CN106162584A - 识别垃圾短信的方法、客户端、云端服务器和系统 - Google Patents
识别垃圾短信的方法、客户端、云端服务器和系统 Download PDFInfo
- Publication number
- CN106162584A CN106162584A CN201610839721.0A CN201610839721A CN106162584A CN 106162584 A CN106162584 A CN 106162584A CN 201610839721 A CN201610839721 A CN 201610839721A CN 106162584 A CN106162584 A CN 106162584A
- Authority
- CN
- China
- Prior art keywords
- note
- cryptographic hash
- content
- cloud server
- refuse messages
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 107
- 238000012545 processing Methods 0.000 claims abstract description 47
- 230000002452 interceptive effect Effects 0.000 claims description 18
- 230000011218 segmentation Effects 0.000 claims description 15
- 238000010586 diagram Methods 0.000 description 8
- 230000005611 electricity Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 101100217298 Mus musculus Aspm gene Proteins 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 208000034188 Stiff person spectrum disease Diseases 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000004080 punching Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/12—Messaging; Mailboxes; Announcements
- H04W4/14—Short messaging services, e.g. short message services [SMS] or unstructured supplementary service data [USSD]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
- H04W12/12—Detection or prevention of fraud
Abstract
本发明公开了一种识别垃圾短信的方法、客户端、云端服务器和系统。该方法包括:对移动终端中的短信接收事件进行检测;当移动终端接收到短信时,计算出短信的内容对应哈希值;将短信的内容对应的哈希值上传到云端服务器,并接收云端服务器返回的识别信息;根据识别信息确定短信是否为垃圾短信。本发明提供的技术方案以哈希值为识别对象进行移动终端本地与云端服务器的交互,实现了对垃圾短信的识别。在保证垃圾短信识别有效性的基础上,避免了在未经用户同意的情况下将短信的内容直接上传到服务器所导致的侵犯用户个人隐私的问题,且经过本地的计算处理后减轻了客户端的上传以及云端服务器的处理压力,提高了识别效率,符合用户需求。
Description
本发明专利申请是申请日为2015年01月27日、申请号为201510041116.4、名称为“识别垃圾短信的方法、客户端、云端服务器和系统”的中国发明专利申请的分案申请。
技术领域
本发明涉及网络信息安全技术领域,具体涉及识别垃圾短信的方法、客户端、云端服务器和系统。
背景技术
随着移动通信技术的发展、移动设备的普及和短信资费的下降,短信成为移动终端之间进行信息传递的重要方法之一。用户在享受短信通信带来的便捷时,却也遭受到一些广告短信、诈骗短信等垃圾短信的骚扰,这些垃圾短信影响到用户的短信使用体验,给用户的人身、信息、财产安全带来隐患。因此,对垃圾短信的识别和拦截是亟待解决的问题。
现有技术中,对垃圾短信的识别往往通过将短信的内容直接上传到服务器,由服务器对该短信的内容进行识别,将识别结果返回给移动终端,如果该短信为垃圾短信,则移动终端对该短信进行拦截或者对用户进行提示。
该方案存在的问题是:1、短信的内容往往涉及到用户的个人信息,在未经用户同意的情况下将短信的内容直接上传到服务器侵犯了用户的个人隐私,对用户的信息安全造成了损害。2、移动终端每次接收到短信时,将短信的内容上传给服务器,该过程往往耗费相当的网络流量,且处理速度受到移动终端所处的网络状态的限制,不符合用户需求。
发明内容
鉴于上述问题,提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的一种识别垃圾短信的方法、客户端、云端服务器和系统。
依据本发明的一个方面,提供了一种识别垃圾短信的方法,该方法包括:
对移动终端中的短信接收事件进行检测;
当所述移动终端接收到短信时,计算出所述短信的内容对应的哈希值;
将所述短信的内容对应的哈希值上传到云端服务器,并接收所述云端服务器返回的识别信息;
根据所述识别信息确定所述短信是否为垃圾短信。
可选地,所述计算出所述短信的内容对应的哈希值包括:
对所述短信的内容进行分词处理;
对分词后的各个词赋予不同的向量值,汇总计算得到所述短信的内容对应的simhash值。
可选地,该方法进一步包括:
当所述移动终端接收到短信时,先根据移动终端的本地规则判断所述短信是否为白短信;
如果不是,则执行所述计算出所述短信的内容对应的哈希值,以及将所述短信的内容对应的哈希值上传到云端服务器的后续处理;
如果是,则不再进行后续的处理。
可选地,所述先根据移动终端的本地规则判断所述短信是否为白短信包括如下一种或多种判断方法:
根据移动终端本地的电话号码白名单判断发送所述短信的源号码是否在所述电话号码白名单中,是则所述短信为白短信;
在移动终端本地对短信的内容进行分词处理,利用贝叶斯算法计算分词后的各个词属于垃圾短信的概率,汇总计算得到该短信是垃圾短信的概率,判断该概率是否小于一个预设值,是则该短信为白短信;
在移动终端本地计算短信的内容对应的哈希值,再根据移动终端本地的哈希值白名单判断该短信的内容对应的哈希值是否在哈希值白名单中,是则该短信为白短信。
可选地,该方法进一步包括:
在第一次启动时弹出声明协议,在该声明协议中询问用户是否同意直接将短信内容上传到云端服务器;
如果用户选择了同意,则当所述移动终端接收到短信时,直接将所述短信的内容上传到云端服务器进行识别;
