当前,垃圾信息数量爆炸式增长,且形式多样变化,传统垃圾信息过滤方法应对时存在诸多不足。因此提高垃圾信息过滤质量和过滤效率,改变传统依赖信息特征为主的过滤方法,探讨利用社交网络协同过滤方法,不仅可以减少垃圾信息所带来的社会问题,提高用户体验,也是当前信息安全技术的研究热点之一。文章旨在提出一种智能模型,一方面能够克服传统过滤模型依赖信息特征属性的缺点;另一方面能够增强模型的动态适应性。基于社交网络的垃圾信息协同过滤模型主要利用社交网络社区聚集特性,并结合系统反馈更新建立高效的垃圾信息过滤机制。文章分析了手机短信和常见及时通讯软件中垃圾信息的内容和形式,以及社交网络中作为社区划分理论基础的小世界特性和无标度特性,以此为基础,提出了基于多目标的k-means聚类算法对社交网络进行社区划分形成协同推荐框架,同时结合社区成员重要性分组进一步提高垃圾信息过滤质量。文章针对模型设计测试数据以及完整的评价体系,并使用该数据编写相应程序对模型进行了测试。测试结果显示,文章提出的模型很好地实现了对垃圾信息的过滤,与同类过滤算法的对比也显示了本模型在垃圾信息过滤的成功率上有较显著的提高。