Internet问世以来,作为其主流应用的电子邮件也得到了飞速的发展。但随之而来的垃圾邮件,不仅严重占用网络资源,威胁网络安全,更对人们的日常生活造成了严重困扰。当前反垃圾技术由于种种缺陷,无法完全令人满意。并且垃圾邮件制造者也在不停地研究相应的对策,制造更顽固的垃圾邮件,因此有必要对现有技术进行改善。　　 传统的邮件过滤系统如朴素贝叶斯邮件过滤系统具有较强的分类能力,但前期的邮件集训练与学习耗用大量系统资源和网络资源,影响系统效率;在后期的邮件分类决策阶段,基于概率阈值的贝叶斯邮件过滤模型由于很少考虑所设定阈值的适用性和实用性,损失了一定的召回率或精确率。　　 云计算是一个新兴研究热点,主要用于海量数据集的并行处理。相对于传统计算技术来讲,云计算可以在很大程度上提高执行效率。本文提出一种基于云计算技术的邮件过滤机制。具体来说,论文主要贡献包含三方面工作:　　 一、针对邮件训练的效率问题,利用云计算MapReduce等相关技术,系统的并行能力得到提升,在处理海量邮件时具有明显的效率优势;　　 二、针对贝叶斯算法的计算复杂度较高的问题,改进邮件过滤贝叶斯算法,降低算法的复杂度,提高了系统在训练学习和分类决策时的执行效率;　　 三、针对邮件分类决策阶段设定概率阈值的问题,提出了两种改进的邮件过滤决策方法,通过理论计算和实验证实,提高了邮件过滤的精确度。　　 实验数据表明,本文提出的基于云计算的邮件过滤机制在垃圾邮件召回率、判定正确率、系统执行效率等方面有较好的表现。