如果用户选择了不同意,则当所述移动终端接收到短信时,执行所述计算出所述短信的内容对应的哈希值,以及将所述短信的内容对应的哈希值上传到云端服务器的后续步骤。
可选地,该方法进一步包括:
当确定所述短信是垃圾短信时,对所述短信进行拦截处理。
依据本发明的另一个方面,提供了一种识别垃圾短信的方法,该方法包括:
接收客户端侧上传的短信的内容对应的哈希值;
将所述短信的内容对应的哈希值与哈希值库进行匹配;其中,所述哈希值库中对应保存有不同短信内容对应的哈希值以及已判断为黑或白的识别信息;
将从哈希值库中匹配到的哈希值对应的识别信息返回给所述客户端。
可选地,所述短信的内容对应的哈希值为所述短信的内容对应的simhash值。
可选地,该方法进一步包括:
接收用户举报的短信内容;
对用户举报的各短信内容进行黑或白的识别,并生成对应的simhash值,将simhash值和对应的识别信息保存到所述哈希值库中。
依据本发明的又一个方面,提供了一种识别垃圾短信的客户端,该客户端包括:
接收处理单元,适于对移动终端中的短信接收事件进行检测;当所述移动终端接收到短信时,计算出所述短信的内容对应的哈希值并发送至识别交互单元;
所述识别交互单元,适于将所述短信的内容对应的哈希值上传到云端服务器,并接收所述云端服务器返回的识别信息;根据所述识别信息确定所述短信是否为垃圾短信。
可选地,所述接收处理单元,适于对所述短信的内容进行分词处理;对分词后的各个词赋予不同的向量值,汇总计算得到所述短信的内容对应的simhash值。
可选地,所述接收处理单元,进一步适于当所述移动终端接收到短信时,先根据移动终端的本地规则判断所述短信是否为白短信;如果不是,则计算出所述短信的内容对应的哈希值并发送至所述识别交互单元;如果是,则不再进行后续处理。
可选地,所述接收处理单元,适于根据如下一种或多种判断方法判断所述短信是否为白短信:
根据移动终端本地的电话号码白名单判断发送所述短信的源号码是否在所述电话号码白名单中,是则所述短信为白短信;
在移动终端本地对短信的内容进行分词处理,利用贝叶斯算法计算分词后的各个词属于垃圾短信的概率,汇总计算得到该短信是垃圾短信的概率,判断该概率是否小于一个预设值,是则该短信为白短信;
在移动终端本地计算短信的内容对应的哈希值,再根据移动终端本地的哈希值白名单判断该短信的内容对应的哈希值是否在哈希值白名单中,是则该短信为白短信。
可选地,该客户端进一步包括:
初始配置单元,适于在第一次启动时弹出声明协议,在该声明协议中询问用户是否同意直接将短信内容上传到云端服务器;
所述接收处理单元,适于在用户选择了同意后,当所述移动终端接收到短信时,直接将所述短信的内容发送给所述识别交互单元;以及适于在用户选择了不同意后,当所述移动终端接收到短信时,计算出所述短信的内容对应的哈希值并发送给所述识别交互单元;
所述识别交互单元,适于当接收到所述短信的内容时,直接将所述短信的内容上传到云端服务器进行识别;以及适于当接收到所述短信的内容对应哈希值时,执行所述将所述短信的内容对应哈希值上传到云端服务器的后续步骤。
可选地,该客户端进一步包括:
拦截处理单元,适于当确定所述短信是垃圾短信时,对所述短信进行拦截处理。
依据本发明的再一个方面,提供了一种识别垃圾短信的云端服务器,该云端服务器包括:
接收单元,适于接收客户端侧上传的短信的内容对应的哈希值;
识别单元,适于将所述短信的内容对应的哈希值与哈希值库进行匹配;其中,所述哈希值库中对应保存有不同短信内容对应的哈希值以及已判断为黑或白的识别信息;
反馈单元,适于将从哈希值库中匹配到的哈希值对应的识别信息返回给所述客户端。
可选地,所述短信的内容对应的哈希值为所述短信的内容对应的simhash值。
可选地,所述接收单元,进一步适于接收用户举报的短信内容;
所述识别单元,进一步适于对用户举报的各短信内容进行黑或白的识别,并生成对应的simhash值,将simhash值和对应的识别信息保存到所述哈希值库中。
依据本发明的又一个方面,提供了一种识别垃圾短信的系统,其中,该系统包括如上任一项所述的识别垃圾短信的客户端以及如上任一项所述的识别垃圾短信的云端服务器。
由上述可知,本发明提供的技术方案在以短信的内容对应哈希值为识别对象的基础上进行移动终端本地与云端服务器的交互,实现了对垃圾短信的识别。该方案在保证垃圾短信识别有效性的基础上,避免了在未经用户同意的情况下将短信的内容直接上传到服务器所导致的侵犯用户个人隐私的问题,且经过本地的计算处理后减轻了客户端与云端服务器的交互负担以及云端服务器的处理压力,提高了识别效率,符合用户需求。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了根据本发明一个实施例的一种识别垃圾短信的方法的流程图;
图2示出了根据本发明另一个实施例的一种识别垃圾短信的方法的流程图;
图3示出了根据本发明一个实施例的一种识别垃圾短信的客户端的示意图;
图4示出了根据本发明另一个实施例的一种识别垃圾短信的客户端的示意图;
图5示出了根据本发明一个实施例的一种识别垃圾短信的云端服务器的示意图;
图6示出了根据本发明一个实施例的一种识别垃圾短信的系统的示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
图1示出了根据本发明一个实施例的一种识别垃圾短信的方法的流程图。如图1所示,该方法包括:
步骤S110,对移动终端中的短信接收事件进行检测。
步骤S120,当移动终端接收到短信时,计算出该短信的内容对应哈希值。
步骤S130,将短信的内容对应的哈希值上传到云端服务器,并接收云端服务器返回的识别信息。
步骤S140,根据识别信息确定短信是否为垃圾短信。
可见,图1所示的方法从客户端的角度描述了以短信的内容对应的哈希值为识别对象,客户端与云端服务器进行交互的过程,实现了对垃圾短信的识别。该方法在保证垃圾短信识别有效性的基础上,避免了在未经用户同意的情况下将短信的内容直接上传到服务器所导致的侵犯用户个人隐私的问题;且经过本地的计算处理后减轻了客户端与云端服务器的交互负担以及云端服务器的处理压力,提高了识别效率,符合用户需求。
在本发明的一个实施例中,图1所示的方法进一步包括:
步骤S150,当确定所述短信是垃圾短信时,对所述短信进行拦截处理。这里的拦截处理具体可以包括:直接删除垃圾短信;或者将垃圾短息转移到指定的文件夹中,等待用户的处理;或者对用户进行垃圾短信的提示。
在本发明的一个实施例中,步骤S120中所述的计算出该短信的内容对应的哈希值是指:根据一定的传统哈希算法,将该短信的内容映射为固定长度的数值,该数值称为哈希值,该哈希值是该短信的内容的唯一且极其紧凑的数值表示形式。
本实施例所述的哈希算法包括:HAVAL、MD2、MD4、MD5或SHA1等,此类传统哈希算法都有如下一个基本特征:在输入域中很少出现散列冲突,即对于可能差距只有一个字节的文本也会映射出两个完全不同的哈希值。
例如,两条诈骗短信的内容分别为:“恭喜你中了五万元大奖”和“恭喜你中了一万元大奖”,由传统哈希算法计算出这两条短信的内容对应哈希值分别为286和523。可以看到,两条诈骗手段非常相似的短信所计算出的哈希值完全不同,可能导致后续处理中云端服务器的识别压力过大。
