术是基于内容的，例如：贝叶斯分类算法、Memory-Based方法、决策树、Boosting方法、支持向量机等方法。第三代过滤技术是基于行为的，例如：基于邮件数据流、基于邮件头信息、基于发送方信誉、基于邮件指纹、基于行为特征加权的决策树等过滤方法。本文归纳总结了当前垃圾邮件发送者经常采用的欺骗手段和方法，并参阅国内外大量反垃圾邮件文献和数据，对已有的垃圾邮件技术作出分析和总结，尤其是对基于内容的垃圾邮件过滤方法进行了研究。 关键词垃圾邮件过滤；规则；内容；文本分类；简单贝叶斯；行为 随着互联网的发展，垃圾邮件常常让人头痛不已，最新报告称美国为垃圾邮件第一大国，中国排名第三（图1）[1]。垃圾邮件问题如今已经成为一个社会热点，近些年来，研究人员们提出了很多垃圾邮件识别和过滤的方法。这些方法的发展经历了三代，第一代过滤技术是基于规则的，例如：基于IP地址、基于邮件头的过滤技术。第二代过滤技术是基于内容的，例如：贝叶斯分类算法、Memory-Based方法、决策树、Boosting方法、支持向量机等方法。第三代过滤技术是基于行为的，例如：基于邮件数据流、基于邮件头信息、基于发送方信誉、基于邮件指纹、基于行为特征加权的决策树等过滤方法。本文归纳总结了当前垃圾邮件发送者经常采用的欺骗手段和方法，并参阅国内外大量反垃圾邮件文献和数据，对已有的垃圾邮件技术作出分析和总结，尤其是对基于内容的垃圾邮件过滤方法进行了研究。
svmtrain和svmpredict简介回归、分类
svmtrain和svmpredict简介 分类:SVM 本文主要介绍了SVM工具箱中svmtrain和svmpredict两个主要函数： (1)model= svmtrain(train_label, train_matrix, ['libsvm_options']); 其中： train_label表示训练集的标签。 train_matrix表示训练集的属性矩阵。 libsvm_options是需要设置的一系列参数，各个参数可参见《libsvm 参数说明.txt》，里面介绍的很详细，中英文都有的。如果用 回归的话，其中的-s参数值应为3。 model:是训练得到的模型，是一个结构体（如果参数中用到-v，得到的就不是结构体，对于分类问题，得到的是交叉检验下的平均分类准确 率；对于回归问题，得到的是均方误差）。 (2)[predicted_label, accuracy/mse,decision_values/prob_estimates] =svmpredict(test_label, test_matrix, model, ['libsvm_options']); 其中： test _label表示测试集的标签（这个值可以不知道，因为作预测的时候，本来就是想知道这个值的，这个时候，随便制定一个值就可以 了，只是这个时候得到的mse就没有意义了）。 test _matrix表示测试集的属性矩阵。 model 是上面训练得到的模型。 libsvm_options是需要设置的一系列参数。 predicted_label表示预测得到的标签。 accuracy/mse是一个3*1的列向量，其中第1个数字用于分类问题，表示分类准确率；后两个数字用于回归问题，第2个数字 表示mse；第三个数字表示平方相关系数（也就是说，如 果分类的话，看第一个数字就可以了；回归的话，看后两 个数字）。 decision_values/prob_estimates：第三个返回值，一个矩阵包含决策
高性能中文垃圾邮件过滤器
