[发明专利]一种互联网内容安全检测系统

说明书

技术领域

本发明属于网络与信息安全领域，具体涉及互联网内容安全系统结构的改进和算法的提高。

背景技术

Internet是全球信息共享的基础设施，是一种开放和面向所有用户的技术。一方面要保证信息方便、 快捷的共享，另一方面要防止垃圾的传播。网络内容分析是一种管理信息传播重要手段。网络内容分析是 网络信息安全核心理论与关键技术研究网络内容分析所涉及的新理论、新体系结构、新方法和新技术将是 未来几年内容安全研究的重要挑战。

根据CNNIC在2007年1月的第19次中国互联网络发展状况统计报告统计，中国网民总人数为13700 万人。这其中仅有8.4％的网民对于网络内容的建康性非常满意。也就是说有91.6％的中国网民(12550万人) 都或多或少的对于网络内容的建康性不满意。

网络内容传播以一种实时、连续的数据流(data streams)方式进行。它不宜用持久稳定的方式建模， 而适宜用实时动态的方式建模。这类系统被称为数据流管理系统。数据流管理技术具有非常广泛应用的领 域，如网络内容安全、金融服务、电信数据管理等。在这些应用中，数据通常以大量、快速、持续的数据 流形式到达，如何对这些数据进行有效处理将是一个具有挑战性的问题。本文以互联网内容安全为背景， 提出一种互联网内容安全检测过滤系统。

STREAM项目【Babcock 2002，Jennifer2002，Jennifer2003，Babu 2001】由美国NSF(国家自然科学 基金)提供支持，其主要研究目标是研究一个通用的数据流管理系统，包括提供一个通用的、灵活的体系 结构、相关的理论结果和算法、数据模型、相关的语言和语义。探讨多个连续、快速、可变的数据流的连 续查询处理、优化和资源分配问题。希望最后提供一个通用的数据流管理系统，用户可以用类似于SQL的 语言来指定查询。目前他们在DSMS的体系结构、数据模型和语义、语言、资源分配和查询优化等方面取 得了部分成果，但是系统还真正完成。

NIAGARA项目也是由美国国家自然科学基金支持的，主要研究目标是在Internet环境下的XML数据检 索和过滤系统。该系统从Internet上采集和监管信息，然后包装为XML数据流供检索和过滤使用。这样 利用XML的语义信息，可以提供更加准确的数据流检索和过滤。目前他们的研究目标主要集中在可扩展性 和性能优化方面，主要技术是查询分组和增量维护。但是在这个项目当中，研究的数据仅仅限于XML数据， 而没有考虑互联网上众多的其它信息，如HTML信息、OWL信息、语音图像内容等的过滤。

Berkeley的Telegraph项目的研究目标是对网络监听器的输出数据流和Web数据流等提供自适应的查 询。目前他们的特色是数据流的自适应查询处理，包括自适应连接和自适应操作调整。另外MIT和Brown 大学的项目Aurora，目标也是对各种各样的嵌入式设备产生的数据流进行监管和查询。他们研究的内容都 没有应用在互联网上，并且也没有对于音频、视频等信息进行检测。

本发明的目的

本发明提出一种互联网内容安全检测系统。该系统包括四层：网络层、信息识别层、信息流过滤层和 内容检测层。通过这四层的工作，可以检测过滤互联网上的内容信息，包括文本信息、音频信息、视频和 图像信息。

发明的技术方案

本发明提出的一种内容安全监测过滤系统，如图1所示。整个系统中过滤的信息全部来自互联网的应 用层的海量信息。这个系统可以分为四层分别是网络层、信息识别层、信息流过滤层和内容检测层。

第一层是网络层：这一层里面是互联网上通过的文本信息、音频信息以及图像与视频信息等。这一层 网络中的信息可以通过网络抓包器来捕获网络数据包，并送给第二层信息识别层进行分类。

第二层是信息识别层：在这一层里主要是对从网络上来的信息进行识别，分清楚它们是文本信息、音 频信息还是及图像与视频信息。

第三层是信息流过滤层：这一层主要任务是对信息识别层传来的信息进行多特征融合判定。对有用的 信息进行过滤，对信息的格式进行标准化等。

第四层是内容检测层：这一层是整个系统的核心部分。它是主要功能是通过模式匹配，检测过滤层传 输上来的信息里面是否含有特定的内容。

1.文本识别检测