下载文档原格式
基于机器学习的垃圾短信过滤与识别系统设计垃圾短信是一种广告、推销或其他无用信息的形式，它们对用户造成骚扰和不便。
为了解决这一问题，基于机器学习的垃圾短信过滤与识别系统应运而生。
本文将介绍这一系统的设计原理及关键步骤。
在设计垃圾短信过滤与识别系统时，我们需要考虑以下几个方面：特征提取、模型选择和训练数据。
首先，特征提取是机器学习模型的重要一环。
对于垃圾短信的特征提取，我们可以考虑以下几种方法。
首先是文本特征，包括短信的文本内容和长度等。
其次是结构特征，比如发件人、接收时间等。
还可以考虑语义特征，通过自然语言处理技术提取关键词、情感倾向等信息。
这些特征有助于模型在学习过程中理解和区分垃圾短信和正常短信。
接下来，我们需要选择合适的机器学习模型。
常见的模型包括朴素贝叶斯分类器、支持向量机、决策树等。
对于垃圾短信的识别问题，我们可以尝试使用这些模型中的某个或多个进行训练和预测。
此外，还可以考虑集成学习方法，如随机森林和梯度提升树，以进一步提高分类器的准确性和稳定性。
训练数据是建立机器学习模型不可或缺的一部分。
为了构建一个准确和健壮的垃圾短信过滤与识别系统，我们需要一个标注好的数据集。
该数据集应包含足够数量的正常短信和垃圾短信样本，并且标记正确。
通过对这些数据样本进行模型训练和验证，我们可以帮助模型学习和理解如何准确地区分垃圾和正常短信，以提高系统的性能。
一旦我们设计好了系统的核心流程（特征提取、模型选择和训练数据），我们就可以开始实施和评估系统性能。
在实施系统时，我们可以通过以下步骤进行：1. 数据预处理：对原始数据进行清洗和格式化。
这可能涉及到去除噪声、拆分文本和标准化等步骤，以便更好地提取特征。
2. 特征工程：根据前面提到的特征提取方法，对每个短信样本提取相关特征。
可以使用特征选择算法来降低维度，以免引入过多的噪声。
3. 模型训练：将数据集分为训练集和测试集，使用训练集对所选的机器学习模型进行训练。
通过优化模型参数，提高分类器的性能和准确性。
人工智能开发技术中的智能短信分类与垃圾短信过滤方法随着移动通信技术的迅猛发展，短信成为人们日常生活中重要的沟通工具。
但是，随之而来的问题就是各种各样的垃圾短信侵扰用户的手机。
为了解决这个问题，人工智能技术在短信分类与垃圾短信过滤方面发挥着重要作用。
本文将介绍人工智能开发技术中的智能短信分类与垃圾短信过滤方法。
一、智能短信分类智能短信分类是指通过机器学习算法，将手机用户接收到的短信按照一定的分类规则进行自动分类。
这种分类技术可以有效帮助用户管理短信，使得用户能够快速找到所需信息，提高阅读效率。
在智能短信分类中，通常采用的机器学习算法包括朴素贝叶斯算法、支持向量机算法等。
这些算法通过学习大量标记好的短信数据，自动提取关键特征并进行分类判断。
例如，朴素贝叶斯算法通过计算各个特征的概率，并根据贝叶斯定理进行分类。
支持向量机算法则通过构建超平面将短信数据分割成不同的类别。
此外，为了提高智能短信分类的准确率，还可以采用深度学习算法。
深度学习算法通过构建多层神经网络，可以自动提取更为丰富的特征，并在大规模数据上进行训练，从而得到更准确的分类结果。
因此，采用深度学习算法进行智能短信分类能够更好地适应不同类型的短信数据。
二、垃圾短信过滤方法垃圾短信过滤方法是指通过人工智能技术，将用户手机接收到的垃圾短信自动过滤掉，保证用户的通信安全和便利。
传统的垃圾短信过滤方法主要采用规则匹配的方式，在手机上配置黑名单或者设置关键词过滤规则来识别垃圾短信。
这种方法虽然有一定的效果，但是由于垃圾短信的形式和内容多种多样，很难通过固定的规则来完全过滤掉所有的垃圾短信。
为了解决这个问题，人工智能技术提供了一种更加智能和灵活的垃圾短信过滤方法。
