Internet以其前所未有的信息传播能力在给人们生活带来巨大便利的同时,也成为反动、色情、暴力等不良信息的载体。这些不良信息,尤其是有关国家安全的敏感信息借助于Internet传播,成为一个危害极大的社会问题。从海量信息中迅速有效地识别这类不良信息,进而阻止其非法传播,确保网上信息内容安全,已成为内容安全领域的重要研究课题。目前相关的研究大多集中在网关或用户端的信息过滤与自动屏蔽上,而国家安全部门对嫌疑站点进行主动核查,大多采用手工的形式,效率低下。为解决此类问题,本文以信息搜集与内容分析为基本思路,围绕不良信息的自动发现以及处理展开研究工作,深入研究了互联网结构体系、自然语言处理、人工智能与机器学习等相关原理与技术,具体工作涉及网页采集、关键词形式特征分析、文本特征提取、文本分类等方面。文章首先从Web结构入手,研究了基于内容的链接权重计算方法,提出基于内容评价的爬虫搜索策略;结合不良信息的固有特征,分析了不良信息形式化特点,同时针对不良信息隐蔽、多变的特点,研究了基于重复串的特征提取方法;基于贝叶斯理论,提出了实时文本分类器的设计方案,并提出文档特征反馈机制以提高分类性能。最后结合现实网络环境,提出一种Internet不良信息监测平台的实现框架。在Internet应用飞速发展的今天,本文研究工作对于提高相关部门工作效率、净化网络环境、促进构建和谐社会具有一定的积极意义,成为网络环境下内容安全领域的一次有益探索。同时,相关研究成果促进了网络、自然语言处理、人工智能等技术在信息安全领域的协同应用。