[发明专利]基于机器学习的Android平台垃圾短信检测系统

说明书

本发明公开了基于机器学习的Android平台垃圾短信检测系统，包括操作模块、数据库模块、服务模块和判定模块；所述操作模块用于输入黑名单号码，并决定是否开启过滤服务；所述数据库模块用于保存输入的黑名单号码；所述服务模块包括黑名单匹配模块和贝叶斯分类器模块，黑名单匹配模块能够将号码和数据库模块中的黑名单号码进行匹配，如果匹配，则直接过滤该号码；贝叶斯分类器模块采用离线模式进行训练，训练好后，用于检测陌生号码是否需要过滤；所述判定模块根据贝叶斯分类器模块的检测结果过滤对应的短信。

技术领域

本发明涉及基于机器学习的Android平台垃圾短信检测系统。

背景技术

目前，智能移动终端的普及十分迅速，Android平台占据了很大的市场份额，但伴随而来的是日趋严重的安全问题。尤其是来自垃圾短信的威胁，使得用户面临着经济损失、隐私泄露及被骚扰的危险。目前传统的解决方案普遍大多局限在电信运营商层面，提供的仅是针对非法服务提供商的监控，无法对个人的恶意、非法行为进行有效监控，用户端的垃圾短信骚扰问题始终没有得到很好的解决。

发明内容

本发明针对现有技术的不足，公开了基于机器学习的Android平台垃圾短信检测系统，包括操作模块、数据库模块、服务模块和判定模块；

所述操作模块用于输入黑名单号码，并决定是否开启过滤服务；

所述数据库模块用于保存输入的黑名单号码；

所述服务模块包括黑名单匹配模块和贝叶斯分类器模块，黑名单匹配模块能够将号码和数据库模块中的黑名单号码进行匹配，如果匹配，则直接过滤该号码；贝叶斯分类器模块采用离线模式进行训练，训练好后，用于检测陌生号码是否需要过滤；

所述判定模块根据贝叶斯分类器模块的检测结果过滤对应的短信。

系统执行如下步骤：

步骤1，用户通过操作模块，采用手动输入或者导入通讯录的方式输入黑名单号码，该黑名单号码存入数据库模块中，当用户移动终端接收到一条短信时，如果用户开启了过滤服务，执行步骤2，否则过滤服务不启动；

步骤2，黑名单匹配模块将短信号码和数据库模块中的黑名单号码进行匹配，如果匹配，则直接过滤该条短信；如果不匹配，执行步骤3；

步骤3，贝叶斯分类器模块检测该条短信是否需要过滤，如果是，则将该短信号码加入黑名单，并存入数据库模块，同时判定模块将该条短信过滤；否则判定该条短信不是垃圾短信，允许用户查阅。

所述贝叶斯分类器模块采用离线模式进行训练，具体包括如下步骤：

步骤A1，通过如下公式计算短信样本s属于第j个类别c_j的条件概率P(c_j|s)：

P(c_j|s)＝P(c_j)P(s|c_j)/P(s) (1)

其中，P(c_j)是类别c_j的先验概率，P(s|c_j)是类别c_j的条件概率，P(s)是常量，取值为0～1，s是一组n维特征向量表示(t₁，t₂，…t_n)，用于描述对n个属性a₁，a₂，…a_n样本的n个关键字，t_n表示第n个特征向量，则其中概率值P(c_j|s)最大的类即文本s所属的类别；

设定n个特征向量彼此独立，则：