基于全球IP信誉系统的垃圾邮件过滤技术研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 绪论 | 第8-16页 |
| ·研究背景及意义 | 第8-11页 |
| ·背景介绍 | 第8-9页 |
| ·研究意义 | 第9-11页 |
| ·研究现状 | 第11-13页 |
| ·制定反垃圾邮件的法律和政策 | 第11-12页 |
| ·从经济学角度限制垃圾邮件的发送 | 第12-13页 |
| ·本论文主要研究问题及结构安排 | 第13-16页 |
| ·本文主要研究内容 | 第13-14页 |
| ·本文结构安排 | 第14-16页 |
| 第2章 垃圾邮件过滤技术 | 第16-26页 |
| ·电子邮件工作原理 | 第16-18页 |
| ·电子邮件的格式 | 第16页 |
| ·电子邮件的传送过程 | 第16-18页 |
| ·常用的垃圾邮件过滤技术 | 第18-25页 |
| ·从角色区分的过滤技术 | 第18-19页 |
| ·从方法区分的过滤技术 | 第19-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 全球IP信誉系统的基本原理及需求分析 | 第26-34页 |
| ·问题的提出 | 第26页 |
| ·全球IP信誉系统的基本原理 | 第26-29页 |
| ·全球IP信誉系统的理论框架结构 | 第27-28页 |
| ·建立全球IP信誉系统的意义 | 第28-29页 |
| ·全球IP信誉系统的需求分析 | 第29-33页 |
| ·本章小结 | 第33-34页 |
| 第4章 基于BP神经网络的垃圾邮件源IP识别模型 | 第34-51页 |
| ·人工神经网络 | 第34-37页 |
| ·多层前馈神经网络 | 第35页 |
| ·后传算法（BP算法） | 第35-37页 |
| ·基于BP神经网络的垃圾邮件源IP识别模型 | 第37-38页 |
| ·实验数据的结构及预处理 | 第38-42页 |
| ·实验语料 | 第38-39页 |
| ·数据预处理 | 第39-42页 |
| ·神经网络实验测试及结果评价 | 第42-50页 |
| ·神经网络实验过程及测试指标的选择 | 第42-46页 |
| ·实验结果的评价及讨论 | 第46-50页 |
| ·本章小结 | 第50-51页 |
| 第5章 基于BP神经网络的垃圾邮件规则提取 | 第51-63页 |
| ·神经网络规则提取 | 第51-54页 |
| ·垃圾邮件规则提取实验设计 | 第54-56页 |
| ·实验测试结果及分析 | 第56-61页 |
| ·本章小结 | 第61-63页 |
| 结论 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间发表的学术论文 | 第69-71页 |
| 致谢 | 第71页 |