第２４卷第２期中文信息学报ｖ０１．２４，Ｎｏ．２２０１０年３月ＪＯＵＲＮＡＬ０ＦＣＨＩＮＥＳＥＩＮＦＯＲＭＡＴＩｏＮＰＲＯＣＥＳＳＩＮＧＭａｒ．，２０１０ 文章编号：１００３－００７７（２０１０）０２—００７６—０８ 高性能中文垃圾邮件过滤器 齐浩亮１，程晓龙１，杨沐昀２，何晓宁３，李生２，雷国华１ （１．黑龙江工程学院计算机科学与技术系。黑龙江哈尔滨１５００５０； ２．哈尔滨工业大学计算机科学与技术学院。黑龙江哈尔滨１５０００１； ３．哈尔滨理工大学计算机科学与技术学院，黑龙江哈尔滨１５００８０） 摘要：设计并实现了基于在线过滤模式高性能中文垃圾邮件过滤器，能够较好地识剐不断变化的垃圾邮件。以逻辑回归模型为基础，该文提出了字节级ｎ元文法提取邮件特征。并采用ＴＯＮＥ（ＴｒａｉｎＯｎｏｒＮｅａｒＥｒｒｏｒ）方法训练过滤嚣。在多个大规模中文垃圾邮件过滤公开评测数据上的实验结果表明，该文过滤器的性能在ＴＲＥＣ０６Ｃ数据上优于当年评测的最好成绩，在ＳＥｗＭ０７立即反馈上１一ＲＯＣＡ值达到了０．００００％。并明显优于ＳＥＷＭ０８评测在线过滤任务中的所有其他方法。 关键词：计算机应用；中文信息处理；中文垃圾邮件过滤；在线学习；逻辑回归模型；字节级ｎ元文法；ＴＯＮＥ 中图分类号：ＴＰ３９１文献标识码：Ａ ＨｉｇｈＰｅｒｆｏｒｍａｎｃｅＣｈｉｎｅｓｅＳｐａｍＦｉｌｔｅｒ ＱＩＨａｏｌｉａｎ９１，ＣＨＥＮＧＸｉａｏｌｏｎ９１，ＹＡＮＧＭｕｙｕｎｚ，ＨＥＸｉａｏｎｉｎｇ。３，ＬＩＳｈｅｎ９２，ＬＥＩＧｕｏｈｕａｌ（１．ＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙＤｅｐａｒｔｍｅｎｔ，ＨｅｉｌｏｎｇｊｉａｎｇＩｎｓｔｉｔｕｔｅｏｆＴｅｃｈｎｏｌｏｇｙ， Ｈａｒｂｉｎ，Ｈｅｉｌｏｎｇｊｉａｎｇ１５００５０，Ｃｈｉｎａ； ２．ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，ＨａｒｂｉｎＩｎｓｔｉｔｕｔｅｏｆＴｅｃｈｎｏｌｏｇｙ，Ｈａｒｂｉｎ，Ｈｅｉｌｏｎｇｊｉａｎｇ１５０００１，Ｃｈｉｎａ； ３．ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，ＨａｒｂｉｎＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ， Ｈａｒｂｉｎ，Ｈｅｉｌｏｎｇｊｆａｎｇ１５００８０，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：ＷｅｄｅｓｉｇｎｅｄａｎｄｉｍｐｌｅｍｅｎｔｅｄａｈｉｇｈｐｅｒｆｏｒｍａｎｃｅＣｈｉｎｅｓｅｓｐａｍｆｉｌｔｅｒ．Ｏｎｌｉｎｅｆｉｌｔｅｒｉｎｇｍｏｄｅｉｓａｄｏｐｔｅｄｉｎｏｒｄｅｒｔｏｄｅｆｅｎｓｅｔｈｅｅｖｏｌｕｔｉｏｎｏｆｓｐａｍｅｍａｉｌｓ．ＬｏｇｉｓｔｉｃｒｅｇｒｅｓｓｉｏｎｍｏｄｅｌｉｓｕｓｅｄａｓｉｔｓｆｉｌｔｅｒｉｎｇｍｏｄｅｌｌｂｙｔｅｌｅｖｅｌＮ－ｇｒａｍｉｓｐｕｔｆｏｒｗａｒｄｔｏｅｘｔｒａｃｔｅｍａｉｌ’ｓｆｅａｔｕｒｅｓ；ａｎｄｔｈｅｆｉｌｔｅｒｉｓｔｒａｉｎｅｄｗｉｔｈＴＯＮＥ（ＴｒａｉｎＯｎｏｒＮｅａｒＥｒｒｏｒ）ｍｅｔｈｏｄ．ＴｈｅｐｅｒｆｏｒｍａｎｃｅｏｆｏｕｒｆｉｌｔｅｒｉｓｅｖａｌｕａｔｅｄｏｎＣｈｉｎｅｓｅｓｐａｍｃｏｒｐｏｒａ．ＩｔｏｕｔｐｅｒｆｏｒｍｓｔｈｅｂｅｓｔｓｙｓｔｅｍｉｎＴＲＥＣ０６ｓｐａｍｆｉｌｔｅｒｉｎｇｔｒａｃｋ，ｇｅｔｓ０．００００％ｏｆ１－ＲＯＣＡ０ｎＳＥＷＭ０７ｉｍｍｅｄｉａｔｅｆｅｅｄｂａｃｋｔａｓｋａｎｄｒａｎｋｓｔｏｐｉｎａｌｌＳＥＷＭ０８ｏｎｌｉｎｅｌｅａｒｎｉｎｇｔａｓｋｓ． Ｋｅｙｗｏｒｄｓ：ｃｏｍｐｕｔｅｒａｐｐｌｉｃａｔｉｏｎ；Ｃｈｉｎｅｓｅ ｉｎｆｏｒｍａｔｉｏｎｐｒｏｃｅｓｓｉｎｇ；Ｃｈｉｎｅｓｅｓｐａｒｅｆｉｌｔｅｒｉｎｇ，ｏｎｌｉｎｅｌｅａｒｎｉｎｇ；ｌｏｇｉｓｔｉｃｒｅｇｒｅｓｓｉｏｎｍｏｄｅｌ；ｂｙｔｅＮ—ｇｒａｍ；ＴＯＮＥ ｌ前言 随着电子邮件的广泛应用，伴随而来的垃圾邮件问题日益严重。