因此,为了去除小范围差异的短信的内容对应哈希值之间的偏差,减轻后续处理中云端服务器的识别压力,在本发明的另一个实施例中,步骤S120中所述的计算出该短信的内容对应哈希值是指:计算出该短信的内容对应的simhash值。具体过程如下:
步骤S121,对短信的内容进行分词处理。
步骤S122,对分词后的各个词赋予不同的向量值,汇总计算得到短信的内容对应的simhash值。
下面以表1和表2为例对本发明的方案进行详细说明。
表1
表2
表1示出了根据本发明一个具体的实施例计算短信的内容对应的simhash值的过程。如表1所示,在本实施例中,移动终端接收到的短信是:“本公司代开普通发票,本公司不代开增值税专用发票和专业发票。”
首先,初始化simhash值对应的向量形式:A=Ao={0,0,0,0,0,0}。
接着,对该短信的内容进行分词处理:本公司/代开/普通/发票/,本公司/不/代开/增值税/专用/发票/和/专业/发票;得到分词后的各个词是:本公司,代开,不,增值税,专用,发票,普通,和,专业。
根据一定的传统哈希算法,分别计算出各个词对应的6位哈希值:本公司:100110,代开:110000,不:101111,增值税:110001,专用:010110,发票:101011,普通:110100,和:110110,专业:001001。
再计算各个词的词频作为对应的向量值,代表各个词在短信内容中的权重:本公司:2,代开:2,不:1,增值税:1,专用:1,发票:3,普通:1,和:1,专业:1。
构成一个向量B:{本公司/100110/2,代开/110000/2,不/101111/1,增值税/110001/1,专用/010110/1,发票/101011/3,普通/110100/1,和/110110/1,专业/001001/1}。
依次对向量B中的各个词做处理,处理方式如下:对于各个词,如果其哈希值的第i位上是“1”,则对向量A的第i维加上该词的词频;如果其哈希值的第i位上是“0”,则对向量A的第i维减去该词的词频。例如,对于本公司/100110/2,向量A变为{2,-2,-2,2,2,-2};对于代开/110000/2,向量A变为{2,2,-2,-2,-2,-2};以此类推,得到各个词对应的向量A,如表1中所示。
将各个词对应的向量A进行汇总求和,得到向量Atotal={9,-1,-3,1,5,1},如果该向量的第i维为不为负数,则令simhash值对应向量的第i维为“1”;如果该向量的第i维为负数,则令simhash值对应向量的第i维为“0”;据此得到最终simhash值对应向量Afinal={1,0,0,1,1,1}。
因此,短信“本公司代开普通发票,本公司不代开增值税专用发票和专业发票。”的simhash值为100111。
表2示出了根据本发明另一个具体的实施例计算短信的内容对应的simhash值的过程。如表2所示,在本实施例中,移动终端接收到的短信是:“本公司代开普通发票,本公司不代开专用发票和专业发票。”其simhash值的计算过程同理于表1,在此不再赘述。可以看到,表2中示出了汇总求和后得到向量Atotal={8,-2,-2,0,6,0},得到最终simhash值对应向量Afinal={1,0,0,1,1,1}。因此,短信“本公司代开普通发票,本公司不代开专用发票和专业发票。”的simhash值为100111,与短信本公司代开普通发票,本公司不代开增值税专用发票和专业发票。”的simhash值相同。
由上述可知,simhash值的计算过程中,在保持各个词权重的基础上,逐渐忽略各个词的哈希值的具体大小,而是将其汇总求和后以值的正负来区分各个词,而往往相似的短信内容会以其相似的文本结构得到符号相同的求和向量Atotal,因此,相似的短信会具有相同的simhash值,克服了传统哈希算法的散列问题。
在本发明的其他实施例中,可以通过其他方式对分词后的各个词赋予向量值。
在本发明的一个实施例中,为了进一步提高垃圾短信的识别效率,图1所示的方法进一步包括:当移动终端接收到短信时,先根据移动终端的本地规则判断该短信是否为白短信;如果不是,则执行前文所述的计算出该短信的内容对应哈希值,以及将该短信的内容对应的哈希值上传到云端服务器的后续处理;如果是,则确定该短信不是垃圾短信,不再进行后续的处理。
具体地,根据移动终端的本地规则判断短信是否为白短信的方法包括:
方案1,根据移动终端本地的电话号码白名单判断发送该短信的源号码是否在电话号码白名单中,是则该短信为白短信。其中,该电话号码白名单是由移动终端设本地设置的,或者,是由云端服务器下发到移动终端本地的。进一步地,云端服务器可以每隔一定时间对移动终端本地的电话号码白名单进行更新。
方案2,在移动终端本地对短信的内容进行分词处理,利用贝叶斯算法计算分词后的各个词属于白短信的概率,汇总计算得到该短信是白短信的概率,判断该概率是否大于一个预设值,是则该短信为白短信。
具体地,针对分词后的每个词,可在预先训练的贝叶斯模型中查找与该词匹配的特征词,并获取该特征词的正向权重值和负向权重值,正向权重值作为该词属于白短信的概率,负向权重值作为该词不属于白短信的概率;根据分词后的各个词的属于白短信的概率汇总计算得到短信是白短信的概率,根据分词后的各个词的不属于白短信的概率汇总计算得到短信不是白短信的概率,如果该短信是白短信的概率较大且超过预设值时,则该短信为白短信。其中,汇总计算方法包括各个词的概率的权重值的加和或加权乘积,本实施例不做限定。
方案3,在移动终端本地依据上文中所述的方法计算短信的内容对应的哈希值,再根据移动终端本地的哈希值白名单判断该短信的内容对应的哈希值是否在哈希值白名单中,是则该短信为白短信。其中,该哈希值白名单是由移动终端本地设置的,或者,是由云端服务器下发到移动终端本地的,进一步地,云端服务器可以每隔一定时间对移动终端本地的哈希值白名单进行更新。其中,本方案中所述的哈希值为传统哈希值或simhash值,由于传统哈希值白名单中记录了较多的哈希值,适合容量较大的移动终端。
在进行垃圾短信识别的过程中,用户的意愿是选择识别方法的重要依据之一,因此,在本发明的一个实施例中,图1所示的方法进一步包括:当用户在移动终端第一次启动用于进行垃圾短信识别的客户端时,弹出声明协议,在该声明协议中询问用户是否同意直接将短信内容上传到云端服务器;如果用户选择了同意,则当移动终端接收到短信时,直接将该短信的内容上传到云端服务器进行识别;如果用户选择了不同意,则当移动终端接收到短信时,执行前文所述的计算出该短信的内容对应哈希值,以及将该短信的内容对应的哈希值上传到云端服务器的后续步骤。本实施例从用户的意愿出发,从根本上解决了现有技术中存在的侵犯用户个人隐私、危害用户信息安全的问题。
图2示出了根据本发明另一个实施例的一种识别垃圾短信的方法的流程图。如图2所示,该方法包括:
步骤S210,接收客户端侧上传的短信的内容对应的哈希值。
步骤S220,将该短信的内容对应的哈希值与哈希值库进行匹配。
