一、如何应对垃圾邮件（论文文献综述）
彭革[1]（2021）在《基于改进朴素贝叶斯算法的垃圾文本分类研究》文中进行了进一步梳理随着通信技术的飞速发展,5G通讯的普及,电子邮件数据呈现爆发式增长。垃圾邮件日益泛滥,对垃圾邮件的分类和过滤变得越来越迫切。对于数据量如此庞大且形态多样的垃圾邮件数据的处理,朴素贝叶斯（Naive Bayes）算法起到了非常好的效果。但由于Naive Bayes算法是基于特征相互独立属性的实验原理,以及样本数据集单一的局限性,导致在实验过程不充分,数据冗余度较大,实验准确度不够高的现象。本文提出了基于传统朴素贝叶斯在垃圾文本过滤中的优化和改进策略,不仅在样本数据上弥补了数据集的单一局限性,也在特征分类策略上提出特征加权的改进策略。本文的主要贡献如下:（1）针对传统的Naive Bayes算法基于相互独立特征属性的局限性,本文提出了一种基于Naive Bayes分类模型结合分词特征加权的改进策略,根据样本数据集在多类别多特征的情况下,根据为样本数据添加信号量引入了分词特征权重的方法,对每个特征属性添加权重数值和特征分类,从而拓展了分词向量的特征提取。最后促使Naive Bayes分类模型通过条件概率计算样本后验概率从而实现分类模型对于垃圾文本的分类与过滤。（2）针对Naive Bayes分类模型的构建需要庞大的数据集对模型进行充分的测试与训练,但本文所选取的样本数据量还不够。为了解决数据集单一的局限性和模型训练不充分的问题,本文引入了十折交叉验证的建模策略,通过在数据集预处理阶段,利用交叉验证的实验原理划分标准数据集,再进行Naive Bayes分类模型的构建。通过这种策略有效解决了数据集的局限性。实验结果表明,本文提出了的方法和策略在垃圾文本分类应用中起到了明显的改进,从数据集单一局限性来看,结合十折交叉验证的方法,不仅增大了样本数据,也对分类模型的构建提供了充分的训练。从引入分词特征权重的策略有效规避了特征相互独立的局限性,并且改进的方法具有良好的执行效率,不仅降低了数据冗余,也提高了垃圾文本分类的准确度。
焦园博[2]（2020）在《网络犯罪国际法治理研究》文中研究说明
教育部[3]（2020）在《教育部关于印发普通高中课程方案和语文等学科课程标准（2017年版2020年修订）的通知》文中研究说明教材[2020]3号各省、自治区、直辖市教育厅（教委）,新疆生产建设兵团教育局:为深入贯彻党的十九届四中全会精神和全国教育大会精神,落实立德树人根本任务,完善中小学课程体系,我部组织对普通高中课程方案和语文等学科课程标准（2017年版）进行了修订。普通高中课程方案以及思想政治、语文、
王丽娜[4]（2020）在《互联网运动式治理的法治化转型研究》文中提出互联网技术飞速发展,极大地促进了经济和社会发展,但其负面问题不断显现,由此互联网治理的相关议题也日益受到关注,随之推动互联网监管部门不断探索行之有效的治理方式。在诸多互联网的治理方式中,互联网运动式治理凭借其治理的快速和有效成为相关管理部门的一种重要治理选择,同时也受到研究者的关注。本文梳理不同时期的全局性的互联网运动式治理案例,纵向勾勒互联网运动式治理的发展历程;界定了互联网运动式治理的涵义;厘清了互联网运动式治理的规制体系,分析其治理主体的构成,对其治理客体进行分类,并分析互联网运动式治理的行政过程;此外,本文探讨了互联网运动式治理的必然性和过渡性,对治理的效果评价和价值评价等理论问题进行细致探讨,提出以下观点:互联网运动式治理具有过渡性特点,体现在治理中行政与法的一致和相悖并存,治理的行政合作机制反复重叠,治理中运动性治理和常规化治理相冲突等方面;就其治理的效果评价来说,最初互联网运动式治理显现出治理速度快、治理效果好的优势,但随着互联网技术的发展和互联网问题的增多,其治理成本高、治理效率低、治理违规现象多及治理内卷化等弊端也越来越突出,由此对它的评价从最初的肯定其治理有效性转向对其弊端的多方诟病;鉴于互联网运动式治理存在的底层逻辑和规定性,本文认为对其应进行客观的再评价:要看到互联网运动式治理行动催生的规则在不断导正其治理行为偏差;要看到其治理行动中输送的制度对互联网秩序的维护作用;要看到其法治化转型对互联网治理行为的合法性要求在增加;要看到其制度供给背后的法治追求和治理理念的转型努力;要看到互联网运动式治理中维护治理对象的相关权利的客观结果。对互联网运动式治理的价值评价进行否定之否定不是不顾其弊端而默守陈规,恰是为了正视其所面临的困境。就互联网运动式治理面临着的法律困境而言,互联网运动式治理主体经常不能协调好秩序、安全、效益、公平、自由、正义等诸多法律价值的平衡,导致治理中多元法律价值的失衡和错位;另外,治理中所依据的法律文本缺失和模糊导致治理的法律规制中出现较多困难。就互联网运动式治理的主体和客体各自面临的困境而言,互联网运动式治理的治理主体的同质化困境、复合性困境和权威性困境亟待解决;互联网运动式治理的治理客体在互联网运动式治理的管制框架内,受到治理主体所采取的行政的、法律的和技术的治理手段的影响,导致互联网优势的发挥、互联网融合发展趋势以及治理主客体间的协调发展都受到极大限制。