隨著Internet的迅速普及，電子郵件(E-mail)逐漸成為人們進(jìn)行信息交流的一種重要手段，已變成人們學(xué)習(xí)、工作和生活中不可或缺的一部分。然而，垃圾郵件(Spam)的泛濫給互聯(lián)網(wǎng)帶來(lái)了嚴(yán)重問(wèn)題。所謂垃圾郵件，是指不請(qǐng)自來(lái)的郵件(UBE: unsolicited bulk email)。據(jù)統(tǒng)計(jì)，在2002年初，垃圾郵件占整個(gè)郵件發(fā)送量的16%，2003年初變成42%，2004年初變成60%。Radicati集團(tuán)預(yù)測(cè)，到2009年，全球因?yàn)槔]件造成的損失將多達(dá)1130億美元。垃圾郵件中除了充斥著商業(yè)廣告外，還包含著色情暴力非法的成分，其傳播蔓延，嚴(yán)重侵害了電子郵件用戶的利益，影響了電子郵件服務(wù)的正常運(yùn)營(yíng)秩序，危害了互聯(lián)網(wǎng)安全和社會(huì)穩(wěn)定，已經(jīng)成為互聯(lián)網(wǎng)一大公害。

    目前過(guò)濾垃圾郵件的方法有：良好的用戶習(xí)慣、立法、提高發(fā)垃圾郵件的成本、黑名單、身份確認(rèn)、基于規(guī)則的過(guò)濾、基于貝葉斯推理的過(guò)濾等。但迄今為止還沒(méi)有一種真正有效的方法，這也是絕大多數(shù)用戶的電腦里雖然安裝有防病毒軟件，卻沒(méi)有安裝反垃圾郵件軟件的原因。

    就垃圾郵件的自動(dòng)過(guò)濾技術(shù)而言，不能單純用人工智能的方法來(lái)過(guò)濾垃圾郵件，因?yàn)槿斯ぶ悄苣壳斑€不是成熟技術(shù)。那么，垃圾郵件還有什么特征呢？最大的特征是：只要是垃圾郵件，它都會(huì)將相同的內(nèi)容發(fā)送給數(shù)十萬(wàn)上百萬(wàn)乃至上千萬(wàn)的接收者。為此，我們可以建立一個(gè)分布式統(tǒng)計(jì)和分布式學(xué)習(xí)平臺(tái)，以大規(guī)模用戶的協(xié)同計(jì)算來(lái)過(guò)濾垃圾郵件：首先，我們可以為每一封郵件計(jì)算出一個(gè)唯一的“指紋”，通過(guò)比對(duì)“指紋”可以統(tǒng)計(jì)同一封郵件的副本數(shù)，當(dāng)副本數(shù)達(dá)到一定數(shù)量，我們就可以判定這封郵件是垃圾郵件；其次，由于互聯(lián)網(wǎng)上多臺(tái)計(jì)算機(jī)比一臺(tái)計(jì)算機(jī)掌握的信息更多，因而可以采用分布式貝葉斯學(xué)習(xí)算法，在成百上千的客戶端機(jī)器上實(shí)現(xiàn)協(xié)同學(xué)習(xí)過(guò)程，收集、分析并共享最新的信息。

    要建這樣一個(gè)系統(tǒng)，網(wǎng)格技術(shù)是最好的選擇,這是由于：(1)垃圾郵件是發(fā)給整個(gè)互聯(lián)網(wǎng)的，我們需要建立一個(gè)全局性的基礎(chǔ)設(shè)施來(lái)收集垃圾郵件的信息；(2) 對(duì)每封郵件都需要進(jìn)行指紋計(jì)算，因而需要有一個(gè)分布式的計(jì)算環(huán)境；(3)系統(tǒng)的動(dòng)態(tài)性很強(qiáng)，所有的服務(wù)器、客戶端及電子郵件都在不斷保持更新，我們需要一個(gè)能夠適應(yīng)變化的靈活平臺(tái)。

