Thola ukuthi izibalo zisiza kanjani ukugcina ibhokisi lakho lokungenayo lihlanzekile
Izihlungi zogaxekile ze-Bayesian zibala amathuba okuba umlayezo ugaxekile ngokusekelwe kokuqukethwe kwawo. Ngokungafani nezihlungi ezisekelwe kokuqukethwe okulula, ukuhlunga kogaxekile kwe-Bayesian kufunda kusuka kugaxekile nakuma-mail ahle, okuholela ekusebenzeni okunamandla kakhulu, okuguquguqukayo nokusebenza kahle okuphambene nogaxekile, okungcono kunakho konke, okubuyisa noma yikuphi ukufaka amanga amanga.
Uyazi kanjani i-Junk imeyili?
Cabanga ngokuthi uthola kanjani ugaxekile . Ukubuka okusheshayo kuvame ukwanele. Uyazi ukuthi ugaxekile ubukeka kanjani, futhi uyazi ukuthi i-mail enhle ibonakala kanjani.
Amathuba okugaxekile abukeka sengathi i-mail enhle iseduze ... zero.
Ukulinganisa Izihlungi Eziqukethwe Okuqukethwe Awuziguquli
Ngeke yini kube kuhle uma izihlungi zogaxekile ezizenzakalelayo zisebenza njengaleyo futhi?
Ukulinganisa izihlungi zogaxekile ezisuselwe kokuqukethwe zama nje lokho. Bafuna amagama nezinye izici ezijwayelekile zogaxekile. Zonke izici zesici zinikezwa amaphuzu, futhi amaphuzu ogaxekile womlayezo wonke ahlanganisiwe kusuka ezikoleni ezizimele. Abanye abafaka izihlungi baphinde babheke izici zemeyili evumelekile, behlisa amaphuzu wokugcina omyalezo.
Indlela yokuhlunga amagoli isebenza, kodwa nayo inezinselelo eziningana:
- Uhlu lwezici lwakhiwe kusuka kugaxekile (kanye ne-mail enhle) etholakalayo kunjiniyela bohlungi. Ukuze uthole ukuqonda okuhle kogaxekile ovamile umuntu angayithola, i-imeyili kufanele iqoqwe ngamakhulu amakheli e-imeyili. Lokhu kunciphisa ukusebenza kahle kwezihlungi, ikakhulu ngoba izici zeposi elihle zizohluka kumuntu ngamunye , kodwa lokhu akucatshangelwa.
- Izici ozozibuka zihlelwe phansi ngamatshe . Uma abakwa-spammers benza umzamo wokuzivumelanisa (futhi benze ugaxekile wabo lubukeke njenge-imeyili enhle kuzihlungi), izimpawu zokuhlunga kufanele zihlungwe ngesandla-umzamo omkhulu nakakhulu.
- Isiqephu esinikezwe igama ngalinye cishe sincike ekulinganiseni okuhle, kodwa kusengakapheli. Futhi njengohlu lwezici, azivumelanisi nezwe elishintshayo logaxekile ngokujwayelekile noma izidingo zomsebenzisi ngamunye.
Izihlungi ze-Spesiya ze-Bayesian zizenzele zona, Zithole Better and Better
Izihlungi zogaxekile ze-Bayesian zihlobo lokuhlunga izihlungi ezisekelwe kokuqukethwe, futhi. Indlela yabo isusa izinkinga zezihlungi ezilula zogaxekile ze-spam, noma kunjalo, futhi zenza kanjalo kakhulu. Kusukela ubuthakathaka bokuhlunga amagoli kuludwe oluhlelwe ngezici nezici zazo, lolu hlu luqedwa.
Kunalokho, izihlungi zogaxekile ze-Bayesian zakha uhlu ngokwabo. Kulungile, uqala nge-(big) iqembu lama-imeyili owahlukanisile njengogaxekile, nesinye isiqu seposi elihle. Lezi zihlungi zibuka kokubili futhi zihlaziya i-imeyili esemthethweni kanye nogaxekile ukuze zibalwe amathuba okuhluka okuvela kugaxekile, nakuma-mail ahle.