上述互联网运动式治理所面临的多种困境使得其合理转型变得非常迫切。就互联网运动式治理的转型方向而言,法治中国建设、网络空间法治化建设和公共治理理念引入等背景和因素都指向了互联网运动式治理的法治化转型这一解决之道。具体而言,要转变互联网运动式治理的法律观念,走出治理主体和治理客体各自面临的困境,同时要充分发挥其治理中的法制输送机制,包括互联网运动式治理的法律文本输送机制和法律制度输送机制,从而推动互联网法的完备化、制度化、体系化和均衡化发展,并有力推动互联网法的良好执行、适用、遵守和互联网法的监督体系建设;此外还要充分发挥互联网运动式治理中的治理学习机制和技术再塑机制,共同推动互联网运动式治理的法治化转型。
向平常[5]（2020）在《基于集成学习的个性化垃圾邮件过滤技术研究与应用》文中提出随着互联网时代的来临,电子邮件凭借其方便快捷的特点,已经成为人们日常工作学习传递信息不可或缺的一种方式,与此同时垃圾邮件的出现也引起了很多问题。垃圾邮件在传播过程中占用网络资源,分散用户工作学习的注意力,威胁用户隐私安全,给互联网环境带来了消极的影响,因此研究垃圾邮件过滤技术有很大的现实意义,本文针对垃圾邮件过滤技术研究现状中的不足,提出了相关的解决办法,主要工作包括:（1）针对现有的垃圾邮件过滤技术提取邮件特征不完整的问题,本文根据邮件结构化的特点,提出一种基于集成学习的Ada-CK邮件分类方法,该方法主要通过将邮件内容分为邮件头和邮件正文两部分,基于邮件头的邮件行为特征构建CART决策树分类器,基于邮件正文的内容语义特征构建K最近邻分类器,并在K最近邻分类方法中提出一种改进的基于相似度阈值的文本相似度比较方法,将文本相似度比较时的文本关键词划分为近似词语和一般词语,两者分别计算并线性组合得到最终的文本相似度。基于Adaboost的集成学习思想,将邮件头的CART决策树和邮件正文的K最近邻方法作为基分类器,经过多个基分类器对不同样本权重和不同样本特征的训练,集成基分类器的分类结果和话语权,得到最终的邮件分类结果。通过将Ada-CK方法分别与基于单个基分类器的Ada-CART和Ada-KNN方法,以及其它的邮件分类方法Co-PRFC,L1-SVM,TSVM-NB对比,实验表明Ada-CK在邮件分类精度指标上明显优于其它方法,符合邮件应用要求的准确率高的特点。（2）针对不同邮箱用户对垃圾邮件的认知不同的问题,提出一种基于用户个性化的主动学习方法ALUP,通过从邮件的正文文本中引入用户兴趣集的概念,介绍用户兴趣集模型及具体的基于兴趣集的分类方法。同时,在邮件的增量学习过程中,引入主动学习的方法,基于样本的分布密度来选择不确定度高的增量样本进行更新训练,避免将所有增量样本加入到训练集中造成的时间复杂度高的问题。通过将ALUP与其它邮件分类方法ALNSTC,SVM-AL,MFL进行性能上的对比,实验表明ALUP方法在保证较高的邮件分类精度的同时,明显降低了时间消耗,符合邮件在线应用要求的准确率高,速度快,且遵循用户个性化的特点。
王斯琴[6]（2020）在《改进朴素贝叶斯算法在垃圾邮件过滤中的应用》文中研究指明电子邮件伴随着互联网的发展越来越普及,但是电子邮件的可靠性与安全性引起人们的重视,因为各种垃圾邮件、钓鱼岛邮件、骚然邮件极大地影响了人们的生活。同时,根据我国不良网络不垃圾信息举报受理中心的统计,有一半以上的用户因为垃圾邮件而浪费掉了大量的时间、大量的资源信息,还有一半用户因为垃圾邮件遭受到了一定的经济损失。目前被人们认可的垃圾邮件过滤技术有:身份认证、行为模式识别、和白名单和关键字过滤技术等等之类的技术。与此同时,垃圾邮件的误判会给网民造成一定的经济损失与时间损失,加之很多人都不愿打开垃圾邮件这一过滤功能,而且垃圾邮件本身也携带各种病毒,或多或少给人们带来了一定的困惑。随着科学技术的发展,朴素贝叶斯分类算法已成为现在最流行的技术之一,正是因为传统朴素贝叶斯分类算法良好的邮件分类效果,受到了广大研究者的关注。但是朴素贝叶斯受到自身条件属性需得相互独立的限制,实际上很多样本却不符合属性条件间相互独立等要求导致分类准确率很低,为了提高垃圾邮件分类的准确性,本文提出了结合主动学习的K-近邻局部加权朴素贝叶斯算法,为的是能够在一定程度上提高邮件分类的精确度和效率。本文主要研究工作如下:（1）如果样本本身一旦错分,那么,在训练过程中不断地更新、迭代,会导致错误不断地累积,继而得到一个易误分的分类器。因此,本文采取结合主动学习的K-近邻局部加权朴素贝叶斯算法（K-Locally Weighted Naive Bayes,K-LWNB）,即人工选取一些最具有价值的样本进行标注,以此来提高样本本身的准确性,从而降低分类器的误分率。其中K-近邻局部加权朴素贝叶斯算法对垃圾邮件分类,能够让垃圾邮件的分类效果相对于传统的朴素贝叶斯算法来说,能够更有效地提高邮件的分类准确率和精确度。（2）本文采用ham（正常邮件）和spam（垃圾邮件）作为数据样本集,同时将文本内容解析成词向量,去停用词并提取出关键特征词,继而检查细条并保证解析的正确性,同时计算出不同独立特征关键词的条件概率,然后判断是否属于垃圾邮件。
