CN114866349A - 一种网络信息过滤方法 - Google Patents

Abstract

本发明公开了一种网络信息过滤方法，涉及信息处理技术领域。本发明包括：总结信息流特征，建立基于信息流的过滤特征库；每个信息流与过滤特征库中一个或多个特征相匹配；基于每个信息流及其对应的特征，通过确定过滤参数组合建立相应的过滤方案；基于建立的过滤方案对过去一段时间的信息流进行过滤模拟；统计过滤模拟结果，获得过滤方案基于误杀率、漏杀率的加权使用评价；通过调整各过滤参数取值进行过滤模拟，获得多种使用评价取值，选择最小的使用评价取值对应的过滤参数组合作为过滤参数的调整目标。本发明通过误杀率，漏杀率调整合法及非法信息流过滤器的过滤参数，从而获得最优过滤方案的方法。

Description

一种网络信息过滤方法

技术领域

本发明属于信息处理技术领域，特别是涉及一种网络信息过滤方法。

背景技术

信息过滤是网络安全领域的重要研究内容，通过对网络信息有效过滤，可以有效防止内部及外部异常操作或攻击行为对用户系统的不利影响。

传统网络信息过滤主要依赖于对异常、漏洞的特征进行分析，确定过滤方案，很少考虑从对正常信息“误杀”，对非法信息“漏杀”的角度进行综合评价的方法确定过滤标准。

发明内容

本发明的目的在于提供一种网络信息过滤方法，通过一种基于网络防护信息过滤时对正常信息“误杀”，以及对需要过滤的非法信息“漏杀”进行加权评价的方法，对信息过滤参数进行调整，从而获得综合评价更好的过滤方案的信息过滤方法，解决了现有的问题。

为解决上述技术问题，本发明是通过以下技术方案实现的：

本发明为一种网络信息过滤方法，包括以下步骤：

步骤S01：总结信息流特征，建立基于信息流的过滤特征库；每个信息流与过滤特征库中一个或多个特征相匹配；

步骤S02：基于每个信息流及其对应的特征，通过确定过滤参数组合建立相应的过滤方案；

步骤S03：基于建立的过滤方案对过去一段时间的信息流进行过滤模拟；

步骤S04：统计过滤模拟结果，获得过滤方案基于误杀率、漏杀率的加权使用评价；

步骤S05：通过调整各过滤参数取值进行过滤模拟，获得多种使用评价取值，选择最小的使用评价取值对应的过滤参数组合作为过滤参数的调整目标。

进一步地，所述信息流包括合法信息流及非法信息流；合法信息流包括合法的操作指令、正常的数据传输；非法信息流包括非法的操作指令、网络攻击，网络攻击包括DoS攻击、Probe攻击、U2R攻击、R2L攻击。

进一步地，建立所述过滤方案时：

采用信息熵、聚类、图分类、神经网络作为信息流的过滤方案。

进一步地，建立所述过滤方案的方法为：

步骤S21：设当前待过滤的信息流m₁具备过滤特征库中n₁个特征，作为信息流m₁比较对象的合法信息流m₂具备n₂个特征，作为信息流m₁比较对象的非法信息流m₃具备n₃个特征；

步骤S22：通过合法信息流过滤器进行以下步骤：

取n_1,2个特征作为评判参数，其中，n_1,2个特征构成的集合同时为步骤S21中n₁个特征构成的集合、n₂个特征构成的集合的子集；

将n_1,2个特征作为多维空间的n_1,2个维数，根据欧氏距离原理计算合法信息流m₂与待过滤信息流m₁之间的相似性，根据相似性判断信息流m₁是否合法；

步骤S23：通过非法信息流过滤器进行以下操作：

取n_1,3个特征作为评判参数，其中n_1,3个特征构成的集合同时为步骤S21中n₁个特征构成的集合、n₃个特征构成的集合的子集；

将n_1,3个特征作为多维空间的n_1,3个维数，根据欧氏距离原理计算非法信息流m₃与待过滤信息流m₁之间的相似性，根据相似性判断信息流m₁是否非法。

进一步地，所述步骤S22中判断信息流m₁是否合法的步骤为：

将n_1,2个特征作为多维空间的n_1,2个维数，则合法信息流m₂与待过滤信息流m₁之间的相似性可以通过多维空间内两点间的欧氏距离来表示，根据欧氏距离基本原理可知：