它不仅消耗网络资源、占用网络带宽、浪费用户的宝贵时间和上网费用，而且严重威胁网络安全，已成为网络公害，带来了严重的经济损失。中国互联网协会反垃圾邮件中心发布的２００７年第四季度反垃圾邮件调查报告显示，垃圾邮件在规模上不断增长，２００７年第四季度中国网民平均每 收稿日期：２００８—１２—３０定稿日期：２０１０－０１－０４ 基金项目：国家自然科学基金重点资助项目（６０７３６０４４）；国家自然科学基金资助项目（６０８７３１０５）；黑龙江省科技攻关计划资助项目（ＧＺ０７Ａ１０８） 作者简介：齐浩亮（１９７２一），男，副教授，博士，主要研究方向为信息检索与信息过滤；程晓龙（１９８８一）。男，本科生，主要研究方向为信息过滤；杨沐昀（１９７ｌ一）男，副教授．博士，主要研究方向为自然语言处理。 万方数据
选取SVM中参数c和g的最佳值
写了个程序来选取SVM中参数c和g的最佳值. [写这个的目的是方便大家用这个小程序直接来寻找c和g的最佳值,不用再另外编写东西了.] 其实原本libsvm C语言版本中有相应的子程序可以找到最佳的c和g,需装载python语言然后用py 那个画图就可以找到最佳的c和g,我写了个matlab版本的.算是弥补了libsvm在matlab版本下的空缺. 测试数据还是我视频里的wine data. 寻找最佳c和g的思想仍然是让c和g在一定的范围里跑(比如 c = 2^(-5),2^(-4),...,2^(5),g = 2^(-5),2^(-4),...,2^(5)),然后用cross validation的想法找到是的准确率最高的c和g,在这里我做了一点修改(纯粹是个人的一点小经验和想法),我改进的是: 因为会有不同的c和g都对应最高的的准确率,我把具有最小c的那组c和g认为是最佳的c和g,因为惩罚参数不能设置太高,很高的惩罚参数能使得validation数据的准确率提高,但过高的惩罚参数c会造成过学习状态,反正从我用SVM到现在,往往都是惩罚参数c过高会导致最终测试集合的准确率并不是很理想.. 在使用这个程序时也有小技巧,可以先大范围粗糙的找比较理想的c和g,然后再细范围找更加理想的c和g. 比如首先让c = 2^(-5),2^(-4),...,2^(5),g = 2^(-5),2^(-4),...,2^(5)在这个范围找比较理想的c和g,如图:
====== 此时bestc = 0.5,bestg=1,bestacc = 98.8764[cross validation 的准确率] 最终测试集合的准确率Accuracy = 96.6292% (86/89) (classification) ====== 此时看到可以把c和g的范围缩小.还有步进的大小也可以缩小(程序里都有参数可以自己调节,也有默认值可不调节). 让c = 2^(-2),2^(-1.5),...,2^(4),g = 2^(-4),2^(-3.5),...,2^(4)在这个范围找比较理想的c 和g,如图: ============= 此时bestc = 0.3536,bestg=0.7017,bestacc = 98.8764[cross validation 的准确率] 最终测试集合的准确率Accuracy = 96.6292% (86/89) (classification) ===================上面第二个的测试的代码: 1.load wine_SVM;
反垃圾邮件管理系统毕业设计
