Spam Filtering

1. Scurta introducere

Expeditorii de e-mail-uri suporta costuri mici sau deloc pentru dustribuirea de mesaje, si totusi utilizatorii de e-mail sunt fortati sa petreaca timp si efort pentru a-si curata mailbox-ul de mailuri frauduloase si nedorite.

Considerand problemele tehnice, notiunea care este in general cunoscuta sub numele de spam este mai larga decat categoria “e-mailuri comerciale nesolicitate” ; spam-ul inglobeaza toate mailurile pe care nu le dorim si care de foarte putine ori ne sunt adresate direct noua. Astfel de mesaje nu sunt intotdeauna comerciale in adevaratul sens al cuvantului, si unele dintre ele intrec limita in ceea ce priveste solicitarea lor. De exemplu, nu dorim sa luam virusi (chiar si de la prietenii nostri, care nu intentioneaza sa ni-i dea) ; nici nu dorim in mod normal scrisori trimise in lant, chiar daca nu ne cer bani ; nici mesaje de la straini ; si nici incercari de a ne defrauda. In orice caz, este, de obicei, lipsit de ambiguitate daca un mesaj este spam, si multi oameni primesc aceleasi mailuri. Problema spam-ului este ca tinde sa ‘inghita’ e-mailurile dorite.

Email filtering este procesarea e-mailurilor si clasificarea lor dupa un anumit criteriu. De cele mai multe ori, aceasta se refera la procesarea automata a mesajelor pe care le primim, dar termenul este valabil, de asemenea, la interventia inteligentei umane, pe langa tehnici anti-spam, si pentru emailuri pe care le trimitem, cat si pentru cele pe care le primim.

Email filtering software se aplica numai pentru mailuri de intrare. Pentru cele de iesire este posibil ca softul sa le trimita mai departe neschimbate catre mailboxul userului, sa redirectioneze mesajul catre altcineva, sau sa ‘piarda’ mesajul. Unele filtre de mail sunt capabile de a edita mesaje in timpul procesarii.

Utilizari obisnuite ale filtrelor de mail includ eliminarea spamului si a virusilor. O practica mai putin intalnita este inspectarea mailurilor trimise in unele companii pentru a asigura ca angajatii se supun anumitor legi. Utilizatorii pot, de asemenea, sa foloseasca un filtru de mail pentru a prioritiza mesajele si pentru a le sorta in fisiere dupa subiect sau dupa alte criterii.

Filtrele de mail pot fi instalate de carte utilizator, fie ca programe separate, fie ca parte a programului lor de e-mail. In programele de e-mail, utilizatorii pot crea filtre personale, manuale, care filtreaza mailurile dupa anumite criterii. Majoritatea programelor de e-mail au acum si o functie de filtrare a spam-ului automata. Furnizorii de servicii de internet pot, de asemenea, sa instaleze filtre de mail in agentii de trasfer de mail ca un serviciu catre toti clientii lor. Corporatiile le folosesc, de obicei, pentru a-si proteja angajatii si informatiile lor.

Filtrele de mail au diferite grade de configurare. Uneori iau decizii pe baza unor expresii regulare, alteori sunt folosite cuvinte-cheie din corpul mesajului sau, poate, adresa e-mail a expeditorului. Unele filtre mai avansate, in particular filtre anti-spam, folosesc tehnici statistice de clasificare a documentelor, cum ar fi clasificatorul naiv Bayes.

2. Tehnici anti-spam

Pentru a preveni e-mail spam, ambii utilizatori finali si administratorii sistemelor de e-mail folosesc diferite tehnici anti-spam. Unele dintre ele au fost integrate in produse, servicii si software pentru a usura povara utilizatorilor si administratorilor. Nicio tehnica nu este o solutie completa pentru problema spamului, si fiecare dintre ele oscileaza intre respingerea incorecta a mailului legitim versus nerespingerea tuturor spamurilor.

Tehnicile anti-spam pot fi impartite in patru mari categorii :

• cele care necesita actiuni de la indivizi ;

• cele care pot fi automatizate de administratorii de e-mail ;

• cele care pot fi automatizate de expeditorii de e-mail ;

• cele ‘angajate’ de catre cercetatori si oameni ai legii.

3. Detectarea spamului

3.1. Verificarea cuvintelor : pozitivele false.

Oamenii tind sa fie mai putin deranjati de spamurile care se strecoara printre filtre in inboxul lor (negative false), decat de a avea e-mailurile dorite (‘ham’) sa fie blocate (pozitive false). Incercarea de a balansa negativele false (spamurile ratate) versus pozitivele false (respingerea mailurilor bune) este critica pentru un sistem anti-spam de succes. Unele sisteme le permit indivizilor sa aibe un anumit control asupra acestei balante setand limite de ‘spam score’. In majoritatea tehnicilor apar ambele tipuri de erori, dar care variaza. De exemplu, sistemele anti-spam pot folosi tehnici care au o rata ridicata de fals negativ (rateaza multe spam-uri), pentru a reduce numarul de pozitive false (refuzand e-mail-uri bune).

3.2. Liste de site-uri

Cele mai populare DNSBL (DNS Blacklist) sunt liste de adrese IP ale spammerilor cunoscuti, spammeri zombie, etc.