互联网信息内容安全过滤方法研究

摘要

该文主要研究了面向互联网信息内容安全的过滤算法和过滤系统的实现.文中首先研究了非法文本的特征,在此基础上使用基于正例集和反例集的实例学习方法,提取逻辑规则,用以分类两类实例,并结合特殊词规则对新文档进行快速判别,同时研究了两种规则的动态更新算法.实验系统由四个部分组成,分别是实例训练模块、规则提取模块、规则动态更新模块和新文档接受判别模块.论文的结构安排如下:第一章引言部分主要介绍了相关研究现状和信息内容安全过滤的定义;第二章介绍了信息过滤的主要模型和用于信息过滤的机器学习方法;第三章在分析非法文本特征的基础上给出非法文本的形式化表示;第四章是该文的重点,提出了用于过滤的两种平行的判定规则进行综合判别,并分别给出了规则的动态更新算法;第五章对实验用过滤系统进行了概述;在第六章中给出实验数据及结果分析.最后提出进一步工作与展望.

目录

1引言

1.1互联网信息内容安全过滤的概念

1.2国内外研究现状

1.3本文主要工作及论文结构安排

2信息过滤相关技术的介绍

2.1信息过滤的主要数学模型

2.2机器学习在信息过滤中的应用概况

2.3信息过滤系统的形式化描述

3非法文本特征分析及形式化表示

3.1非法文本的特征分析

3.2非法文本的形式化表示

4.基于规则的内容安全过滤及更新算法

4.1文本表示及属性选取方法

4.2经典的OCAT算法介绍

4.3扩展的OCAT(EOCAT)算法

4.4特殊词判定规则的确定

4.5基于规则可信度的综合判别策略

4.6规则的动态更新算法

5信息内容安全过滤(ICSF)实验系统的设计与实现

5.1 ICSF实验系统的目标

5.2ICSF实验系统总体结构

6实验结果与分析

6.1实验测试的内容与测试资源描述

6.2评价指标

6.3实验结果分析

7结束语

致谢

参考文献

附录