垃圾邮件泛滥问题日益严重,垃圾邮件过滤技术日益成为当今的研究热点。目前垃圾邮件过滤技术主要包括第一代基于规则的过滤技术、第二代基于内容的过滤技术和第三代基于行为的过滤技术。传统的第一代和第二代垃圾邮件过滤技术在处理效率,规则的持久性等方面存在一些不足。基于行为识别的垃圾邮件过滤技术在节省网络资源,处理效率上具有明显的优势。本文在现有的行为识别过滤技术研究基础之上,提出了一种基于行为特征加权的决策树过滤算法。基于行为特征加权的决策树过滤算法的思想为：针对大量的垃圾邮件所表现出来的行为特征,选取出一系列的行为特征,采用主成分分析法选取其中具有代表性的特征,然后选取等量的正常邮件和垃圾邮件,根据统计的方法分别计算某一特征对正常邮件和垃圾邮件的贡献率,作为其权值,采用决策树算法生成判别决策树,使用大量的已知属性的邮件样例测试决策树,分别得到正常邮件和垃圾邮件的加权平均权值,作为垃圾邮件和正常邮件的判断阈值。如果邮件的路径权值小于垃圾邮件阈值,则判定为垃圾邮件；如果大于正常邮件阈值,则该邮件被判断为正常邮件；介于二者之间则使用决策树算法判断。通过大量待测实例的仿真实验得到统计结果,实验结果表明基于行为特征加权的决策树算法相比以往的单纯决策树算法在准确率和召回率方面有所提高。证明本文所提出的基于行为特征加权的决策树过滤算法有效,且具有较好的实用性。