作为互联网最基础的应用之一,电子邮件的广泛使用使其占据互联网数据总量的三分之一左右。随着应用的增多,垃圾邮件数量的增长也非常迅速,网民每周收到的垃圾邮件占总邮件量的三分之二还多。近几年来,为应对垃圾邮件愈禁愈多的情况,众多研究人员提出了多种有效判别垃圾邮件的解决方案,但随着实际情况的变化,垃圾邮件发送形式和方法不断演进,各类技术总是无法长期发挥作用。本文总结了现有垃圾邮件判别技术,重点分析了邮件用户关系行为,在现有基于行为解析的垃圾邮件判别技术的基础上,归纳出邮件用户关系行为网络社区概念。根据邮件用户之间的关系,建立邮件用户关系行为网络,利用复杂网络社区划分算法划分用户关系社区,然后把这些用户关系社区应用于实际的垃圾邮件判别。本文在研究现有行为识别技术的过程中,把邮件通信行为网络看成是人际关系网络范畴,该判别机制的关键在于用户关系网络的社区划分。为此,引入快速Newman算法(简称FN算法)、CPM (Clique Percolation Method)算法和基于节点联系算法,建立对比社区划分机制,以获得最优划分。将建立的用户关系社区划分机制的具体模型应用到反垃圾邮件领域中,提高了垃圾邮件的识别精度和处理速度。为了提升判别机制的准确度,对通过用户关系行为社区识别出的可疑邮件采取进一步的判别,引入了分类回归树算法(CART),根据前期邮件头数据处理获得邮件行为特征数据,对照正常邮件行为进行多重判别。经过系统实现验证,结合测试数据的反馈结果证明,基于用户关系行为的垃圾邮件判别机制的设计是合理有效的,不仅减轻了邮件服务器的过滤负载,而且具有较高的准确率和很好的召回率。