如何编写垃圾邮件过滤器

Question

我不得不写一个简单的垃圾邮件过滤器 我不确定我将如何做到这一点。

到目前为止，我已经提出了wordlist和域名过滤功能，它可以提供或删除高达某个阈值的点数。

例如，如果你是从黑名单中写下“v1agr4”，你会得到2分垃圾邮件，但如果你是从hotmail.com帐户写“v1agr4”，你会只获得1个“垃圾邮件点”。

你们有其他任何建议/资源吗？

这更多是关于学习垃圾邮件过滤器而不是开发企业级别的东西

Answer 1

这里有一些非常好的算法信息：

http://www.paulgraham.com/spam.html

http://www.paulgraham.com/better.html

但是，说真的，为什么重新发明轮子？

只需下载K9：http://keir.net/k9.html

Answer 2

一些与贝叶斯垃圾邮件过滤相关的开源Java项目（LFSR Consulting提到）：

• Classifier4j
• jBNC
• Naiban

C ++的一个额外内容：

• SpamProbe

Answer 3

查看 Bayesian Spam Filtering。

我知道perl有一个库，所以我假设java也有。

Answer 4

我写过one with all the bells and whistles。

Answer 5

您可以将其委派给分布式服务。 Akismet是一个非常好的解决方案。

Answer 6

编写垃圾邮件过滤器取决于您对可伸缩性的要求。

如果你想要一个可扩展的解决方案，那么内容过滤可能不是明智的选择，因为它非常消耗CPU和内存，你宁可选择基于信誉的过滤或基于黑名单的过滤，这将是一种方式服务器上的CPU更友好，写起来也更容易。

我写了一个a post on my blog，它解释了从程序员的角度编写垃圾邮件过滤器背后的想法，并涵盖了从基于内容的过滤到基于黑名单的过滤的所有选项。