Indlela i-Filesi ye-Spam ye-Bayesian ihlola i-imeyili
Izici umhluzi wogaxekile we-Bayesian ongabuka ungaba:
- amagama emzimbeni womlayezo, yebo, futhi
- izihloko zayo (abathumeli nezindlela zomlayezo , isibonelo!), kodwa futhi
- ezinye izici ezifana ne-HTML / CSS ikhodi (njengemibala nokunye ukufometha), noma ngisho
- amagama amabili, imisho kanye
- ulwazi lwe-meta (lapho kubonakala khona inkulumo ethize, isibonelo).
Uma igama, "I-Cartesian" njengesibonelo, lingalokothi livele ngogaxekile kodwa kaningi e-imeyili evumelekile oyitholayo, amathuba okuthi "i-Cartesian" ibonisa ugaxekile iseduze nendawo. "I-Toner", ngakolunye uhlangothi, ivela kuphela, futhi kaningi, ngogaxekile. "I-Toner" inethuba eliphezulu kakhulu lokutholakala ngogaxekile, hhayi ngaphansi kwe-1 (100%).
Lapho umlayezo omusha ufika, uhlaziywa umhlanhla wogaxekile wase-Bayesian, futhi kungenzeka ukuthi umlayezo ophelele ube ugaxekile ubalwa ngokusebenzisa izici ezihlukile.
Cabanga ukuthi umyalezo uqukethe kokubili "i-Cartesian" ne "toner". Kusuka kulawa magama kuphela akukacaci ukuthi sine-spam noma imeyili efanele. Ezinye izici zizo (ngethemba futhi cishe kakhulu) zikhombisa ukuthi kungenzeka ukuthi isihlungi sihlukanise umyalezo njengogaxekile noma i-mail enhle.
Ama-Filters we-Bayesian Spam angafunda ngokuzenzekelayo
Manje njengoba sinesigaba, umyalezo ungasetshenziswa ukuqeqesha isihlungi ngokwengeziwe. Kulokhu, kungenzeka ukuthi "i-Cartesian" ekhombisa i-mail enhle iyancipha (uma umlayezo oqukethe kokubili "i-Cartesian" ne-toner "itholakale ugaxekile), noma kungenzeka ukuthi" i-toner "ekhombisa ugaxekile kufanele ibukwe kabusha.
Ukusebenzisa le ndlela yokuzivumelanisa ngokuzenzakalelayo, izihlungi ze-Bayesian zingafunda kuzo zombili izinqumo zomuntu siqu kanye nomsebenzisi (uma elungisa ngokuzenzakalelayo ukuhlukumeza ngezihlungi). Ukujwayela ukuhlunga kwe-Bayesian kuyaqinisekisa ukuthi kuphumelela kakhulu kumsebenzisi ngamunye we-imeyli. Nakuba ugaxekile lwabantu abaningi lungaba nezici ezifanayo, i-imeyili evumelekile ihlukile kubantu bonke.
I-spammers ingawasebenzisa kanjani izihlungi zangaphambili ze-Bayesian?
Izici zeposi ezivumelekile zibaluleke kakhulu ekuhlunguleni i-Bayesian ogaxekile njengogaxekile. Uma izihlungi ziqeqeshwe ngqo kumsebenzisi wonke, abakwa-spammers bazoba nesikhathi esinzima kakhulu esebenza emhlabeni wonke (noma ngisho nabantu abaningi) izihlungi zogaxekile, futhi izihlungi zingakwazi ukuvumelanisa cishe yonke into yokugaxeka.
Abakwa-Spammers bazokwenza ukuthi kudlulele izihlungi eziqeqeshwe kahle ze-Bayesian uma benza imiyalezo yabo yogaxekile ibheke ngokuphelele njenge-imeyili evamile wonke umuntu angayithola.
