Filtres de Spam expliqués

Que font-elles ? Comment fonctionnent-elles ? Qu'on est-il exact pour moi ? Par Alan Hearnshaw

Le Spam est un problème très réel que beaucoup de gens doivent traiter quotidiennement. Pour ceux qui ont décidé de faire quelque chose à son sujet et de commencer à étudier les options disponibles dans le Spam filtrant, cet article prévoit une brève introduction à vos options et aux types de filtres de Spam disponibles.

En dépit du choix ahurissant d'aujourd'hui disponible de filtres de Spam, réclamant tout à le meilleur « de sa sorte » il y a utilisation de filtrage de vraiment juste cinq méthodologies en général aujourd'hui et tous les produits se fondent sur un, ou une combinaison de ces derniers :

Filtres Contenu-Basés

« Dans le commencement, il y avait les filtres contenu-basés. »

Ces filtres balayent le contenu du et recherchent les signes indicateurs que le message est Spam. En jours tôt de Spamming qu'il était tout à fait simple de regarder dehors pour la « mise à mort exprime » comme » perdent le poids » et marquent un message comme Spam si on le trouvait.

Très bientôt cependant, les inondateurs obtenus sages à ceci et ont commencé à recourir à toutes sortes de tours pour recevoir leur message après les filtres. Les jours du « obscurcissement » avaient commencé. Nous avons commencé à recevoir des messages contenant l'expression « L0se Welght » (noter le zéro pour « o » et « l » pour « I ») et - et parfois tout à fait ingénieux - des variations bien plus bizarres.

Ceci a rendu les filtres contenu-basés de base quelque peu inefficaces, bien qu'il y ait d'un ou deux sur le marché maintenant qu'être assez intelligent « voient par » des tentatives de thèses et fournissent toujours de bons résultats.

Filtres basés bayésiens

« Le révérend Bayes vient à la délivrance »

Soutenu à Londres 1702, le fils d'un ministre, Thomas Bayes a développé une formule qui lui a permise de déterminer la probabilité d'une occurrence d'événement basée sur les probabilités des événements probatoires deux ou plus indépendants.

Les filtres bayésiens « apprennent » d'étudier de bons et mauvais messages connus. Chaque message est coupé en « bytes de mot » simples, ou la marque et ces marque sont placées dans une base de données avec combien de fois elles sont trouvées dans chaque genre de message.

Quand un nouveau message arrive pour être examiné par le filtre, le nouveau message est également coupé en marque et chaque marque est recherchée dans la base de données. En extrapolant des résultats de la base de données et en appliquant une forme du bon de la formule révérend, savoir en tant que » formule bayésienne « naïve, le message est donné une estimation de « spamicity » et peut être traité en conséquence.

Les filtres bayésiens sont typiquement capables de réaliser des taux très bons d'exactitude (>97% n'est pas rare), et exigent l'entretien en cours très petit.

Whitelist/filtres de liste noire

« Qui va là, ami ou ennemi ? »

Cette forme très de base de filtrage est rarement employée seule de nos jours, mais peut être utile en tant qu'élément d'une plus grande stratégie de filtrage.

Un « whitelist » n'est rien davantage qu'une liste d'adresses d'E-mail desquelles vous souhaitez accepter des communications. Un filtre de whitelist accepterait seulement des messages de ces personnes et tous les autres seraient rejetés

Une « liste noire », réciproquement, est une liste d'adresses d'E-mail des adresses - et parfois d'IP (adresses d'identification d'ordinateur) - de quelles communications ne seront pas acceptées.

Tandis que ceci peut sembler comme une bonne idée dès le début, une méthodologie de whitelist est trop restrictive pour la plupart des personnes et, car pratiquement tous les E-mails de Spam portent forgés «  » de l'adresse, il y a peu de point en rassemblant cette adresse pour l'interdire à l'avenir car il est très peu susceptible d'être le même temps suivant.

Il y a des corps sur l'Internet qui maintiennent une liste de « mauvaises » sources connues d'E-mail. Beaucoup de filtres ont aujourd'hui la capacité de questionner ces serveurs pour voir si le message qu'ils regardent vient d'une source identifiée par ceci liste noire Internet-basée, ou de RBL. Tout en étant tout à fait efficaces, ils tendent à souffrir « des positifs faux » où bon des messages sont inexactement identifiés comme Spam. Ceci se produit souvent avec des bulletins.

Filtres de défi/réponse

« Sésame ouvert ! »

Des filtres de défi/réponse sont caractérisés par leur capacité d'envoyer automatiquement une réponse à un expéditeur précédemment inconnu les demandant de prendre une certaine autre mesure avant que leur message soit fourni. Ceci désigné souvent sous le nom d'un « essai de Turing » - appelé après qu'un essai conçu par le mathématicien britannique Alan Turing pour déterminer si les machines pourraient « penser ».

Les années récentes ont vu l'aspect de quelques services d'Internet qui exécutent automatiquement cette fonction de défi/réponse pour l'utilisateur et exigent de l'expéditeur d'un E-mail de visiter leur site Web pour faciliter la réception de leur message.

Les critiques de ce système le prétendent être une mesure trop énergique et cela il envoie un message qui « mon temps est plus important que le vôtre » aux personnes essayant de communiquer avec toi.

Pour quelques bas utilisateurs d'E-mail du trafic cependant, ce seul système peut être une méthode parfaitement acceptable d'éliminer complètement Spam de leur inbox - une étape au-dessus du système de « Whitelist » décrit ci-dessus.

Filtres de la Communauté

« Un front uni »

Ces types de filtres travaillent au principal « de la connaissance communale » du Spam. Quand un utilisateur reçoit un message de Spam, ils le marquent simplement en tant que tels dans leur filtre. Cette information est envoyée à un serveur central où une « empreinte digitale » du message est stockée.

Après qu'assez de personnes « aient voté » ce message à être Spam, puis il est arrêté d'atteindre toutes autres personnes dans la communauté.

Ce type de filtrage peut s'avérer tout à fait efficace, bien qu'il se tienne pour raison pour laquelle il peut ne jamais être 100% efficace comme peu de gens doivent recevoir le Spam pour qu'il « soit diminué » en premier lieu. Juste comme son cousin semblable la liste de noir d'Internet (RBL), ce système peut également souffrir « des positifs faux », ou des messages inexactement identifiés comme Spam.

Si tout va bien vous êtes maintenant armés avec peu plus d'information pour pouvoir prendre une décision au courant sur le meilleur filtre de Spam pour toi.

Pour de plus amples informations, considérer lire les revues et les articles trouvés chez http://www.whichspamfilter.com