| 摘要 | 第1-3页 |
| ABSTRACT | 第3-8页 |
| 第一章 引言 | 第8-11页 |
| ·背景 | 第8-10页 |
| ·本文内容安排 | 第10-11页 |
| 第二章 垃圾邮件过滤研究现状 | 第11-23页 |
| ·邮件传输的体系结构 | 第11-13页 |
| ·基于规则的过滤 | 第13-20页 |
| ·黑白名单技术 | 第13-15页 |
| ·反向域名验证 | 第15页 |
| ·发送者身份认证 | 第15-17页 |
| ·SMTP 通信链接速率、频度的设定 | 第17页 |
| ·挑战-响应技术 | 第17页 |
| ·病毒和脚本行为检查 | 第17-18页 |
| ·信头分析 | 第18-19页 |
| ·关键词精确匹配 | 第19-20页 |
| ·综合性规则过滤系统 | 第20页 |
| ·基于统计的垃圾邮件过滤技术 | 第20-22页 |
| ·垃圾邮件过滤与文本分类 | 第21页 |
| ·垃圾邮件过滤与信息过滤 | 第21-22页 |
| ·小结 | 第22-23页 |
| 第三章 基于统计的垃圾邮件过滤技术 | 第23-37页 |
| ·文本分类简介 | 第23-24页 |
| ·特征选择方法 | 第24-26页 |
| ·文档频次 | 第24页 |
| ·互信息 | 第24页 |
| ·信息增益 | 第24-25页 |
| ·χ~2 统计量 | 第25页 |
| ·相对熵 | 第25-26页 |
| ·优势率 | 第26页 |
| ·垃圾邮件内容过滤中应用的文本分类方法 | 第26-31页 |
| ·贝叶斯分类算法 | 第26-27页 |
| ·Memory-Based 方法 | 第27页 |
| ·决策树 | 第27-28页 |
| ·Boosting 方法 | 第28-30页 |
| ·支持向量机 | 第30-31页 |
| ·垃圾邮件内容过滤中的常用语料库 | 第31-35页 |
| ·PU1 语料 | 第32-33页 |
| ·Ling-Spam 语料 | 第33-34页 |
| ·Spam Assassin 语料 | 第34页 |
| ·Spambase 语料 | 第34-35页 |
| ·Spamarchive 语料 | 第35页 |
| ·评价体系 | 第35-36页 |
| ·小结 | 第36-37页 |
| 第四章 对抗过滤器的技术研究 | 第37-52页 |
| ·向量空间模型的弱点 | 第37-38页 |
| ·干扰器的设计思路 | 第38-39页 |
| ·干扰器的放置位置 | 第38页 |
| ·干扰词的选择 | 第38-39页 |
| ·干扰词插入位置的选择 | 第39页 |
| ·在贝叶斯分类器上的测试 | 第39-44页 |
| ·贝叶斯分类算法 | 第39-42页 |
| ·贝叶斯算法中的特征选择 | 第42-43页 |
| ·贝叶斯垃圾邮件过滤器上的测试 | 第43-44页 |
| ·干扰词法对贝叶斯过滤器的影响测试 | 第44-49页 |
| ·测试系统的设计 | 第44-45页 |
| ·特征数量与抗干扰性能表现 | 第45-46页 |
| ·干扰词选取范围与抗干扰性能表现 | 第46-48页 |
| ·干扰词比例与抗干扰性能表现 | 第48-49页 |
| ·在被干扰的语料上进行训练的测试 | 第49-51页 |
| ·小结 | 第51-52页 |
| 第五章 基于TEIRESIAS 和BAYESIAN 的垃圾过滤器 | 第52-70页 |
| ·TEIRESIAS 模式提取算法 | 第52页 |
| ·TEIRESIAS 算法描述 | 第52-56页 |
| ·快速模式匹配 | 第56-60页 |
| ·改进的Aho-Corasick 算法 | 第57页 |
| ·算法描述 | 第57-60页 |
| ·结合TEIRESIAS 的BAYES 过滤器 | 第60页 |
| ·特征权重 | 第60-61页 |
| ·实验结果 | 第61-62页 |
| ·抗干扰性能测试 | 第62-66页 |
| ·加入干扰器的实验结果 | 第62-64页 |
| ·使用被干扰的语料进行训练的实验结果 | 第64-66页 |
| ·针对TEIRESIAS 的干扰测试 | 第66-69页 |
| ·干扰参数与训练参数相同情况下的实验 | 第66-68页 |
| ·干扰参数与训练参数不同情况下的实验 | 第68-69页 |
| ·小结 | 第69-70页 |
| 第六章 总结 | 第70-74页 |
| ·本文总结 | 第70页 |
| ·未来工作 | 第70-74页 |
| 攻读硕士学位期间发表的论文 | 第74-75页 |
| 致谢 | 第75页 |