Hoe Bayesian Filters van de Dwaas Spammers - en hoe te om hen tegen te houden
Effectief vereist het ophouden spam tijdens de lange termijn veel meer dan blokkerende individuele IP adressen en het creëren van regels die op sleutelwoorden worden gebaseerd die spammers typisch gebruiken. De stijgende verfijning van spamhulpmiddelen die aan het stijgende aantal spammers in de wildernis worden gekoppeld heeft tot een hyper-evolutie in de verscheidenheid en het volume van spam geleid. De oude manieren om de slechte kerels te blokkeren werken niet enkel meer.
Het onderzoeken spam en spam-blokkeert de technologie kunnen verlichten hoe deze evolutie plaatsvindt en wat kan worden gedaan bestrijden en spam e-mail terugwinnen als efficiënt, efficiënt communicatie hulpmiddel het bedoeld was te zijn.
Één methode die wordt gebruikt om te bestrijden spam is het Bayesian Filtreren. Genoemd na Thomas Bayes, wordt een Engelse wiskundige, Bayesian Logica gebruikt in besluitvorming en afleidbare statistieken. Bayesian Vijlers handhaven een gegevensbestand van het geweten spam en ham, of wettige e-mail. Zodra het gegevensbestand genoeg groot is, de systeemrangen de woorden volgens de waarschijnlijkheid zullen zij in een spambericht verschijnen.
Woorden de die waarschijnlijk worden zullen verschijnen in spam gegeven een hoge score (tussen 51 en 100), en woorden die waarschijnlijk zal verschijnen in wettige e-mail worden gegeven een lage score (tussen 1 en 50). Bijvoorbeeld, de woorden?free? en?sex? hebben over het algemeen waarden tussen 95 en 98, terwijl woorden?emphasis? of?disadvantage? kan een score tussen 1 en 4. hebben Algemeen gebruikte woorden zoals?the? en?that?, en de woorden nieuw aan de Bayesian filters worden gegeven een neutrale score tussen 40 en 50 en niet in het algoritme van het systeem gebruikt.
Wanneer het systeem een e-mail ontvangt, splitst het het bericht in tekenen, of woorden met waarden uit die aan hen worden toegewezen. Het systeem gebruikt de tekenen met scores op het hoge en lage eind van de waaier en ontwikkelt een score voor e-mail als geheel. Als e-mail meer spamtekenen dan hamtekenen heeft, zal e-mail een hoge spamscore hebben. De e-mailbeheerder bepaalt een drempelscore het systeemgebruik om e-mail toe te staan om door tot gebruikers over te gaan.
Bayesian filters zijn efficiënt bij het filtreren spam en het minimaliseren van valse positieven. Omdat zij aanpassen en gebaseerd op gebruikersterugkoppeling leren, veroorzaken Bayesian Vijlers betere resultaten aangezien zij binnen een organisatie in tijd worden gebruikt. Zij zijn niet, echter, bedrijfszeker. Spammers heeft welke woorden Bayesian Filters als spammy beschouwen geleerd en manieren ontwikkeld om niet spammy woorden in e-mail op te nemen om de algemene spamscore van het bericht te verminderen. Door in paragrafen van tekst van romans of nieuwsverhalen toe te voegen, kunnen spammers de gevolgen van high-ranking woorden verdunnen. De toevoeging van de tekst heeft ook normaal wettige woorden veroorzaakt die in romans of nieuwsverhalen worden gevonden om een opgeblazen spam score te hebben. Dit kan Bayesian filters minder in tijd efficiënt potentieel maken.
Een ander gebruik van benaderingsspammers aan dwaas Bayesian filters moet minder spammy e-mail creëren. Bijvoorbeeld, kan een spammer een e-mail verzenden die slechts de uitdrukking?Here's bevat de verbinding?. Deze benadering kan de spamscore neutraliseren en gebruikers verleiden om op een verbinding aan een Website te klikken die het bericht van spammer bevat. Om dit type van spam te blokkeren, zou de filter moeten worden ontworpen om de verbinding te volgen en de inhoud van de Websitegebruikers af te tasten wordt gevraagd te bezoeken. Dit type van het filtreren wordt niet momenteel aangewend door Bayesian filters omdat het remmend duur in termen van servermiddelen zou zijn en potentieel als methode kon worden gebruikt om ontkenning van de dienstaanvallen tegen commerciële servers te lanceren.
Zoals met alle enig-methode spam het filtreren methodologieën, zijn Bayesian filters efficiënt tegen bepaald gebruik van techniekenspammers aan dwaas spam filters, maar zijn geen magische kogel aan het oplossen van het spamprobleem. Bayesian filters zijn het meest efficiënt wanneer gecombineerd met andere methodes van spamopsporing.
De Oplossing
Wanneer individueel gebruikt, is elke anti-anti-spamtechniek systematisch overwonnen door spammers. De grandioze plannen om de wereld van spam te bevrijden, zoals het laden van een stuiver voor elke ontvangen e-mail of het dwingen servers om wiskundige problemen op te lossen alvorens e-mail te leveren, zijn voorgesteld met weinig resultaten. Deze regelingen zijn niet realistisch en zouden een groot percentage van de bevolking vereisen om de zelfde anti-anti-spammethode efficiënt goed te keuren te zijn. U kunt meer over de bestrijding van spam leren door onze website te bezoeken bij www.ciphertrust.com en onze whitepapers te downloaden.
Ongeveer de auteur:
Dr. Paul Judge is een genoteerde geleerde en een ondernemer. Hij bedraagt de Belangrijkste Ambtenaar van de Technologie CipherTrust, de grootste leverancier van de industrie van ondernemingse-mail veiligheid. Het het vlaggeschipproduct van het bedrijf, IronMail verstrekt een beste van antispamoplossing van de rassenonderneming die wordt ontworpen om op te houden spam, phishing aanvallen en andere op e-mail-gebaseerde bedreigingen. Leer meer door www.ciphertrust.com/products/spam_and_fraud_protection vandaag te bezoeken.
Artikel Bron: Messaggiamo.Com
Related:
» Seo Elite: New Seo Software!» AntiSpywareBOT
» Reverse Mobile
» Error Nuker
Webmaster krijgen html code
Voeg dit artikel aan uw website!
Webmaster verzenden van artikelen
Geen registratie vereist! Vul het formulier in en uw artikel is in de Messaggiamo.Com Directory!
