2013/6/24 16:01 写于 和谐图书馆
第八章 防止垃圾邮件的一中方法
垃圾邮件一直是个让人头疼的问题，我们知道，垃圾邮件始终是要接受的，只要我们在接受的时候进行相应的自动处理，那么就能避免查阅那些垃圾文件了。而作者认为，基于内容的过滤器将发挥巨大的作用。而这当中，好的方法就是贝叶斯判断。
以前人们总是倾向于查看已有的垃圾邮件，找出它的特征，然后再根据这个特征来避免下次收到垃圾邮件。但是这样效率低，而且费头脑。
所以统计学方法就是一种更为聪明的方法。
作者首先准备了2组样本，一组叫做垃圾邮件，一组叫做非垃圾邮件。每组的样本是4000。然后根据每个实义标识，计算出每个实义标识在两个邮箱组中出现的此书。此后建立两张表，一个邮件组一张。每张表是键值对应的。键是指那些实义标识，值则是出现的此书。最后在创建了第三章表格。键还是标识，值则是包含该标识是垃圾邮件的概率。把这个概率叫做P。公示如下：
Rg=min(1,2(good(W)/G)),Rb=min(1,bad(W)/B)
P=max(0.01,min(0.99,Rb/(Rg+Rb)))
W就是标志
G就是正常邮件
B就是垃圾邮件
good表示刚才创建的第一张表
bad表示刚才创建的第二张表
当收到邮件的时候，程序就会读出邮件中所有的实义标识，然后找出其中15个最醒目标识。（最醒目的表示，就是概率偏离0.5最远的标识）.
然后求得概率
P=(15个Pi的和)/(15个Pi的和+15个（1-Pi的和)
如果是没有出现过的标识，就用0.4来代替他的概率.
最后如果P>0.9,那么就当成是垃圾邮件.
作者之后提出来了，每个使用者可以建议自己的垃圾邮件库，这样每个人就有自己的标准，这会使得发送垃圾邮件更为困难，因为垃圾邮件往往是群发的.
还有，可以添加一些白名单，这些名单发送的邮件可以免除过滤.
贝叶斯过滤器是可以跟进化的.
如果让发垃圾邮件的成本提高，那么就可能没有垃圾邮件了.
ps.贝叶斯方法，貌似很刁啊.
转载请表明出处 http://www.huangweibin.com/