[00139917]信息安全系列产品的研发与产业化

本课题在结合国内外对网络信息过滤研究与实现，对网络信息过滤相关理论与技术进行了研究和探讨，将模糊理论和遗传算法引入到信息过滤领域，研究自学习和反馈机制在信息过滤模板生成和更新过程中的应用，探索建立一种基于N层向量空间模型的信息过滤模型以实现网络信息的多重过滤，把遗传算法和模糊理论及其改进技术引入到信息过滤模板生成和优化过程，增强模板匹配准确率，最终在此基础上实现一个基于模糊遗传算法的网络信息过滤系统。 主要的研究内容包括： 1.对模糊理论、遗传算法进行改进，主要包括对模糊识别和标准遗传算法的选择、交叉、变异操作进行改进，提出适应信息过滤技术的优化的模糊识别和匹配方法。 2.对网络信息过滤核心算法进行改进，主要对用户兴趣模板的生成算法、反馈算法、用户兴趣模板和信息流的匹配算法进行研究和改进。 3.对自然语言理解技术进行深入研究，并将其引入到网络信息过滤模板的生成和优化过程，提高系统过滤的准确率。 4.对网络信息的特征进行分析，研究和改进网络信息的语义表示技术、模糊识别技术、样本学习技术和数据挖掘技术，并将其应用到信息过滤中，提高用户兴趣模板质量。 5.引入模板的反馈和自学习机制，实现模板的动态修改和维护。 6.引入分层过滤机制，将安全规则建立和信息过滤实现模型的调整优化相结合，面向应用提出了分层、分级、分策略的信息过滤技术。 7.设计和开发一个集成的基于模糊遗传算法的网络信息过滤平台，该平台提供基于IP地址的过滤、基于关键词的过滤和基于语义内容的过滤。