Abakwa-spammers ngokuvamile abathumele ama-imeyili anjalo ajwayelekile. Ake sicabange lokhu ngoba lawa ma-imeyili awasebenzi njenge-imeyili engenayo. Ngakho-ke, amathuba okuba ngeke akwenze lapho ama-imeyili avamile, adidayo yindlela kuphela yokwenza ihlukumeji zogaxekile zidlule.
Uma abagaxekile bashintshela kuma-imeyili amaningi ajwayelekile, noma kunjalo, sizobona okuningi kogaxekile kuma-Ibhokisi lokungenayo futhi, i-imeyili ingaba yinkinga njengoba kwakunjalo ezinsukwini zangaphambili zase-Bayesi (noma nakakhulu). Kuzophinde kubhubhise imakethe ngezinhlobo eziningi zogaxekile, noma kunjalo, ngakho-ke ngeke kuhlale isikhathi eside.
Ama-Strong Indicators Ungaba i-Filesi ye-Spam Filter & # 39; s Achilles & # 39; Isithende
Okunye okungahle kubonakale ukuthi abagaxekile basebenzise indlela yabo ngokusebenzisa izihlungi ze-Bayesian ngisho nokuqukethwe kwabo okuvamile. Kungokwemvelo yezibalo ze-Bayesian ukuthi igama elilodwa noma isici esivela njalo e-mail enhle singabalulekile kakhulu ekuphenduleni umlayezo kusuka ekubukeke njengogaxekile ukuze ulinganiswe njengehhafu ngesihlungi.
Uma abakwa-spammers bethola indlela yokunquma amagama akho e-mail aqinisekisiwe-ngokusebenzisa i- HTML ukubuyiselwa kwamarisidi ukuze ubone ukuthi yimiphi imilayezo owavule, isibonelo-, ingafaka omunye wabo kwi-imeyili engenasidingo futhi ikufinyelele ngisho nangemuva- isihlungi esiqeqeshiwe saseBasesi.
UJohn Graham-Cumming uzame lokhu ngokuvumela izihlungi ezimbili zeBaseesia zisebenzisane, "okubi" kufinyelela kumiphi imilayezo etholakala ukuthola isihlungi "esihle". Uthi kusebenza, nakuba inqubo isidla isikhathi futhi isinkimbinkimbi. Asicabangi ukuthi sizobona okuningi kwalokhu okwenzekayo, okungenani hhayi ngezinga elikhulu, futhi kungahambisani nezici ze-imeyili zabantu ngabanye. Abakwa-Spammers bangase (bazame) ukuthola amanye amagama angukhiye ezinhlanganweni (into efana ne "Almaden" kwabanye abantu ku-IBM mhlawumbe?) Kunalokho.
Ngokuvamekile, ugaxekile uyohlala (ngokuphawulekayo) ehlukile kwi-imeyili ejwayelekile noma ngeke kube spam, noma kunjalo.
Okubalulekile: Amandla we-Bayesian Filtering & # 39; s angase abe ukungabi namandla
Izihlungi zogaxekile ze-Bayesian ziyizihlungi ezisuselwe ekuqukethwe okulandelayo:
- baqeqeshwe ngokuqondile ukuze baqaphele ugaxekile womsebenzisi ngamunye we-imeyli kanye ne-mail enhle , okwenza kube yimpumelelo kakhulu futhi kunzima ukuzivumelanisa nabagaxekile.
- kungaba njalo futhi ngaphandle kokuzikhandla okukhulu noma ukuhlaziywa kombhalo kuyavumelana nezindlela zakamuva zogaxekile.
- uthathe i-imeyili enhle yomsebenzisi ngamunye futhi ube nesilinganiso esincane kakhulu sezingozi zamanga .
- Ngeshwa, uma lokhu kubangele ukungathembeki kokungathembisi kwezihlungi ze-Bayesian eziphambene nogaxekile, kubangela ukuthi iphutha lezinye izikhathi libi nakakhulu . Umphumela ohlukile wezinkinga ezingamanga (ugaxekile obonakala sengathi ufana ne-mail evamile) unamandla okuphazamisa nokuphazamisa abasebenzisi.