由早期文字形态
信件进化到图文并貌HTML格式
而由于anti-spam技术进步几乎可达到 9成拦阻率但「道高
尺、魔高丈」spammer开始大量运用图片形态方式来寄送邮件图像式垃圾邮件在图片内容加入大量噪声数据(noisy data)藉以回避扫描引擎侦测以目前anti-spam市场所推出
产品若是缺少扫描图像式垃圾邮件功能相信也无法在市场上生存例如:IronPort、Sophos PureMessage等厂商皆推出具备相关功能产品当然
开放源码SpamAssassin也不能在此功能上缺席也出现了不少相对应solution例如:OcrPlugin而此篇文章所要介绍
FuzzyOCR是套修改自OcrPluginSpamassassin plugin同样是利用光学
辨认(OCR)方式来识别图像式邮件所包含「文字讯息」并利用Fuzzy word matching算法判断辨识出来文字主要具备了下列
功能:Optical Character Recognition using d
ferent engines and 
tings Fuzzy word matching algorithm applied to OCR results
Image hashing system to learn unique properties of known spam images
Dimension, size and
egrity checking of images Content-Type ver
ication for the containing email Matching and learning techniques
可弹性支持区别
OCR erface并利用fuzzy word matching算法来处理辨识结果 支持DB
可将处理过图片以feature vectors形态储存在数据库因此相同或是类似图片便可以利用储存在DB特征向量来处理 能检测区别维度、size和整合性
测试 邮件内容检测
Resource saving techniques
仅扫描邮件
而非辨认该封信件是否为垃圾信件信件分类仍交由spamassassin所判别分数高低来决定 对于已达到spam分数门坎
邮件FuzzyOCR在处理该封邮件时会忽略该封信件而不进行扫描进而减轻系统负载(3.5版的后提供) 藉由比对储存于DB
feature vectors(dimensions and file size)若比对成功则忽略该封信件而不再进行OCR辨识和处理 Safety measures
可设定扫描邮件timeout
时间藉以避免Denial of Service攻击 使用word
s取代simple lists避免FuzzyOCR错判可能 具体过程如下:
更新ports
# portsnap fetch update
通过ports安装
# cd /usr/ports/mail/p5-FuzzyOcr-devel
# make
clean# cp /usr/local/share/examples/FuzzyOcr/FuzzyOcr.* /usr/local/etc/mail/spamassassin
# vi /usr/local/etc/mail/spamassassin/init.pre
加入如下内容:
# FuzzyOcr
loadplugin Mail::SpamAssassin::Plugin::FuzzyOcr
# vi /usr/local/etc/mail/spamassassin/FuzzyOcr.cf
确定focr_logfile设置为:
focr_logfile /var/log/FuzzyOcr.log
保存设置以后
重启反垃圾邮件网关引擎例如:mailscanner# /usr/local/etc/rc.d/mailscanner restart
如果没有用mailscanner
那么重启sa-spamd# /usr/local/etc/rc.d/sa-spamd restart
测试是否正常工作:
# cd /tmp
# mkdir test;cd test
# fetch http://users.own-hero.net/~decoder/fuzzyocr/sample-mails.tar.gz
# unzip sample-mails.tar.gz
# spamassassin -t < ocr-g
.eml或者查看日志文件:
# tail -f /var/log/FuzzyOcr.log
# tail -f /var/log/maillog
最新评论