基于貝葉斯和信息指紋的博客內(nèi)容審計(jì)研究與實(shí)現(xiàn).pdf

1、博客(Blog)作為一股正在迅速崛起的新的網(wǎng)絡(luò)變革力量,它的出現(xiàn)豐富和改變了網(wǎng)絡(luò)的內(nèi)涵,影響了人們的信息傳遞方式,在最近幾年的時(shí)間里迅猛發(fā)展,對(duì)人們的影響也越來越大。而隨著博客的興起,垃圾博客及垃圾博客評(píng)論隨之而生,其帶來的問題也日益顯現(xiàn)了出來,大量博客內(nèi)容中出現(xiàn)了各種各樣的不健康內(nèi)容,嚴(yán)重的玷污了網(wǎng)絡(luò)環(huán)境,同和諧社會(huì)的理念相悖,引起了相關(guān)人士和技術(shù)界的關(guān)注。由于博客寫作沒有傳統(tǒng)媒體的監(jiān)督審查和監(jiān)管體系,因此對(duì)博客及其評(píng)論內(nèi)容的管理、監(jiān)

2、督、內(nèi)容審計(jì)已成為信息安全技術(shù)的重要內(nèi)容之一。
　　文中首先介紹了博客內(nèi)容審計(jì)的研究現(xiàn)狀,在分析國(guó)外支持向量機(jī)技術(shù)以及國(guó)內(nèi)關(guān)鍵詞和人工審計(jì)相結(jié)合方法進(jìn)行垃圾博客識(shí)別和審計(jì)的基礎(chǔ)上,提出將信息過濾技術(shù)引入到博客內(nèi)容審計(jì)策略中,同時(shí)結(jié)合多種審計(jì)算法和博客特點(diǎn)的分析,選擇貝葉斯算法作為博客內(nèi)容審計(jì)的主要方法,對(duì)貝葉斯算法在博客內(nèi)容審計(jì)中的應(yīng)用進(jìn)行詳細(xì)的理論闡述以及同關(guān)鍵詞技術(shù)的性能對(duì)比,且有效地解決了針對(duì)貝葉斯算法中遇到的溢出問題;其次

3、對(duì)貝葉斯算法中特征詞對(duì)應(yīng)概率的數(shù)據(jù)查找方法進(jìn)行優(yōu)化,滿足了博客實(shí)時(shí)性審計(jì)的需求;再次,分析了垃圾博客評(píng)論產(chǎn)生的原因、特點(diǎn)和現(xiàn)有解決方法,針對(duì)博客評(píng)論中廣泛存在的廣告機(jī)器人現(xiàn)象,在貝葉斯算法的基礎(chǔ)上結(jié)合信息指紋技術(shù),提出了一種博客評(píng)論審計(jì)的混合策略,該策略通過計(jì)算評(píng)論的指紋或評(píng)論經(jīng)網(wǎng)址模式匹配后出的網(wǎng)址指紋來進(jìn)行快速判斷,無法判斷的再使用貝葉斯過濾。對(duì)新方法進(jìn)行了理論分析,并對(duì)信息指紋技術(shù)進(jìn)行了討論,新方法可以有效的提高過濾速度,而且也可