戰(zhàn)勝垃圾郵件的七種武器

　　當一臺開啟了Open Relay的郵件服務器被垃圾郵件發(fā)送者發(fā)現(xiàn)時，它也會被加入一些公開的RBL（實時黑洞名單）當中，郵件服務器接受郵件時，可以檢查這些郵件的發(fā)信地址和域是否在這些RBL當中。但是RBL有時也會包含一些合法的郵件服務器。因此，使用RBL的同時把常用的一些合法的郵件服務器加入到白名單當中。
二、指紋分析
　　從理論上來說，如果一個收件人收到垃圾郵件之后，提取其中的指紋特征并分享給其他收件人，那么其他收件人就可以根據(jù)這些數(shù)字指紋拒絕接收具有同樣指紋特征的郵件。不幸的是，這些大批量發(fā)送的郵件也會包含細微的變化。例如，垃圾郵件一般都包括一個“退訂（Unsubscribe）”鏈接。另外，收集指紋特征是一項極其耗費資源的工作，尤其是在郵件流量巨大的企業(yè)環(huán)境當中。
　　經過認真細致的分析，找到這些郵件當中共同的特征點，就可以把這些指紋特征收集整理成一個規(guī)模化的垃圾郵件特征庫。
三、語義分析
　　垃圾郵件制造者的另一種辦法就是使用以往常用的詞匯。語義分析會根據(jù)這些詞語出現(xiàn)的位置和環(huán)境分配一個權重。一旦整封郵件的內容分析完畢，這些權重將會相加得到一個最終的分值，如果這個分值超過某一個預設的閾值，這封郵件將被判斷為垃圾郵件。
四、人工智能
　　神經網絡是人工智能技術在軟件中的實現(xiàn)，用來識別變化模式匹配。一個神經網絡存在輸入、輸出和兩者之間的連接。輸入/輸入節(jié)點代表那些需要分析的源數(shù)據(jù)。輸入是郵件當中的所有詞語，輸出是電子郵件的分類。神經網絡的準確性依賴于它是如何被“訓練”的。在“訓練”過程中，會有大量的輸入/輸出被送入網絡，網絡通過持續(xù)調整節(jié)點之間的連接權重來增加準確性。
五、統(tǒng)計分析
　　統(tǒng)計分析是通過分析大量已經正確分類的垃圾郵件和正常郵件，統(tǒng)計其中詞語出現(xiàn)的頻率從而生成一個關于可能性的權重數(shù)據(jù)庫。通過分析累加一封郵件中出現(xiàn)的所有的詞語的權重值，可以得到這封郵件的權重值，從而判斷這封郵件是垃圾郵件的可能性有多大。盡管統(tǒng)計數(shù)據(jù)庫中可能不會包含所有的詞語，但是經過精確的“訓練”，貝葉斯算法可以得到相當?shù)臏蚀_率。
六、啟發(fā)式分析
　　啟發(fā)式分析是對郵件進行一系列的測試分析，然后將這些測試分析的結果綜合和一個閾值比較，超過這個閾值就判斷為垃圾郵件。啟發(fā)式分析可以包括上面提到的所有方法，也會檢查郵件的內容和屬性。垃圾郵件也是不斷變化的，需要更多的分析判斷方法結合起來。因此執(zhí)行多個分析過程對提高準確率非常重要。整個啟發(fā)式分析的準確性依賴于組成它的多個分析過程的權重打分有效性和閾值機制。
七、中文的特殊性
　　由于中文的特殊性，使得郵件是由多個漢字而不是“詞語+空格”組成的，在中文郵件的處理上，需要對這些方法做一些改革。首先，需要一個非常高效的機制對詞語進行分隔和識別；其次，還需要有一個能夠理解中文的辭典；同時，漢字還存在“簡體”和“繁體”，存在GB2312、GB18030等多種編碼方式。最好的辦法就是把這些編碼統(tǒng)一轉換到一個統(tǒng)一的格式，然后進行統(tǒng)一處理。
　　基于業(yè)界最完整、精確的相關內容數(shù)據(jù)庫以及用于精確內容識別的適應性推理技術，美訊智是信息安全領域惟一能夠真正提供整體內容安全解決方案的公司，方案包括網頁過濾、電子郵件過濾、即時信息過濾和間諜軟件過濾。美訊智的整體內容安全解決方案具有配置靈活、功能豐富、可擴展性強的特點，能夠滿足來自信息安全市場的多種需求，業(yè)務延伸至世界的每一個角落。
　　美訊智的安全信息網關RiskFilter/SMG使用15層過濾措施，嚴格過濾垃圾郵件。美訊智的垃圾郵件過濾策略和指紋特征庫由內容安全專家小組維護并每日更新，過濾效果達到準確率高于98%，誤判率低于0.1%。在中國，每天有超過3千萬個郵件賬戶正得到美訊智RiskFilter/SMG的有效保護。

計算機世界網(www.ccw.com.cn)