这种方法主要基于机器学习，通过学习大量标记好的短信数据，训练模型来自动识别垃圾短信。
具体而言，可以采用分类算法，将短信数据分为垃圾短信和正常短信两类。
在手机上，用户可以将已知的垃圾短信标记为垃圾短信，让模型逐渐学习并调整分类准确率。
基于机器学习的手机短信垃圾过滤研究手机短信垃圾过滤是保障用户信息安全和提高通信效率的重要技术。
随着手机短信垃圾数量的不断增加和垃圾短信手段的多样化，传统的规则过滤方法已经难以满足用户的需求。
因此，基于机器学习的手机短信垃圾过滤成为一种研究热点。
本文将对基于机器学习的手机短信垃圾过滤进行深入探讨。
首先，我们需要了解机器学习在手机短信垃圾过滤中的应用。
机器学习是一种利用统计学习方法从大量数据中学习规律并进行预测的技术。
在手机短信垃圾过滤中，机器学习方法可以通过学习垃圾短信和正常短信之间的差异，自动生成过滤规则，从而准确地识别短信是否为垃圾短信。
与传统的规则过滤方法相比，基于机器学习的垃圾短信过滤具有更高的准确率和更好的鲁棒性。
其次，我们需要明确手机短信垃圾的特点。
手机短信垃圾通常具有以下几个特点：1. 频繁性：垃圾短信往往会以较高的频率发送给用户，给用户的正常通信造成困扰；2. 虚假性：垃圾短信往往伪装成用户感兴趣的内容，如赌博、广告等；3. 多样性：垃圾短信手段多种多样，不断更新，传统的规则过滤方法很难跟上垃圾短信的变化；4. 隐蔽性：垃圾短信的发送者常常采用伪装手段隐藏自己的身份和真实意图，增加了过滤的难度。
基于以上特点，我们可以探讨基于机器学习的手机短信垃圾过滤的研究方法。
首先，需要收集大量的短信数据集，包括垃圾短信和正常短信，并对数据集进行预处理，如去除噪声、标记垃圾短信和正常短信等。
然后，选择合适的机器学习算法，如支持向量机（SVM）、朴素贝叶斯（Naive Bayes）等。
机器学习算法需要根据训练数据集学习短信特征之间的关系，并通过分类器进行预测。
在特征提取方面，可以采用多种方法。
一种常用的方法是基于词袋模型（bag of words），将短信中的词语作为特征，统计其出现的频率。
另外，还可以利用N-gram模型，将连续的n个词语作为特征。
此外，还可以考虑添加其他特征，如短信长度、发送者的信誉度等。
垃圾短信整治专项行动方案一、问题现状垃圾短信是指在没有经过用户许可的情况下向用户发送的广告、诈骗、诋毁等垃圾信息。
这些垃圾短信不仅浪费了用户的时间，还可能造成用户的财产损失，给用户带来了很大的伤害。
而且，由于垃圾短信的发送成本低廉，数量巨大，给手机用户带来了很大的困扰，因此，垃圾短信成为了当前亟待解决的严重社会问题。
二、垃圾短信整治的重要性垃圾短信整治事关人民群众的切身利益，事关社会的和谐稳定。
深挖垃圾短信的源头，加大对垃圾短信的打击力度，将对整个社会生活产生深远的影响。
三、垃圾短信整治的具体措施1.强化监管力度政府部门要加大对垃圾短信的监管力度，通过建立严格的监管制度，对各种垃圾短信进行严格管理和监管。
同时，加大对违法垃圾短信发送者的处罚力度，对违法发送垃圾短信的行为进行严厉打击。
2.完善技术手段政府部门要加大对垃圾短信整治技术手段的研发和应用，通过技术手段对垃圾短信进行有效的过滤和拦截。
同时，鼓励和支持手机运营商和通讯设备制造商不断改进和完善手机软硬件技术，提高对垃圾短信的识别和拦截能力。
3.加强群众宣传政府部门要加强对垃圾短信整治的宣传工作，通过多种方式向广大群众普及防范垃圾短信的知识，增强群众防范垃圾短信的意识。
同时，号召广大手机用户积极参与举报垃圾短信的行为，共同维护通讯环境的整洁和安全。
4.建立多部门合作机制政府部门要积极推动多部门合作机制的建立，建立健全垃圾短信整治的工作机制。
