Reference API

JavaScript
import SpamScanner from 'spamscanner';             // ESM
const SpamScanner = require('spamscanner');        // CommonJS

const scanner = new SpamScanner(options);
const result = await scanner.scan(rawMessage, scanOptions);

Vytvořte jeden scanner a používejte ho opakovaně: model načte jednou a ukládá do mezipaměti odpovědi DNS i jazykového modelu.

Volby#

Každou volbu lze předat konstruktoru. Většinu lze předat také scan() pro jednu zprávu, kde se sloučí s volbami konstruktoru a mají přednost.

VolbaVýchozíVýznam
threshold5Skóre, od kterého je zpráva spam
rejectThreshold15Skóre, od kterého je action rovno reject
scores{}Body za test: klíče nastavení nebo názvy testů (testy a skóre)
classifierpřibalený modelClassifier, objekt modelu, cesta k souboru modelu nebo false
classifierOptions{}Volby přibaleného modelu (viz Klasifikátor)
allowedLanguages[]Kódy ISO 639-1; ostatní jazyky dostanou LANGUAGE_NOT_ALLOWED
phishing.cloudflaretruePtát se filtrovacích resolverů Cloudflare na hostitele z odkazů
phishing.adulttruePtát se také rodinného resolveru, který blokuje weby pro dospělé
phishing.maxHosts25Počet hostitelů z odkazů vyhledaných na jednu zprávu
phishing.homograph{}brands (nahradí vestavěný seznam), extraBrands, allowlist (domény, které se nikdy neoznačí), strictMode
dnsbl{ip: [], domain: []}Zóny DNS blocklistů pro IP adresu klienta a pro domény v odkazech
dns{servers: null, timeout: 3000}Jmenné servery pro kontroly DNS (výchozí: systémové)
attachmentstrueProhlížet přílohy
macrostrueOznačovat makra, aktivní PDF a objekty RTF
arbitrarytrueSpouštět pravidla
authenticationfalsetrue nebo {dnsServers, timeout, mta, weights}: SPF, DKIM, DMARC, ARC
reputationfalse{allowlist, denylist, apiUrl, headers, timeout}
allowlist, denylistIP adresy, domény nebo adresy; zkratka pro reputation
clamavfalsetrue (výchozí socket), {socket} nebo {host, port}
llmnullNastavení jazykového modelu s mode, minScore, maxScore
toxicityfalse{model, threshold = 0.7}: model, jehož classify([text]) odpovídá jako @tensorflow-models/toxicity
nsfwfalse{model, threshold = 0.6}: model, jehož classify(imageBuffer) odpovídá jako nsfwjs
maxLength100000Počet přečtených znaků textu těla
timeout10000Milisekundy povolené pro každou síťovou kontrolu
session{}Výchozí údaje o relaci SMTP

scan() přijímá také session:

JavaScript
await scanner.scan(raw, {
  session: {
    remoteAddress: '203.0.113.5',             // the client's IP address
    resolvedClientHostname: 'mx.example.com', // its verified reverse DNS name
    helo: 'mx.example.com',
    envelope: {
      mailFrom: {address: 'alice@example.com'},
      rcptTo: [{address: 'bob@example.org'}],
    },
  },
});

Server, který už SPFSender Policy Framework: záznam v DNS se seznamem serverů, které smějí za doménu odesílat poštu., DKIMDomainKeys Identified Mail: podpis zprávy ověřovaný veřejným klíčem zveřejněným v DNS odesílatele., DMARCZásada v DNS, která příjemcům říká, co dělat s poštou, jež se hlásí k doméně, ale neprojde zarovnáním SPF a DKIM. a ARCAuthenticated Received Chain: podpisy, které přenášejí výsledky ověření přes přeposílající servery. ověřil (pomocí mailauth), může své výsledky předat jako authenticationResults a ty se pak bodují, místo aby se ověřovaly znovu:

JavaScript
import {authenticate} from 'mailauth';

const auth = await authenticate(raw, {ip, helo, sender, mta});
await scanner.scan(raw, {authenticationResults: auth});

Metody#

MetodaVrací
scan(source, options)Výsledek. source je Buffer, řetězec, Uint8Array nebo čitelný stream
scanFile(path, options)Výsledek pro soubor se zprávou
learn(source, 'spam' | 'ham')Naučí klasifikátor jednu zprávu
unlearn(source, 'spam' | 'ham')Vrátí zpět learn
saveModel(path, options)Zapíše klasifikátor do souboru (options: minCount, maxFeatures, metadata)
getClassifier()Používaný Classifier nebo null
getClassification(features)Verdikt klasifikátoru pro příznaky z getFeatures
getFeatures(mail){features, words, language, script, links, hosts, text, hidden} zprávy
getTokens(text, locale)Slova textu
getTokensAndMailFromSource(source){tokens, features, mail}
parse(source){raw, mail}, kde mail pochází z mailparseru

V getFeatures je text text, který zobrazí poštovní klient a ze kterého se čtou slova, a hidden počet znaků textu, které HTML skrývá.

scanner.metrics obsahuje totalScans, averageTime a lastScanTime.