栗文真[7]（2020）在《恶意邮件检测技术研究》文中指出电子邮件目前仍然是政府、企业、社会组织和个人使用最频繁的工作业务联系和交流的工具之一。随着个人隐私信息的大量泄露,攻击者可以通过收集攻击目标的相关信息制作出信息关联度极高的精准钓鱼邮件,此类邮件成为当前APT攻击和传播勒索软件的重要手段。本文针对恶意邮件的新威胁和检测存在的问题,提出了基于多特征的静态恶意邮件检测技术以及基于虚拟化平台的动态恶意邮件检测技术。为了进一步提升检测精度和效率,提出了一种静动结合的新型恶意邮件复合检测技术。检测方法均使用了Ada Boost集成学习算法和Voting组合策略构建分类模型,有效地提升了整体分类模型的检测精度和泛化能力。实验结果表明,本文所提出的恶意邮件检测方法与已有检测方法相比较,准确率和效率达到了均衡最优,也优于主流杀毒引擎。综上,本文主要研究成果如下:（1）提出了一种基于多特征的静态恶意邮件检测技术。基于快速静态分析,一次性的从邮件头部、正文和附件提取了大量可靠的、有区分度的静态特征用于静态分类检测模型的构建,实现对恶意邮件的快速准确的检测。（2）提出了一种基于虚拟化平台的动态恶意邮件检测技术。模拟用户打开邮件,利用虚拟机自省（Virtual Machine Introspection,VMI）技术和内存取证分析（Memory Forensics Analysis,MFA）技术捕获邮件动态行为特征,有效避免了针对传统沙箱的规避技术问题,从而获取更加真实可靠的邮件动态特征信息,提升了检测精准钓鱼邮件的能力。（3）提出了一种高效的静动结合的新型恶意邮件复合检测技术。首先采用静态检测方法进行检测过滤掉常规垃圾邮件和钓鱼邮件,对于发现的难于判定的可疑邮件再使用动态检测方法进行检测,进而发现高危精准钓鱼邮件,整体提升检测方法的精度和效率。（4）本文在静态和动态检测方法中,分别找出了最优的机器学习算法模型,借助Ada Boost集成学习方法和Voting组合策略,有效的提升了整体分类器的分类精度和泛化能力。总之,本文提出的恶意邮件检测技术可以提升对精准钓鱼邮件的检测发现能力,对保障网络空间安全具有积极意义。
余平[8]（2019）在《美国广告规制研究》文中进行了进一步梳理美国是目前世界广告产业最为发达的国家,也是自近代以来对广告产业进行有效规制的典范国家之一。美国政府对广告的早期规制可以追溯到19世纪70年代其邮政署对邮件广告进行的直接和间接监管;之后在19世纪80年代的海报广告时代,美国国内也开始陆续出现广告行业自律组织。现代美国广告规制体系是以1911年“广告诚信运动”的兴起为开端,并以联邦贸易委员会（FTC）的成立为标志所全面建构起来的。时至今日,美国广告规制体系已经走过了一百多年的历史。在经过漫长的制度发展和实践经验的积淀后,美国广告规制体系的适用性和有效性已经赢得政府和产业利益相关者的接受和认同,亦成为世界广告产业监管和规制的典型与样板之一。规制主要分为他律和自律,两者互为补充,缺一不可,是辩证统一的关系。美国广告规制是在以国会、白宫、法院（分别代表立法、行政和司法）为主导的他律规制体系下,辅以广告产业参与者的自我约束而逐渐形成的规制模式。在这个体系中,国会和政府负责立法和行政（政府也有部分立法权）,法院负责司法并同时形成案例法,成为规制体系的主体;而广告产业参与者参照法律法规形成自身的行业标准和自律纲领。在广告产业的规制机体中,他律就像是“生命机体”中的“中枢神经”,而自律则像是机体中的“神经末梢”。在政府规制失灵的领域,自我规制往往具备更强的适应力和有效性。美国广告规制是在宪政制度下运行的,权利法案是美国宪政制度的民主基石,宪法《第一修正案》就成为了广告表达最根本的法律依据,也成为了政府广告规制违宪审查的主要法理争议。从权利性质角度来看,广告作为商业言论,理应受到言论自由的保护;但由于其具有“逐利”性质,被认为无法提升社会福祉而被长期排除在保护范围之外。宪政理念的发展、商业文明价值的提升,加上消费者知情权的日益被重视,使得广告言论逐渐有限制地纳入到了言论自由保护的范畴之内。这就使得广告权利具有“竞合性”的特征,并对现有权利分类理论体系构成了挑战,也使得政府广告规制必须放弃原先的单一标准而参照多标准体系。这就给广告规制的判例援引和司法解释提供了很大的弹性空间。媒介的发展是完善广告规制体系的又一重要参照。印刷广告技术比较简单,影响也很有限,广告规制只需对内容底线和事后救济进行限制,仅以宪法和普通法律即可基本建构。广播、影视为主的电子媒介则极大地拓宽了传播的空间,基于纸媒的规制体系已无法适应广电广告的现实需求,电子传媒法规开始颁布,广告规制也进入分类管理的时代。