通过建立多部门合作机制，加强对垃圾短信整治工作的协调和指导，形成合力，共同应对垃圾短信整治工作所面临的各种问题和挑战。
四、垃圾短信整治的效果评估政府部门要建立科学有效的垃圾短信整治效果评估机制，通过长期的垃圾短信整治工作的实践，不断总结和改进垃圾短信整治工作的经验，提高垃圾短信整治工作的效果和水平，为进一步推动垃圾短信整治工作提供有力的支撑和保障。
五、结语垃圾短信整治工作事关人们的身心健康和社会的和谐稳定，是一个长期而艰巨的任务。
网络大数据中的垃圾信息过滤技术随着互联网的普及和发展，我们每天都会接触到大量的网络信息，从新闻、社交媒体到电子邮件等。
但是，随着网络信息的不断增加，垃圾信息也如同野草一样疯狂生长，严重干扰了我们的生活和工作。
如何准确迅速地过滤垃圾信息，一直是互联网行业和用户关注的重点问题。
那么，在现在的网络大数据时代，又有哪些垃圾信息过滤技术呢？一、什么是网络垃圾信息？垃圾信息可以简单的理解为指那些不必要、无用、甚至是欺诈性的信息。
网络垃圾信息除了包括垃圾邮件，还包括了大量存在于搜索结果中的虚假内容、短信垃圾、骚扰电话、恶意评论等。
它们严重影响了人们的阅读、学习、工作和交流体验。
二、常见的网络垃圾信息过滤技术在今天的网络时代，各种类型的过滤工具和技术已经被广泛使用和推广。
其中，在网络大数据中，垃圾信息过滤技术也在不断演变和升级。
下面，本文将介绍几种常见的网络垃圾信息过滤技术。
1、基于规则的过滤技术该技术是一种人工定义规则并将其应用于系统以过滤非法和垃圾信息的方法。
当数据到达过滤器时，过滤程序检查传入数据是否与规则列表中的任何规则匹配，如果匹配，则过滤程序将其分类为垃圾信息。
此技术的优点是，它确保执行操作非常快速和可定制，且适用于各种网络应用和数据类型。
但是缺点也很明显，这种技术需要人工定义规则和维护规则数据库，这对于大规模网络和数据来说不太可行。
2、基于机器学习的过滤技术这种技术是一种使用AI算法并通过监督学习来过滤非法和垃圾信息的方法。
监督学习是一种有监督学习技术，即数据源和其相应的分类已经为模型提供。
这些数据可以训练模型识别垃圾信息的特定特征，并用于新数据的分类和过滤。
而该技术的优缺点是，对于大规模网络和数据来说，训练时间较长，但也能够不断优化自己的特征识别与分类准确度。
3、基于深度学习的过滤技术在最近几年里，基于深度学习的网络垃圾信息过滤技术已获得了显着的成功。
深度学习是一种机器学习技术，它使用多层神经网络来模拟人脑的工作方式，并用于分类决策。
基于机器学习的短信垃圾过滤算法研究一、研究背景近年来，随着社交网络和移动通信技术的飞速发展，人们收到的短信数量越来越多，其中不可避免地出现了大量的垃圾短信。
这些垃圾短信不仅浪费了人们的时间和精力，还可能涉及到信息安全问题，严重影响了人们的生活和工作。
因此，如何有效地过滤短信垃圾成为了一个热门的研究领域。
二、前沿技术分析在短信垃圾过滤算法中，传统的关键词匹配算法被广泛应用。
该算法通过预先构建一个垃圾短信关键词库，将接收到的短信与该库进行匹配，以判断是否为垃圾短信。
但是，这种算法由于需要输入的关键词库过于庞大，而且常常存在误识别和漏识别问题，因此不太适合用来处理大量的短信数据。
而基于机器学习的短信垃圾过滤算法，则可以通过先前的短信分类来训练出一个能够自动判断新短信是否为垃圾短信的分类器。
借助于机器学习算法的高精度和高效率，这种算法已经成为了短信垃圾过滤领域的一大前沿技术。
三、算法实现1. 数据预处理在进行短信垃圾过滤算法的训练时，需要将“垃圾短信”和“非垃圾短信”都进行标注并分别存储在两个数据集中。
每个数据集由多条短信组成，每条短信由一串字符串表示。
2. 特征提取为了将短信转换为机器学习算法能够处理的形式，需要对每条短信进行特征提取。
