日益泛滥的垃圾邮件,既浪费用户时间、消耗了网络传输资源以及邮件服务器存储空间,也是病毒、僵尸网络等恶意代码的策源地。目前,应对垃圾邮件的主要方法和技术手段有很多,其中,基于内容分析的文本分类技术已经成为当前的研究热点,最为典型的是基于贝叶斯模型的过滤方法。　　结合文本分类技术以及贝叶斯(Bayes)理论,构造基于贝叶斯分类的垃圾邮件过滤模型,该模型采用代理的原理,工作在邮件服务器和客户端之间,可以有效的过滤和分离用户的垃圾邮件。模型主要包括邮件代理、邮件解析、邮件过滤等模块,邮件过滤模块采用改进的贝叶斯算法来识别垃圾邮件,着重对贝叶斯算法中需要的中文分词、特征提取、邮件训练过程进行设计和实现。邮件代理模块采用Socket通信方式,利用代理服务器的工作原理,实现对邮件的接收和过滤,采用包过滤和NAT技术很好的做到了对用户的完全透明。这两部分也是该过滤系统的关键。　　对贝叶斯过滤算法进行研究并给出该算法的一个C/C++的实现,在此基础上,为减少垃圾邮件误判造成的影响,对传统的贝叶斯算法提出了相应的改进措施:引入损失因子来评估将正常邮件误判为垃圾邮件时带来的风险,通过理论推导、假设和实验验证,得出损失因子的最佳值,改善正常邮件的误判问题。通过实验测试和分析,结果表明基于改进的贝叶斯算法用于实现垃圾邮件过滤是有效的方法之一。