待过滤信息流m₁与合法信息流m₂之间的特征距离为：

；

S_1，k：待过滤信息流第k个特征的值(1≤k≤n_1,2)；

S_2，k：合法信息流第k个特征的值(1≤k≤n_1,2)；

设待过滤信息流m₁的合法性判定阈值的初始值为r₁，则有下列过滤方案：

。

进一步地，所述步骤S23中判断信息流m₁是否非法的步骤为：

将n_1,3个特征作为多维空间的n_1,3个维数，则非法信息流m₃与待过滤信息流m₁之间的相似性可以通过多维空间内两点间的欧氏距离来表示，根据欧氏距离基本原理可知：

待过滤信息流m₁与非法信息流m₃之间的特征距离为：

；

S_3，k：非法信息流的第k个特征的值(1≤k≤n_1,3)；

设待过滤信息流m₁的非法性判定阈值的初始值为W₁，则有下列过滤方案：

。

进一步地，所述步骤S03中：基于建立的过滤方案对过去一段时间的信息流进行过滤模拟：

对过去一段时间的信息流进行过滤模拟，使用类脑神经元计算架构计算机对数据进行处理，类脑神经元计算节点之间采用全交换网络连接方式，采用多个类脑神经元计算节点对信息流的多个特征进行分别提取，按照步骤S02中建立的过滤方案，通过非法信息流过滤器及合法信息流过滤器进行处理。

进一步地，所述步骤S04中获取基于误杀率、漏杀率的加权使用评价的方法为：

步骤S41：过一段时间内以合法信息流m₂为过滤方案处理了t条信息流，其中，误过滤的信息流数目为t_w，漏过滤的信息流数目为t_m；

步骤S42：针对步骤S41中过滤方案的误杀率为

，设其权值为q_w；

针对步骤S41中过滤方案的漏杀率为

，设其权值为q_m；

其中，

；

步骤S43：以合法信息流m₂为过滤方案的使用评价Ev，定义如下：

。

进一步地，所述步骤S05中，可调整的过滤参数包括以下类型：

（a）选取的信息流特征的个数；

（b）更换信息流特征的选择，在过滤特征库中选择不同的特征组合进行实用评价；

（c）调整合法性判定阈值或非法性判定阈值，或两者均进行调整，例如步骤S22、步骤S23中，调整

的值；

（d）调整过滤模拟的信息流时段。

进一步地，所述步骤S05中，还可以调整信息流过滤器的顺序，可调整的信息流过滤器的顺序具体包括：

A：信息流先通过非法信息流过滤器，再通过合法信息流过滤器；

B：信息流先通过合法信息流过滤器，再通过非法信息流过滤器；

C：根据步骤S22、步骤S23的方法，采用合法信息流过滤器、非法信息流过滤器同时对一个信息流进行判定，判定后的过滤方案如下：

若合法信息流过滤器与非法信息流过滤器判定结果相同，则按照共同判定结果处理；

若合法信息流过滤器与非法信息流过滤器判定结果相抵触，则根据需要采信其中一种信息流过滤器的判定结果。

本发明具有以下有益效果：

本发明基于误杀率、漏杀率的加权使用评价调整过滤参数的组合，根据确定的最小使用评价值确定当前信息过滤的方案；通过合法信息流过滤器、非法信息流过滤器综合进行信息过滤，通过误杀率、漏杀率调整合法及非法信息流过滤器的过滤参数，从而获得最优过滤方案。

当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一种网络信息过滤方法的流程图；

图2为本发明中每个过滤方案的过滤模拟流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

实施例一：

现有方法对实时信息流进行分析及过滤，针对概念漂移不断调整过滤标准及模型，但均未考虑根据对正常信息“误杀”，对非法信息“漏杀”进行综合评价的方法确定过滤标准；本发明通过一种基于网络防护信息过滤时对正常信息“误杀”，以及对需要过滤的非法信息“漏杀”进行加权评价的方法，对信息过滤参数进行调整，从而获得综合评价更好的过滤方案的信息过滤方法；请参阅图1所示，包括以下步骤：