常用的特征包括短信长度、关键词出现次数、发件人、时间戳等。
这些特征可以通过手动设计，也可以使用自然语言处理等技术进行提取。
3. 训练分类器将数据预处理和特征提取得到的数据输入到机器学习算法中进行训练，可以得到一个能够根据短信的特征自动判断是否为垃圾短信的分类器。
目前常用的机器学习算法包括朴素贝叶斯算法、支持向量机算法、决策树算法等。
4. 短信过滤当一个新的短信到达时，可以将其输入到已经训练好的分类器中进行预测。
分类器会根据短信的特征判断该短信是否为垃圾短信。
如果是垃圾短信，则可以直接将其过滤掉或者移动到垃圾箱中。
如果不是垃圾短信，则可以将其放入收件箱中。
四、算法优化与发展方向在实际应用中，机器学习算法需要经过不断的训练和优化方能达到最佳效果。
基于机器学习的垃圾短信识别应用随着智能手机的普及，我们每天都会收到各种各样的短信，其中难免夹杂着一些垃圾短信。
这些垃圾短信可能是一些广告推销、诈骗信息，也可能是垃圾邮件，让人感到困扰和烦恼。
因此，如何有效地识别垃圾短信，成为了人们的焦点。
基于机器学习的垃圾短信识别应用应运而生。
这种应用采用了多种机器学习算法，对用户收到的短信进行分析和分类，以识别出垃圾短信。
一般来说，基于机器学习的垃圾短信识别应用会首先对收到的短信进行预处理，包括分词、去除停用词、提取特征等步骤。
接下来，应用会采用一种或多种机器学习算法对处理后的数据进行分析，例如决策树、朴素贝叶斯、支持向量机、神经网络等。
这些算法会对短信的内容、发件人信息、接收时间等多个因素进行分析，以识别出垃圾短信。
例如，如果一条短信的内容包含很多无意义的字母和数字，或者是一个很长的英文句子，那么这条短信很可能是垃圾短信。
又如，如果一条短信的发送方是一个陌生的号码，或者发送的时间是凌晨等不正常的时段，那么这条短信也很可能是垃圾短信。
基于机器学习的垃圾短信识别应用可以根据用户的实际需求进行定制。
例如，一些应用可以设置过滤级别，以控制过滤掉多少比例的垃圾短信。
还有一些应用可以识别出垃圾短信后，将其自动归类到垃圾邮件文件夹中，或者向用户发出提醒，以方便用户进行处理。
基于机器学习的垃圾短信识别应用是一种十分实用的应用。
它不仅可以有效地识别出垃圾短信，还可以帮助用户更好地管理短信。
相信随着技术的不断发展，这种应用的准确性和效率也会不断提高，为用户带来更好的体验。
随着科技的快速发展，人们在使用智能手机进行通讯的过程中，时常会收到一些垃圾短信。
这些短信不仅会干扰人们的生活，还可能包含许多不健康或有害的信息。
因此，如何有效地识别垃圾短信已成为亟待解决的问题。
传统的垃圾短信识别方法主要基于规则、关键词匹配或机器学习算法，但这些方法的准确性和鲁棒性都有待提高。
近年来，深度学习技术的发展为垃圾短信识别提供了新的解决方案。
垃圾短信治理技术应用马润民，李盈（中国移动通信集团青海有限公司，西宁 810008）摘 要 垃圾短信目前依然是困扰用户和运营商的一大问题。
本文根据运营商治理垃圾短信的现状，采用了基于用户行为特征的垃圾短信治理策略管理的技术和开启行业应用短信网关前转消息主叫号段鉴权的方法，有效提高垃圾短信的拦截效率，降低误拦率，取得了良好的社会效益。
关键词 垃圾短信；用户行为特征；主叫号段鉴权中图分类号 TN918 文献标识码 A 文章编号 1008-5599（2016）12-0047-04收稿日期：2016-11-24对于垃圾短信治理各行各业提出了许多治理垃圾短信的方法，如基于特征词的垃圾短信分类模型，5MAP 手机广告平台等，但截至目前依然是困扰用户和运营商的一大难题。
近年来，运营商以业务安全管控为基础，技术反制为手段，通过全面分析垃圾短信投诉样本，及时获取垃圾短信的热点内容，并随之动态优化调整关键字策略，加强策略监控拦截力度，有效降低了每万用户垃圾短信量及客户投诉量。
