Spam version 8 Andreas Tandersten 2004-12-21 - BADA

inevitably have a different character. And the spammers would also,
of course, have to change (and keep changing) their whole
infrastructure, because otherwise the headers would look as bad to
the Bayesian filters as ever, no matter what they did to the message
body. 79
Han tror att det här i förlängningen leder till spam så småningom oundvikligen kommer
att reduceras ner till några få rader: 80
”Hey there. Thought you should check out the following:
http://www.27meg.com/foo”
Det är en övertro på de bayesianska filtren och samtidigt ett resonemang som inte
stämmer överens med vad han tidigare diskuterat. Ingenting talar emot att denna
menings oberoende förekomster av ord skulle kunna klara av att identifieras av ett
bayesianskt spamfilter, om användaren ofta tar emot snarlika legitima brev av bekanta
är det förstås troligt att de inte sållas bort, men lägg sedan till en förekomst av en
hyperlänk och det blir än lättare att samla in ett sådant spam.
Graham poängterade dock att det är mycket svårare för en mänsklig hjärna att sätta sig
in i hur den som skapat e-mailet (spam) tänker när de utformar sina spam och att det
därför är både praktiskt och tidsbesparande med bayesianska filter, det betvivlar jag
inte.
Den viktigaste enskilda fördelen med bayesianska filter är enligt Graham, att man vet
exakt vilken slags information man verkligen mäter, till skillnad från t.ex. program som
SpamAssassin som tilldelar varje spam en ”poäng” (score) för varje e-mail. Det är inte
helt korrekt att generalisera utifrån SpamAssasin som Graham gör, i många andra
system vet man också exakt vad man mäter, t.ex. de vanliga regelbaserade systemen
(mer om dessa senare).
Det finns dock ett stort problem med bayesianska filter anser Graham. Han utgår från
sig själv och sin forskning kring spam och det faktum att spam-filtren sällan - för att
inte säga aldrig - utgår från en samlad mängd idealdokument 81 , för att komma till rätta
med det här önskar han att filtren istället lärde sig sannolikheter utifrån varje unik
användare. Här har han en viktig poäng, och det verkar också som om denna idé till viss
del har slagit igenom, när en användare ges möjligheten att klassificera ett inkommande
e-mail som spam, är det exakt det här som sker. För varje ny klassificering blir det
bayesianska filtret bättre på att beräkna sannolikheter. Det är inte viktigt att utgå från de
sk. idealdokumenten, det viktiga är själva inträningen av filtret.
79
Graham, Paul. http://www.paulgraham.com/spamfaq.html En lista över tillgängliga filter finns här:
http://www.paulgraham.com/filters.html
80
Ibid.
81
Idealdokument i det här sammanhanget betyder ungefär, det perfekta spammet eller det perfekta icke-
spammet.
34