《信息内容安全》阅读笔记
简介：信息安全是指信息系统（包括硬件、软件、数据、人、物理环境及其基础设施）受到保护，不受偶然的或者恶意的原因而遭到破坏、更改、泄露，系统连续可靠正常地运行，信息服务不中断，最终实现业务连续性。信息安全主要包括以下五方面的内容，即需保证信息的保密性、真实性、完整性、未授权拷贝和所寄生系统的安全性。
第三章 文本内容安全
3.2 文本内容分析
3.2.1 文本语法分析
pass
3.2.2文本语义分析方法
定义：将文本转化为计算机可以理解的语言
分析方法包括：
潜在语义模型
使用矩阵的奇异值分解SVD来挖掘语义，方法复杂，不便于直观理解
词义消歧
解决多义词问题
有指导的机器学习方法：贝叶斯–分类问题
无指导的机器学习方法：基于义原同现频率的汉语消歧方法
信息抽取
抽取内容：
- 实体，如：人、公司、地址
- 属性，实体的特征，如：人的年龄、头衔
- 关系（事实），实体之间的联系，如：员工与公司之间的关系
- 事件，实体的行为或活动，如：参加秋游、两公司合并、一次突发意外;
情感倾向分析
咨询公司的自动化分析
自然语言处理技术的热点
分析内容：单词、句子、篇章
文本语用分析方法
语用学是研究如何用语言来达成一定目的的学科，即利用语用学进行文本分析，针对句子请开展高端分析
主要包括：话题跟踪检测、文本分类
3.3 文本内容安全应用
3.3.1 基于内容的网页过滤
方法：
- 基于分级标注的方法，浏览器自带，ICRA PICS等
- 基于URL过滤。最早
- 数据包过滤。按IP。由硬件完成
- 关键词过滤
- 基于内容分析的过滤
3.3.2 基于内容的网络监控
关键词：国家、情感色彩、政治立场
4 网络多媒体内容安全
目前针对不良多媒体的过滤方法：
- 分级标注
- URL
- 关键词
- 内容分析
不良图像识别
基于皮肤裸露（肤色检测、纹理分析，首选）、基于敏感部位（复杂）、猥亵的人体姿态（研究少）
不良视频识别
视频分类：
- 一类视频：传统BS模型的在线网络视频，如优酷土豆
- 二类视频：P2P视频
视频发现：视频属于应用层服务
视频流量获取：
- 端口识别
- 基于净荷特征的方法（便于理解、升级方便、维护简单、精度高，开销大、只能识别签名视频）
- 基于统计特征的流量识别方法（机器学习、数据挖掘）
不良音频识别
因马尔科夫模型：考虑动态特征
5 电子邮件内容安全
概念
原理：异步通讯、存储转发
邮件发送的三个重要部件：
- MUA mail user agent 邮件用户代理，即用户使用的客户度，foxmail等（用户到服务器）
- MTA mail transfer agent 邮件传输代理，用于在邮件服务提供商之间传输邮件（服务器到服务器）
- MDA mail deliver agent 邮件递交代理，将邮件递送到邮箱（服务器到邮箱）
邮件格式标准：RFC822（纯文本邮件）、MIME（多媒体邮件）
邮件传输协议：
- SMTP simple mail transfer protocal-发送协议
- POP3 post office protocal 3-传输协议，只保持一段时间的链接
- IMAP internet message access protocal-传输协议，支持断开和链接两种操作模式 端口143 TCP/IP
垃圾邮件定义：
- 收件人没有提出要求或同意
- 收件人无法拒绝
- 隐藏发件人信息
- 虚假信息
- 病毒木马邮件
垃圾邮件产生原因：
- SMTP缺陷-主要技术原因
- 商业原因
垃圾邮件危害
- 网络资源浪费
- 用户时间浪费
- 网络安全威胁
反垃圾邮件技术的三个阶段
- 规则过滤、地址列表、统计过滤
- 行为识别-利用小偷心理
- 电子邮件认证
垃圾邮件过滤技术：
客户端过滤、服务器端过滤
6 手机短信内容安全
手机短信发展历程：
- 文本短信 SMS
- 增强型短信 EMS
- 彩信 MMS
7 网络内容安全态势评估
8 信息内容安全与对抗
中文主动干扰：利用中文特点发布违规信息
应对方法：柔性中文串匹配算法、基于粗糙集和贝叶斯的网页过滤技术
粗糙集：保持分类能力的前提下，通过知识简约，导出问题的决策或分类方法
NOTE
中科院分词软件：ICTCLAS