一种垃圾邮件的识别方法及系统

摘要

本发明公开了一种垃圾邮件的识别方法及系统，针对现有技术中当垃圾邮件中修改的关键词越多的时候，标准的识别算法，如支持向量机算法，性能下降得很快的缺陷而发明，本方法包括，设置识别器参数，将邮件转化为向量，利用所述识别器识别该邮件，输出识别结果，本发明方法和系统能够实现抵抗伪装攻击的垃圾邮件智能识别，且达到识别性能更加稳定的技术效果。

主权项

一种垃圾邮件的识别方法，其特征在于，包括：设置识别器参数，将邮件转化为向量，利用所述识别器识别该邮件，输出识别结果；所述识别器参数设置具体包括：所述识别器计算有限攻击成本条件，所述识别器应用线性支持向量算法；所述攻击成本为$L(x;x^{+})=\underset{i=1}{\overset{d}{\Sigma }}{q}_i|x_i^{+}-x_i|\le \gamma$其中，变量γ是所述识别器的参数，q_i表示改变第i个特征造成的损失的权重系数，x_i是训练样本中第i个邮件的字频表示，x_i⁺表示任意对第i个正常邮件进行恶意注入攻击后形成的恶意向量，其中+号表示恶意的垃圾邮件样本；所述q_i定义为$q_i=\frac{p\left(f_i\right|D_s)}{p\left(f_i\right|D_s)+p\left(f_i\right|D_l)}$其中，p(f_i|D_s)表示第i个特征词出现在垃圾邮件数据库中的概率，p(f_i|D_l)表示第i个特征词出现在正常邮件数据库中的概率；所述线性支持向量算法为$\underset{w,\xi ,b,u}{min}\left|w\right|+C\underset{i=1}{\overset{N}{\Sigma }}{\xi }_i$s.t.:Y(X^Tw+eb)+ξ≥e,ξ≥0,A^Tu_i+w＝0c_i^Tu_i‑b+1≤0,i＝1,...,n₊u_i≥0,其中，T表示矩阵转秩，ξ和u均为待求变量，w为线性判别函数f(x)＝w^Tx+b的分类面的权系数向量，b为偏移量；C为常数，由用户进行设置；N为训练样本数；Y是一个对角矩阵，满足Y_ii＝y_i，其中y_i表示第i个训练样本的标签；若第i个训练邮件是正常邮件，则y_i＝‑1,否则y_i＝+1；矩阵X∈R^n×d，X＝[x₁,x₂,...,x_n]，其中x_i是训练样本中第i个邮件的字频表示；矩阵A和c定义为：$A=\left(\begin{array}{cc}I& -Q^{-1}\\ I& Q^{-1}\\ O& -I\\ 0^T& e^T\end{array}\right),c=\left(\begin{array}{c}0\\ \gamma \end{array}\right)$其中I为d×d的单位矩阵，O为d×d的零矩阵，Q是一个Q_ii＝q_i的对角矩阵，0是d维的零向量，e是d维的单位向量；n₊为训练样本中垃圾邮件数量；γ为攻击成本最大值，由用户进行设置。