但是靠人为识别垃圾短信关键字并进行策略优化远不能企及垃圾短信爆发的速度，再加上策略集优化工作量大，垃圾短信的治理过程中不免存在策略简单粗放，短信误拦等现象，使得已取得的成效无法巩固。
因此，中国移动在现有垃圾短信治理经验上，引进先进技术，采用科学管理，进一步推动垃圾短信的治理效果。
1 白名单+科学封堵为改变策略简单粗放的现象，运营商在深入研究垃圾短信行为特征的基础上采用了基于客户综合特征分析的垃圾短信治理策略，建立起白名单和科学封堵模型相结合的垃圾短信治理模式，从科学封堵运营数据的统计分析、效果评估方面入手，及时更新策略，努力提高策略分层管理有效性，深化策略科学封堵管理常态化，形成一整套基于客户特征分析的垃圾短信治理长效机制，实现精细化、行为级、高效性的垃圾短信治理。
1.1 实现原理及过程首先通过经营分析系统，构建用户短信发送行为的识别模型，接着根据模型运行的结果得到相应的白名单及危险名单，进一步分解为一级白名单、二级白名单、低危用户名单和高危用户名单数据，然后根据名单制定策略并部署到垃圾短信监控系统中，最后根据现网中的应用效果及相关的反馈数据实现模型优化提升，并对市场源头治理形成相关建议。
1.1.1 白名单分层分级模型构建后，主要是根据用户行为建立各级白名单和危险用户名单组，通过经分系统对用户属性、通信行为等数据进行分析，综合发送垃圾短信的风险程度、信誉等级等因素来细分客户群体，得到分类后的白名单、危险用户名单，同时结合人工参与再对名单进行分析，并从白名单中抽取一级白名单和二级白名单、从危险用户名单中抽取高危用户名单和低危用户名单，最后对各类名单进行增删调整形成最终输出。
1.1.2 号段/号码组安全系数配置建立白名单分层分级的目的是对于不同级别的白名单采用不同安全系数实现不同级别的管控，垃圾短信拦截平台采用同一套策略，对于不同分组设置有针对性的监控和拦截规则。
一个用户只能属于一个带安全系数的用户组，安全系数越高，说明该用户发送垃圾短信的可能性越小，监控策略配置越宽松。
各用户组上线后，对应安全系统按照如表2进行配置。
1.1.3 各级白名单导入运营商垃圾短信系统中导入经分的用户组数据共计341 846个，其中一级和二级白名单数据按照一定的百分比输出数据，低危和高危用户为固定的40000和10000，普通号码组（如86134,86189等）以号段的方式加入。
完成各号段/号码组建立和相应安全系统配置以后，上文建立的各级白名单即可导入到对应的号段/号码组中去，同时将号码导入已经建立好的具有安全系数的号码组中。
1.1.4 优化策略结构结合每一级别客户的行为特点，在垃圾短信监控系统中制定有针对性的精细化组合策略，将各级白名单导入对应的号段/号码组以后，如低危风险用户导入“低风险”号码组，将高风险用户导入“高风险”号码组等，还要启用特殊的流量、关键字规则以达到“严打”和“降低误拦”的区分对待的目的。
低风险用户除了启用较普通用户严格两倍的纯流量监控策略，还启用了目的号码离散策略；高风险用户同样启用了较普通用户严格两倍的纯流量监控策略，还启用了较普通用户严格两倍的省外号段命中率策略。
在关键字方面，对于低危用户设置了更为严格的房产和金融类关键字策略，同时根据垃圾短信平台中的审核情况、用户投诉等数据进行动态调整，验证调整客户模型，评估优化定制策略的有效性，实现策略运营的闭环管理，即可形成一套基于客户特征分析的垃圾短信治理组合策略集。
1.2 效果分析运营商启用白名单+科学封堵模型后，通过五级号码区分流量和关键字策略，在拦截高风险用户方面各项指标较以往均有明显提升。
同时在降低人工审核量、降低误拦截量、降低投诉量、提升垃圾短信命中率和保护高价值客户等方面起到积极的改善效果。
