石 小 兵

(安徽工业经济职业技术学院，安徽 合肥 230001)

0 引 言

在当今网络时代，网络的开放性越来越强，特别是在网络中，受到网络环境和网络自身结构因素的影响，导致网络敏感信息越来越多，需要对网络敏感信息实现有效检测和过滤处理，净化网络环境，确保网络的安全性。研究网络敏感信息自动过滤方法，对网络的开放式发展和网络安全管理具有重要意义，相关的网络敏感信息自动过滤方法研究受到人们的极大关注。

网络敏感信息的自动过滤方法是建立在对网络敏感信息的特征提取和大数据融合基础上，结合对网络敏感信息特征分布式表达和信息识别，提取网络敏感信息的关联规则特征量，通过分布式的节点融合和特征检测，采用模式识别方法，实现对网络敏感信息过滤。当前，网络敏感信息过滤方法主要有网络虚拟社区文本内容敏感词过滤系统[1]以及一种面向网络安全的图像文字敏感词过滤方法[2]，构建网络敏感信息的特征编码和大数据融合模型，通过模糊度特征分布式重构，实现网络敏感信息过滤检测，通过底层数据库开发设计，建立网络敏感信息的可视化重构模型，提高信息过滤能力。但传统方法进行网络敏感信息过滤的计算开销较大，抗干扰能力不好[3]。

针对上述问题，本文提出基于K近邻分类算法的网络敏感信息自动过滤方法。最后进行仿真测试分析，展示了本文方法在提高网络敏感信息自动过滤能力方面的优越性能。……