对抗垃圾邮件 目前，垃圾邮件占发送邮件的比例已经从１９９８年的１０％上升到现在的９２．３％。从垃 圾邮件的发展历史来看，垃圾邮件具有内容多样化以及技术复杂化的趋势。垃圾邮件与 反垃圾邮件之间的斗争就是一场博弈。 ■文／刘卫红 噪声文字 在垃圾邮件中加入噪声文字以躲避过 在信息爆炸时代，在互联网上除了拥 滤器的检查也是垃圾信息制造者经常采用 有许多有效信息外，还充斥着许多垃圾信 的手法。该方法经常用于攻击基于统计学 息，这给人们在享受网上冲浪乐趣的同时 习方法的过滤器，如贝叶斯、支持向量机、 带来很大的困扰。防御和检测垃圾信息已 最大熵过滤器等。根据所加入的噪声词的 成为当前互联网技术中的一个重要课题。 类型，这种方法可以进一步分为：随机文字 攻击和好词攻击。 垃圾邮件伪装术 图片垃圾（Ｉｍａｇｅ Ｓｐａｍ） 图片垃圾是将邮件的文本信息放在 垃圾邮件现在还没有一个非常严格的 ＧＩＦ或ＪＰＥＧ图片中，对垃圾邮件进行伪装。 定义，一般说来，凡是未经用户许可就强行 图片垃圾可使垃圾邮件避开基于内容的垃 发送到用户邮箱中的任何电子邮件都可称 圾邮件过滤器的检测。 作是垃圾邮件。垃圾邮件包含的内容种类 通常，图片垃圾中包含一些用来迷惑 繁多，包括赚钱信息、成人广告、商业或个 收件人的无意义的计算机自动生成的文字。 人网站广告、电子杂志、连环信等。 除了以上几种主要手段外，目前在电 对信息进行伪装后发送是目前垃圾制 子垃圾邮件中还经常使用ＨＴＭＬ编码、 造者经常甚至必须采取的手段。随着反垃 ＪａｖａＳｃｆｉｐｔ程序、主题欺骗等手段。 圾信息技术的提高，制作者的伪装手段也 日益复杂，目前已经从简单的在垃圾信息 检测及过滤垃圾邮件之法 中加入随机词、对ＵＲＬ伪装等方式演变为 使用文字变形，甚至将垃圾信息放人图片 目前垃圾邮件占发送邮件的比例已经 等复杂手段。垃圾邮件制造者通过多种方 从１９９８年的１０％上升到现在的９２．３％。从 法对发送的信息进行伪装，主要的方法有： 垃圾邮件的发展历史以及上文的分析来看， 变形文字、噪声文字和图片垃圾。 垃圾邮件具有内容多样化以及技术复杂化 变形文字 的趋势。垃圾邮件与反垃圾邮件一直是一 目前，这种方法被垃圾制造者普遍采 场博弈。为对抗垃圾邮件，国内外研究人员 用，其原理是采用误拼写或使用替代字符 提出许多检测和过滤垃圾邮件的技术。 的方法将垃圾信息进行变形，以达到改变 法律法规 信息校验和、干扰基于内容过滤器对词条 目前，大多数国家政府针对垃圾邮件 特征提取的目的。 有相应的立法，并采取多种法律手段来反 ５８中国教育厨络２。ｆ ２ ２ 律的作用是微乎其微的，甚至由于只要遵守 一定的规则，就可以大量发送广告邮件一 法律在一定程度上促进垃圾邮件的发展。 协议的改进 协议的改进是指通过改变发送邮件的 方式来过滤邮件，如：需要发送者的认证； 按邮件发送量的大小收取费用；通过验证 邮件是否来自合法区域及是否带有正确的 密码来识别合法邮件。这些协议大多提供 较完整的解决方案，却往往因为需要对现 有的邮件协议进行升级或替换，应用部署 受到限制，很难在电子邮件用户中推广。 