在本步骤中,哈希值库中对应保存有不同短信内容对应的哈希值以及已判断为黑或白的识别信息。在本发明的一个实施例中,该哈希值库是云端服务器根据历史识别记录所设置的,云端服务器每次进行垃圾短信的识别后,无论选取何种识别方法,均将所识别的短信的内容、关键词或哈希值等特征与识别信息对应记录下来,取其中的哈希值与识别信息的对应记录,建立哈希值库。
步骤S230,将从哈希值库中匹配到的哈希值对应的识别信息返回给客户端。
可见,图2所示的方法描述了云端服务器接收到客户端发来的短信的内容对应哈希值后,对该哈希值进行识别并将识别信息返回给客户端的过程。该方法在保证垃圾短信识别有效性的基础上,避免了在未经用户同意的情况下将短信的内容直接上传到服务器所导致的侵犯用户个人隐私的问题;且经过本地的计算处理后减轻了云端服务器的处理压力以及云端服务器与客户端的交互负担,提高了识别效率,符合用户需求。
在本发明的一个实施例中,云端服务器所接收到的短信的内容对应的哈希值为该短信的内容对应的simhash值,与之对应地,云端服务器的哈希值库具体为simhash值库。
在本发明的一个实施例中,图2所示的方法进一步包括:
步骤S240,接收用户举报的短信内容。
步骤S250,对用户举报的各短信内容进行黑或白的识别,并生成对应的simhash值,将simhash值和对应的识别信息保存到哈希值库中。
本步骤中,由云端服务器计算短信的内容对应simhash值,其过程与上文中所述的客户端计算simhash的过程类似,在此不再赘述。
图3示出了根据本发明一个实施例的一种识别垃圾短信的客户端的示意图。如图3所示,该识别垃圾短信的客户端300包括:
接收处理单元310,适于对移动终端中的短信接收事件进行检测;当所述移动终端接收到短信时,计算出该短信的内容对应哈希值并发送至识别交互单元320;
识别交互单元320,适于将该短信的内容对应的哈希值上传到云端服务器,并接收云端服务器返回的识别信息;根据该识别信息确定短信是否为垃圾短信。
可见,图3所示的客户端通过各单元的相互配合,完成了以短信的内容对应哈希值为识别对象,与云端服务器进行交互的过程,实现了对垃圾短信的识别。该方案在保证垃圾短信识别有效性的基础上,避免了在未经用户同意的情况下将短信的内容直接上传到服务器所导致的侵犯用户个人隐私的问题;且经过本地的计算处理后减轻了客户端与云端服务器的交互负担以及云端服务器的处理压力,提高了识别效率,符合用户需求。
在本发明的一个实施例中,接收处理单元310适于根据一定的传统哈希算法,计算出短信的内容对应的哈希值。本实施例所述的哈希算法包括:HAVAL、MD2、MD4、MD5或SHA1等,由上文可知,此类传统哈希算法都有如下一个基本特征:在输入域中很少出现散列冲突,即对于可能差距只有一个字节的文本也会映射出两个完全不同的哈希值。
因此,为了去除小范围差异的短信的内容对应哈希值之间的偏差,减轻后续处理中云端服务器的识别压力,在本发明的另一个实施例中,接收处理单元310,适于对短信的内容进行分词处理;对分词后的各个词赋予不同的向量值,汇总计算得到该短信的内容对应的simhash值。其中,接收处理单元310计算短信的内容对应的simhash值的一个具体实施例如表1所示,上文中已详细描述,在此不再赘述。
在本发明的一个实施例中,为了进一步提高垃圾短信的识别效率,图3所示客户端的接收处理单元310,进一步适于当移动终端接收到短信时,先根据移动终端的本地规则判断该短信是否为白短信;如果不是,则计算出所述短信的内容对应的哈希值并发送至所述识别交互单元;如果是,则不再进行后续处理。
具体地,接收处理单元310根据移动终端的本地规则判断短信是否为白短信的方案包括:
方案1,接收处理单元310根据移动终端本地的电话号码白名单判断发送该短信的源号码是否在电话号码白名单中,是则该短信为白短信。其中,该电话号码白名单是由移动终端设本地设置的,或者,是由云端服务器下发到移动终端本地的。进一步地,云端服务器可以每隔一定时间对移动终端本地的电话号码白名单进行更新。
方案2,接收处理单元310在移动终端本地对短信的内容进行分词处理,利用贝叶斯算法计算分词后的各个词属于白短信的概率,汇总计算得到该短信是白短信的概率,判断该概率是否大于一个预设值,是则该短信为白短信。本方案的具体实施过程在上文中已详细说明,在此不再赘述。
方案3,接收处理单元310在移动终端本地依据上文中所述的方法计算短信的内容对应哈希值,再根据移动终端本地的哈希值白名单判断该短信的内容对应的哈希值是否在哈希值白名单中,是则该短信为白短信。其中,该哈希值白名单是由移动终端本地设置的,或者,是由云端服务器下发到移动终端本地的,进一步地,云端服务器可以每隔一定时间对移动终端本地的哈希值白名单进行更新。其中,本方案中所述的哈希值为传统哈希值或simhash值,由于传统哈希值白名单中记录了较多的哈希值,适合容量较大的移动终端。
图4示出了根据本发明另一个实施例的一种识别垃圾短信的客户端的示意图。如图4所示,本实施例的识别垃圾短信的客户端400在进行垃圾短信识别的过程中,以用户的意愿作为选择识别方法的重要依据之一,该识别垃圾短信的客户端400包括:
初始配置单元410,适于在第一次启动时弹出声明协议,在该声明协议中询问用户是否同意直接将短信内容上传到云端服务器。
接收处理单元420,适于在用户选择了同意后,当移动终端接收到短信时,直接将该短信的内容发送给识别交互单元430;以及适于在用户选择了不同意后,当移动终端接收到短信时,计算出该短信的内容对应哈希值并发送给识别交互单元430。
识别交互单元430,适于当接收到短信的内容时,直接将该述短信的内容上传到云端服务器进行识别;当接收到短信的内容对应哈希值时,将该短信的内容对应哈希值上传到云端服务器;以及适于接收云端服务器返回的识别信息;根据该识别信息确定短信是否为垃圾短信。
拦截处理单元440,适于当确定短信是垃圾短信时,对该短信进行拦截处理。
这里的拦截处理具体可以包括:直接删除垃圾短信;或者将垃圾短息转移到指定的文件夹中,等待用户的处理;或者对用户进行垃圾短信的提示。
由上述可知。图4所示的客户端400从用户的意愿出发,从根本上解决了现有技术中存在的侵犯用户个人隐私、危害用户信息安全的问题。
图5示出了根据本发明一个实施例的一种识别垃圾短信的云端服务器的示意图。如图5所示,该识别垃圾短信的云端服务器500包括:
接收单元510,适于接收客户端侧上传的短信的内容对应的哈希值。
识别单元520,适于将该短信的内容对应的哈希值与哈希值库进行匹配。
在本单元中,哈希值库中对应保存有不同短信内容对应的哈希值以及已判断为黑或白的识别信息。在本发明的一个实施例中,该哈希值库是云端服务器500根据历史识别记录所设置的,云端服务器500每次进行垃圾短信的识别后,无论选取何种识别方法,均将所识别的短信的内容、关键词或哈希值等特征与识别信息对应记录下来,取其中的哈希值与识别信息的对应记录,建立哈希值库。
反馈单元530,适于将从哈希值库中匹配到的哈希值对应的识别信息返回给客户端。
可见,图5所示的方案说明了接收单元510接收到客户端发来的短信的内容对应哈希值后,识别单元520对该哈希值进行识别,反馈单元530再将识别信息返回给客户端的过程。该方案在保证垃圾短信识别有效性的基础上,避免了在未经用户同意的情况下将短信的内容直接上传到服务器所导致的侵犯用户个人隐私的问题;且经过本地的计算处理后减轻了云端服务器的处理压力以及云端服务器与客户端的交互负担,提高了识别效率,符合用户需求。
