傳真服務(wù)器是隨著通信技術(shù)的發(fā)展，針對(duì)大中型企業(yè)、機(jī)關(guān)需求推出的一種集團(tuán)傳真通信解決方案。它的基本原理是通過軟硬件集成，實(shí)現(xiàn)多路傳真的并發(fā)收發(fā)，并在此基礎(chǔ)上，與辦公流程相結(jié)合，實(shí)現(xiàn)更復(fù)雜的自動(dòng)化管理。
    目前的傳真服務(wù)器，其主要業(yè)務(wù)是實(shí)現(xiàn)傳真的收發(fā)管理，但是不具備安全功能，因此很容易成為垃圾傳真的攻擊目標(biāo)，尤其是一些大企業(yè)，其號(hào)碼為公眾所熟悉，更是垃圾傳真的重災(zāi)區(qū)。垃圾傳真的泛濫不但造成巨大的浪費(fèi)，而且嚴(yán)重影響正常辦公。
    針對(duì)上述問題，本文提出一種安全傳真服務(wù)器的概念，在傳真服務(wù)器上增加垃圾傳真的自動(dòng)檢測(cè)功能，從而使分發(fā)或打印的傳真都是安全有效的。
1 安全傳真服務(wù)器模型
    文獻(xiàn)[1]、文獻(xiàn)[2]等給出了傳真服務(wù)器的實(shí)現(xiàn)方法。為實(shí)現(xiàn)安全傳真服務(wù)器，需要在原來的傳真服務(wù)器上增加傳真自動(dòng)分類功能，只對(duì)無(wú)害的傳真進(jìn)行分發(fā)，而將垃圾傳真剔除。一種直觀的方法是在分發(fā)之前增加內(nèi)容的機(jī)器識(shí)別功能，如對(duì)傳真圖像進(jìn)行OCR[3]（光學(xué)字符識(shí)別）識(shí)別，得到傳真圖像的文本字符信息，在此基礎(chǔ)上進(jìn)行文本分類。但是受限于傳真的實(shí)際情況，如手工發(fā)送造成的版面傾斜、手寫字體等，如果直接對(duì)其進(jìn)行OCR識(shí)別，較低的準(zhǔn)確率會(huì)嚴(yán)重影響系統(tǒng)的可用性，為此，需要對(duì)垃圾傳真的特征進(jìn)行全面研究及利用，確保分類方法的有效性。
    垃圾傳真通常是將一份傳真進(jìn)行廣播式發(fā)送，因此在傳真服務(wù)器的接收端，垃圾傳真重復(fù)嚴(yán)重，而正常業(yè)務(wù)傳真則沒有此特征。所以本文的方法是對(duì)接收到的傳真進(jìn)行聚類處理，能夠聚類的認(rèn)為是垃圾傳真，不能聚類的認(rèn)為是正常業(yè)務(wù)傳真。根據(jù)上述分析，得到安全傳真服務(wù)器的系統(tǒng)模型，如圖1所示。與傳統(tǒng)的傳真服務(wù)器相比，本服務(wù)器在傳真分發(fā)前，增加了對(duì)垃圾傳真的聚類檢測(cè)功能。為達(dá)到最佳的檢測(cè)效果，且避免垃圾傳真因數(shù)量少而不能聚類，增加了垃圾傳真的歷史特征庫(kù)。

2 垃圾傳真檢測(cè)算法
    由安全傳真服務(wù)器系統(tǒng)模型可見，調(diào)制解調(diào)、編碼解碼、傳真收集與分發(fā)等都屬于普通傳真服務(wù)器具有的功能，相關(guān)資料中已有說明，本文不再重復(fù)，這里只詳細(xì)介紹其中的垃圾傳真檢測(cè)算法。
    本文中的應(yīng)用對(duì)精確度要求很高，不允許將正常業(yè)務(wù)傳真識(shí)別為垃圾傳真，所以需要選取一種能夠精確表達(dá)傳真內(nèi)容的特征進(jìn)行聚類，本文采用傳真的游程[4]特征。
    每幅傳真圖片的黑白像素分布不同，從每一掃描行的圖像數(shù)據(jù)上看，這種不同體現(xiàn)在黑像素和白像素的分布上，即交替的次數(shù)不同，且連續(xù)黑白像素點(diǎn)的長(zhǎng)度也不同。將此特征以游程數(shù)M和游程值L來描述，游程數(shù)是指每個(gè)掃描行黑白像素變化的次數(shù)，游程值是指每個(gè)連續(xù)像素段的像素個(gè)數(shù)。假如某一行的像素為00001111110011000，則該掃描行的游程特征為：M=4，L0，…，M=(4，6，2，2，3)。將所有的傳真圖像以此特征來描述，并進(jìn)行比較，即可實(shí)現(xiàn)相同傳真圖像的聚類。傳真圖像與游程特征的對(duì)比如圖2、圖3所示。