政府出于公共利益的规制理念,开始加大对广电广告的规制。而20世纪末新媒体的兴起,使得原先泾渭分明的传统分类监管机制不得不又重新解构。加之西方放松管制的思想思潮的影响,媒介融合势在必行。在媒介汇流的新媒体时代,广告规制进入了全新的调适期,传统广告规制体系依然适用,并积极纳入新媒体广告。联邦贸易委员会（FTC）、联邦食品药品管理局（FDA）、联邦通信委员会（FCC）等独立监管机构将管理范围扩大至新媒体广告,在无法适用的领域通过新的成文法另行规制。广告形式的多样化、媒体的再升级、理念的多维度使得新媒体时代的广告规制体系更富张力和弹性。本论文共分为九个部分,由绪论、总结和七章主体部分组成。第一章主要梳理广告规制的历史源起与流变;第二章重点阐述广告规制的理论动因和现实依据;第三章试图解构广告规制主体和框架;第四章全面分析广告不正当竞争行为的规制;第五章主要解析重点监管广告领域的规制;第六章力求阐述广告自律的理论发展和实践应用;第七章尝试探究新媒体广告带来的规制挑战与调适。本论文试图从广告他律和自律两个方面进行阐述,以广告他律为重点,兼顾广告自律。同时,希望能够从广告规制的体系、要素、内容、渠道等角度展开分析,结合纵向的历史分析方法,展现美国广告规制的理念、框架、内容、方式等,最终归纳出美国广告规制体系的规律和特征。本研究的主要发现包括:美国广告规制嬗变的内在动因主要在于规制理念的转变。在法律规制上体现的是法理的转变,从最初的尊重财产权到后期的注重个人权利;在商业关系理念中体现的是从纯粹地“保护竞争者”到既“保护消费者”又“保护竞争者”;在规制上体现出来的是从注重“经济性规制”到更注重“社会性规制”;在公平导向上从强调“过程公平”到“结果公平”。另一方面,社会动因体现出的则是规制主体和反规制力量的反复博弈,这当中包含了两个规制维度:商业言论自由、市场竞争博弈;并且涵盖了众多价值导向:如言论自由、公平、促进竞争、消费者权益保护、未成年人保护、公共利益、健康权、隐私权等,这些都为规制的冲突和调适提供了理论和现实依据。由于美国广告规制体系过于庞杂和细密,本研究难免挂一漏万,文中还有诸多不完善的地方,本论文将在今后进一步的研究中深入和细化。
徐丹丹[9]（2019）在《个性化垃圾邮件过滤的扩展研究》文中提出由于兴趣、爱好的不同,不同用户对垃圾邮件的定义可能存在巨大差异,这是一般化邮件过滤器面临的窘境,因此实现个性化垃圾邮件过滤成为目前邮件过滤领域研究的重要课题。同时,特定用户在不同时间段,兴趣点也会发生变化,会使其重新定义对垃圾邮件的过滤标准,所以检测用户兴趣点是否发生变化也是个性化过滤的关键任务。本文针对特定用户邮箱的错滤情况,对个性化过滤技术进行扩展研究,重点关注如何在动态环境下,结合用户的兴趣特征,降低邮件错滤率,并实现自动修正。主要工作和创新点如下:（1）为了缓解现实情况下网络用户邮箱的错滤程度,本文提出了一种基于客户端的个性化邮件再过滤方法。该方法基于多任务学习理论,使得收件箱和垃圾箱过滤器借鉴彼此的特征描述,“互相学习,分开过滤”,缓解类不平衡问题。本文提出邮件数据流中的“广义虚漂移”概念,同时设计多窗口框架,结合重要性加权的方法以达到动态环境自适应的效果。（2）通常情况下,相同集体（实验室、俱乐部或公司）环境中的用户收到的邮件存在一定的相关性,因此本文提出在集体环境下的个性化邮件再过滤方法。当完全个性化邮件过滤器学到的信息有限时,利用相关性数据,可有效增加其信息量,提高过滤精度。在用户隐私保护的状态下,由用户自主放出主观意识下的垃圾邮件,组成“集体垃圾箱”,设置同集体环境下用户共享垃圾邮件,并基于上一项工作实现个性化过滤。（3）通过在多个公开数据集上与多个现有经典垃圾邮件过滤方法作比较,证明了本文过滤模型的优越性。同时对比集体环境与个体环境下过滤器的性能差异,验证了集体环境下可显着提高过滤器的可预见性。
张蕾,崔勇,刘静,江勇,吴建平[10]（2018）在《机器学习在网络空间安全研究中的应用》文中提出随着云计算、物联网、大数据等新兴技术的迅猛发展,数以亿计的网络接入点、联网设备以及网络应用产生的海量数据,给网络空间安全带来了巨大的困难和挑战,传统的安全问题解决方案面对海量数据变得效率低下.机器学习以其强大的自适应性、自学习能力为安全领域提供了一系列有效的分析决策工具,近年来引起了学术界与工业界的广泛关注和深入研究.为此,该文以网络空间安全一级学科为指导,围绕机器学习技术应用于网络空间安全领域的最新研究成果,首先详细阐述了机器学习技术在网络空间安全研究中的应用流程;然后从系统安全、网络安全和应用安全三个层面,着重介绍了机器学习在芯片及系统硬件安全、系统软件安全、网络基础设施安全、网络安全检测、应用软件安全、社会网络安全等网络空间安全领域中的解决方案,重点分析、归纳了这些解决方案中的安全特征及常用机器学习算法.最后总结了现有解决方案中存在的问题,以及机器学习技术在网络空间安全研究中未来的发展方向和面临的挑战.
