垃圾邮件已成为互联网用户的烦恼之一，已经严重干扰了人们的正常生活，浪费用户的时间、精力甚至造成了信息安全隐患。　　人们已经研究了多种反垃圾邮件技术，基于规则的垃圾邮件过滤技术和基于内容分析的垃圾邮件过滤技术是其中的重要组成部分。规则生成和分类器训练需要大量的垃圾邮件样本，为此需要研究垃圾邮件样本分析技术，以实现垃圾邮件样本的获取、消重、存储和垃圾邮件特征选择。　　针对样本获取，本文设计了一种基于邮件网关的样本拦截获取机制;针对样本消重，本文设计了两阶段样本消重机制，包括初级样本消重和深层样本消重;针对垃圾邮件样本数据存储问题，本文设计了一种基于相似度测量的垃圾邮件样本聚合算法，结合该算法设计并实现了一种适用于大量垃圾邮件样本数据存储的两级数据存储结构。　　本文着重研究了基于垃圾邮件样本分析的特征选择算法。为满足“选出更少的特征来更准确识别绝大部分垃圾邮件”的需求，本文设计了基于遗传算法和粒子群优化算法的特征选择机制。为满足“选出更全面的特征以精确识别垃圾邮件”的需求，本文设计了面向kNN分类器和特征选择的联合优化机制。　　本文对设计的机制和算法进行了系统实现。本文所实现的垃圾邮件样本分析系统由数据分析引擎和信息分析发布平台两个部分组成。本文还设计实现了测试平台，测试了系统的可行性、有效性和实用性。测试结果表明本文所设计样本分析技术可以满足垃圾邮件综合举报系统的需求，使其有效的降低过滤系统的漏判率和误判率。