    正常業(yè)務(wù)傳真在聚類過程中可以認(rèn)為是孤立點(diǎn)或者噪聲點(diǎn)，大量重復(fù)的垃圾傳真或者廣告?zhèn)髡媸潜疚木垲惖膶?duì)象?；诿芏鹊腄BSCAN[6]聚類算法能夠?qū)构铝Ⅻc(diǎn)，并且能夠處理任意形狀和大小的類，因此這里選擇DBSCAN算法。DBSCAN算法提出了一些新的定義：
   
    (2)如果一個(gè)對(duì)象的?著-近鄰中至少包含MinPts個(gè)對(duì)象，則稱這個(gè)對(duì)象為核對(duì)象。
    (3)如果對(duì)象P為另一個(gè)對(duì)象q的ε-近鄰且q是核對(duì)象，則稱p是從q可“直接密度可達(dá)”(Density-Reachable)。
    (4)如果存在一系列對(duì)象p1，p2，…，pn，其中p1=q，pn=p，而且pi+1(1≤i≤n-1)是從pi“直接密度可達(dá)”的，則稱p是從q可“密度可達(dá)”。
    (5)若存在一個(gè)對(duì)象z，使得p和q都是從z“密度可達(dá)”的，則稱對(duì)象p“密度連接”對(duì)象q。
    DBSCAN聚類算法就是檢查數(shù)據(jù)庫(kù)中每一個(gè)點(diǎn)的ε-近鄰。若一個(gè)對(duì)象p的ε-近鄰包含MinPts多于個(gè)對(duì)象，則創(chuàng)建包含p的聚類。然后DBSCAN根據(jù)這些核對(duì)象，循環(huán)搜索“直接密度可達(dá)”的對(duì)象，當(dāng)各聚類中再無(wú)新對(duì)象加入時(shí)，聚類結(jié)束。
    聚類算法的具體實(shí)現(xiàn)需要考慮如下因素：
    (1)要判斷兩個(gè)圖像是否相同，只需要判斷有限個(gè)掃描行數(shù)據(jù)相似度大小即可。如果對(duì)整個(gè)圖片進(jìn)行特征比對(duì)，會(huì)嚴(yán)重增加存儲(chǔ)和計(jì)算開支。
    (2)正常情況下傳真都含有頁(yè)眉，頁(yè)眉涉及時(shí)間、主叫等信息，即使重復(fù)發(fā)送的垃圾傳真，頁(yè)眉顯示的時(shí)間也不相同，所以比較傳真時(shí)應(yīng)當(dāng)避開頁(yè)眉。
    (3)在聚類處理的時(shí)段內(nèi)，垃圾傳真如果數(shù)量少就會(huì)因?yàn)椴荒芫垲惗z，為此，應(yīng)該建立已知垃圾傳真特征庫(kù)，供后續(xù)檢測(cè)使用。
    基于上述考慮，聚類算法實(shí)現(xiàn)過程如下：
    (1)分類器訓(xùn)練：利用訓(xùn)練數(shù)據(jù)，采用最小方差準(zhǔn)則對(duì)?著、MinPts等聚類參數(shù)進(jìn)行確定。
    (2)提取每個(gè)傳真圖片的游程特征C[i]：設(shè)定起始行Srow（如Srow=20），從此行向下搜索，找到有效圖像掃描行，作為新的起始行，從起始行開始，提取有限行Mrow（如Mrow=80）游程特征。
    (3)確定垃圾傳真類：遍歷所有傳真，若一個(gè)傳真的ε-近鄰中至少包含MinPts個(gè)傳真，就創(chuàng)建包含這個(gè)傳真的類，該類中的所有傳真為垃圾傳真。
    (4)確定類代表特征：設(shè)dij表示某傳真數(shù)為n的類中點(diǎn)i到點(diǎn)j的距離，di表示點(diǎn)i到該類所有點(diǎn)的距離和，如果di=min(d1，d1，…，dn)，則點(diǎn)i為該類的中心點(diǎn)，其游程特征作為該類的代表特征，加入垃圾傳真特征庫(kù)。
    (5)確定孤立垃圾傳真：集合M={m1，m2，&hellip;}為垃圾傳真模版庫(kù)，G={g1，g2，&hellip;}為不能聚類的傳真的集合，若d(gi，mj}<?著，則gi為垃圾傳真。
3 仿真測(cè)試
    上述方法通過MATLAB完成了仿真實(shí)現(xiàn)。通過該方法實(shí)現(xiàn)的傳真服務(wù)器，不但具有一般傳真服務(wù)器的功能，而且能夠?qū)Υ职l(fā)的傳真進(jìn)行判別，確保最終用戶收到的傳真不是垃圾傳真。
    本文最后進(jìn)行了性能測(cè)試。測(cè)試過程如下：
    (1)從某公司傳真服務(wù)器處收集得到2 000份傳真數(shù)據(jù)，隨機(jī)取其中400份作為訓(xùn)練集，另外1 600份作為測(cè)試集。
    (2)建立傳真特征表，用來記錄傳真的特征數(shù)據(jù)。字段包括：文件名、屬性（垃圾傳真為0，其他為1）、可聚類性（在訓(xùn)練集中能夠聚類為1，否則為0）、聚類類別（人工對(duì)訓(xùn)練集中能夠聚類的傳真進(jìn)行分類，并標(biāo)以不同的類別值）。
    (3)對(duì)訓(xùn)練集傳真進(jìn)行人工辨認(rèn)，并將特征記入傳真特征表。
    (4)根據(jù)最小方差準(zhǔn)則，用訓(xùn)練集中傳真對(duì)分類器參數(shù)進(jìn)行訓(xùn)練，使分類器輸出結(jié)果與傳真特征數(shù)據(jù)具有最大擬合度，從而得到分類器參數(shù)。
    (5)對(duì)測(cè)試集中的傳真進(jìn)行人工辨認(rèn)，并將特征記入傳真特征表。
    (6)用訓(xùn)練得到的分類器對(duì)測(cè)試集中的1 600份傳真進(jìn)行分類，并將分類結(jié)果自動(dòng)記入數(shù)據(jù)庫(kù)。
    (7)比對(duì)識(shí)別結(jié)果與人工辨認(rèn)數(shù)據(jù)。
    測(cè)試結(jié)果如表1所示。