二、如何应对垃圾邮件（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、如何应对垃圾邮件（论文提纲范文）
（1）基于改进朴素贝叶斯算法的垃圾文本分类研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 垃圾邮件的概述 |
| 1.2 选题背景与研究意义 |
| 1.3 国内外研究现状 |
| 1.4 论文组织框架 |
| 第2章 垃圾邮件过滤技术研究 |
| 2.1 电子邮件原理与结构 |
| 2.2 邮件数据集预处理 |
| 2.3 机器学习文本分类算法 |
| 2.4 垃圾文本分类评价指标 |
| 2.5 本章小结 |
| 第3章 基于交叉验证的Naive Bayes分类模型 |
| 3.1 传统的朴素贝叶斯分类器 |
| 3.2 交叉验证 |
| 3.3 K折交叉验证 |
| 3.4 十折交叉验证 |
| 3.5 实验结果分析 |
| 3.6 本章小结 |
| 第4章 基于特征权重的Naive Bayes分类模型 |
| 4.1 拓展分词特征提取 |
| 4.2 基于特征权重的朴素贝叶斯分类模型 |
| 4.3 实验结果与分析 |
| 4.4 本章小结 |
| 第5章 总结与展望 |
| 致谢 |
| 参考文献 |
| 个人简介 |
（4）互联网运动式治理的法治化转型研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 引论 |
| 一、研究背景与研究意义 |
| 二、国内外研究现状 |
| 三、研究思路与研究方法 |
| 四、创新之处 |
| 第一章 作为行动的互联网运动式治理 |
| 第一节 互联网运动式治理的发展及现状 |
| 一、常规行政管理方式被移植 |
| 二、运动式行政监管日见成效 |
| 三、运动式行政监管趋于成熟 |
| 四、运动式行政监管纵深发展 |
| 第二节 互联网运动式治理的涵义界定 |
| 一、社会管理与社会治理 |
| 二、管理行政与治理行政 |
| 三、互联网治理与互联网运动式治理 |
| 第三节 互联网运动式治理的行动逻辑 |
| 一、行政主体的主导性 |
| 二、行政方式的强制性 |
| 三、秩序优位的导向性 |
| 第二章 作为规制的互联网运动式治理 |
| 第一节 互联网运动式治理的规制体系 |
| 一、管制型行政传统和秩序追求 |
| 二、制度资源不足的外部局限性 |
| 三、互联网典型事件爆发的刺激 |
| 四、行政路径依赖的消极性因素 |
| 五、治理主体选择的积极性因素 |
| 第二节 互联网运动式治理的必然性 |
| 一、治理中行政与法的一致和相悖 |
| 二、治理的行政合作机制繁复重叠 |
| 三、运动治理与常态治理时有冲突 |
| 第三节 互联网运动式治理的过渡性 |
| 一、互联网运动式治理的主体及其职责与职权 |
| 二、互联网运动式治理的客体及其权利与义务 |
| 三、互联网运动式治理的行政过程及其实施机制 |
| 第四节 互联网运动式治理的结果评价 |
| 一、互联网运动式治理的正向结果 |
| 二、互联网运动式治理的负向结果 |
| 第五节 互联网运动式治理的价值评价 |
| 一、对治理价值的正面评价 |
| 二、对治理价值的负面评价 |
| 三、治理的价值评价的否定之否定 |
| 第三章 互联网运动式治理的转型困境 |
| 第一节 互联网运动式治理转型的法律困境 |
| 一、治理的法律价值平衡之难 |
| 二、治理的法律规制文本之失 |
| 第二节 互联网运动式治理转型的主体困境 |
| 一、治理主体的构成同质和单一 |
| 二、治理主体内部行政协调不良 |
| 三、治理主体的合法性日趋弱化 |
| 第三节 互联网运动式治理转型的主客体间的相对困境 |
| 一、运动式治理的管制思维限制互联网的优势发挥 |
| 二、运动式治理的分割治理阻碍互联网的融合发展 |
| 第四章 互联网运动式治理转型的方向和目标 |
| 第一节 互联网运动式治理转型的方向 |
| 一、法治中国建设指引互联网运动式治理转向法治化 |
| 二、公共治理理念影响互联网运动式治理转向法治化 |
| 三、互联网法治建设引导互联网运动式治理转向法治化 |
| 第二节 互联网运动式治理的法治化转型的目标 |
| 一、互联网运动式治理与互联网法的健全化 |
| 二、互联网运动式治理与互联网法的良好实施 |
| 第五章 互联网运动式治理的法治化转型的实施保障 |
| 第一节 治理的法治化转型的实施路径 |
| 一、治理的法律观念的转型路径 |
| 二、治理主体的转型路径 |
| 三、治理主客体间相对性困境的缓解路径 |
| 第二节 治理的法治化转型的法制输送机制 |
| 一、互联网运动式治理的文本输送机制 |
| 二、互联网运动式治理的制度输送机制 |
| 第三节 治理的法治化转型的配套机制 |
| 一、治理的法治化转型的治理学习机制 |
| 二、治理的法治化转型的技术反塑机制 |
| 结语 |
| 参考文献 |
| 附录 |
| 攻读博士期间公开发表论文目录 |
| 后记 |
（5）基于集成学习的个性化垃圾邮件过滤技术研究与应用（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 基于发送方特征的过滤技术 |
| 1.2.2 基于邮件内容的过滤技术 |
| 1.3 本文主要工作 |
| 1.4 本文组织结构 |
| 2 垃圾邮件过滤技术概述 |
| 2.1 垃圾邮件过滤步骤概述 |
| 2.1.1 邮件结构及工作原理 |
| 2.1.2 预处理 |
| 2.1.3 邮件文本特征选择 |
| 2.1.4 邮件文本特征表示 |
| 2.2 垃圾邮件过滤方法概述 |
| 2.2.1 增量学习 |
| 2.2.2 主动学习 |
| 2.2.3 集成学习 |
| 2.2.4 半监督学习 |
| 2.3 本章小结 |
| 3 基于邮件结构化文本的集成学习 |
| 3.1 研究背景与动机 |
| 3.2 邮件结构化文本集成学习框架 |
| 3.3 基于邮件头的决策树分类方法 |
