论文部分内容阅读
目前，垃圾邮件、病毒的传播严重威胁着网络安全，超过80％的网络入侵者以破坏电子邮件系统为主要目标。所以，邮件安全的研究及其保护措施就成为一项重要而迫切的问题。一般来说，邮件安全包括邮件数据的机密性、完整性等许多方面，而对于企业内用户来说，必须保证企业机密信息不被泄露出去。数据表明，大量的企业关键信息是通过电子邮件泄漏的。因此对包含涉密信息的邮件进行拦截，是电子邮件应用于电子商务等领域的有力安全保证。
一直以来，人们采用点状解决方案来解决网络安全问题，这不仅增加了成本，还导致了网络冲突的大量发生。针对此不足，本文实现了一个企业级的综合防泄密反垃圾邮件反病毒等多种功能的安全邮件系统。该系统运用了黑／白名单、规则过滤、最小风险贝叶斯分类和病毒检测等非法邮件检测技术，采用累加权重和方法判断邮件的非法性，并给贝叶斯分类器提供学习样本，提高了系统对新非法邮件的适应性。
本文还重点研究了涉密邮件的智能扫描方法及其实现，目前处理涉密邮件的主要方法是基于规则的过滤，这种方法存在查全率低、误判率高、适应性差、不易维护等缺点。针对这些缺点，本文研究了以机器学习过滤技术来过滤涉密邮件。从电子邮件的内容进行分析，提出了风险自适应的最小风险贝叶斯算法，根据已有的邮件训练集来学习出涉密邮件分类器；同时在邮件系统实现过程中，提出了最小风险贝叶斯分类的一种快速实现方法，加快了分类速度。
通过测试，此邮件系统过滤非法邮件的准确率和效率都比较高，并能稳定有效地运行，达到了预期目标。