傳真服務(wù)器是隨著通信技術(shù)的發(fā)展，針對大中型企業(yè)、機關(guān)需求推出的一種集團傳真通信解決方案。它的基本原理是通過軟硬件集成，實現(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，實現(xiàn)更復(fù)雜的自動化管理。
    目前的傳真服務(wù)器，其主要業(yè)務(wù)是實現(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，尤其是一些大企業(yè)，其號碼為公眾所熟悉，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，而且嚴重影響正常辦公。
    針對上述問題，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檢測功能，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[1]、文獻[2]等給出了傳真服務(wù)器的實現(xiàn)方法。為實現(xiàn)安全傳真服務(wù)器，需要在原來的傳真服務(wù)器上增加傳真自動分類功能，只對無害的傳真進行分發(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)容的機器識別功能，如對傳真圖像進行OCR[3]（光學(xué)字符識別）識別，得到傳真圖像的文本字符信息，在此基礎(chǔ)上進行文本分類。但是受限于傳真的實際情況，如手工發(fā)送造成的版面傾斜、手寫字體等，如果直接對其進行OCR識別，較低的準確率會嚴重影響系統(tǒng)的可用性，為此，需要對垃圾傳真的特征進行全面研究及利用，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接收到的傳真進行聚類處理，能夠聚類的認為是垃圾傳真，不能聚類的認為是正常業(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，增加了對垃圾傳真的聚類檢測功能。為達到最佳的檢測效果，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。

2 垃圾傳真檢測算法
    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)，這里只詳細介紹其中的垃圾傳真檢測算法。
    本文中的應(yīng)用對精確度要求很高，不允許將正常業(yè)務(wù)傳真識別為垃圾傳真，所以需要選取一種能夠精確表達傳真內(nèi)容的特征進行聚類，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)黑白像素點的長度也不同。將此特征以游程數(shù)M和游程值L來描述，游程數(shù)是指每個掃描行黑白像素變化的次數(shù)，游程值是指每個連續(xù)像素段的像素個數(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，并進行比較，即可實現(xiàn)相同傳真圖像的聚類。傳真圖像與游程特征的對比如圖2、圖3所示。

    正常業(yè)務(wù)傳真在聚類過程中可以認為是孤立點或者噪聲點，大量重復(fù)的垃圾傳真或者廣告?zhèn)髡媸潜疚木垲惖膶ο??；诿芏鹊腄BSCAN[6]聚類算法能夠?qū)构铝Ⅻc，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)如果一個對象的?著-近鄰中至少包含MinPts個對象，則稱這個對象為核對象。
    (3)如果對象P為另一個對象q的ε-近鄰且q是核對象，則稱p是從q可“直接密度可達”(Density-Reachable)。
    (4)如果存在一系列對象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”的，則稱p是從q可“密度可達”。
    (5)若存在一個對象z，使得p和q都是從z“密度可達”的，則稱對象p“密度連接”對象q。
    DBSCAN聚類算法就是檢查數(shù)據(jù)庫中每一個點的ε-近鄰。若一個對象p的ε-近鄰包含MinPts多于個對象，則創(chuàng)建包含p的聚類。然后DBSCAN根據(jù)這些核對象，循環(huán)搜索“直接密度可達”的對象，當各聚類中再無新對象加入時，聚類結(jié)束。
    聚類算法的具體實現(xiàn)需要考慮如下因素：
    (1)要判斷兩個圖像是否相同，只需要判斷有限個掃描行數(shù)據(jù)相似度大小即可。如果對整個圖片進行特征比對，會嚴重增加存儲和計算開支。
    (2)正常情況下傳真都含有頁眉，頁眉涉及時間、主叫等信息，即使重復(fù)發(fā)送的垃圾傳真，頁眉顯示的時間也不相同，所以比較傳真時應(yīng)當避開頁眉。
    (3)在聚類處理的時段內(nèi)，垃圾傳真如果數(shù)量少就會因為不能聚類而漏檢，為此，應(yīng)該建立已知垃圾傳真特征庫，供后續(xù)檢測使用。
    基于上述考慮，聚類算法實現(xiàn)過程如下：
    (1)分類器訓(xùn)練：利用訓(xùn)練數(shù)據(jù)，采用最小方差準則對?著、MinPts等聚類參數(shù)進行確定。
    (2)提取每個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，若一個傳真的ε-近鄰中至少包含MinPts個傳真，就創(chuàng)建包含這個傳真的類，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i到點j的距離，di表示點i到該類所有點的距離和，如果di=min(d1，d1，…，dn)，則點i為該類的中心點，其游程特征作為該類的代表特征，加入垃圾傳真特征庫。
    (5)確定孤立垃圾傳真：集合M={m1，m2，&hellip;}為垃圾傳真模版庫，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 仿真測試
    上述方法通過MATLAB完成了仿真實現(xiàn)。通過該方法實現(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。
    本文最后進行了性能測試。測試過程如下：
    (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)，隨機取其中400份作為訓(xùn)練集，另外1 600份作為測試集。
    (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（人工對訓(xùn)練集中能夠聚類的傳真進行分類，并標以不同的類別值）。
    (3)對訓(xùn)練集傳真進行人工辨認，并將特征記入傳真特征表。
    (4)根據(jù)最小方差準則，用訓(xùn)練集中傳真對分類器參數(shù)進行訓(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)對測試集中的傳真進行人工辨認，并將特征記入傳真特征表。
    (6)用訓(xùn)練得到的分類器對測試集中的1 600份傳真進行分類，并將分類結(jié)果自動記入數(shù)據(jù)庫。
    (7)比對識別結(jié)果與人工辨認數(shù)據(jù)。
    測試結(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)傳真被檢測為垃圾傳真，說明本文的方法不會影響正常的傳真業(yè)務(wù)。
    (2)垃圾傳真可能被誤識為正常傳真，這是因為本方法中，為了確保正常傳真不會被聚類，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，本文方法對垃圾傳真的檢出率為92.5%，說明了本文方法的有效性。
    在實際應(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，進一步提高安全傳真服務(wù)器的可用性。

參考文獻
[1] 羅新．基于局域網(wǎng)的傳真服務(wù)器的設(shè)計與實現(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)計與實現(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．數(shù)據(jù)挖掘中聚類和孤立點檢測算法的研究[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].計算機研究與發(fā)展，2000，37(11)．