| 3.3.1 邮件头特征表示 |
| 3.3.2 基于邮件头特征的CART决策树分类算法 |
| 3.4 基于邮件正文的K最近邻分类方法 |
| 3.4.1 word2vec词向量生成 |
| 3.4.2 TF-IDF加权的文本向量表示 |
| 3.4.3 基于相似度阈值的K最近邻分类算法 |
| 3.5 Ada-CK集成学习方法 |
| 3.5.1 Adaboost算法介绍 |
| 3.5.2 Ada-CK算法介绍 |
| 3.6 实验设计与结果分析 |
| 3.6.1 实验环境与数据 |
| 3.6.2 实验评估指标 |
| 3.6.3 实验方法与过程 |
| 3.6.4 参数分析 |
| 3.6.5 内部算法比较 |
| 3.6.6 外部算法比较 |
| 3.7 本章小结 |
| 4 基于用户个性化特征的主动学习 |
| 4.1 研究背景与动机 |
| 4.2 用户个性化垃圾邮件过滤框架 |
| 4.3 基于用户兴趣集的分类方法 |
| 4.3.1 兴趣集相关定义 |
| 4.3.2 兴趣集模型 |
| 4.3.3 基于兴趣集的邮件分类方法 |
| 4.4 基于主动学习的样本选择 |
| 4.5 兴趣集和训练集更新 |
| 4.6 实验设计与结果分析 |
| 4.6.1 实验环境及数据 |
| 4.6.2 实验方法与过程 |
| 4.6.3 参数分析 |
| 4.6.4 算法性能比较 |
| 4.7 本章小结 |
| 5 总结与展望 |
| 5.1 工作总结 |
| 5.2 未来展望 |
| 参考文献 |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
（6）改进朴素贝叶斯算法在垃圾邮件过滤中的应用（论文提纲范文）
| 中文摘要 |
| 英文摘要 |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 朴素贝叶斯的研究现状 |
| 1.2.2 垃圾邮件的研究现状 |
| 1.3 研究内容 |
| 1.4 论文组织结构 |
| 1.5 本章小结 |
| 2 邮件过滤相关技术 |
| 2.1 文本分类技术 |
| 2.1.1 原始文本获取 |
| 2.1.2 分词 |
| 2.1.3 文本清洗 |
| 2.1.4 特征提取 |
| 2.2 主动学习的概念 |
| 2.2.1 主动学习模型 |
| 2.2.2 主动学习算法 |
| 2.2.3 主动学习的应用领域 |
| 2.3 朴素贝叶斯 |
| 2.3.1 贝叶斯算法 |
| 2.3.2 朴素贝叶斯算法 |
| 2.3.3 朴素贝叶斯算法的优缺点 |
| 2.3.4 朴素贝叶斯算法的应用 |
| 2.4 KNN分类算法 |
| 2.4.1 KNN分类算法定义 |
| 2.4.2 KNN算法流程描述 |
| 2.4.3 关于K值的选取 |
| 2.4.4 关于距离的选取 |
| 2.4.5 数据特征的量化 |
| 2.4.6 加权KNN算法 |
| 2.4.7 KNN算法的优缺点 |
| 2.4.8 KNN算法的主要应用领域 |
| 2.5 本章小结 |
| 3 基于K-近邻加权朴素贝叶斯改进算法在垃圾邮件过滤中的应用. |
| 3.1 基于k-近邻局部加权朴素贝叶斯改进算法 |
| 3.1.1 基于K-近邻局部加权朴素贝叶斯改进算法思想 |
| 3.1.2 基于K-近邻局部加权朴素贝叶斯改进算法步骤 |
| 3.2 实验测试 |
| 3.2.1 数据集介绍 |
| 3.2.2 评价指标 |
| 3.2.3 实验结果与结果分析 |
| 4 垃圾邮件过滤系统的设计 |
| 4.1 系统总体设计 |
| 4.1.1 需求分析 |
| 4.1.2 系统概要设计 |
| 4.1.3 数据库设计 |
| 4.2 系统详细设计 |
| 4.2.1 原始邮件预处理模块 |
| 4.2.2 改进朴素贝叶斯分类器模块 |
| 4.3 本章小结 |
| 5 垃圾邮件过滤系统的实现 |
| 5.1 垃圾邮件系统环境搭建 |
| 5.2 垃圾邮件过滤系统的实现 |
| 5.3 本章小结 |
| 6 总结与展望 |
| 6.1 论文工作总结 |
| 6.2 工作展望 |
| 参考文献 |
| 附录 :作者攻读硕士学位期间发表论文及科研情况 |
| 致谢 |
（7）恶意邮件检测技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究现状 |
| 1.3 论文主要内容 |
| 1.4 论文章节安排 |
| 第二章 恶意邮件分类与相关检测技术 |
| 2.1 恶意邮件分类 |
| 2.1.1 垃圾邮件 |
| 2.1.2 精准钓鱼邮件 |
| 2.2 静态恶意邮件检测技术 |
| 2.2.1 基于来源的检测技术 |
| 2.2.2 基于规则的检测技术 |
| 2.2.3 基于内容的检测技术 |
| 2.3 动态恶意邮件检测技术 |
| 2.4 集成分类算法 |
| 2.4.1 Ada Boost集成模型 |
| 2.4.2 Voting组合策略 |
| 2.5 本章小结 |
| 第三章 基于多特征的静态恶意邮件检测技术研究 |
| 3.1 基于多特征的静态恶意邮件检测技术概述 |
| 3.2 静态多特征提取模块 |
| 3.2.1 头部特征 |
| 3.2.2 正文特征 |
| 3.2.3 附件特征 |
| 3.3 静态分类模块 |
| 3.4 本章小结 |
| 第四章 基于虚拟化平台的动态恶意邮件检测技术研究 |
| 4.1 基于虚拟化平台的动态恶意邮件检测技术概述 |
| 4.2 相关技术介绍 |
| 4.2.1 虚拟机自省技术 |
| 4.2.2 内存取证技术 |
| 4.3 动态特征提取模块 |
| 4.4 动态分类模块 |
| 4.5 本章小结 |
| 第五章 新型恶意邮件复合检测技术设计与实验分析 |
| 5.1 静动结合的新型恶意邮件复合检测技术设计 |
| 5.1.1 设计目标 |
| 5.1.2 检测架构 |
| 5.2 实验环境 |
| 5.3 实验数据集 |
| 5.4 评测指标 |