步骤S01：总结信息流特征，建立基于信息流的过滤特征库；每个信息流与过滤特征库中一个或多个特征相匹配；

步骤S02：基于每个信息流及其对应的特征，通过确定过滤参数组合建立相应的过滤方案，通过合法信息流过滤器、非法信息流过滤器进行组合过滤，从而有效进行信息过滤；

步骤S03：基于建立的过滤方案对过去一段时间的信息流进行过滤模拟；

步骤S04：统计过滤模拟结果，获得过滤方案基于误杀率、漏杀率的加权使用评价；

步骤S05：通过调整各过滤参数取值进行过滤模拟，获得多种使用评价取值，选择最小的使用评价取值对应的过滤参数组合作为过滤参数的调整目标。

作为本发明提供的一个实施例，优选的，过滤特征库中，基于相关的信息流的特征包括并不限于以下17类：

(1)目标服务类型相同条件下出现SYN错误比率；

(2)目标主机地址相同条件下出现SYN错误的比率；

(3)目标主机地址相同条件下连接非正常关断的比率；

(4)目标服务类型相同条件下连接非正常关断的比率；

(5)源端到目的端平均传输字节数；

(6)目的端到源端平均传输字节数；

(7)目标服务类型相同条件下目标主机IP地址相同记录的个数；

(8)目标服务类型相同条件下目标主机IP地址不相同记录的比率；

(9)目标主机地址相同条件下目标服务类型不相同记录的比率；

(10)目标主机地址与当前连接相同的连接记录的个数；

(11)目标主机IP地址相同连接记录的个数；

(12)连接的类型标志；

(13)复位标记出现的百分比；

(14)SREJ 标记出现的百分比；

(15)目标服务类型与当前连接相同的连接记录个数；

(16)目标服务类型与当前连接不同的连接记录的比率；

(17)连接的平均持续时间；

作为本发明提供的一个实施例，优选的，所述信息流包括典型合法信息流（白名单）及非法信息流（黑名单）；合法信息流包括并不限于合法的操作指令、正常的数据传输；非法信息流包括并不限于非法的操作指令、网络攻击，网络攻击包括DoS 攻击、Probe攻击、U2R攻击、R2L攻击。

作为本发明提供的一个实施例，优选的，建立所述过滤方案时：

采用信息熵、聚类、图分类、神经网络等方法作为信息流的过滤方案。

作为本发明提供的一个实施例，优选的，建立所述过滤方案的方法为：

步骤S21：设当前待过滤的信息流m₁具备过滤特征库中n₁个特征，作为信息流m₁比较对象的合法信息流m₂具备n₂个特征，作为信息流m₁比较对象的非法信息流m₃具备n₃个特征；

步骤S22：通过合法信息流过滤器进行以下步骤：

取n_1,2个特征作为评判参数，其中，n_1,2个特征构成的集合同时为步骤S21中n₁个特征构成的集合、n₂个特征构成的集合的子集；

将n_1,2个特征作为多维空间的n_1,2个维数，根据欧氏距离原理计算合法信息流m₂与待过滤信息流m₁之间的相似性，根据相似性判断信息流m₁是否合法；

步骤S23：通过非法信息流过滤器进行以下操作：

取n_1,3个特征作为评判参数，其中n_1,3个特征构成的集合同时为步骤S21中n₁个特征构成的集合、n₃个特征构成的集合的子集；

将n_1,3个特征作为多维空间的n_1,3个维数，根据欧氏距离原理计算非法信息流m₃与待过滤信息流m₁之间的相似性，根据相似性判断信息流m₁是否非法。

作为本发明提供的一个实施例，优选的，所述步骤S22中判断信息流m₁是否合法的步骤为：

将n_1,2个特征作为多维空间的n_1,2个维数，则合法信息流m₂与待过滤信息流m₁之间的相似性可以通过多维空间内两点间的欧氏距离来表示，根据欧氏距离基本原理可知：

待过滤信息流m₁与合法信息流m₂之间的特征距离为：

；

S_1，k：待过滤信息流第k个特征的值(1≤k≤n_1,2)；

S_2，k：合法信息流第k个特征的值(1≤k≤n_1,2)；

设待过滤信息流m₁的合法性判定阈值的初始值为r₁，则有下列过滤方案：

。

进一步地，所述步骤S23中判断信息流m₁是否非法的步骤为：

将n_1,3个特征作为多维空间的n_1,3个维数，则非法信息流m₃与待过滤信息流m₁之间的相似性可以通过多维空间内两点间的欧氏距离来表示，根据欧氏距离基本原理可知：

