信息是每个社会人的自动需求,在社会中生存发展的人,只有通过获取信息才能够消除的不确定性。近年来,随着智能手机与智能设备的普及,人们能够更加简单快速的从互联网上获取信息,随之而来的问题是:人们获取信息总量在不断增加,但是有部分人并不能有效将信息群中的糟粕信息过滤掉。而在这些垃圾信息中,虚假信息与谣言信息首当其冲。谣言传播后的影响非常严重,其将导致社会公众伦理迷茫,激化社会公众的非理智情绪,使事件发展被人为的向恶化方向推进。因此,需要将虚假信息,谣言从大量的信息群中过滤分离开。虚假信息过滤系统则可以很好的解决这个问题。本系统实现的功能是对相关网络文本的爬取及其中虚假信息的过滤。系统原则上使用深度优先策略来对文本进行爬取,通过相关url爬取算法的优化以及系统的优化,从而增强爬取的效率。系统通过融入分布式集群设计,实现了针对本系统设计的分布式功能与特性,使其可以脱离对其他分布式框架的依赖,从而使本系统相对与一般分布式爬虫而言使用方式耦合度更低,从而实现了轻量级的效果。系统通过使用SpringBoot框架来进行主要开发,并且进行服务的注册及发现操作,负载均衡配置,以及保障微服务的安全性。通过调用分布式发布订阅消息系统进行不同语言之间数据的传递,从而保证系统的健壮性,减少系统中各个服务的耦合。本系统在研究了大量谣言检测相关工作的基础上,最后选择使用GBDT决策树来进行虚假信息的过滤工作。基于虚假信息的相关属性,本系统提取了作者信息,路径信息,时间信息,文本信息等几方面的属性,构建一个自适应的决策树模型,从而可以更加准确的对文本的虚假性进行判断。通过对整个系统的设计,优化调整以及大量实验得到的结果可以说明该系统可以提供文本的爬取及虚假内容的识别工作,该系统在现实的使用中也具有功能性,可靠性,可维护性等性质。