| 5.5 实验结果对比与分析 |
| 5.5.1 基于多特征的静态恶意邮件检测技术 |
| 5.5.2 基于虚拟化平台的动态恶意邮件检测技术 |
| 5.5.3 静动结合的新型恶意邮件复合检测技术 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 本文总结 |
| 6.2 未来展望 |
| 参考文献 |
| 在学期间取得的科研成果和科研情况说明 |
| 致谢 |
（8）美国广告规制研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 绪论 |
| 第一节 研究背景与意义 |
| 一、研究背景 |
| 二、研究意义 |
| 第二节 国内外研究现状 |
| 一、国外研究现状 |
| 二、国内研究现状 |
| 第三节 重要概念的厘清 |
| 一、广告的概念与厘定 |
| 二、规制的内涵与适用 |
| 三、广告规制的界定 |
| 第四节 研究思路与方法 |
| 一、研究思路与结构框架 |
| 二、理论模型和研究方法 |
| 三、创新点和难点 |
| 第一章 探究与溯源:美国广告规制的源起与流变 |
| 第一节 广告规制的“前制度化”时期(1776-1911) |
| 一、殖民地阶段美国的广告规制萌芽 |
| 二、美国初期的广告规制初建 |
| 第二节 广告规制体系全面建构时期(1911-1946) |
| 一、广告规制框架初现 |
| 二、规制向保护消费者倾斜 |
| 三、媒体规则(Media regulation)开始建立 |
| 第三节 广告规制的持续繁荣时期(1946-1980) |
| 一、政府部门监管全面升级 |
| 二、加速监管的1970年代 |
| 第四节 去规制和调整时期(1980年后) |
| 一、全面放松管制的时代 |
| 二、现代广告法规的大量涌现 |
| 本章小结 |
| 第二章 效率与公平:规制理论与美国广告规制的依据 |
| 第一节 传统规制理论的运用 |
| 一、公共利益规制理论 |
| 二、利益集团规制理论 |
| 第二节 现代规制理论的发展 |
| 一、激励性规制理论 |
| 二、规制框架下的竞争理论 |
| 第三节 表达与约束的博弈 |
| 一、商业言论权的全面限制 |
| 二、商业言论表达自由的法理之争 |
| 三、商业言论自由的全面保护 |
| 第四节 效率与公平的衡平 |
| 一、早期规制中的“效率优先” |
| 二、规制转型后的“公平导向” |
| 本章小结 |
| 第三章 主导与制衡:美国广告规制的主体与框架 |
| 第一节 美国广告的规制者 |
| 一、规制主体身份的界定 |
| 二、FTC的机构与职能 |
| 三、FCC的职能与履行 |
| 四、其他的广告规制部门 |
| 五、规制者的主要法律依据 |
| 第二节 广告规制模式的建构 |
| 一、广告规制动因解析 |
| 二、广告规制的理念诉求 |
| 三、广告管制模式解析 |
| 第三节 广告规制的运行路径 |
| 一、广告规制运行的法律渊源 |
| 二、主要规制部门的运行和手段 |
| 本章小结 |
| 第四章 碰撞与规范:美国政府对不正当竞争广告的监管 |
| 第一节 法理向伦理的转变——对于虚假广告的规制 |
| 一、广告欺骗行为的认定扩张 |
| 二、从“理性”到“无知”的消费者标准——规制立场的转变 |
| 三、网状表达(Net impression)原则 |
| 第二节 规制与反规制之争——不公平广告的规制尺度 |
| 一、“公共利益”标准取代传统“公平”标准 |
| 二、矫正广告的“矫枉过正”? |
| 三、广告主和行业的“反规制”与“再反制” |
| 第三节 监管宽松与自律审慎的互补——比较广告的规制模式 |
| 一、“肯定模式”下的规制标准 |
| 二、比较广告“正当性”的法理之争 |
| 三、媒体的行业规制平衡 |
| 本章小结 |
| 第五章 责任与担当:美国广告重点监管领域的规制 |
| 第一节 儿童广告的规制 |
| 一、广播电视时期的儿童广告规制 |
| 二、互联网时代的儿童广告规制 |
| 三、儿童保护和言论自由的冲突与妥协 |
| 第二节 烟草广告的规制 |
| 一、烟草广告规制与商业言论自由 |
| 二、公共健康立法中的公众参与和利益表达 |
| 三、烟草利益集团对广告规制的限制 |
| 第三节 酒类广告的规制 |
| 一、宪法框架下的分类规制与平衡 |
| 二、酒类广告政府管控和行业自律 |
| 三、对未成年人的重点保护 |
| 第四节 药品广告的规制 |
| 一、药品广告规制的流变 |
| 二、多头管理与分工协作——FTC与 FDA的广告管辖权之争 |
| 三、新型药品广告DTC的争议与规制 |
| 本章小结 |
| 第六章 自省与协同:美国广告行业的自我规制 |
| 第一节 广告行业自律的理论和现实依据 |
| 一、行业自律的理论依据 |
| 二、行业自律的现实依据 |
| 第二节 广告行业自律的发展历程 |
| 一、工业革命中的自发觉醒时期 |
| 二、舆论推动下的建章立制时期 |
| 三、体系完备中的成熟理性时期 |
| 第三节 广告行业自我规制结构与流程 |
| 一、行业自律组织系统的结构 |
| 二、行业自律系统的操作流程 |
| 三、行业自律体系流程的不足 |
| 本章小结 |
| 第七章 失范与调适:美国新媒体广告规制面临的时代挑战 |
| 第一节 数字化带来的规制挑战 |
| 一、网络空间是否需要规制的学术争辩 |
| 二、新媒体广告的监管困境 |
| 三、新媒体广告他律的规制梳理 |
| 第二节 网络中立框架下的规制传承与融合 |
| 一、“网络中立”原则的确立 |
| 二、网络广告规制的传承与调适 |
| 三、广告媒介规制融合 |
| 第三节 垃圾电子邮件的规制 |
| 一、择入模式和择出模式的选择 |
| 二、反垃圾邮件规制的必要性与合法性 |
| 三、反垃圾邮件规制的经验与不足 |
| 第四节 在线行为广告和隐私权保护 |
| 一、FTC的自我规制导向 |
| 二、OBA行业的自我规制 |
| 三、在线行为广告规制的框架及举措 |
