一种基于深度学习的电子邮件管理系统及方法技术方案

本发明专利技术公开了一种基于深度学习的电子邮件管理系统及方法，涉及计算机技术领域。所述系统包括：非即时连接远程服务的深度学习过滤网关及即时连接远程服务的过滤客户终端，用于根据预设的电子邮件过滤策略执行报文过滤，所述深度学习过滤网关还用于接收电子邮件并向所述过滤客户终端下发该电子邮件；还包括电子邮件策略设置单元，用于对不同用户分别设置电子邮件过滤策略，并下发给所述深度学习过滤网关和过滤客户终端；其中，所述电子邮件过滤策略包括：对于信任类用户，设置深度学习过滤网关执行电子邮件过滤；对于非信任类用户中准确阈值为低的用户，设置深度学习过滤网关或过滤客户终端执行电子邮件过滤。满足不同层次用户的需要；提高了电子邮件过滤的可靠性。提高了电子邮件过滤的可靠性。提高了电子邮件过滤的可靠性。

【技术实现步骤摘要】
一种基于深度学习的电子邮件管理系统及方法


[0001]本专利技术涉及涉及计算机
，特别是涉及一种基于深度学习的电子邮件管理系统及方法。

技术介绍

[0002]随着intemet用户的迅速增加，收发电子邮件已成为用户进行交流联系的主要手段。由于无需事前征求用户同意就可以在短时间内发送大量电子邮件给一个或者多个用户，因此电子邮件为广告宣传提供了成本低廉、传播面广的传播平台；正是由于这种非法利益的驱使，近年来垃圾电子邮件快速增长，所以迫切需要一个有效的方式来阻挡垃圾电子邮件。
[0003]目前，对垃圾电子邮件进行过滤的技术手段主要有电子邮件过滤网关和电子邮件过滤客户终端。
[0004]其中，电子邮件过滤网关可以通过不同的技术加以实现，有的使用静态黑名单和静态白名单技术，有的使用即时黑名单技术，有的使用分布协作的内容指纹分析；实现技术不同的反垃圾电子邮件网关，价格不同，反垃圾电子邮件的效果也不同。对于采用较为简单技术(例如静态黑白名单)的电子邮件过滤网关，价格便宜，但是由于无法根据实际情况调整设置，因此对垃圾电子邮件的判断率不高。对于采用即时黑名单和分布协作内容指纹分析的电子邮件过滤网关，价格昂贵；并且由于需要即时连接到远程服务器，因此存在保密性差的问题，无法适用于信息保密要求高的用户，尤其是大型企业一般会部署不需要即时连接远程服务器的电子邮件过滤网关；同时，如果远程服务器出现故障或者连接远程服务器的线路出现故障，则该电子邮件过滤网关也无法正常工作。可以看出，单纯的电子邮件过滤网关，不能区别处理不同电子邮件用户对于准确率、信任性、可靠性和价格等的不同要求。
[0005]对于电子邮件过滤客户终端来说，由于广泛采用分布协作内容指纹分析方式，以达到准确过滤，因此导致反垃圾电子邮件的特征库较大，不适合下载到本地。所以电子邮件过滤客户终端必须与远程服务器连接，信任性存在问题；而且客户终端的使用需要付费，如果在一个企业大量部署，存在费用较高的问题；同时，如果远程服务器出现故障，或者连接远程服务器的线路出现故障，该客户终端同样不能正常工作，同样存在可靠性问题。因此，单纯的电子邮件过滤客户终端本身在信任性、可靠性和价格方面存在缺陷。

