电子邮件在互联网时代以其快捷、方便的特点成为个人通信、学术交流、商务活动的重要手段。但是大量的垃圾邮件占用了许多网络和用户资源，给邮件系统的使用带来困扰。因此，反垃圾邮件研究已成为当前计算机网络研究的热点问题。　　 论文给出了一种新的分布协作式反垃圾邮件解决方案，其目标是通过分布在各地的邮件服务器组成的P2P网络实现相似垃圾邮件在临近节点的聚集，根据垃圾邮件的本质制定过滤规则来自动识别和过滤垃圾邮件；通过邮件服务器和邮件客户端(包括用户)的协作以及邮件客户端对已知垃圾邮件的学习，增强反垃圾邮件的效率和准确率。　　 本文的主要工作包括：给出了一种基于P2P的分布协作式反垃圾邮件模型，该模型分为两层结构，利用P2P网络发布邮件和统计相似邮件，加入用户对垃圾邮件的举报和撤销以增强判断的准确性；对已有的结构化P2P网络协议Chord进行了扩展，设计了一种摘要散列函数使得邮件生成的摘要能够均匀分布到P2P网络中，并可以让相似的邮件聚集到相邻或相同的节点上去；采用文本复制性检测方法并利用结构化P2P网络的特性进行相似垃圾邮件的查找和统计；设计并实现了该模型的原型系统。　　 系统的实现模型SpamWeed由LocalAgent和P2PAgent构成，P2PAgent通过结构化P2P网络的发布和定位，设定规则统计垃圾邮件并对垃圾邮件进行第一层过滤；客户端对本地的垃圾邮件进行学习，将学习的垃圾邮件通过Agent共享到其他P2P节点，以快速更新垃圾邮件知识，并对垃圾邮件进行第二层过滤。LocalAgent还提供了用户接口使得用户协作简单有效。　　 论文最后对模型的结构与过滤效果进行了分析与评估测试，实验数据表明算法所采用的相似性判断规则使得召回率达到97％以上，并很少出现假阳性问题，进一步说明本文设计的SpamWeed模型是可行的。