[发明专利]一种基于自学习的邮件安全检测方法、装置及存储介质

说明书

本发明公开了一种基于自学习的邮件安全检测方法、装置、计算机设备及可读存储介质。基于自学习的邮件安全检测方法包括：识别接收到邮件的特征；检测所述邮件的特征是否命中邮件特征库；若所述邮件的特征并未命中系统邮件特征库，则检测所述邮件特征是否偏离邮件自学习模型基线；若所述邮件特征偏离邮件自学习模型基线超过预设阈值，将所述邮件放置隔离区。本发明从自学习方法、邮件收发基线定义、邮件识别及处理三个技术层面进行处理，解决了邮件的安全性问题和信息泄露等问题。

技术领域

本发明涉及计算机网络技术领域，具体涉及一种基于自学习的邮件安全检测方法、装置、计算机设备及可读存储介质。

背景技术

随着互联网的快速发展，电子邮件在人们日常工作生活中变得越来越重要，而伴随而来的却是个人信息安全，越来越多的垃圾邮件，病毒邮件给我们的使用带来了巨大挑战。

邮件安全防护，即对收发的邮件进行安全检测，包括病毒检测、垃圾邮件检测、弱口令检测、涉密邮件检测等，防止邮件服务器受到外部攻击或信息泄漏。随着网络技术不断发展，邮件安全防护也越来越受到重视，因为邮件中包含个人隐私等很多敏感信息，如何防护邮件安全，保护个人隐私，成为新网络时代的首要任务。传统邮件安全检测根据病毒库等特征库进行安全检测，由于特征库更新不及时或未能及时找到防护方法等问题，很难适应新的攻击等需求的防护，所以如何提供一种能够具有普适性，全面性的邮件安全检测，是目前亟需解决的问题。

发明内容

本发明提供一种能够自动学习邮件规则和用户行为的邮件安全检测方法、装置、计算机系统及可读存储介质，能够保障邮件的网络和数据安全。

本发明一实施例提供一种基于自学习的邮件安全检测方法，包括：

识别接收到邮件的特征；

检测所述邮件的特征是否命中邮件特征库；

若所述邮件的特征并未命中系统邮件特征库，则检测所述邮件特征是否偏离邮件自学习模型基线；

若所述邮件特征偏离邮件自学习模型基线超过预设阈值，将所述邮件放置隔离区。

优选的，所述邮件自学习模型基线为时间与邮件安全性之间的函数曲线。

优选的，所述邮件安全性为与邮件特征相关联的邮件安全值。

优选的，在所述识别接收到邮件的特征前，所述方法还包括：

根据设置的学习周期，系统对接收邮件进行特征库和模型基线的自学习，建立特征库和邮件自学习模型基线。

优选的，所述识别接收到邮件的特征，具体包括：

解析收到的邮件原始文件；

提取所述原始文件中的特征。

优选的，所述特征至少包括：邮件的收/发人，抄送人，密送人，主题，正文，附件格式，附件大小，附件内容。

优选的，若所述邮件的特征是否命中邮件特征库，隔离所述邮件。

本发明另一实施例提供一种基于自学习邮件安全检测装置，包括：

识别单元，用于识别接收到邮件的特征；

第一检测单元，检测所述邮件的特征是否命中邮件特征库；

第二检测单元，若所述邮件的特征并未命中系统邮件特征库，用于检测所述邮件特征是否偏离邮件自学习模型基线；

隔离单元，若所述邮件特征偏离邮件自学习模型基线超过预设阈值，用于将所述邮件放置隔离区。

优选的，所述邮件自学习模型基线为时间与邮件安全性之间的函数曲线。