摘要：在计算机上对网络浏览证据准确提取，可以协助追查泄露信息。首先应对网络浏览文本数据进行分类，挖掘分类后的频繁项集．构成满足阈值要求的网络浏览文本痕迹记录并进行提取，最终实现对网络浏览证据准确提取，但是传统方法通过计算两点距离．采用平方和直接比较结果完成提取，但是不能对网络浏览文本数据进行分类，无法挖掘其中的频繁项集，导致不能获取相关阈值对网络浏览证据提取．提出一种数据挖掘的计算机上对网络浏览证据准确提取方法。首先，运用朴素贝叶斯算法对网络浏览文本数据进行预测并将其归类，对每个训练样本数据进行计算，并求解出其分类到某个类别的概率，对比预测结果后将样本归并到高级别概率中，实现文本数据的归类；然后，利用频繁序列模式挖掘算法，对归类后的文本数据时间序列结构进行分析，通过采用可信度与支持度阈值规则，从文本数据时间序列中找到频繁序列，构成满足阈值要求的网络浏览文本痕迹记录并进行提取．最终实现对网络浏览证据准确提取。仿真结果表明，文中数据挖掘算法与计算机痕迹提取技术相结合，有效地提高了提取网络浏览证据的效率。