过滤技术 对抗垃圾邮件最主要的技术是过滤技 术，主要用于ＭＤＡ（Ｍａｉｌ Ｄｅｌｉｖｅｒ Ａ￣ｎｔ）和ＭＵＡ ｆＭａｉｌ Ｕｓｅｒ Ａｇｅｎ０。典型的垃圾邮件过滤技术 有：黑白名单、规则过滤、概率统计分类等。 １．黑白名单过滤 黑白名单是一个简单有效而最为常用 的过滤方法，国内外已成立权威性的反垃 圾邮件联盟，提供实时的黑白名单，如中国 反垃圾邮件联盟的实时黑名单ＲＢＬ，包括 近期中国国内的主要垃圾邮件发送源、中 国国内动态分配地址等。 该方法的优点是对垃圾邮件处理能力 的要求低，它能够节省大量的带宽、存储容 量和处理时间。缺点是不够灵活，对垃圾邮 件的判别准确度不高。 ２．基于规则过滤 通常也称之为启发式过滤技术，它是 击垃圾邮件。但是对于大量的垃圾邮件，法 利用电子邮件半结构化的特点，先使用人 贝叶斯过滤方法也有其局限性，主要 人工神经网络是在对人脑组织结构和 工或者自动的方法总结出正常邮件或者垃 是对训练样本的依赖性大以及对中文邮件 运行机制的认识理解基础上模拟其结构和 圾邮件之间的共性，据此来生成一系列规 的处理效果不够显著。贝叶斯方法对于纯 智能行为的一种工程结构，是基于生物学 则。设置一些过滤规则，这些规则通常有信 文本的垃圾邮件可以取得较高的过滤性能， 的神经网络基本原理建立的。 头分析、群发过滤、关键词精确匹配以及邮 但是对于包含多媒体以及非英文的邮件来 件内容中的其他特征。当邮件到达或者发 说，贝叶斯方法具有其局限性。 送邮件的行为产生时，通过查找已有的垃 圾邮件的匹配模式来过滤垃圾邮件，这需 （２）自学习Ｋ近邻算法 神经网络的优点在于具有较强的自适 应性、学习能力以及大规模平行计算能力， 其缺点是消耗大量时间、在处理在线或需 Ｋ近邻（Ｋ—Ｎｅａｒｅｓｔ Ｎｅｉｇｈｂｏｒ，ＫＮＮ）是 快速反馈的问题时不宜使用此方法。 要开发商不断地更新邮件规则。 基于规则过滤方法的优点是规则可以 共享，较易理解和修改、易推广。其缺点主 要在于：由于静态的规则集，系统不能自动 调整邮件过滤器去识别新的垃圾邮件特征， 需要开发商构造新的识别规则；更新速度 慢。另外，基于规则的过滤技术能够得到较 高的精度，但是如果过滤器调整为可以达 到１００％的精确度，就会产生很高的误检 率，这是用户不能接受的。 ３．统计过滤方法 对邮件内容采用统计过滤方法具有过 滤正确率高、速度快的特点，是垃圾邮件处 理技术中最受欢迎的一种方法，具有广泛 的应用前景。常见的统计过滤方法有：贝叶 斯方法、ＳＶＭ、ＫＮＮ、神经网络等。 （１）贝叶斯分类 贝叶斯分类方法是最常见的基于统计 的垃圾信息过滤方法。贝叶斯分类方法基 于贝叶斯定理，其原理是大多数事件都是 相互依赖的，一个事件将来发生的概率可 以从该事件从前发生的概率进行推断。应 用同样的原理可以对邮件进行分类：利用 已知的邮件，建立垃圾邮件和正常邮件关 键词的贝叶斯概率模型，然后利用该模型 对新邮件进行判断，判断邮件是否为垃圾 邮件。Ｍ．Ｓａｈａｍｉ等人旱在１９９８年就验证贝 叶斯算法在垃圾邮件过滤中成功的应用效 果。而朴素贝叶斯分类算法及其变体的发 展及其应用，扩展了贝叶斯算法。 