待过滤信息流m₁与非法信息流m₃之间的特征距离为：

；

S_3，k：非法信息流的第k个特征的值(1≤k≤n_1,3)；

设待过滤信息流m₁的非法性判定阈值的初始值为W₁，则有下列过滤方案：

。

实施例二：

作为本发明提供的一个实施例，优选的，所述步骤S03中：基于建立的过滤方案对过去一段时间的信息流进行过滤模拟：

对过去一段时间的数据（例如截取过去2小时内的所有信息流；又例如当前时刻为12:00，截取前一天11:00-13:00之间的所有信息流）进行过滤模拟，使用类脑神经元计算架构计算机对数据进行处理，类脑神经元计算节点之间采用全交换网络连接方式，采用多个类脑神经元计算节点（例如神经元计算机的多个神经元计算节点）对信息流的多个特征进行分别提取，按照步骤S02中建立的过滤方案，如图2所示，通过非法信息流过滤器及合法信息流过滤器进行处理，n_1,3个特征分别对应非法信息流过滤器中的n_1,3个类脑神经元计算节点，n_1,2个特征分别对应合法信息流过滤器中的n_1,2个类脑神经元计算节点。

作为本发明提供的一个实施例，优选的，如图2所示：

所述类脑神经元计算架构计算机基于人脑认知功能结构建立，将信息流的特征按照典型的合法信息流或非法信息流进行分类，从而建立对应人脑认知功能的知识体系，将典型的合法信息流或非法信息流的特征分别交由神经元计算节点进行处理，神经元计算节点之间通过全交换网络进行通信连接。

（1）待过滤信息流为m₁，作为评判信息流为m₁标准的非法信息流与合法信息流分别为m₃、m₂；

（2）某典型非法信息流有n_1,3个特征，则分别交给最多n_1,3个神经元计算节点进行处理（每个节点处理1个特征或多个特征，也即当用于处理n_1,3个特征的神经元计算节点不足n_1,3个，需部分节点处理多个特征），该神经元计算节点的集合也可称为该非法信息流的过滤器。每个神经元计算节点分别计算m₁与m₃中各自负责的特征的差值（如步骤S23中判断信息流m₁是否非法的步骤）：S_1，k-S_3，k，所有神经元计算节点通过全交换网络将计算得到的n_1,3个差值汇总到该过滤器中n_1,3个神经元计算节点中的一个或几个，负责汇总计算的神经元计算节点计算待过滤信息流与非法信息流之间的特征距离，并按照步骤S23中判断信息流m₁是否非法的过滤规则对待过滤信息流进行过滤处理。

（3）已通过典型非法信息流过滤器的信息流，继续通过合法信息流过滤器的处理方法与非法信息流过滤器类似。

（4）根据步骤S04中获取基于误杀率、漏杀率的加权使用评价的方法，计算已过滤信息流，通过上述过滤器组合的基于误杀率、漏杀率的加权使用评价。

将步骤S03过滤模拟处理结果进行统计分析，通过统计执行步骤S03时使用某条过滤规则处理的信息流总数，被该条过滤规则误过滤以及漏过滤的信息流个数，可以得出使用该条过滤规则处理的“误杀率”及“漏杀率”，通过赋予误杀率及漏杀率各自的权值，可以计算得出该条过滤规则的使用评价。

作为本发明提供的一个实施例，优选的，所述步骤S04中获取基于误杀率、漏杀率的加权使用评价的方法为：

步骤S41：过一段时间内以合法信息流m₂为过滤方案处理了t条信息流，其中，误过滤的信息流数目为t_w，漏过滤的信息流数目为t_m；

步骤S42：针对步骤S41中过滤方案的误杀率为

，设其权值为q_w；

针对步骤S41中过滤方案的漏杀率为

，设其权值为q_m；

其中，

；

q_w，q_m的具体取值根据过滤要求而定，例如一个系统为确保安全性可以牺牲部分效率，则可将漏杀率权值提高，相对的降低误杀率权值；

步骤S43：以合法信息流m₂为过滤方案的使用评价Ev，定义如下：

。

作为本发明提供的一个实施例，优选的，所述步骤S05中，可调整的过滤参数包括以下类型：

（a）选取的信息流特征的个数，例如步骤S22中，可调整n_1,2的个数（增加或减少）；

（b）更换信息流特征的选择，在过滤特征库中选择不同的特征组合进行实用评价，例如步骤S22中，可重新在过滤特征库中选择n_1,2个特征的组合形式，如某条信息流首先采用过滤特征库中第1，3，4这三种特征组合获得一个使用评价

