互联网的高速发展为信息的及时共享创造了良好的条件,网络中的信息也呈指数级的增长。但不容忽视的是,网络的发展是把双刃剑,一方面,大量丰富的信息涌入到互联网中,这使得用户能够更加高效便捷地获取所需要的信息;另一方面,不法分子也利用网络传播速度快这一特点,不断散播反动、色情等不良信息,危害网络健康环境,对现实社会的稳定和人民生活带来了不良影响,这种影响体现在青少年身上尤为明显。因此,净化网络环境、实现对网络中不良信息的有效过滤是当前网络安全建设中亟待解决的问题。网络中的信息存在的形式多种多样,其中以文本形式的信息为主,因此对于不良文本的过滤是不良信息过滤的重要组成部分。现阶段,对不良文本的过滤方法可以分为两种,一是借用文本分类的思想,将文本分为正常文本和不良文本,然后通过一定的方式将不良文本进行过滤;二是使用收集到的敏感词表对文本中的词汇进行匹配。本文借鉴二者的长处,设计了不良文本的过滤方法,本文的主要工作包括:(1)给出了模糊文本的定义。不良文本中会包含有各种不良词汇,不法分子为了能够将这类不良文本在网络中进行传播,发送前通常会将这些不良文本进行模糊处理。我们通过对大量语料的统计和分析,在多个维度上给出了模糊文本的定义和判定方案。(2)设计了模糊文本中字形模糊的还原方法。经过对不良文本的分析,总结出不良文本在字形上常见的几种模糊情况。根据其在字形上不同的模糊情况,结合实际的需要,收集了大量字形相关的数据,并针对不同的模糊情况设计了不同的还原方法。(3)将机器翻译模型应用到拼音转文字的还原方案中。现有的拼音转文字的方案在面对较长的文本时不能够很好的将拼音正确的转换。本文将拼音转文字视为机器翻译任务,并应用机器翻译中的Sequence to Sequence模型进行这一问题的求解,能够较好地将拼音转换为正确的汉字。(4)使用本文所提出的模糊文本还原方案对不良文本进行识别。我们从微博中爬取了包含不良文本的数据并进行标注,将本文所提出的识别方案和已有的文本审核API进行对比。实验结果表明,经过还原后的不良文本识别准确率高于未还原的准确率。