随着我国因特网的发展,上网人数越来越多,网络上的信息越来越庞杂,有许多网站被有意或无意的传上了很多有害的文字信息,严重影响了社会稳定或毒害了青少年的健康。为了净化网络环境,政府对网站的存放地--IDC机房,提出了对有害信息严格监测、及时发现和处理有害网站的要求。IDC机房服务器往往数量很多,如何能有效监测其中网页内容,及时发现并消除网页中的有害信息,就成为一个摆在系统管理者眼前的难题。本研究着眼于在IDC的机房内构架一个有害信息发现系统,在不影响网络负载和引起非法网站警觉的情况下,通过获取IDC机房交换机镜像数据,侦听抓取并分析TCP数据中的HTML页面信息内容,搜索其中的非法关键字,将含有非法关键字的页面记录到数据库,作为可疑页面待人工筛查确认,为及时发现有害信息提供技术方便。该系统底层程序将定时从数据库中加载更新非法(有害)关键字列表,以使新录入的非法关键字生效。对于可疑的HTML页面,记录URL、主机地址、访问时间、所含关键字等信息到数据库,以便人工筛查。对于图片URL,由于暂时无法做到快速自动分析,只做记录URL主机地址、访问时间等信息到数据库,待人工检查图片。