07 31 Ocak - 2 Şubat 2007 Kütahya - Akademik Bilişim Konferansları

Spam 2.0, Tespit ve Engelleme YöntemleriH. Coşkun Gündüzanlaşılması gerekir. İyi bir captcha görselinin,resim işleme ve optik karakter tanıma algoritmalarıylaçözülememesi gerekir. E-posta kullanıcısı,göndereceği e-postayı hazırlayıp gönderdüğmesine bastığında, karşısına bir captchagörseli çıkar. Bu captcha çözüldüğünde e-postagönderilir. Toplu e-posta gönderimi sırasındasürekli captcha çözülmesi gerekeceğinden,işin otomatikleştirilmesi mümkün olmaz. Normale-posta kullanıcıları ise göndereceği here-posta için yaklaşık 10 saniyelik bir captchaçözme sürecine maruz kalır. Bu yöntemin getirileriolduğu gibi, vakit kaybı olarak dezavantajlarıda vardır.4.2.2 Hashing AlgoritmalarıSpam gönderimini güçleştirmek amacıyla uygulanabilecekbir başka yöntem, gönderileceke-postanın, örneğin 5 saniye süren, bir algoritmadangeçmesidir. Her bir e-postaya uygulananbu fonksiyon, toplu e-posta gönderimlerininçok uzun süre almasına sebep olacaktır. Normale-posta kullanıcısı, göndereceği e-postanın beşsaniye gecikmesinden mağdur olmayacaktır.Ancak bir seferde on milyon e-posta gönderenspammer’in işi yaklaşık 600 gün sürecektir. Bualgoritmanın e-posta alıcı tarafında ise hızlı çözülebilmesigerekir. Hedef e-posta gönderiminiyavaşlatmaktır. Alıcının bu yöntemden asgaridüzeyde etkilenmesi gerekir.5. SonuçSpam e-posta gönderimi cazibesini korudukça,filtreleme yazılımları ne kadar başarılı olursaolsun, spam göndericileri her zaman bir adımöne geçmenin yolunu bulacaktır. Resim tabanlıspam gönderme fikri de bunun bir göstergesidir.Bu çalışmada bahsedilen yöntem,günümüzde spam filtreleme yazılımlarınınyetersiz kaldığı noktada devreye girecek ve resimtabanlı spam e-postaların yakalanmasındakullanılabilecektir. Günümüz spam filtrelemeyazılımlarının kullanmadığı histogram analiziile %81 başarı sağlanmış ve resimli postalarınkarakteristik özelliklerine dair önemli ipuçlarıelde edilmiştir.682Çalışmanın ileri safhalarında, bu yöntemin,yakalayamadığı e-postalar kullanıcı tarafındanspam olarak işaretlendiği takdirde, öğrenebilirolması ve benzer özellikte bir e-posta daha geldiğindeonu filtreleyebilmesi amaçlanmaktadır.Ayrıca çalışmanın ürünü olarak ortaya çıkacakprogram, spam filtreleme yazılımları ve/veyae-posta istemcileri için bir eklenti halinde açıkkaynaklı olarak dağıtılacaktır.6. Kaynaklar[1] Balvanz, J., Paulsen, D., Struss, J. “SpamSoftware Evaluation, Training, and Spport:Fighting Back to Reclaim the Email Inbox.”Ekim 2004. Proceedings of the 32nd annualACM SIGUCCS conference on User services.[2] Gündüz, H.C., Başar E., “Resim İçerikliSpam E-postaların Engellenmesinde HistogramAnalizi Yöntemi”, Inet-tr Türkiye’de InternetKonferansı, Ankara, Aralık 2006.[3] Mangalindan, M. “Some Bulk MailersMake a Healthy Living On Steady Diet ofSpam”. The Wall Street Journal Europe, 13Kasım 2002.[4] O’Brian, C., Vogel, C. “Spam Filters: Bayesvs. Chi-squared; Letters vs. Words.” Eylül2003. Proceedings of the 1st internationalsymposium on Information and communicationtechnologies ISICT ‘03.[5] Shapiro, L., Stockman, G., Computer Vision.Prentice Hall, 2001.