在本发明的一个实施例中,接收单元510所接收到的短信的内容对应的哈希值为该短信的内容对应的simhash值,与之对应地,云端服务器的哈希值库具体为simhash值库。
在本发明的一个实施例中,接收单元510,进一步适于接收用户举报的短信内容;识别单元520,进一步适于对用户举报的各短信内容进行黑或白的识别,并生成对应的simhash值,将simhash值和对应的识别信息保存到所述哈希值库中。其中,识别单元520计算短信的内容对应simhash值,其过程与上文中所述的客户端计算simhash的过程类似,在此不再赘述。
图6示出了根据本发明一个实施例的一种识别垃圾短信的系统的示意图。如图6所示,该识别垃圾短信的系统600包括识别垃圾短信的客户端610以及识别垃圾短信的云端服务器620。其中识别垃圾短信的客户端610可以是上文中的识别垃圾短信的客户端300或识别垃圾短信的客户端400,识别垃圾短信的云端服务器620可以是上文中的识别垃圾短信的云端服务器500。
综上所述,本发明提供的技术方案在以短信的内容对应哈希值为识别对象的基础上进行移动终端本地与云端服务器的交互,实现了对垃圾短信的识别。该方案在保证垃圾短信识别有效性的基础上,避免了在未经用户同意的情况下将短信的内容直接上传到服务器所导致的侵犯用户个人隐私的问题,且经过本地的计算处理后减轻了客户端与云端服务器的交互负担以及云端服务器的处理压力,提高了识别效率,符合用户需求。
需要说明的是:
在此提供的算法和显示不与任何特定计算机、虚拟装置或者其它设备固有相关。各种通用装置也可以与基于在此的示教一起使用。根据上面的描述,构造这类装置所要求的结构是显而易见的。此外,本发明也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的一种识别垃圾短信的客户端、云端服务器和系统中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
本发明公开了A1、一种识别垃圾短信的方法,其中,该方法包括:
对移动终端中的短信接收事件进行检测;
当所述移动终端接收到短信时,计算出所述短信的内容对应的哈希值;
将所述短信的内容对应的哈希值上传到云端服务器,并接收所述云端服务器返回的识别信息;
根据所述识别信息确定所述短信是否为垃圾短信。
A2、如A1所述的方法,其中,所述计算出所述短信的内容对应的哈希值包括:
对所述短信的内容进行分词处理;
对分词后的各个词赋予不同的向量值,汇总计算得到所述短信的内容对应的simhash值。
A3、如A1或A2所述的方法,其中,该方法进一步包括:
当所述移动终端接收到短信时,先根据移动终端的本地规则判断所述短信是否为白短信;
如果不是,则执行所述计算出所述短信的内容对应的哈希值,以及将所述短信的内容对应的哈希值上传到云端服务器的后续处理;
如果是,则不再进行后续的处理。
A4、如A3所述的方法,其中,所述先根据移动终端的本地规则判断所述短信是否为白短信包括如下一种或多种判断方法:
根据移动终端本地的电话号码白名单判断发送所述短信的源号码是否在所述电话号码白名单中,是则所述短信为白短信;
在移动终端本地对短信的内容进行分词处理,利用贝叶斯算法计算分词后的各个词属于垃圾短信的概率,汇总计算得到该短信是垃圾短信的概率,判断该概率是否小于一个预设值,是则该短信为白短信;
在移动终端本地计算短信的内容对应的哈希值,再根据移动终端本地的哈希值白名单判断该短信的内容对应的哈希值是否在哈希值白名单中,是则该短信为白短信。
A5、如A1或A2所述的方法,其中,该方法进一步包括:
在第一次启动时弹出声明协议,在该声明协议中询问用户是否同意直接将短信内容上传到云端服务器;
如果用户选择了同意,则当所述移动终端接收到短信时,直接将所述短信的内容上传到云端服务器进行识别;
如果用户选择了不同意,则当所述移动终端接收到短信时,执行所述计算出所述短信的内容对应的哈希值,以及将所述短信的内容对应的哈希值上传到云端服务器的步骤。
A6、如A1或A2所述的方法,其中,该方法进一步包括:
当确定所述短信是垃圾短信时,对所述短信进行拦截处理。
本发明还公开了B7、一种识别垃圾短信的方法,其中,该方法包括:
接收客户端侧上传的短信的内容对应的哈希值;
将所述短信的内容对应的哈希值与哈希值库进行匹配;其中,所述哈希值库中对应保存有不同短信内容对应的哈希值以及已判断为黑或白的识别信息;
将从哈希值库中匹配到的哈希值对应的识别信息返回给所述客户端。
B8、如B7所述的方法,其中,所述短信的内容对应的哈希值为所述短信的内容对应的simhash值。
B9、如B7或B8所述的方法,其中,该方法进一步包括:
接收用户举报的短信内容;
对用户举报的各短信内容进行黑或白的识别,并生成对应的simhash值,将simhash值和对应的识别信息保存到所述哈希值库中。
本发明还公开了C10、一种识别垃圾短信的客户端,其中,该客户端包括:
接收处理单元,适于对移动终端中的短信接收事件进行检测;当所述移动终端接收到短信时,计算出所述短信的内容对应的哈希值并发送至识别交互单元;
所述识别交互单元,适于将所述短信的内容对应的哈希值上传到云端服务器,并接收所述云端服务器返回的识别信息;根据所述识别信息确定所述短信是否为垃圾短信。
C11、如C10所述的客户端,其中,
所述接收处理单元,适于对所述短信的内容进行分词处理;对分词后的各个词赋予不同的向量值,汇总计算得到所述短信的内容对应的simhash值。
C12、如C10或C11所述的客户端,其中,
所述接收处理单元,进一步适于当所述移动终端接收到短信时,先根据移动终端的本地规则判断所述短信是否为白短信;如果不是,则计算出所述短信的内容对应的哈希值并发送至所述识别交互单元;如果是,则不再进行后续处理。
C13、如C12所述的客户端,其中,
所述接收处理单元,适于根据如下一种或多种判断方法判断所述短信是否为白短信:
根据移动终端本地的电话号码白名单判断发送所述短信的源号码是否在所述电话号码白名单中,是则所述短信为白短信;
在移动终端本地对短信的内容进行分词处理,利用贝叶斯算法计算分词后的各个词属于垃圾短信的概率,汇总计算得到该短信是垃圾短信的概率,判断该概率是否小于一个预设值,是则该短信为白短信;
在移动终端本地计算短信的内容对应的哈希值,再根据移动终端本地的哈希值白名单判断该短信的内容对应的哈希值是否在哈希值白名单中,是则该短信为白短信。
C14、如C10或C11所述的客户端,其中,该客户端进一步包括:
初始配置单元,适于在第一次启动时弹出声明协议,在该声明协议中询问用户是否同意直接将短信内容上传到云端服务器;
所述接收处理单元,适于在用户选择了同意后,当所述移动终端接收到短信时,直接将所述短信的内容发送给所述识别交互单元;以及适于在用户选择了不同意后,当所述移动终端接收到短信时,计算出所述短信的内容对应的哈希值并发送给所述识别交互单元;