后；可更换信息流特征选择，采用2，3，5三种特征组合获得另一个使用评价

；

（c）调整合法性判定阈值或非法性判定阈值，或两者均进行调整，例如步骤S22、步骤S23中，调整

的值；

（d）调整过滤模拟的信息流时段，例如可以选择过去2小时内的信息流，又例如当前时刻为12:00，截取前一天11:00-13:00之间的所有信息流；

设通过调整5（1）（a）（b）（c）（d）中各种过滤参数获得h种参数组合，相应获得h个过滤模拟使用评价Ev取值，也即Ev₁，Ev₂，Ev₃，...，Ev_h，其中最小值Ev_j（1≤j≤h）对应的过滤参数组合，即为最佳过滤参数组合。

实施例三：

所述步骤S05中，还可以调整信息流过滤器的顺序，可调整的信息流过滤器的顺序具体包括：

A：信息流先通过非法信息流过滤器，再通过合法信息流过滤器；

B：信息流先通过合法信息流过滤器，再通过非法信息流过滤器；

C：根据步骤S22、步骤S23的方法，采用合法信息流过滤器、非法信息流过滤器同时对一个信息流进行判定，判定后的过滤方案如下：

若合法信息流过滤器与非法信息流过滤器判定结果相同，例如同时判定该信息流需要可被放行或需要被过滤，则按照共同判定结果处理；

若合法信息流过滤器与非法信息流过滤器判定结果相抵触，则根据需要采信其中一种信息流过滤器的判定结果（实施例：过滤标准要求较高，则凡是判定结果相抵触的信息流均需被过滤；过滤标准要求较低，则凡是判定结果相抵触的信息流均可被放行；实施例2：统一按合法信息流过滤器判定结果处理；实施例3：统一按非法信息流过滤器判定结果处理。

一种网络信息过滤方法，基于误杀率、漏杀率的加权使用评价调整过滤参数的组合，根据确定的最小使用评价值确定当前信息过滤的方案；通过合法信息流过滤器、非法信息流过滤器综合进行信息过滤，通过误杀率、漏杀率调整合法及非法信息流过滤器的过滤参数，从而获得最优过滤方案。

在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (10)

1.一种网络信息过滤方法，其特征在于，包括以下步骤：

步骤S01：总结信息流特征，建立基于信息流的过滤特征库；每个信息流与过滤特征库中一个或多个特征相匹配；

步骤S02：基于每个信息流及其对应的特征，通过确定过滤参数组合建立相应的过滤方案；

步骤S03：基于建立的过滤方案对过去一段时间的信息流进行过滤模拟；

步骤S04：统计过滤模拟结果，获得过滤方案基于误杀率、漏杀率的加权使用评价；

步骤S05：通过调整各过滤参数取值进行过滤模拟，获得多种使用评价取值，选择最小的使用评价取值对应的过滤参数组合作为过滤参数的调整目标。

2.根据权利要求1所述的一种网络信息过滤方法，其特征在于，所述信息流包括合法信息流及非法信息流；合法信息流包括合法的操作指令、正常的数据传输；非法信息流包括非法的操作指令、网络攻击，网络攻击包括DoS 攻击、Probe攻击、U2R攻击、R2L攻击。

3.根据权利要求1所述的一种网络信息过滤方法，其特征在于，建立所述过滤方案时：

采用信息熵、聚类、图分类或神经网络作为信息流的过滤方案。

4.根据权利要求1所述的一种网络信息过滤方法，其特征在于，建立所述过滤方案的方法为：

步骤S21：设当前待过滤的信息流m₁具备过滤特征库中n₁个特征，作为信息流m₁比较对象的合法信息流m₂具备n₂个特征，作为信息流m₁比较对象的非法信息流m₃具备n₃个特征；