（1）人工审核量降低：一级白名单加入系统以后，放松安全系数，大大降低审核量。
（2）误拦率降低：规避因误拦截引发的高端客户投诉风险，一/二级白名单中违规用户占比降低。
名单组组别特征白名单利用经营分析系统现有的数据及分析能力，对用户的基础属性、业务行为等进行深入挖掘、分析、获取的发送垃圾信息概率低的用户名单一级白名单白名单中发送垃圾信息概率极低的用户名单二级白名单白名单中除一级白名单外，发送垃圾信息概率相对较低的部分用户名单高危用户名单危险用户名单中发送垃圾信息概率极高的用户名单。
在本文档中又称为高风险用户名单低危用户名单危险用户名单中除高危用户名单外，发送垃圾信息概率相对较高的部分用户名单。
在本文档中又称为低风险用户名单普通用户现网全量用户中，除一级白名单、二级白名单、高危用户名单、低危用户名单中用户外的其他用户表1 用户组别特征表用户组安全系数（非政治类）安全系数（政治类）关键字流量关键字流量一级白名单10010011二级白名单5511普通用户1111低危用户10.811高危用户10.511表2 用户组安全系数配置表（3）命中率提高：收紧高风险用户的安全系数，垃圾短信拦截命中率提升7倍。
（4）每万用户垃圾短信量降低：2016年8月运营商每万用户垃圾短信量较2015下降62.57%。
（5）投诉量降低：2016年9月运营商垃圾短信被举报量同比下降83.72%。
（6）高价值客户保护：白名单号码多为高星级用户及党政机军高端客户，白名单使用体现客户品牌价值，提高了客户满意度。
2 行业网关全网账号主叫鉴权技术随着即时通讯工具（如QQ、微信等）的发展，点对点的短信量（即用户之间发送短信）今年来呈逐年降低趋势；但是因为政企用户对于短信批量通知、信息及时传递、业务营销等需求越来越旺盛，行业类短信反呈逐年递增趋势。
2016年8月短信业务量较去年同期下降了27.69%，较前年同期下降了34.03%，2016年9月短信业务量较去年同期下降了26.64%，较前年同期下降了29.03%。
行业短信的需求增长极为迅猛，2016年8月行业网关下行短信业务量较去年同期增长了40.16%，较前年同期增长了123.77%，2016年9月行业网关下行短信业务量较去年同期增长了68.82%，较前年同期增长了99.97%。
在点对点短信业务日趋下降的同时，行业类短信成了短信业务量的新的增长点，而行业类短信的大量飞速增长，也带来了大量的商业性垃圾短信。
商家的营销推送、日常业务推送都会给用户带来困扰。
鉴于这种情况，相关部门也出台了相应的规范对行业类短信进行管控，例如企业签名前置，避免企业逃避企业签名；用户可以使用0000进行自主查询退订行业类业务。
2.1 消息签名问题现有规范要求：EC/SI在提交MT消息时，需自己对短信进行拆分，假设拆分后的短信共N（N≥1）条，即Pk_total＝N，前N-1条短信不会被加签名，第N 条（即最后一条， Pk_number＝N）短信会被加上签名。
因此当EC故意不发送最后一条消息，可逃避企业签名。
或者EC/SI提交短信时，故意将Msg_Fmt字段选择为非CMPP协议明确规定的5种信息格式时，导致非CMPP协议规定的信息格式的短信在终端上能正确显示，且未加签名, 从而达到逃避行业应用网关签名的目的等。
2.2 0000/0000无法有效退订问题行业应用网关的黑白名单由BOSS 同步而来，当个人用户上行“0000/00000”退订集团业务后，行业网关对用户主动退订业务进行特殊标记，同时反向同步至BOSS，避免集团客户再次将该手机号码从BOSS侧加入白名单/退出黑名单。
以上两种方法都可以有效规范企业的行为，可一定程度上避免EC滥用短信通道导致用户大量接收的现象。