反垃圾邮件管理系统 摘要 随着Internet的普及，电子邮件作为一个主流的应用也日益得到了更多的使用。但是随之而来的垃圾邮件也越来越猖獗。经统计，从2001年开始，垃圾邮件增长的速度非常快，网民每周收到的垃圾邮件数量是非垃圾邮件数量的两倍，针对近几年来垃圾邮件的愈演愈烈，急需一种能有效防范垃圾邮件的方法。 反垃圾邮件管理系统，开发该系统的主要目的是了解当前垃圾邮件过滤的发展现状，学习有关过滤的技术，能有效的阻止垃圾邮件的泛滥。通过学习和实践，发现垃圾邮件过滤发展中遇到的问题，并结合自己的研究工作提出一些看法和见解。 关键词：反垃圾邮件管理系统；系统开发；学习实践
Mail filtration system Abstract Along with the Internet popularization，the email took a mainstream the application also day by day to obtain more uses. But the following junk mail is also getting more and more rampant. After the statistics，started from 2001，the junk mail grew the speed was quick，the web cam received every week junk mail quantity right and wrong junk mail quantity's two times，in view of junk mail's escalation，were urgently needed one kind to be able in the last few years to guard against the junk mail effectively the method. The mail filtration system，develops this system's main purpose is the understanding current junk mail filtration development present situation，the study related filtration technology，can effective impediment junk mail being in flood. Through the study and the practice，discovered in the junk mail filtration development meets the question，and unifies own research work to propose some views and the opinion. Key words：Mail filtration system;System development;Study practice
垃圾邮件行为分析
垃圾邮件行为分析 科来回溯分析系统最新的3.1版增加了很多新功能，丰富的实时警报功能就是其中之一。3.1版的实时警报功能与3.0版相比可以说是一次质的飞跃，新版的警报功能即可以基于字节数、数据包数量、平均包长、TCP特征统计等流量统计信息设置警报，还可以设置邮件敏感字、可疑域名检测以及报文特征值的警报。利用这些灵活的警报功能可以让网管人员及时发现各种故障和安全隐患。 本文就是一个利用科来回溯分析系统3.1版流量警报功能发现内网主机发送垃圾邮件的实例。 背景介绍 本文的网络环境是一家中国教育网用户的网络，内网使用公有IP地址，在其互联网出口部署科来回溯分析服务器，7*24小时捕获互联网入出站流量。由于内网使用公有IP地址没有做NAT，因此内网主机会直接面对来自互联网的各种威胁，端口扫描就是其中较常见的行为之一。为了及时监测端口扫描的行为，我们在分析服务器上设置了旨在发现特定端口的主机扫描行为的警报，如下图。 