互联网已成为一个重要的信息和资源共享平台,互联网用户不仅可以在网上处理各种事务,还可以在网上搜索自己想要的信息。给定一个具体的查询,搜索引擎会根据自己的排名机制对互联网上的网页资源进行排序,然后将与用户查询相关的结果返回给用户,但是用户一般比较倾向于浏览搜索引擎返回结果的首页记录,因此,网站在搜索引擎返回结果中的位置就成为了网络服务提供者所关注的问题。一些黑帽SEO采用不正当的手段欺骗搜索引擎以获取网站的高排名,这种欺骗搜索引擎以获取高排名的行为被称为网页作弊。网页作弊不但降低了搜索引擎检索信息的质量,而且还给互联网用户造成了巨大的经济损失。因此,如何检测网页作弊已成为当前互联网最为迫切的任务之网页作弊检测问题可以看作是一个二元分类问题,本文将数据集WEBSPAM-UK2006的直接特征、内容特征和链接特征结合起来构建实验数据集,然后采用基于蚁群优化的网页作弊检测算法来对网页作弊进行检测。在数据预处理阶段,本文首先采用k-means算法解决了数据不平衡问题,然后采用基于信息增益的特征选择算法筛选出实验特征子集,最后对实验特征子集进行基于信息熵的离散化处理。在分类模型训练阶段,本文采用蚁群优化算法从训练集中提取出分类规则并对分类规则进行修剪处理以形成分类模型。在分类检测阶段,将测试样本输入分类模型后,分类模型将能够很好地预测出测试样本的类别。最后,本文在实验数据集WEBSPAM-UK2006上进行了多组实验,并将本文的检测算法与其他检测算法进行了对比。实验结果显示,本文提出的基于蚁群优化的检测算法能够获得非常好的检测效果。