所述识别交互单元,适于当接收到所述短信的内容时,直接将所述短信的内容上传到云端服务器进行识别;以及适于当接收到所述短信的内容对应哈希值时,执行所述将所述短信的内容对应哈希值上传到云端服务器的后续步骤。
C15、如C10或C11所述的客户端,其中,该客户端进一步包括:
拦截处理单元,适于当确定所述短信是垃圾短信时,对所述短信进行拦截处理。
本发明还公开了D16、一种识别垃圾短信的云端服务器,其中,该云端服务器包括:
接收单元,适于接收客户端侧上传的短信的内容对应的哈希值;
识别单元,适于将所述短信的内容对应的哈希值与哈希值库进行匹配;其中,所述哈希值库中对应保存有不同短信内容对应的哈希值以及已判断为黑或白的识别信息;
反馈单元,适于将从哈希值库中匹配到的哈希值对应的识别信息返回给所述客户端。
D17、如D16所述的云端服务器,其中,所述短信的内容对应的哈希值为所述短信的内容对应的simhash值。
D18、如D16或D17所述的云端服务器,其中,
所述接收单元,进一步适于接收用户举报的短信内容;
所述识别单元,进一步适于对用户举报的各短信内容进行黑或白的识别,并生成对应的simhash值,将simhash值和对应的识别信息保存到所述哈希值库中。
本发明还公开了E19、一种识别垃圾短信的系统,其中,该系统包括如C10-C15中任一项所述的识别垃圾短信的客户端以及如D16-D18中任一项所述的识别垃圾短信的云端服务器。
Claims (10)
1.一种识别垃圾短信的方法,其中,该方法包括:
对移动终端中的短信接收事件进行检测;
当所述移动终端接收到短信时,计算出所述短信的内容对应的哈希值;
将所述短信的内容对应的哈希值上传到云端服务器,并接收所述云端服务器返回的识别信息;
根据所述识别信息确定所述短信是否为垃圾短信。
2.如权利要求1所述的方法,其中,所述计算出所述短信的内容对应的哈希值包括:
对所述短信的内容进行分词处理;
对分词后的各个词赋予不同的向量值,汇总计算得到所述短信的内容对应的simhash值。
3.如权利要求1或2所述的方法,其中,该方法进一步包括:
当所述移动终端接收到短信时,先根据移动终端的本地规则判断所述短信是否为白短信;
如果不是,则执行所述计算出所述短信的内容对应的哈希值,以及将所述短信的内容对应的哈希值上传到云端服务器的后续处理;
如果是,则不再进行后续的处理。
4.一种识别垃圾短信的方法,其中,该方法包括:
接收客户端侧上传的短信的内容对应的哈希值;
将所述短信的内容对应的哈希值与哈希值库进行匹配;其中,所述哈希值库中对应保存有不同短信内容对应的哈希值以及已判断为黑或白的识别信息;
将从哈希值库中匹配到的哈希值对应的识别信息返回给所述客户端。
5.如权利要求4所述的方法,其中,所述短信的内容对应的哈希值为所述短信的内容对应的simhash值。
6.一种识别垃圾短信的客户端,其中,该客户端包括:
接收处理单元,适于对移动终端中的短信接收事件进行检测;当所述移动终端接收到短信时,计算出所述短信的内容对应的哈希值并发送至识别交互单元;
所述识别交互单元,适于将所述短信的内容对应的哈希值上传到云端服务器,并接收所述云端服务器返回的识别信息;根据所述识别信息确定所述短信是否为垃圾短信。
7.如权利要求6所述的客户端,其中,
所述接收处理单元,适于对所述短信的内容进行分词处理;对分词后的各个词赋予不同的向量值,汇总计算得到所述短信的内容对应的simhash值。
8.一种识别垃圾短信的云端服务器,其中,该云端服务器包括:
接收单元,适于接收客户端侧上传的短信的内容对应的哈希值;
识别单元,适于将所述短信的内容对应的哈希值与哈希值库进行匹配;其中,所述哈希值库中对应保存有不同短信内容对应的哈希值以及已判断为黑或白的识别信息;
反馈单元,适于将从哈希值库中匹配到的哈希值对应的识别信息返回给所述客户端。
9.如权利要求8所述的云端服务器,其中,所述短信的内容对应的哈希值为所述短信的内容对应的simhash值。
10.一种识别垃圾短信的系统,其中,该系统包括如权利要求6或7所述的识别垃圾短信的客户端以及如权利要求8或9所述的识别垃圾短信的云端服务器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610839721.0A CN106162584B (zh) | 2015-01-27 | 2015-01-27 | 识别垃圾短信的方法、客户端、云端服务器和系统 |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510041116.4A CN104640092B (zh) | 2015-01-27 | 2015-01-27 | 识别垃圾短信的方法、客户端、云端服务器和系统 |
CN201610839721.0A CN106162584B (zh) | 2015-01-27 | 2015-01-27 | 识别垃圾短信的方法、客户端、云端服务器和系统 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510041116.4A Division CN104640092B (zh) | 2015-01-27 | 2015-01-27 | 识别垃圾短信的方法、客户端、云端服务器和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106162584A true CN106162584A (zh) | 2016-11-23 |
CN106162584B CN106162584B (zh) | 2020-04-24 |
Family
ID=53218301
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510041116.4A Active CN104640092B (zh) | 2015-01-27 | 2015-01-27 | 识别垃圾短信的方法、客户端、云端服务器和系统 |
CN201610839721.0A Active CN106162584B (zh) | 2015-01-27 | 2015-01-27 | 识别垃圾短信的方法、客户端、云端服务器和系统 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510041116.4A Active CN104640092B (zh) | 2015-01-27 | 2015-01-27 | 识别垃圾短信的方法、客户端、云端服务器和系统 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN104640092B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109275113A (zh) * | 2018-11-22 | 2019-01-25 | 郑州骄郎网络科技有限公司 | 一种垃圾短信的防范方法 |
CN110457694A (zh) * | 2019-07-29 | 2019-11-15 | 腾讯科技(深圳)有限公司 | 消息提醒方法及装置、场景类型识别提醒方法及装置 |