    從表1中結(jié)果可知：
    (1)沒有正常的業(yè)務(wù)傳真被檢測(cè)為垃圾傳真，說明本文的方法不會(huì)影響正常的傳真業(yè)務(wù)。
    (2)垃圾傳真可能被誤識(shí)為正常傳真，這是因?yàn)楸痉椒ㄖ?，為了確保正常傳真不會(huì)被聚類，聚類的條件設(shè)置得比較苛刻，造成了部分垃圾傳真由于數(shù)量少不能聚類。
    (3)在沒有影響正常傳真業(yè)務(wù)的情況下，本文方法對(duì)垃圾傳真的檢出率為92.5%，說明了本文方法的有效性。
    在實(shí)際應(yīng)用中，能夠聚類的部分傳真可能包含用戶感興趣的資訊，用戶希望對(duì)此正常接收，所以在后續(xù)的工作中，應(yīng)該在聚類的基礎(chǔ)上，從用戶的感知和體驗(yàn)角度出發(fā)，深入研究垃圾傳真的本質(zhì)，使垃圾傳真的分類更加合理，進(jìn)一步提高安全傳真服務(wù)器的可用性。

參考文獻(xiàn)
[1] 羅新．基于局域網(wǎng)的傳真服務(wù)器的設(shè)計(jì)與實(shí)現(xiàn)[D]．大連理工大學(xué)碩士學(xué)位論文，2006，6．
[2] 陳屹峰．嵌入式傳真服務(wù)器的設(shè)計(jì)與實(shí)現(xiàn)[D]．復(fù)旦大學(xué)碩士學(xué)位論文，2004，4．
[3] 李寶安，孟慶昌．中文信息處理技術(shù)&mdash;&mdash;原理與應(yīng)用[M]. 北京：清華大學(xué)出版社，2005.
[4] 田麗華．編碼理論[M].陜西：西安電子科技大學(xué)出版社，2004.
[5] 楊蘭倉(cāng)．?dāng)?shù)據(jù)挖掘中聚類和孤立點(diǎn)檢測(cè)算法的研究[D]．復(fù)旦大學(xué)碩士學(xué)位論文，2004，4．
[6] 周水庚，周傲英．一種基于密度的快速聚類算法[J].計(jì)算機(jī)研究與發(fā)展，2000，37(11)．