    圖1　反垃圾郵件網(wǎng)格的系統(tǒng)結(jié)構(gòu)

    圖1顯示了反垃圾郵件網(wǎng)格的系統(tǒng)結(jié)構(gòu)，它包括反垃圾郵件客戶端、過(guò)濾服務(wù)器和調(diào)度服務(wù)器，其中，在客戶端進(jìn)行郵件的數(shù)字簽名計(jì)算、貝葉斯學(xué)習(xí)；過(guò)濾服務(wù)器對(duì)郵件數(shù)字簽名及貝葉斯學(xué)習(xí)成果進(jìn)行統(tǒng)計(jì)和傳播；調(diào)度服務(wù)器根據(jù)客戶端請(qǐng)求動(dòng)態(tài)地分配過(guò)濾服務(wù)器。用戶如果使用了我們的反垃圾郵件插件，每當(dāng)收到一封新郵件時(shí)，就會(huì)自動(dòng)生成一個(gè)數(shù)字簽名，發(fā)給網(wǎng)格中的一臺(tái)過(guò)濾服務(wù)器，該服務(wù)器根據(jù)全局虛擬數(shù)據(jù)庫(kù)，判斷該簽名的重復(fù)出現(xiàn)次數(shù)，并返回給客戶端。客戶端根據(jù)這個(gè)次數(shù)，就可以知道該郵件的重復(fù)發(fā)送次數(shù)，發(fā)送次數(shù)越多，它是垃圾郵件的可能性越高。然后再結(jié)合分布式貝葉斯算法，就可以比較準(zhǔn)確地識(shí)別出垃圾郵件，并將出現(xiàn)假陽(yáng)性錯(cuò)誤的可能性降到接近0。

    利用網(wǎng)格技術(shù)的分布式統(tǒng)計(jì)功能實(shí)現(xiàn)大范圍內(nèi)垃圾郵件的過(guò)濾，尚未見(jiàn)到有關(guān)文獻(xiàn)的報(bào)道。它體現(xiàn)了真正的網(wǎng)格思想，每個(gè)加入系統(tǒng)的用戶既是服務(wù)的對(duì)象，也是完成分布式統(tǒng)計(jì)功能的一個(gè)信息節(jié)點(diǎn)，隨著系統(tǒng)規(guī)模的不斷擴(kuò)大，系統(tǒng)過(guò)濾垃圾郵件的準(zhǔn)確性也會(huì)隨之提高。用大規(guī)模統(tǒng)計(jì)方法來(lái)過(guò)濾垃圾郵件的做法比用人工智能的方法更成熟，它不容易出現(xiàn)誤判假陽(yáng)性的情況，實(shí)用性很強(qiáng)；分布式貝葉斯方法是傳統(tǒng)貝葉斯方法與網(wǎng)格環(huán)境相結(jié)合的產(chǎn)物，它將單點(diǎn)學(xué)習(xí)過(guò)程分布化和協(xié)同化，縮短了學(xué)習(xí)的時(shí)間，共享了學(xué)習(xí)的經(jīng)驗(yàn)。這兩種手段的結(jié)合，是在現(xiàn)有主流反垃圾郵件方法的基礎(chǔ)上的升華提高，具有實(shí)際應(yīng)用價(jià)值。

    綜上所述，反垃圾郵件網(wǎng)格通過(guò)分布式統(tǒng)計(jì)和分布式貝葉斯學(xué)習(xí)，利用分布互聯(lián)網(wǎng)里的千百萬(wàn)臺(tái)主機(jī)協(xié)同工作來(lái)構(gòu)建一道攔截垃圾郵件的“天網(wǎng)”。該方法可以大大提高垃圾郵件的識(shí)別率，同時(shí)避免將合法郵件誤判為垃圾郵件，有可能使通過(guò)技術(shù)手段有效解決垃圾郵件問(wèn)題成為現(xiàn)實(shí)。