科来回溯分析系统3.1版可以灵活的利用与或逻辑关系设置复杂的警报触发条件。这个警报就是监测网络中任意应用，如果某应用1秒钟内数据包数量超过100个，并且平均包长小于72字节则触发警报。 通常来自互联网主机扫描会针对特定服务端口（如MSSQL 1433端口），短时间内向一个网段内每个IP发送连接请求，如果发现有某主机有TCP同步确认回应则与该主机建立TCP连接，而后进一步尝试漏洞攻击或弱口令尝试。由于TCP同步包和同步确认包都没有上层数据，因此这种主机扫描行为的数据包都很小，一般不会超过72字节。 设置这个警报的初衷虽然是发现主机扫描行为，但是在实际使用时意外的发现某台内网主机在发送垃圾邮件时触发了这个警报。
LIBSVM使用介绍
附录1：LIBSVM的简单介绍 1. LIBSVM软件包简介 LIBSVM是台湾大学林智仁(Chih-Jen Lin)博士等开发设计的一个操作简单、易于使用、快速有效的通用SVM软件包，可以解决分类问题（包括C SVC ?、SVC ν?）、回归问题（包括SVR ε?、SVR ν?）以及分布估计（on e class SVM ??）等问题，提供了线性、多项式、径向基和S形函数四种常用的核函数供选择，可以有效地解决多类问题、交叉验证选择参数、对不平衡样本加权、多类问题的概率估计等。LIBSVM是一个开源的软件包，需要者都可以免费的从作者的个人主页https://www.sodocs.net/doc/6c12659910.html,.tw/~cjlin/处获得。他不仅提供了LIBSVM的C++语言的算法源代码，还提供了Python、Java、R、MA TLAB、Perl、Ruby、LabVIEW 以及C#.net等各种语言的接口，可以方便的在Windows或UNIX平台下使用，也便于科研工作者根据自己的需要进行改进（譬如设计使用符合自己特定问题需要的核函数等）。另外还提供了WINDOWS平台下的可视化操作工具SVM-toy，并且在进行模型参数选择时可以绘制出交叉验证精度的等高线图。 2. LIBSVM使用方法简介 LIBSVM在给出源代码的同时还提供了Windows操作系统下的可执行文件，包括：进行支持向量机训练的svmtrain.exe；根据已获得的支持向量机模型对数据集进行预测的svmpredict.exe；以及对训练数据与测试数据进行简单缩放操作的svmscale.exe。它们都可以直接在DOS环境中使用。如果下载的包中只有C++的源代码，则也可以自己在VC等软件上编译生成可执行文件。 LIBSVM使用的一般步骤是： 1）按照LIBSVM软件包所要求的格式准备数据集； 2）对数据进行简单的缩放操作； 3）考虑选用RBF核函数 2 (,)x y K x y eγ?? =； 4）采用交叉验证选择最佳参数C与γ；
中研院现代汉语标记语料库使用说明
「內容檢索」使用說明 「內容檢索」的檢索條件詞設定，在於輸入檢索條件詞，在語料庫中將所有在「內容檢索」設定的檢索條件符合者，並在「自訂語料庫」設定範圍內，包含檢索條件詞的文句挑出並顯示。檢索的方式分兩種：一、單項條件檢索方式：一次設定一項檢索條件；二、多項條件檢索方式：一次設定一項檢索條件，包括「and檢索條件」，以及利用「續設條件」設定「or檢索條件」。檢索的對象分四種：1. 關鍵詞；2. 重疊詞；3.詞類；4. 特徵。 A.單項條件檢索：一次設定一項檢索條件 1.關鍵詞：將滑鼠移到「關鍵詞」的框框內，鍵入欲搜尋的關鍵詞， 再將滑鼠移到「執行」按下。 ?關鍵詞可以由下列幾種符號組合而成： ?中文字 ?? ：表示一個任意字元 ?* ：表示零至無限多個任意字元 ?範例： ?鍵入「電話」，會搜盡包含「電話」的文句。 ?鍵入「電*」，會搜盡包含以「電」開頭的詞（單字 詞、雙字詞、多字詞都包括在內，如：電、電話、 電視機）的文句。 ?鍵入「電?」，會搜盡包含以「電」開頭的雙字詞的 文句。 ?鍵入「*電」，會搜盡包含以「電」結尾的詞（單字 詞、雙字詞、多字詞都包括在內）的文句。 ?鍵入「??電」，會搜盡包含以「電」結尾的三字詞 的文句。 ?鍵入「*電*」，會搜盡出現過含有「電」的詞（單 字詞、雙字詞、多字詞都包括在內）的文句。 ?鍵入「?電?」，會搜盡包含將「電」置於中央的三 字詞的文句。 ?鍵入「?電*」，會搜盡包含將「電」置於第二字的 詞（雙字詞、多字詞都包括在內）的文句。 ?鍵入「????」，會搜盡含有任何四字詞的文句。 2.重疊詞：將滑鼠移到「重疊詞」的框框內，鍵入欲搜尋的重疊詞 種類，再將滑鼠移到「執行」按下。或者將滑鼠移到「重疊詞」 框框旁的箭頭，按一下，即出現四種重疊詞種類，在所欲搜尋的 重疊詞種類按一下，再將滑鼠移到「執行」按下。 ?重疊詞種類共分四種，如介面所示： ?重疊詞AAB－如：試試看、走走路 ?重疊詞ABB－如：試看看、亮閃閃 ?重疊詞AABB－如：高高興興、平平安安 ?重疊詞ABAB－如：高興高興、研究研究
反垃圾邮件系统实施解决方案
TOM网 反垃圾邮件系统实施解决方案 客户项目建议书 Barracuda Networks (Shanghai) Co.,Ltd. 2005-12-21 第一章前言: 企业防治垃圾邮件的重要性 在近几年的时间里，企业面临垃圾邮件的威胁成指数级增长，垃圾邮件占电子邮件总通讯量的达到60%以上，而这一数字在三年前仅为8%；与此同时，垃圾邮件的类型以及发送手段也愈加复杂化、多样化；电子邮件也一跃成为病毒的主要传播方式；这一系列的变化对企业网络
构成了严重的威胁，这种威胁不仅仅是造成用户时间的损失，还包括系统资源的损耗，严重的还造成系统破坏。 因此，如何保护企业免受病毒邮件及垃圾邮件的侵袭，保证网络及企业信息安全成为每位网络或系统管理员的第一责任，也是企业信息化分管领导的重要职责所在。 垃圾邮件对企业造成的危害： 1.垃圾邮件已占全球电子邮件的69%。（亚洲经济，2005年6月）在国际上每天有超过200亿封垃 圾邮件被发送出去，2003年全国有470亿封邮件流入了用户信箱，平均每人每天收到2.85封垃 圾邮件。根据IDC的分析，到2006年，垃圾邮件数量将在2003年数量的增加一倍。 ※根据Radicatti group预估调查(June，2003)，到2007年全球垃圾邮件将占所有Email流量的70%
2.据Ferris Research研究报导指出，垃圾电子邮件每年让美国及欧洲企业分别损失高达89亿 美元和25亿美元。(其中40亿美元是因员工删除垃圾邮件而造成工作效率的降低，平均删除1封垃圾邮件得花4.4秒钟。37亿美元的花费，是为了应对超大量的资料流量，企业因而添购带宽及性能更佳的服务器，其余的损失则是公司为降低员工因垃圾邮件产生的困扰，为员工提供的支持的费用。) 3.除了上述金额的损失之外，垃圾邮件对企业的损害还可归类为： ◆消费者的信任——这是电子邮件使用者的第一大问题，由于垃圾邮件的泛滥，用户失去 了对电子邮件的信任；据调查约有29%的用户因此而减少了电子邮件的使用，对于企业而 言，则可能造成员工弃用企业邮箱，这不仅对企业以前网络投入的浪费，且有损企业形 象。 ◆降低工作效率—使用者会浪费无谓的时间阅读并处理这些无用的电子邮件。使用者工作 效率降低被认为是企业因垃圾邮件所导致的最大损失。 ◆不当内容—垃圾邮件中可能包含攻击性文字，大多是人身攻击，此种邮件可能会伤害特 定的个人或群组。此外，还有相当数量的与色情、非法宗教、以及其他与国家法规相悖 的信息，也将对收件人造成不同程度的冲击。 ◆浪费IT资源—进入网络的大量垃圾邮件，会影响企业的网络使用带宽。 ◆对安全和隐私造成危害——例如邮件病毒、Phisher诈骗邮件、身份盗窃信等。