[发明专利]一种对图像型垃圾邮件进行过滤的方法及装置

说明书

本发明公开了一种对图像型垃圾邮件进行过滤的方法及装置，通过WAF模型对邮件图像中识别出的关键词进行关键词重构，并基于重构后的关键词对邮件进行判断和过滤，从而解决现有技术中基于图像过滤垃圾邮件准确率低的问题。

技术领域

本发明涉及通信技术领域，尤其涉及一种对图像型垃圾邮件进行过滤的方法及装置。

背景技术

目前，基于文本规则的垃圾邮件过滤技术已经取得了成功的应用。在图像领域，研究者们提出了各种基于数字图像处理技术的方案进行图像过滤，并取得了一定效果。其中，主要有：基于图像近似特征的过滤技术、基于图像文本区域的过滤技术以及基于图像本身特征的过滤技术，

虽然上述方法能够达到一定效果，但是其原理都是从分析图像浅层特征出发，容易误断一些含公文扫描图像以及包含文本信息的宣传图像的正常公务邮件。

发明内容

鉴于上述的分析，本发明旨在提供一种对图像型垃圾邮件进行过滤的方法及装置，用以解决现有技术中基于图像过滤垃圾邮件准确率低的问题。

为解决上述问题，本发明主要是通过以下技术方案实现的：

本发明一方面提供了一种对图像型垃圾邮件进行过滤的方法，该方法包括：

通过WAF模型对邮件图像中识别出的关键词进行关键词重构；

基于重构后的关键词对邮件进行判断，当确定所述邮件是垃圾邮件后，对所述邮件进行过滤。

优选地，所述通过WAF模型对邮件图像中识别出的关键词进行关键词重构的步骤具体包括：

通过WAF模型计算没有被识别的字与其相邻的已识别的字构成预设的关键词的亲密度之和，当亲密度之和的值超过预设的阈值时，则确定没有被识别的字与其相邻的已识别的字构成关键词。

优选地，通过WAF模型计算没有被识别的字与其相邻的已识别的字构成预设的关键词的亲密度之和的步骤具体包括：

通过WAF模型计算关键字之间的亲密度；

根据关键字之间的亲密度计算没有被识别的字与其相邻的已识别的字构成预设的关键词的亲密度之和。

优选地，计算关键字与关键词的亲密度的步骤具体包括：

根据词激活力公式计算各个关键词之间的连接紧密度，并通过亲密度矩阵计算各个关键词之间亲密度之和；

其中，f_i为关键字i出现的频率，f_ij为关键字i和关键字j一起出现的频率，d_ij为两个关键字一起出现时的平均距离，K_ij＝{k|af_ki>0 or af_kj>0}，L_ij＝{l|af_li>0 or af_lj>0}，OR(x,y)＝min(x,y)/max(x,y)，K_ij为关键词i、j相同的前向关键词k的集合，L_ij为关键词i、j相同后向关键词l的集合。

优选地，所述基于重构后的关键词对邮件进行检测，当确定所述邮件是垃圾邮件后，对所述邮件进行过滤的步骤具体包括：

对已经识别出的和重构后的关键字和关键词设置权重，并进行计算，当计算的结果超过预设的阈值后，则确定所述邮件是垃圾邮件，对所述邮件进行过滤。

优选地，所述通过WAF模型对邮件图像中识别出的关键词进行关键词重构的步骤之前，还包括：

过滤掉复杂背景，检测出文本对比度高的像素区域，并从该区域中识别出关键字。