随着信息技术的发展,垃圾邮件成为互联网的主要危害之一,垃圾邮件过滤技术也逐渐成为备受关注的研究领域。在与反垃圾邮件技术对抗中,垃圾邮件发送的手段和技术也不断的更新,给对方带来更多的挑战。目前垃圾邮件过滤的研究主要集中在对邮件文本采用机器学习的方法进行二元分类,虽然取得了一定的效果但是工作效率以及查准率和查全率都有待提高。这就需要多种多层次的过滤技术综合,来对垃圾邮件进行过滤。本文的主要工作包括以下方面:　　 1.研究了灰名单过滤技术,并提出了改进的思想。灰名单过滤技术是在SMTP协议的通信阶段对垃圾邮件进行拦截的。它的优点很明显,就是把反垃圾邮件提前到邮件文本接收前。相比基于文本内容的过滤技术,它是很高效的。缺点是容易造成正常邮件发送的延迟,并且垃圾邮件拦截率也不高。本文把灰名单分为深灰名单和浅灰名单,可以缓解正常邮件的延迟转发问题。对于拦截率低的缺点,本文将灰名单和基于内容过滤的方法相结合来克服。　　 2.研究了基于文本内容的过滤技术,主要包括规则过滤和基于文本分类的过滤。规则过滤一般是对邮件标题和正文进行规则匹配来过滤,优点是简单易用,查准率高。可是很多邮件的标题并不和正文相关,甚至是随意的字符,由于大多的规则都是针对标题的,匹配不到导致查全率的降低。而本文设计了一个综合的反垃圾邮件模型,在邮件接收前采用灰名单过滤,在接收后对标题和正文采用规则过滤判定,同时对正文采用多分类器投票判定。最后由规则过滤的评分和多分类器投票的评分来综合判断一封邮件是否为垃圾邮件。该模型使灰名单过滤、规则过滤和基于文本分类的过滤技术有机结合起来,同时又使用了四种算法。实验表明,这种过滤方案能够取得很好的过滤效果。