CN112597282A (zh) * | 2021-01-24 | 2021-04-02 | 深圳市诚立业科技发展有限公司 | 一种应用于短信数据安全的管理方法 |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104917649B (zh) * | 2015-06-05 | 2021-09-24 | 重庆智韬信息技术中心 | 对通信数据反向安全审计的方法 |
CN105933876B (zh) * | 2015-09-24 | 2019-05-10 | 中国银联股份有限公司 | 仿冒短信的识别方法、手机终端、服务器及系统 |
CN105589845B (zh) * | 2015-12-18 | 2019-02-26 | 北京奇虎科技有限公司 | 垃圾文本识别方法、装置及系统 |
CN107193900A (zh) * | 2017-05-10 | 2017-09-22 | 上海交通大学 | 一种可疑手机短信的识别系统及其使用方法 |
CN109413595B (zh) * | 2017-08-17 | 2020-09-25 | 中国移动通信集团公司 | 一种垃圾短信的识别方法、装置及存储介质 |
CN108512896A (zh) * | 2018-02-06 | 2018-09-07 | 北京东方棱镜科技有限公司 | 基于大数据的移动互联网安全态势感知技术和装置 |
CN108513269B (zh) * | 2018-03-08 | 2020-05-12 | 平安科技(深圳)有限公司 | 广告短信识别方法、电子装置、计算机设备及存储介质 |
CN111083705A (zh) * | 2019-12-10 | 2020-04-28 | 平安国际智慧城市科技股份有限公司 | 群发诈骗短信检测方法、装置、服务器及存储介质 |
CN113067765B (zh) * | 2020-01-02 | 2023-01-13 | 中国移动通信有限公司研究院 | 一种多媒体消息监控方法、装置及设备 |
CN113344599A (zh) * | 2021-06-30 | 2021-09-03 | 中国光大银行股份有限公司 | 一种诈骗短信鉴别方法及系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101098501A (zh) * | 2006-06-30 | 2008-01-02 | 英业达股份有限公司 | 消息识别系统及方法 |
CN102480702A (zh) * | 2010-11-24 | 2012-05-30 | 腾讯科技(深圳)有限公司 | 短信拦截方法和系统 |
CN102855282A (zh) * | 2012-08-01 | 2013-01-02 | 北京百度网讯科技有限公司 | 一种文档推荐方法及装置 |
CN102905236A (zh) * | 2011-07-27 | 2013-01-30 | 华为技术有限公司 | 一种垃圾短消息监控方法、装置及系统 |
CN103067896A (zh) * | 2013-01-17 | 2013-04-24 | 中国联合网络通信集团有限公司 | 垃圾短信过滤方法及装置 |
US8612523B1 (en) * | 2007-05-22 | 2013-12-17 | Trend Micro Incorporated | Methods and apparatus for detecting botnet attacks |
CN103580939A (zh) * | 2012-07-30 | 2014-02-12 | 腾讯科技(深圳)有限公司 | 一种基于账号属性的异常消息检测方法及设备 |
CN103929723A (zh) * | 2014-04-30 | 2014-07-16 | 小米科技有限责任公司 | 垃圾短信识别方法及装置 |
CN104052880A (zh) * | 2014-07-02 | 2014-09-17 | 深圳市中兴移动通信有限公司 | 一种移动终端及其处理骚扰信息的方法和装置 |
CN104168548A (zh) * | 2014-08-21 | 2014-11-26 | 北京奇虎科技有限公司 | 短信拦截方法及装置、云端服务器 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101202966B (zh) * | 2007-11-29 | 2011-03-30 | 华为软件技术有限公司 | 一种用户信息的收集方法、系统及设备 |
CN101635886A (zh) * | 2008-07-22 | 2010-01-27 | 北京光芒星空信息技术有限公司 | 一种基于用户选择的垃圾短信过滤方法 |
CN104010284A (zh) * | 2014-05-30 | 2014-08-27 | 可牛网络技术(北京)有限公司 | 对垃圾短信进行处理的方法和装置 |
-
2015
- 2015-01-27 CN CN201510041116.4A patent/CN104640092B/zh active Active
- 2015-01-27 CN CN201610839721.0A patent/CN106162584B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101098501A (zh) * | 2006-06-30 | 2008-01-02 | 英业达股份有限公司 | 消息识别系统及方法 |
US8612523B1 (en) * | 2007-05-22 | 2013-12-17 | Trend Micro Incorporated | Methods and apparatus for detecting botnet attacks |
CN102480702A (zh) * | 2010-11-24 | 2012-05-30 | 腾讯科技(深圳)有限公司 | 短信拦截方法和系统 |
CN102905236A (zh) * | 2011-07-27 | 2013-01-30 | 华为技术有限公司 | 一种垃圾短消息监控方法、装置及系统 |
CN103580939A (zh) * | 2012-07-30 | 2014-02-12 | 腾讯科技(深圳)有限公司 | 一种基于账号属性的异常消息检测方法及设备 |
CN102855282A (zh) * | 2012-08-01 | 2013-01-02 | 北京百度网讯科技有限公司 | 一种文档推荐方法及装置 |
CN103067896A (zh) * | 2013-01-17 | 2013-04-24 | 中国联合网络通信集团有限公司 | 垃圾短信过滤方法及装置 |
CN103929723A (zh) * | 2014-04-30 | 2014-07-16 | 小米科技有限责任公司 | 垃圾短信识别方法及装置 |
