基于贝叶斯和信息指纹的博客内容审计研究与实现-计算机应用技术专业论文.docxVIP

摘 摘 要 桂林电子科技大学学位论文 桂林电子科技大学学位论文 摘 要 博客(Blog)作为一股正在迅速崛起的新的网络变革力量，它的出现丰富和改变了 网络的内涵，影响了人们的信息传递方式，在最近几年的时间里迅猛发展，对人们的 影响也越来越大。而随着博客的兴起，垃圾博客及垃圾博客评论随之而生，其带来的 问题也日益显现了出来，大量博客内容中出现了各种各样的不健康内容，严重的陆污 了网络环境，同和谐社会的理念相悖，引起了相关人士和技术界的关注。由于博客写 作没有传统媒体的监督审查和监管体系，因此对博客及其评论内容的管理、监督、内 容审计己成为信息安全技术的重要内容之一。 文中首先介绍了博客内容审计的研究现状，在分析国外支持向量机技术以及国内 关键词和人工审计相结合方法进行垃圾博客识别和审计的基础上，提出将信息过滤技 术引入到博客内容审计策略中，同时结合多种审计算法和博客特点的分析，选择贝叶 斯算法作为博客内容审计的主要方法，对贝叶斯算法在博客内容审计中的应用进行详 细的理论阐述以及同关键词技术的性能对比，且有效地解决了针对贝叶斯算法中遇到 的溢出问题:其次对贝叶斯算法中特征词对应概率的数据查找方法进行优化，满足了 博客实时性审计的需求:再次，分析了垃圾博客评论产生的原因、特点和现有解决方 法，针对博客评论中广泛存在的广告机器人现象，在贝叶斯算法的基础上结合信息指 纹技术，提出了一种博客评论审计的混合策略，该策略通过计算评论的指纹或评论经 网址模式匹配后出的网址指纹来进行快速判断，无法判断的再使用贝叶斯过滤。对新 方法进行了理论分析，并对信息指纹技术进行了讨论，新方法可以有效的提高过滤速 度，而且也可以有效的发现博客评论中广泛存在的广告机器人行为，并进行处理和控 制。最后，针对全球最大的开源网站上提供的一个博客系统(DLOG)，应用所研究的技 术实现了对其博客内容的审计。通过实验进行验证和分析，新方法的应用具有良好的 科学性、合理性，审计速度有较大的提高，取得了良好的应用效果。 对博客内容进行审计己经成为受到人们越来越关注的重要问题之一，对于网络信 息规范管理及和谐社会的建立也具有十分重要的意义。 关键词:博客; 垃圾博客; 信息过滤; 贝叶斯; 数据查找; 信息指纹. 万方数据 I – – – PAGE IV – 万方数据 – – PAGE III – 万方数据 Abstract Blog, as a great emerging force, is rapidly shifting today’s internet. Its emergence has greatly enriched the content of the network, and affected information exchange in people’s daily life. It has been developed rapidly in the last few years, and its impact on the people’s life is increasing. However, with the popularity of blog, there come spam blog and spam comments on blog, and the problems associated with these spams have become more and more obvious as time goes on. A variety of unhealthy contents appear in large number of blogs. This has seriously tarnished the network environment, contrary to the idea of a harmonious society. This has caused concerns in both the society and technology community. Due to the lack of the supervisory review and monitoring system as in traditional media, the management, supervision, and auditing of the blog and its comments have become one of the important topics in information security. In this paper, the current situation of the blog