English version
German version
Spanish version
French version
Italian version
Portuguese / Brazilian version
Dutch version
Greek version
Russian version
Japanese version
Korean version
Simplified Chinese version
Traditional Chinese version
Hindi version
Czech version
Slovak version
Bulgarian version
 

Hoe spammers fool Bayesian filters - and how to stop them

Spam blokkeren RSS Feed





Daadwerkelijk stoppen van spam op de lange termijn veel meer dan het blokkeren van individuele IP-adressen en het maken van regels op basis van zoekwoorden die spammers meestal gebruik. De toenemende complexiteit van de spam-instrumenten gekoppeld met het toenemend aantal spammers in het wild heeft een hyper-evolutie in de verscheidenheid en het volume van spam. De oude manier van blokkeren van de bad guys gewoon niet werken anymore.Examining spam en spam-blokkering technologie kan belichten hoe deze ontwikkeling plaatsvindt en wat er gedaan kan worden ter bestrijding van spam en terugvorderen e-mail als een efficiënte, effectieve communicatie-instrument is bedoeld om be.One methode gebruikt voor de bestrijding van spam is Bayesiaanse filtering. Vernoemd naar Thomas Bayes, een Engels wiskundige, Bayesiaanse Logic wordt gebruikt in de besluitvorming en inferential statistieken. Bayesiaanse Filers onderhouden van een database van bekende spam en ham, of legitieme e-mail. Nadat de database is groot genoeg is, het systeem staat de woorden volgens de waarschijnlijkheid dat ze zullen verschijnen in een spam message.Words meer kans om te verschijnen in spam krijgen een hoge score (tussen 51 en 100), en woorden waarschijnlijk verschijnen in legitieme e-mail krijgen een lage score (tussen 1 en 50). Bijvoorbeeld, worden de woorden "vrije" en "sex" in het algemeen hebben waarden tussen 95 en 98, terwijl de woorden "nadruk" of "nadeel" kan een score tussen 1 en 4. Veel gebruikte woorden als "de" en "dat", en nieuwe woorden aan de Bayesiaanse filters zijn een neutrale score tussen 40 en 50, en zou niet gebruikt worden in het systeem algorithm.When het systeem ontvangt een e-mail, het breekt het bericht in tokens, of woorden met waarden aan hen toegewezen. Het systeem maakt gebruik van de tekens met scores op de hoge en lage eind van de reeks en ontwikkelt een score voor de e-mail als een geheel. Als de e-mail heeft meer spam dan penningen ham penningen, de e-mail zal een hoge spam score. Het e-beheerder bepaalt een drempel gast gebruikt het systeem om e-mail aan klanten door te users.Bayesian filters effectief zijn in het filteren van spam en het minimaliseren van valse positieven. Omdat zij zich aanpassen en leren op basis van feedback van gebruikers, Bayesiaanse Filers betere resultaten als ze worden gebruikt binnen een organisatie in de tijd. Ze zijn echter niet onfeilbaar. Spammers hebben geleerd die woorden Bayesian filters overwegen spammy en hebben ontwikkeld manieren te voegen niet-spammy woorden in e-mails om de boodschap van de totale spam score. Door toevoeging van de leden van de tekst uit romans of nieuwsberichten, spammers kunnen verdund de gevolgen van de hoge woorden. Tekst invoegen heeft ook veroorzaakt normaal legitieme woorden die worden gevonden in romans of nieuwsberichten te hebben een opgepompte spam score. Dit kan mogelijk maken Bayesian filters minder effectief dan time.Another aanpak spammers gebruiken om gek Bayesiaanse filters is het creëren van minder spammy e-mails. Bijvoorbeeld, een spammer stuurt een e-mail met alleen de woorden, "Hier is de link?". Deze aanpak kan neutraliseren de spam score en gebruikers om te klikken op een link naar een website die de spammer de boodschap. Voor het blokkeren van dit soort spam, wordt het filter zou moeten worden ontworpen om de link te volgen en scannen van de inhoud van de website van de gebruikers wordt gevraagd om te bezoeken. Dit type van filtering is momenteel niet in dienst van Bayesiaanse filters want het zou onbetaalbaar duur in termen van server resources en kunnen worden gebruikt als een methode voor het lanceren van Denial of Service aanvallen tegen commerciële servers.As met alle single-methode spamfilters methodologieën, Bayesian filters zijn effectief tegen bepaalde technieken spammers gebruiken om gek spamfilters, maar zijn geen wondermiddel voor het oplossen van de spam probleem. Bayesian filters zijn het meest effectief wanneer deze wordt gecombineerd met andere methoden van spam detection.The SolutionWhen gebruikt individueel, elke anti-spam-techniek is systematisch overwinnen door spammers. Grootse plannen ontdoen van de wereld van spam, zoals het opladen van een cent voor elke e-mail ontvangen of dwingen servers wiskundige problemen op te lossen voordat het leveren van e-mail, zijn voorgesteld met weinig resultaat. Deze regelingen zijn niet realistisch en zou een groot percentage van de bevolking vast te stellen dezelfde anti-spam methode om effectief te zijn. U kunt meer lezen over de strijd tegen spam door naar onze website op www.ciphertrust.com en het downloaden van onze whitepapers.Dr. Paul rechter is een gewezen geleerde en ondernemer. Hij is Chief Technology Officer bij CipherTrust is de industrie de grootste aanbieder van enterprise email beveiliging. De bedrijf vlaggenschip product, IronMail biedt een best of breed onderneming anti-spam oplossing die is ontworpen om te stoppen met spam, phishing-aanvallen en andere e-mail gebaseerde bedreigingen. Hier meer door naar

Artikel Bron: Messaggiamo.Com

Translation by Google Translator





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!

Add to Google RSS Feed See our mobile site See our desktop site Follow us on Twitter!

Dien uw artikelen te Messaggiamo.Com Directory

Categorieën


Copyright 2006-2011 Messaggiamo.Com - Sitemap - Privacy - Webmaster verzenden van artikelen naar Messaggiamo.Com Directory [0.01]
Hosting by webhosting24.com
Dedicated servers sponsored by server24.eu