同时，还有一种通过行网关跨省发送垃圾的现象也有可能造成严重的后果。
2016年元旦，运营商EC端口被黑客攻击，获取了账号、密码权限，伪装成正常的EC登录行业短信网关，又伪装成全网EC，给外省用户发送了超过百万级数量的垃圾短信，其中A省因为垃圾短信平台未能及时拦截，导致大量用户接收到垃圾短信，造成了非常负面的影响。
鉴于此次安全事件，在深入研究全网短信下发的基础上，与相关部门商定后开启了行业网关主叫号段鉴权功能，避免省端用户遭受到同样原因导致的垃圾短信事件。
3 全网行业短信下发原理全网EC/SP首先接入本地所在行业短信网关（一般为省级行业网关），将需要下发的短信内容，接收号码等按照CMPP协议提交到行业短信网关，行业网关根据接收号码进行分拣，如果是本省用户就直接提交短信中心下发，如果是外省用户，就通过本省行业网关与外省行业网关之间的链路将短信转发，外省行业网关收到后再提交到该省的短信中心进行下发。
因为行业网关对于前转短消息（其他省转到本省的消息）是基于被叫号码转发的，如果被叫是本省用户则直接透传到短信中心，而短信中心为了节省号段资源，多为大号段匹配，所以本省某EC 并不是全网业务，也能给全网用户下发短信，如果此时垃圾短信平台拦截不力，就会造成大量用户投诉。
具体流程如图1所示。
4 主叫鉴权实现原理对于此次案例中，如果A 省能及时识别某EC 并非全网业务，就能将垃圾短信屏蔽于网关之外。
本着这种思路，行业网关开启了对前转消息的主叫鉴权功能。
Application of technology in spam short messages controllingMA Run-min , LI Ying(China Mobile Group Qinghai Co., Ltd., Xi'ning 810008, China)Abstract The problem of spam short messages is still bothering mobile use rs and communication operators .According to the effect of controlling spam messages, this paper presented two methods of spam messages filtering, which based on characteristics of users and calling code authentication in IAGW forwarding messages, improved the effi ciency of spam messages controlling, reduced the rate of false alarm and made a good demonstration to social.Keywords spam short messages; characteristics of users; calling code authentication参考文献[1] 张永军, 刘金岭. 基于特征词的垃圾短信分类器模型[J]. 计算机应用, 2013,33(5):1334-1337.[2] 秦晓飞, 张敏. 用市场化手段治理垃圾短信顽疾[J]. 业务与支撑系统, 2013(18):89-92.[3] 孙大鹏. 云计算技术在垃圾短信过滤中的应用与实现[J]. 信息网络安全, 2015(7):13-19.图1 行业网关业务流程图开启主叫鉴权功能以后，同时将各省对应的全网EC 录入的号段鉴权表中，当外省某EC 给本省用户发送短信时，就会在号段鉴权表进行匹配，拒绝未申报的EC 的消息进入，进而拒绝该EC 给本省用户下发垃圾短信。