技术实现思路

[0006]为了解决电子邮件监控过程中智能化不够和信任性不高的问题，本专利技术的目的是提供一种基于深度学习的电子邮件管理系统及方法。
[0007]为了实现上述目的，本专利技术采用如下技术方案：
[0008]一种基于深度学习的电子邮件管理系统，所述系统包括：非即时连接远程服务的深度学习过滤网关及即时连接远程服务的过滤客户终端，用于根据预设的电子邮件过滤策略执行报文过滤，所述深度学习过滤网关还用于接收电子邮件并向所述过滤客户终端下发
该电子邮件；还包括电子邮件策略设置单元，用于对不同用户分别设置电子邮件过滤策略，并下发给所述深度学习过滤网关和过滤客户终端；其中，所述电子邮件过滤策略包括：对于信任类用户，设置深度学习过滤网关执行电子邮件过滤；对于非信任类用户中准确阈值为低的用户，设置深度学习过滤网关或过滤客户终端执行电子邮件过滤；对于非信任类用户中准确阈值为高的用户，设置过滤客户终端执行电子邮件过滤；所述执行电子邮件过滤包括：所述深度学习过滤网关接收到电子邮件后，查找所述电子邮件接收用户的电子邮件过滤策略是否为深度学习过滤网关执行电子邮件过滤，是则所述深度学习过滤网关执行电子邮件过滤操作，之后发送给过滤客户终端；否则直接发送给过滤客户终端；所述过滤客户终端接收到电子邮件后，查找所述电子邮件接收用户的电子邮件过滤策略是否为过滤客户终端执行电子邮件过滤，是则所述过滤客户终端执行电子邮件过滤操作；否则不进行处理。
[0009]进一步的，所述深度学习过滤网关设于内网出口，所述过滤客户终端设于内网非信任类用户终端中，所述深度学习过滤网关与所述过滤客户终端通过内网连接。
[0010]进一步的，所述深度学习过滤网关设于内网出口，所述过滤客户终端设于内网全部终端中，所述深度学习过滤网关与所述过滤客户终端通过内网连接；所述过滤客户终端包括激活单元，用于根据电子邮件过滤策略激活或者眠当前过滤客户终端。
[0011]进一步的，所述深度学习过滤网关包括：训练模块，用于对电子邮件样本进行处理生成第一向量空间模型，构建深度置信网络；测试模块，用于对测试电子邮件进行处理生成第二向量空间模型；检测模块，用于利用所构建的深度置信网络检测第二向量空间模型；输出模块，用于输出检测结果。
[0012]进一步的，所述训练模块具体包括：训练子模块，用于训练电子邮件样本；预处理子模块，用于对训练后的电子邮件样本进行预处理，确定垃圾电子邮件的特征并构造特征集；模型构造子模块，用于根据所构造的特征集生成第一向量空间模型；DBN构建子模块，用于根据所生成第一向量空间模型构建深度置信网络。
[0013]一种基于深度学习的电子邮件管理方法，所述方法包括以下步骤：
[0014]当接收到电子邮件时，根据预先对不同用户分别设置的电子邮件过滤策略，深度学习过滤网关或者过滤客户终端执行电子邮件过滤；
[0015]其中，对不同用户分别设置电子邮件过滤策略，包括：
[0016]对于信任类用户，设置深度学习过滤网关执行电子邮件过滤；
[0017]对于非信任类用户中准确度阈值为低的用户，设置深度学习过滤网关或过滤客户终端执行电子邮件过滤；对于非信任类用户中准确度阈值为高的用户，设置过滤客户终端执行电子邮件过滤；
[0018]所述深度学习过滤网关或者过滤客户终端执行电子邮件过滤包括：
[0019]所述深度学习过滤网关接收到电子邮件后，查找所述电子邮件接收用户的电子邮件过滤策略是否为深度学习过滤网关执行电子邮件过滤，是则所述深度学习过滤网关执行电子邮件过滤操作，之后发送给过滤客户终端；否则直接发送给过滤客户终端；所述过滤客户终端接收到电子邮件后，查找所述电子邮件接收用户的电子邮件过滤策略是否为过滤客户终端执行电子邮件过滤，是则所述过滤客户终端执行电子邮件过滤操作；否则不进行处理。
[0020]进一步的，所述方法还包括：将第一链表中所述用户的电子邮件过滤标识置位为
启动，将第二链表中所述用户的电子邮件过滤标志置位为禁止；设置过滤客户终端执行电子邮件过滤具体为：将第一链表中所述用户的电子邮件过滤标识置位为禁止，将第二链表中所述用户的电子邮件过滤标志置位为启动；设置完成之后还包括：将所述第一链表下发给所述深度学习过滤网关，将所述第二链表下发给所述过滤客户终端；所述第一链表和第二链表用于存储电子邮件过滤策略，包括用户信息和电子邮件过滤标识。
[0021]与现有技术相比，本专利技术实现的有益效果：满足不同层次用户的需要；提高了电子邮件过滤的可靠性。
附图说明
[0022]以下结合附图和具体实施方式来进一步详细说明本专利技术：
[0023]图1为本专利技术实施例1公开的基于深度学习的电子邮件管理系统的系统结构示意图。
具体实施方式...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的电子邮件管理系统，其特征在于，所述系统包括：非即时连接远程服务的深度学习过滤网关及即时连接远程服务的过滤客户终端，用于根据预设的电子邮件过滤策略执行报文过滤，所述深度学习过滤网关还用于接收电子邮件并向所述过滤客户终端下发该电子邮件；还包括电子邮件策略设置单元，用于对不同用户分别设置电子邮件过滤策略，并下发给所述深度学习过滤网关和过滤客户终端；其中，所述电子邮件过滤策略包括：对于信任类用户，设置深度学习过滤网关执行电子邮件过滤；对于非信任类用户中准确阈值为低的用户，设置深度学习过滤网关或过滤客户终端执行电子邮件过滤；对于非信任类用户中准确阈值为高的用户，设置过滤客户终端执行电子邮件过滤；所述执行电子邮件过滤包括：所述深度学习过滤网关接收到电子邮件后，查找所述电子邮件接收用户的电子邮件过滤策略是否为深度学习过滤网关执行电子邮件过滤，是则所述深度学习过滤网关执行电子邮件过滤操作，之后发送给过滤客户终端；否则直接发送给过滤客户终端；所述过滤客户终端接收到电子邮件后，查找所述电子邮件接收用户的电子邮件过滤策略是否为过滤客户终端执行电子邮件过滤，是则所述过滤客户终端执行电子邮件过滤操作；否则不进行处理。2.如权利要求1所述的基于深度学习的电子邮件管理系统，其特征在于，所述深度学习过滤网关设于内网出口，所述过滤客户终端设于内网非信任类用户终端中，所述深度学习过滤网关与所述过滤客户终端通过内网连接。3.如权利要求1所述的基于深度学习的电子邮件管理系统，其特征在于，所述深度学习过滤网关设于内网出口，所述过滤客户终端设于内网全部终端中，所述深度学习过滤网关与所述过滤客户终端通过内网连接；所述过滤客户终端包括激活单元，用于根据电子邮件过滤策略激活或者眠当前过滤客户终端。4.如权利要求1所述的基于深度学习的电子邮件管理系统，其特征在于，所述深度学习过滤网关包括：训练模块，用于对电子邮件样本进行处理生成第一向量空间模型，构建深度置信网络；测试模块，用于对测试电子邮件进行处理生成第二向量空间模型；检测模块，用于利用所构建的深度置信网络检测第二向量空间模型；输出模块...

【专利技术属性】
技术研发人员：汤国庆，朱颍，
申请(专利权)人：上海越力信息科技有限公司，
类型：发明
国别省市：