[发明专利]基于滑动窗口的邮件指纹提取方法及邮件相似判断方法

权利要求书

1.一种基于滑动窗口的邮件指纹提取方法，包括如下步骤：

扫描邮件正文：应用滑动窗口扫描邮件正文；

获取邮件正文摘要信息的指纹：根据滑动窗口指数加权的指纹算法，采用多个字节来保存邮件正文的摘要信息，每一个字节保存根据加权指数及邮件正文长度确定的邮件正文序列块条件的邮件正文摘要信息，获取该多个字节的邮件正文摘要信息序列值；

获取邮件正文的指纹：根据滑动窗口三元组统计的语义相似度算法，设置滑动窗口构造三元组的长度，根据滑动窗口构造的三元组长度构建邮件正文的三元组，采用Hash算法求出每个邮件正文三元组的值，以邮件正文三元组的值作为数组下标保存邮件正文所有三元组的统计，得到邮件指纹的保存数组信息；根据数组统计的平均值设立阀值，将统计大于阀值的数组下标所对应的保存数组位设为1，采用多个字节来保存表示邮件正文所有三元组的统计保存数组值,该多个字节保存的表示邮件正文所有三元组的统计保存数组值为当前邮件正文的指纹；

提取邮件的指纹：将邮件正文摘要信息的指纹和邮件正文的指纹作为该邮件的指纹。

2.根据权利要求1所述基于滑动窗口的邮件指纹提取方法，其特征在于，在获取邮件正文摘要信息的指纹步骤中，所述滑动窗口的长度为1至30。

3.根据权利要求1所述基于滑动窗口的邮件指纹提取方法，其特征在于，在获取邮件正文摘要信息的指纹步骤中，采用8个字节来保存邮件正文的摘要信息。

4.根据权利要求1所述基于滑动窗口的邮件指纹提取方法，其特征在于，在获取邮件正文摘要信息的指纹步骤中，每一个字节保存的邮件正文摘要信息为该邮件正文摘要信息右移加权指数位数并取8位。

5.根据权利要求1所述基于滑动窗口的邮件指纹提取方法，其特征在于，在获取邮件正文的指纹步骤中，所述滑动窗口构造三元组的长度为5。

6.根据权利要求1所述基于滑动窗口的邮件指纹提取方法，其特征在于，在获取邮件正文的指纹步骤中，由滑动窗口块构造出8个三元组，采用32个字节来保存邮件正文的指纹。

7.根据权利要求1所述基于滑动窗口的邮件指纹提取方法，其特征在于，在获取邮件正文的指纹步骤中，采用32个字节来保存256位字节数组表示邮件正文的指纹。

8.一种应用权利要求1至7中任一权利要求所述基于滑动窗口的邮件指纹提取方法的邮件相似判断方法，包括如下步骤：

提取邮件指纹：提取基于滑动窗口的邮件正文摘要信息的指纹，所述邮件指纹包括邮件正文摘要信息的指纹和邮件正文的指纹；

邮件相似性的判断：分别将两封邮件中邮件摘要的指纹以及邮件正文的指纹进行比较，根据比较结果的相似性判断该两封邮件是否相似。

9.根据权利要求8所述邮件相似判断方法，其特征在于，在邮件相似性的判断步骤中，对于两封邮件摘要的指纹相等的字节大于等于7以及两封邮件正文的指纹相似度大于90%，则判断两封邮件正文相同。