Como os spammers enganam filtros bayesian - e como os parar
Eficazmente parar o Spam sobre o prazo requer muito mais do que obstruindo endereços individuais do IP e criando as réguas baseadas nos keywords que os spammers usam tipicamente. O sophistication crescente das ferramentas do Spam acopladas com o número crescente dos spammers no selvagem criou uma hyper-evolução na variedade e o volume do Spam. As maneiras velhas de obstruir os guys maus apenas não trabalham anymore.
A tecnologia examinando do Spam e da Spam-obstrução pode iluminar como esta evolução está ocorrendo e o que pode ser feito para combater o Spam e recuperar o E-mail como a ferramenta que eficiente, eficaz de uma comunicação se pretendeu ser.
Um método usado combater o Spam é filtrar bayesian. Nomeado após Thomas Bayes, um matemático inglês, lógica bayesian é usado em fazer de decisão e em statistics inferential. Os filers bayesian mantêm uma base de dados do Spam e do presunto sabidos, ou o email legitimate. Uma vez que a base de dados é grande bastante, o sistema espesso as palavras de acordo com a probabilidade que aparecerão em uma mensagem do Spam.
As palavras mais provavelmente a aparecer no Spam são dadas uma contagem elevada (entre 51 e 100), e as palavras provavelmente a aparecer no email legitimate são dadas uma contagem baixa (entre 1 e 50). Para o exemplo, o?free das palavras? e?sex? tenha geralmente valores entre 95 e 98, visto que o?emphasis das palavras? ou?disadvantage? pode ter uma contagem entre 1 e 4. Palavras geralmente usadas tais como o?the? e?that?, e as palavras novas aos filtros bayesian são dadas uma contagem neutra entre 40 e 50 e não seriam usadas no algoritmo do sistema.
Quando o sistema recebe um email, quebra a mensagem para baixo no símbolo, ou palavras com os valores atribuídos a eles. O sistema utiliza o símbolo com as contagens na extremidade elevada e baixa da escala e desenvolve uma contagem para o email ao todo. Se o email tiver mais símbolo do Spam do que o símbolo do presunto, o email terá uma contagem elevada do Spam. O administrador do email determina uma contagem que do ponto inicial o sistema se usa permitir que o email passe completamente aos usuários.
Os filtros bayesian são eficazes em filtrar o Spam e em minimizar positivos falsos. Porque se adaptam e se aprendem baseado no gabarito de usuário, o produto bayesian dos filers resulta mais melhor enquanto são usados dentro de uma organização sobre o tempo. Não são, entretanto, foolproof. Os spammers aprenderam que palavras os filtros bayesian consideram spammy e desenvolveram maneiras introduzir palavras non-spammy em email para abaixar a contagem total do Spam da mensagem. Adicionando nos parágrafos do texto das novelas ou das histórias da notícia, os spammers podem diluir os efeitos de palavras do elevado-high-ranking. A inserção do texto causou também as palavras normalmente legitimate que são encontradas nas novelas ou nas histórias da notícia para ter uma contagem inflada do Spam. Isto pode potencial render o tempo excedente mais menos eficaz bayesian dos filtros.
Um outro uso dos spammers da aproximação enganar filtros bayesian deve criar email mais menos spammy. Para o exemplo, um spammer pode emitir um email que contem somente a frase, a ligação dos?Here?. Esta aproximação pode neutralizar a contagem do Spam e seduzir usuários para estalar sobre uma ligação a um Web site que contem a mensagem do spammer. Para obstruir este tipo de Spam, o filtro teria que ser projetado seguir a ligação e para fazer a varredura do índice dos usuários do Web site são pedidos para visitar. Este tipo de filtrar atualmente não é empregado por filtros de Bayesian porque seria prohibitively caro nos termos de recursos do usuário e poderia potencial ser usado porque um método de lançar a negação de ataques do serviço de encontro aos usuários comerciais.
Como com todas as metodologias filtrando do Spam do único-método, os filtros bayesian são eficazes de encontro a determinado uso dos spammers das técnicas enganar filtros do Spam, mas não são uma bala mágica a resolver o problema do Spam. Os filtros bayesian são os mais eficazes quando combinados com outros métodos da deteção do Spam.
A Solução
Quando usada individualmente, cada técnica anti-Spam foi superada sistematicamente por spammers. As plantas grandiose para livrar o mundo do Spam, tais como carregar uma moeda de um centavo para cada E-mail recebido ou forçar usuários para resolver problemas matemáticos antes do E-mail entregando, foram propostas com poucos resultados. Estes esquemas não são realísticos e requereriam uma porcentagem grande da população adotar o mesmo método anti-Spam a fim ser eficazes. Você pode aprender mais sobre a luta de encontro ao Spam visitando nosso Web site em www.ciphertrust.com e downloading nossos whitepapers.
Sobre o autor:
O Dr. Paul Julgar é um scholar e um empreendedor notáveis. É o oficial principal em CipherTrust, fornecedor o maior da tecnologia da indústria da segurança do email da empresa. O produto da capitânia da companhia, IronMail fornece um mais melhor da solução do Spam da empresa da raça anti projetada parar o Spam, ataques phishing e outros ameaças email-baseadas. Aprenda mais por www.ciphertrust.com/products/spam_and_fraud_protection visitando hoje.
Artigo Fonte: Messaggiamo.Com
Related:
» Seo Elite: New Seo Software!» AntiSpywareBOT
» Reverse Mobile
» Error Nuker
Webmaster começa O Código do HTML
Adicionar este artigo para o seu site agora!
Webmaster enviar seus artigos
Nenhum registro necessário! Preencha o formulário e seu artigo está no Messaggiamo.Com Diretório!
