人们逐渐步入信息化时代，一个明显的标志就是：中国手机用户迅速增加，手机短信业务成为各大运营商的主导业务之一，其快捷和隐蔽的特点使它成为人们沟通和交流的新宠儿。但在方便大众生活的同时也带来了一些信息安全方面的问题，很多不法分子利用短信大量发送广告，发送虚假短信进行诈骗，影响人们的正常生活。如何在保持短信业务的健康、活力发展的同时避免垃圾短信对人们生活的侵害成为一个急待解决的问题。已有的解决方法大体分为两种：从法律和道德层面进行约束，呼吁广大群众积极举报垃圾短信和不良号码；从技术层面出发，主要是通过对各种过滤系统的研究，对垃圾短信进行过滤和监控。但通过实际的运用来看，这两种解决方法都存在着很大的缺陷。仅仅从法律上予以约束是远远不够的；在技术上通过建立短信监控系统，以黑名单的形式对所有短信的发送号码进行监控，并对独立出现的不良及恶意词语进行过滤，这存在着很大的盲目性，会存在屏蔽正常短信的现象。如何更加准确的分离、提取出垃圾短信，是我们今后所要研究的重中之重。垃圾短信的识别属于非线性的分类问题，针对这一特点，本文运用人工神经网络的相关知识原理，解决这类问题。主要的方法步骤：把当前危害比较严重的几大欺诈类垃圾短信作为研究对象，提取出欺诈特证词作为输入神经元，相应的欺诈类型作为输出神经元，运用BP网络的学习算法，建立网络对样本进行训练和测试，将得出的分类结果，与设定好的分类进行比较和分析。本文相关实验研究结果表明，通过BP网络训练得出的结果与之前的人工分类相同。在样本中增添干扰因素的情况下，仍能得出比较好的效果。本文在垃圾短信识别处理方面取得了一定的进步，具有实际应用的价值。