基于人工免疫的垃圾邮件过滤技术的研究

论文摘要

针对当前垃圾邮件泛滥日益严重的问题,论文提出了一种基于人工免疫的垃圾邮件过滤机制,在邮件安全系统中引入免疫的思想,特别是针对当前动态性、变异能力日益突出的垃圾邮件,与传统的邮件过滤技术相比,具有良好的自适应、自学习和鲁棒性等特点。论文首先研究了当前主要的邮件过滤技术,通过与常见的过滤技术的对比,讨论了基于免疫的垃圾邮件过滤技术在动态性和自适应性等方面的优势;然后对人工免疫系统原理进行了研究,分析了人工免疫原理应用于垃圾邮件过滤系统的可行性,提出一种基于人工免疫学原理的垃圾邮件过滤系统模型ECSBA（IE-mail Classify System Based on Artificial Immunity）,给出系统中关键模块的实现算法,并通过实验的手段分析了系统中关键参数的设定对系统过滤性能的影响,通过与贝叶斯算法的对比,讨论了该系统在防范变异邮件方面的突出优势;针对检测器生成效率不高以及在邮件检测正确率方面的不足,设计了基于基因权重的检测器生成算法,并对邮件检测过滤算法进行了改进,并通过实验验证了算法改进的有效性;论文最后讨论了基于人工免疫的含木马病毒邮件的过滤技术,针对木马病毒变异能力突出的特点,提出一种基于免疫原理的木马检测模型,并给出了模型中关键模块的设计,通过仿真实验验证了模型对木马特别是变异木马的检测能力。论文的新颖之处是邮件检测器生成算法以及邮件过滤算法的改进,实验结果表明,改进后算法与原算法相比,可以在一定程度上提高垃圾邮件的检测效率,尤其是针对新颖模式的垃圾邮件的检测具有明显的优势。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 概述
• 1.2 课题研究背景
• 1.3 论文主要的研究内容
• 1.4 论文的组织结构
• 第二章 垃圾邮件过滤技术
• 2.1 常用的垃圾邮件过滤技术
• 2.1.1 服务器端和客户端的过滤
• 2.1.2 基于IP地址的过滤
• 2.1.3 基于规则的过滤
• 2.1.4 基于内容的过滤
• 2.2 垃圾邮件过滤新技术
• 2.2.1 行为模式识别技术
• 2.2.2 基于人工智能和计算智能的过滤技术
• 2.2.3 基于免疫机制的过滤技术
• 第三章 人工免疫系统原理
• 3.1 人工免疫系统的发展
• 3.2 人工免疫系统的生物学免疫机制
• 3.2.1 免疫识别
• 3.2.2 免疫记忆
• 3.2.3 自体耐受
• 3.2.4 多样性
• 3.2.5 分布性
• 3.3 人工免疫算法
• 3.3.1 免疫算法基本框架
• 3.3.2 否定选择算法
• 3.3.3 克隆选择算法
• 3.4 生物免疫系统与垃圾邮件过滤系统
• 第四章 基于人工免疫的垃圾邮件过滤系统模型ECSBAI
• 4.1 ECSBAI系统模型设计
• 4.1.1 ECSBAI系统模型概述
• 4.1.2 模型符号及数据结构定义
• 4.1.3 检测器检测函数
• 4.2 ECSBAI模型关键模块的设计与实现
• 4.2.1 垃圾邮件检测器的生成、成熟、死亡过程
• 4.2.2 未知邮件的预处理、检测和处理
• 4.2.3 事件处理
• 4.2.4 用户协同确认
• 4.3 实验分析与验证
• 4.3.1 系统关键参数选取对过滤效果影响分析
• 4.3.2 与同类研究的比较分析
• 第五章 基于人工免疫的垃圾邮件过滤算法的改进
• 5.1 AISEC算法及其存在的不足
• 5.2 基于基因权重的检测器生成算法
• 5.2.1 改进的检测器生成算法
• 5.2.2 基因库的动态调整策略
• 5.3 改进的邮件检测算法
• 5.3.1 结构定义说明
• 5.3.2 算法描述
• 5.3.3 检测器集合的动态更新
• 5.4 实验及结果分析
• 5.4.1 实验一：改进的检测器生成算法DGBGW与原算法DGR的对比
• 5.4.2 实验二：改进的邮件检测算法AIECA-I
• 第六章 基于人工免疫的含木马垃圾邮件的检测
• 6.1 基于人工免疫的木马检测模型
• 6.1.1 抗体/抗原结构定义
• 6.1.2 系统参数分析
• 6.2 模型结构设计
• 6.2.1 数据预处理
• 6.2.2 否定选择
• 6.2.3 成熟检测器
• 6.2.4 记忆检测器
• 6.2.5 变异
• 6.3 工作原理
• 6.4 仿真实验
• 第七章 论文总结与进一步的研究工作
• 7.1 论文工作总结
• 7.2 进一步的研究工作
• 参考文献
• 致谢
• 在学期间的研究成果