采用贝叶斯过滤方法的优点是：对训 练样本进行一次扫描，再进行统计分析，具 有较优的效率占用的存储空问少。由于这 样的优点，因此贝叶斯算法在现有的邮件 产品中得到广泛的应用。 常用的基于内容的文本分类方法。分类时 直接将待分类文本与训练集合中的每个文 本进行比较，根据前Ｋ篇相似的文本得到 新文本的类别（最简单的情况可以根据Ｋ 篇文本所属的类别数的多少来确定最后类 别）。ＫＮＮ的原理非常直观，也很容易理 解，在文本分类中ＫＮＮ常常能够取得好的 结果。 它是基于要求的或懒散的学习方法， 它所存放的样本，直到新样本需要分类时 才建立分类，这使得训练集合随着多变的 垃圾邮件而随时变化，有利于邮件精确识 别。 （３）支持向量机ＳＶＭ 支持向量机（Ｓｕｐｐｏ￣Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅ， ＳＶＭ）是在２Ｏ世纪９０年代发展起来的一种 统计学习方法。ＳＶＭ是建立在统计学习理 论和结构风险最小化原理基础上的。它通 过构造最优线性分类面来指导分类。ＳＶＭ 提供一个与问题维数无关的刻画函数复杂 性的方法，它引入高维特征空间，将输入空 间的非线性决策边界转化为高维特征空间 的线性决策边界，利用线性函数的对偶核， 解决了数值优化的二次规划求解问题，再 根据有限的样本信息的模型的复杂性和学 习能力之间寻求最佳折中。 ＳＶＭ在解决小样本学习、非线性及高 维模式识别中表现较好。ＳＶＭ可直接用于 线性可分问题，对于线性不可分的情形，可 通过构造一个转换，将问题转换到一个新 的线性可分空间中。ＳＶＭ方法也具有局限 性，其计算量大、速度慢、参数选择经验性 强等缺点，不能得到很好的解决，通常需要 结合其他方法进行弥补。 （４）神经网络 （５）其他过滤算法 由于垃圾邮件特征品类多、变化大、因 此应对垃圾邮件的反垃圾邮件技术也多种 多样。除上文所叙述的过滤技术外，国内外 例如：指纹技术、基于语义技术、签名、 ｔｉｎｇ算法、本体技术以及其他将多种过 滤技术组合应用的垃圾邮件过滤技术等， 自身的优点和缺点。随着作弊技术的不断 发展和变化，垃圾邮件的检测与过滤技术 （作者单位为华南理工大学信息网络工程研究中心） 参考文献： 【１】Ｊａｍｅｓ Ｊｏｈｎ Ｆａ￣ｅｒ．３．４ Ｓｐｅｃｉｉｆｃ Ｔｙｐｅｓ ｏｆ Ｓｐａｍ．Ａｎ ＦＡＱ ｆｏｒ ｎｅｗｓ．ａｄｍｉｎ．ｎｅｔ—ａｂｕｓｅ．ｅｍａｉｉ．ｈｔｔｐ：／／ｗｅｂ．ａｒｃｈｉｖｅ．ｏｒｇ／ｗｅｂ／ ２００４０２１２１７５５３５／ｈｔｔｐ：，，ｗｗｗ．ｓｐａｍｆａｑ．ｎｅｔ，ｔｅｍｉｎ０ｌ。ｇｙ． ｓｈｔｍｌ＃ｓｐｅｃｉｆｉｃ—ｓｐａｍｓ． ［２］ｈｔｔｐ：／／ｗｗｗ．ｓｐａｍｈａｕｓ．ｏｒｇ／ｄｅｆｉｎｉｔｉｏｎ．ｈｔｍ１． ［３】Ｊｏｈｎ Ｇ Ｃ．Ｔｈｅ Ｓｐａｍｍｅｒｓ Ｃｏｍｐｅｎｄｉｕｍ．ｈｔｔｐ：／／ｐｏｐｆｉｌｅ． ｓｏｕｒｃｅｆｏｒｇｅ．ｎｅｔ／ＳｐａｍＣｏｏｆｅｒｅｎｃｅ０１ １７０３．ｐｄｆ，２００７ ［４］Ｂ．Ｂｉｇｇｉｏ，Ｇ．Ｆｕｍｅｒａ，Ｉ．Ｐｉｌｌａｉ，ａｎｄ Ｆ．Ｒｏｌｉ．Ｉｍａｇｅ ｓｐａｍ ｉｆｌｔｅｒ－ ｉｎｇ ｂｙ ｃｏｎｔｅｎｔ ｏｂｓｃｕｒｉｎｇ ｄｅｔｅｃｔｉｏｎ．