当前国内的网络安全事件频频发生,垃圾邮件的泛滥成为其中显著的特点之一。传统的反垃圾邮件方法以基于内容的过滤为主,按照基于统计和基于规则划分为多种算法。但这些方法都有一定的局限性,难以在过滤邮件的效果上做到有效性和速度兼顾。本文在贝叶斯分类的基础上,引入了信息熵的概念,在邮件服务器前端建立一个多层过滤反馈系统,从邮件自身的行为参数和内容识别上来辨别垃圾邮件与合法邮件,在原有贝叶斯分类的基础上降低了误检率,提高了正确率。本文的研究工作主要包括以下三个方面：首先对朴素贝叶斯进行了改进,采用了多级属性关联的依赖机制,提高了其在现实问题中的可行性和适用性。另外对polytree传播条件下的复杂贝叶斯网络进行分析,使用并行处理计算对输入信度进行了有效的处理和计算,得到了较好的性能结果。论文将信息熵的理论应用到邮件过滤上,利用垃圾邮件的群发特性和其随机性小的特点,对邮件的行为参数进行一系列计算,根据判断结果对邮件进行过滤。最后实现部分对前面几个过滤方法进行了整合,建立一个邮件过滤系统。在进行邮件分词、主成分分析的特征约简的基础上,依次进行熵计算模块和贝叶斯模块的过滤,最终得到较好的邮件分类结果。从实验结果来看,取得了预期的效果,在处理效率上得到了提升,具有一定的实用价值。