步骤S22：通过合法信息流过滤器进行以下步骤：

取n_1,2个特征作为评判参数，其中，n_1,2个特征构成的集合同时为步骤S21中n₁个特征构成的集合、n₂个特征构成的集合的子集；

将n_1,2个特征作为多维空间的n_1,2个维数，根据欧氏距离原理计算合法信息流m₂与待过滤信息流m₁之间的相似性，根据相似性判断信息流m₁是否合法；

步骤S23：通过非法信息流过滤器进行以下操作：

取n_1,3个特征作为评判参数，其中n_1,3个特征构成的集合同时为步骤S21中n₁个特征构成的集合、n₃个特征构成的集合的子集；

将n_1,3个特征作为多维空间的n_1,3个维数，根据欧氏距离原理计算非法信息流m₃与待过滤信息流m₁之间的相似性，根据相似性判断信息流m₁是否非法。

5.根据权利要求4所述的一种网络信息过滤方法，其特征在于，所述步骤S22中判断信息流m₁是否合法的步骤为：

将n_1,2个特征作为多维空间的n_1,2个维数，则合法信息流m₂与待过滤信息流m₁之间的相似性可以通过多维空间内两点间的欧氏距离来表示，根据欧氏距离基本原理可知：

待过滤信息流m₁与合法信息流m₂之间的特征距离为：

；

S_1，k：待过滤信息流第k个特征的值(1≤k≤n_1,2)；

S_2，k：合法信息流第k个特征的值(1≤k≤n_1,2)；

设待过滤信息流m₁的合法性判定阈值的初始值为r₁，则有下列过滤方案：

，信息流m1合法；

，信息流m1非法，需要被过滤。

6.根据权利要求5所述的一种网络信息过滤方法，其特征在于，所述步骤S23中判断信息流m₁是否非法的步骤为：

将n_1,3个特征作为多维空间的n_1,3个维数，则非法信息流m₃与待过滤信息流m₁之间的相似性可以通过多维空间内两点间的欧氏距离来表示，根据欧氏距离基本原理可知：

待过滤信息流m₁与非法信息流m₃之间的特征距离为：

；

S_3，k：非法信息流的第k个特征的值(1≤k≤n_1,3)；

设待过滤信息流m₁的非法性判定阈值的初始值为W₁，则有下列过滤方案：

，信息流m1非法；

，信息流m1可被放行。

7.根据权利要求4所述的一种网络信息过滤方法，其特征在于，所述步骤S03中进行过滤模拟时：对过去一段时间的信息流使用类脑神经元计算架构计算机对数据进行处理，处理方法为：

类脑神经元计算节点之间采用全交换网络连接方式，采用多个类脑神经元计算节点对信息流的多个特征进行分别提取，按照步骤S02中建立的过滤方案，通过非法信息流过滤器及合法信息流过滤器进行处理。

8.根据权利要求5所述的一种网络信息过滤方法，其特征在于，所述步骤S04中获取基于误杀率、漏杀率的加权使用评价的方法为：

步骤S41：过一段时间内以合法信息流m₂为过滤方案处理了t条信息流，其中，误过滤的信息流数目为t_w，漏过滤的信息流数目为t_m；

步骤S42：针对步骤S41中过滤方案的误杀率为

，设其权值为q_w；

针对步骤S41中过滤方案的漏杀率为

，设其权值为q_m；

其中，

；

步骤S43：以合法信息流m₂为过滤方案的使用评价Ev，定义如下：

。

9.根据权利要求1所述的一种网络信息过滤方法，其特征在于，所述步骤S05中，可调整的过滤参数包括以下类型：

（a）选取的信息流特征的个数；

（b）更换信息流特征的选择，在过滤特征库中选择不同的特征组合进行实用评价；

（c）调整合法性判定阈值或非法性判定阈值，或两者均进行调整；

（d）调整过滤模拟的信息流时段。

10.根据权利要求6所述的一种网络信息过滤方法，其特征在于，所述步骤S05中，还可以调整信息流过滤器的顺序，可调整的信息流过滤器的顺序具体包括：

A：信息流先通过非法信息流过滤器，再通过合法信息流过滤器；

B：信息流先通过合法信息流过滤器，再通过非法信息流过滤器；

C：根据步骤S22、步骤S23的方法，采用合法信息流过滤器、非法信息流过滤器同时对一个信息流进行判定，判定后的过滤方案如下：

若合法信息流过滤器与非法信息流过滤器判定结果相同，则按照共同判定结果处理；

若合法信息流过滤器与非法信息流过滤器判定结果相抵触，则根据需要采信其中一种信息流过滤器的判定结果。

Images