ｉｎ ＣＥＡＳ ２００７一Ｔｈｅ Ｔｈｉｒｄ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｅｍａｉｌ ａｎｄ Ａｎｔｉ—Ｓｐａｍ，２００７． ［５】美俄为垃圾邮件大户每３秒出现一个垃圾网页．２００８年 ｈｔｔｐ：／／ｔｅｃｈ．１６３．ｃｏｎ＃０８／０４２ｌ／１６／４Ａ２Ｍ０ＪＶＵ０００９１５ＢＦ．ｈｔｍ１． ［６】新加坡将出垃圾邮件管理条例违规邮件罚款．２００７年． ｈｔｔｐ：／／ｗｗｗ．２０ｊｕ．ｃｏｒｎ／ｃｏｎｔｅｎｔ／Ｖ４６１３ ｈｔｍ． ［７］Ｍ．Ｓａｈａｍｉ，Ｓ．Ｄｕｍａｉｓ，Ａ Ｂａｙｅｓｉａｎ ａｐｐｒｏａｃｈ ｔｏ ｉｆｌｔｅｒｉｎｇ ｊｕｎｋ ｌ，Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆｔｈｅ Ｆｉｆｔｅｅｎｔｈ Ｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ａｒ－ ｔｉｆｉｃｉｌａ Ｉｎｔｅｌｌｉｇｅｎｃｅ，Ｍａｄｉｓｏｎ，ＰＰ．５５—６２，Ｊｕｌｙ １９９８． ［８】Ｍ．Ｓａｈａｍｉ，Ｓ．Ｄｕｍａｉｓ，Ａ Ｂａｙｅｓｉａｎ ａｐｐｒｏａｃｈ ｔｏ ｉｆｌｔｅｒｉｎｇ ｊｕｎｋ ｌ，Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆｔｈｅ Ｆｉｆｔｅｅｎｔｈ Ｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ａｔ－ ｉｉｆｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ，Ｍａｄｉｓｏｎ，ｐｐ．５５－６２，Ｊｕｌｙ １９９８． ［９］陈治平．基于自学习Ｋ近邻的垃圾邮件过滤算法ｌＪ１．计算 ２００５ （２５）ｐｐ：１—８． ［１０】Ｂ．Ｅ．Ｂｏｓｅｒ，Ｉ．Ｇｕｙｏｎ，ａｎｄ Ｖ．Ｖａｐｎｉｋ．Ａ ｔｒａｉｎｉｎｇ ａｌｇｏｒｉｔｈｍ ｆｏｒ ｏｐｔｉｍａｌ ｍａｒｇｉｎ ｃｌａｓｓｉｉｆｅｒｓ．Ｉｎ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆｔｈｅ Ｆｉｆｔｈ Ａｎｎｕａｌ Ｗｏｒｋｓｈｏｐ ｏｎ Ｃｏｍｐｕｔａｔｉｏｎａｌ Ｌｅａｒｎｉｎｇ Ｔｈｅｏｒｙ，ＡＣＭ Ｐｒｅｓｓ，１９９２． Ｐｐ：１４４—１５２． 【１ １】Ｗｅｉｈｏｎｇ Ｌｉｕ，Ｗｅｉｄｏｎｇ Ｆａｎｇ．Ａｄａｐｔｉｖｅ Ｓｐａｅｒ Ｆｉｌｔｅｒｉｎｇ Ｂａｓｅｄ ｏｎ Ｆｉｎｇｅｒｐｒｉｎｔ Ｖｅｃｔｏｒｓ．：Ｃｏｍｐｕｔｉｎｇ，Ｃｏｍｍｕｎｉｃａｔｉｏｎ，Ｃｏｎｔｒｏｌ，ａｎｄ Ｍａｎａｇｅｍｅｎｔ．２００８．ＣＣＣＭ’０８．ＩＳＥＣＳ Ａｕｇ．２００８．ｐｐ：３８４—３８８． ２。 １２ ２中圜教育网络５９ 研究人员还研究其他反垃圾邮件过滤技术，Ｂｏｏｓ这几种垃圾邮件的检测与过滤技术都有其 也要不断地发展和变化。圆 Ｅ－ＭａｉＥ－Ｍａｉｔ机应用，