| 四、在线行为广告自律体制的特点 |
| 本章小结 |
| 结语 美国广告规制:宪政体制下产业的必然选择 |
| 参考文献 |
| 附录 |
| 攻读博士学位期间发表的论文及其他成果 |
| 后记 |
（9）个性化垃圾邮件过滤的扩展研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题研究背景和研究意义 |
| 1.1.1 课题研究背景 |
| 1.1.2 课题研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 一般化过滤与个性化过滤 |
| 1.2.2 基于协议过滤 |
| 1.2.3 基于内容过滤 |
| 1.3 本文的主要研究工作 |
| 1.4 本文的内容安排 |
| 第二章 动态环境下的个性化垃圾邮件技术回顾 |
| 2.1 动态环境自适应的相关研究 |
| 2.1.1 动态环境的概念漂移问题 |
| 2.1.2 动态环境下的类不平衡问题 |
| 2.1.3 动态环境自适应算法 |
| 2.2 垃圾邮件过滤相关研究 |
| 2.2.1 邮件的组成及其架构 |
| 2.2.2 邮件的文本特征选择策略 |
| 2.2.3 邮件的文本向量化策略 |
| 2.3 动态环境下个性化垃圾邮件过滤方法 |
| 2.3.1 增量学习IL |
| 2.3.2 半监督学习SSL |
| 2.3.3 集成学习EL |
| 2.4 本章小结 |
| 第三章 基于客户端的个性化邮件再过滤研究 |
| 3.1 研究背景与动机 |
| 3.2 基于客户端的个性化邮件再过滤系统 |
| 3.2.1 基于规则过滤 |
| 3.2.2 广义虚漂移 |
| 3.2.3 多任务学习 |
| 3.2.4 结合重要性加权的多窗口框架 |
| 3.3 实验及结果分析 |
| 3.3.1 实验设置 |
| 3.3.2 实验结果分析 |
| 3.4 本章小结 |
| 第四章 集体环境下的个性化邮件再过滤研究 |
| 4.1 研究背景与动机 |
| 4.2 集体环境下的个性化邮件再过滤系统 |
| 4.2.1 集体垃圾箱的建立 |
| 4.2.2 垃圾邮件的共享及再过滤 |
| 4.2.3 模型的选择:ELM和 OS-ELM |
| 4.3 实验及结果分析 |
| 4.3.1 实验设置 |
| 4.3.2 实验结果分析 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 工作总结 |
| 5.2 未来展望 |
| 参考文献 |
| 致谢 |
| 在学期间的研究成果及发表的学术论文 |
（10）机器学习在网络空间安全研究中的应用（论文提纲范文）
| 1 引言 |
| 2 机器学习在网络空间安全中的应用流程 |
| 2.1 安全问题抽象 |
| 2.2 数据采集 |
| 2.3 数据预处理及特征提取 |
| (1) 数据预处理 |
| (2) 数据缺失处理及异常值的处理 |
| (3) 非平衡数据的处理 |
| (4) 数据集的分割 |
| (5) 特征提取 |
| 2.4 模型构建 |
| 2.5 模型验证 |
| 2.6 效果评估 |
| 3 机器学习在系统安全研究中的应用 |
| 3.1 芯片安全 |
| 3.1.1 劣质芯片检测 |
| 3.1.2 硬件木马检测 |
| 3.1.3 PUF攻击 |
| 3.2 系统硬件及物理环境安全 |
| 3.2.1 设备身份认证 |
| 3.2.2 物理层边信道攻击 |
| 3.2.3 伪基站检测 |
| 3.3 系统软件安全 |
| 3.3.1 漏洞分析与挖掘 |
| 3.3.2 恶意代码分析 |
| 3.3.3 用户身份认证 |
| 3.3.4 虚拟化安全 |
| 3.4 小结 |
| 4 机器学习在网络安全研究中的应用 |
| 4.1 网络基础设施安全 |
| 4.1.1 BGP的异常检测 |
| 4.1.2 恶意域名检测 |
| 4.2 网络安全检测 |
| 4.2.1 僵尸网络的检测 |
| 4.2.2 网络入侵检测技术 |
| 4.2.3 恶意加密流量识别 |
| 4.3 小结 |
| 5 机器学习在应用安全研究中的应用 |
| 5.1 应用软件安全 |
| 5.1.1 垃圾邮件的检测 |
| 5.1.2 基于URL的恶意网页识别 |
| 5.1.3 恶意PDF的检测 |
| 5.2 社会网络安全 |
| 5.2.1 社交网络异常帐号检测 |
| 5.2.2 信用卡欺诈检测 |
| 5.2.3 取证分析 |
| 5.2.4 网络舆情 |
| 5.3 小结 |
| 6 研究展望与挑战 |
| (1) 基于机器学习的安全解决方案的可解释性与溯源性. |
| (2) 基于机器学习技术的攻击的防御难度. |
| (3) 机器学习自身的安全问题. |
| 7 结束语 |
| Background |
四、如何应对垃圾邮件（论文参考文献）
- [1]基于改进朴素贝叶斯算法的垃圾文本分类研究[D]. 彭革. 长江大学, 2021
- [2]网络犯罪国际法治理研究[D]. 焦园博. 湘潭大学, 2020
- [3]教育部关于印发普通高中课程方案和语文等学科课程标准（2017年版2020年修订）的通知[J]. 教育部. 中华人民共和国教育部公报, 2020(06)
- [4]互联网运动式治理的法治化转型研究[D]. 王丽娜. 湖南师范大学, 2020(01)
- [5]基于集成学习的个性化垃圾邮件过滤技术研究与应用[D]. 向平常. 北京交通大学, 2020(03)
- [6]改进朴素贝叶斯算法在垃圾邮件过滤中的应用[D]. 王斯琴. 重庆师范大学, 2020(05)
- [7]恶意邮件检测技术研究[D]. 栗文真. 天津理工大学, 2020(05)
- [8]美国广告规制研究[D]. 余平. 上海大学, 2019(03)
- [9]个性化垃圾邮件过滤的扩展研究[D]. 徐丹丹. 南京航空航天大学, 2019(02)
- [10]机器学习在网络空间安全研究中的应用[J]. 张蕾,崔勇,刘静,江勇,吴建平. 计算机学报, 2018(09)