CN104052880A (zh) * | 2014-07-02 | 2014-09-17 | 深圳市中兴移动通信有限公司 | 一种移动终端及其处理骚扰信息的方法和装置 |
CN104168548A (zh) * | 2014-08-21 | 2014-11-26 | 北京奇虎科技有限公司 | 短信拦截方法及装置、云端服务器 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109275113A (zh) * | 2018-11-22 | 2019-01-25 | 郑州骄郎网络科技有限公司 | 一种垃圾短信的防范方法 |
CN110457694A (zh) * | 2019-07-29 | 2019-11-15 | 腾讯科技(深圳)有限公司 | 消息提醒方法及装置、场景类型识别提醒方法及装置 |
CN110457694B (zh) * | 2019-07-29 | 2023-09-22 | 腾讯科技(上海)有限公司 | 消息提醒方法及装置、场景类型识别提醒方法及装置 |
CN112597282A (zh) * | 2021-01-24 | 2021-04-02 | 深圳市诚立业科技发展有限公司 | 一种应用于短信数据安全的管理方法 |
CN112597282B (zh) * | 2021-01-24 | 2021-06-11 | 深圳市诚立业科技发展有限公司 | 一种应用于短信数据安全的管理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106162584B (zh) | 2020-04-24 |
CN104640092B (zh) | 2016-10-19 |
CN104640092A (zh) | 2015-05-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106162584A (zh) | 识别垃圾短信的方法、客户端、云端服务器和系统 | |
CN104982011B (zh) | 使用多尺度文本指纹的文档分类 | |
Akinyelu et al. | Classification of phishing email using random forest machine learning technique | |
US20180097779A1 (en) | Method and system for providing a transaction forwarding service in blockchain implementations | |
CA2859135C (en) | System and methods for spam detection using frequency spectra of character strings | |
CN102624705B (zh) | 一种智能图像验证方法及系统 | |
US11568277B2 (en) | Method and apparatus for detecting anomalies in mission critical environments using word representation learning | |
CN104270521A (zh) | 对来电号码进行处理的方法和移动终端 | |
CN105589845B (zh) | 垃圾文本识别方法、装置及系统 | |
CA2859131A1 (en) | Systems and methods for spam detection using character histograms | |
CN113469371B (zh) | 联邦学习方法和装置 | |
RU2701040C1 (ru) | Способ и вычислительное устройство для информирования о вредоносных веб-ресурсах | |
Chen et al. | Ai@ ntiphish—machine learning mechanisms for cyber-phishing attack | |
CN111049783A (zh) | 一种网络攻击的检测方法、装置、设备及存储介质 | |
Akinyelu | Machine learning and nature inspired based phishing detection: a literature survey | |
Britt et al. | Clustering Potential Phishing Websites Using {DeepMD5} | |
CN108804501B (zh) | 一种检测有效信息的方法及装置 | |
Saka et al. | Context-based clustering to mitigate phishing attacks | |
Wardman et al. | New tackle to catch a phisher | |
Zhang et al. | An content-analysis based large scale anti-phishing gateway | |
CN110071849B (zh) | 一种安全协议实施安全性分析方法、装置、介质及设备 | |
Li et al. | SpoofingGuard: A Content-agnostic Framework for Email Spoofing Detection via Delivery Graph | |
CN115865519A (zh) | 适用于网络攻防虚拟仿真的数据处理方法及系统 | |
WO2023196376A1 (en) | Algorithm to detect malicious emails impersonating brands | |
CN114065153A (zh) | 基于多模型的家庭与个人账户关系识别方法和系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20240104 Address after: 100088 room 112, block D, 28 new street, new street, Xicheng District, Beijing (Desheng Park) Patentee after: BEIJING QIHOO TECHNOLOGY Co.,Ltd. Address before: 100088 room 112, block D, 28 new street, new street, Xicheng District, Beijing (Desheng Park) Patentee before: BEIJING QIHOO TECHNOLOGY Co.,Ltd. Patentee before: Qizhi software (Beijing) Co.,Ltd. |
|
TR01 | Transfer of patent right |