Výsledek#

JavaScript
{
  isSpam: true,
  score: 16.25,
  threshold: 5,
  rejectThreshold: 15,
  action: 'reject',                       // 'accept', 'tag' or 'reject'
  message: 'Spam (BAYES_999, PHISHING_LOOKALIKE_DOMAIN, DECEPTIVE_LINK, FROM_NAME_BRAND)',
  tests: [
    {name: 'BAYES_999', score: 6.25, description: 'Classifier spam probability 99.9%'},
    {name: 'PHISHING_LOOKALIKE_DOMAIN', score: 5, description: '"paypa1-secure.top" imitates paypal by swapping characters'},
    // ...
  ],
  results: {
    classification: {probability, category, spam, ham, clues, coverage},
    phishing: [],        // lookalike domains, deceptive links, Cloudflare and URIBL findings
    uncheckedHosts: 0,   // link hosts beyond phishing.maxHosts, not looked up
    attachments: [],     // every attachment finding
    executables: [],     // the executable findings among them
    macros: [],          // macros, active PDFs, RTF objects
    viruses: [],         // ClamAV findings: {filename, virus: [names], message}
    arbitrary: [],       // rules strong enough to mark spam alone
    obfuscation: {invisible, mixed, styled},
    authentication: null, // mailauth's results with a score, when checked
    reputation: null,
    dnsbl: [],           // {zone, value} for each listing
    language: {language, script, notAllowed},
    llm: null,           // the language model's verdict, when asked
    toxicity: [],
    nsfw: [],
    idnHomographAttack: {detected, domains, riskScore},
  },
  links: ['http://paypa1-secure.top/login'],
  language: 'en',
  tokens: ['dear', 'customer', /* ... */],
  mail: {/* the parsed message, from mailparser */},
  version: '7.0.0',
  metrics: {totalTime: 42},
}

Nálezy v phishing, attachments, executables, macros, viruses a arbitrary jsou objekty s type a message. String(finding) je zpráva.

Exporty#

JavaScript
import SpamScanner, {
  Classifier, getFeatures, segmentWords, detectLanguage,
  LLMClassifier, PROVIDERS, RECOMMENDED_MODELS, CLASSIFIER_MODELS,
  DEFAULT_SCORES, scoreResults, spamHeaders, rewriteMessage,
  loadModel, saveModel, defaultModelPath, loadDefaultModel,
  train, evaluate, readExamples,
  MilterServer, createHttpServer, createTcpServer, createSpamdServer,
  DEFAULTS, VERSION,
} from 'spamscanner';

import ArfParser from 'spamscanner/arf';

Klasifikátor#

JavaScript
const classifier = new Classifier({spamCutoff: 0.99, hamCutoff: 0.2});
classifier.learn(getFeatures(mail).features, 'spam');
classifier.classify(features); // {probability, category, spam, ham, clues, coverage}
VolbaVýchozíVýznam
strength, unknown0.45, 0.5Robinsonovy parametry s a x: jak silně se vzácné příznaky táhnou k 0,5
minDistance0.1Příznaky bližší k 0,5 než tato hodnota se ignorují
maxClues150Počet nejsilnějších příznaků kombinovaných na jednu zprávu
hamCutoff, spamCutoff0.2, 0.99Hranice rozsahu unsure
minLanguageExamples, languageShare1000, 0.02Počet zpráv každé třídy v jazyce potřebný pro plnou důvěru
languagePriortrueVážit slova podle počtů v jejich vlastním jazyce

K dispozici jsou také merge(other), toJSON(options), Classifier.fromJSON(json), size a entries().

Trénování#

JavaScript
import {train, evaluate, saveModel} from 'spamscanner';

const {classifier, spam, ham} = await train({
  spam: ['/mail/Junk'],
  ham: ['/mail/Archive', '/mail/archive.mbox'],
  datasets: [{file: 'extra.csv', textColumn: 'body', labelColumn: 'kind'}],
});
saveModel(classifier, 'model.json');

evaluate(classifier, examples) přijímá položky {label, features} nebo readExamples(sources), které čte stejné zdroje jako train, a vrací počty, přesnost, úplnost, F1, správnost a míru falešně pozitivních, falešně negativních a nejistých výsledků.

Servery#

JavaScript
import SpamScanner, {MilterServer, createHttpServer, createSpamdServer} from 'spamscanner';

const scanner = new SpamScanner({authentication: true});
const milter = new MilterServer(scanner, {reject: true, rejectCode: 451, subjectTag: '[SPAM]'});
milter.on('scan', ({session, result}) => console.log(session.remoteAddress, result.score));
await milter.listen(7831);

createHttpServer(scanner, {token: process.env.SPAMSCANNER_TOKEN}).listen(7832, '127.0.0.1');
createSpamdServer(scanner).listen(783, '127.0.0.1');

Hlášení ARF#

spamscanner/arf čte a zapisuje hlášení o zneužití (RFC 5965), formát, kterým poskytovatelé poštovních schránek hlásí stížnosti na spam:

JavaScript
import ArfParser from 'spamscanner/arf';

const report = await ArfParser.parse(rawReport);
console.log(report.feedbackType, report.sourceIp, report.originalHeaders.subject);

const raw = ArfParser.create({
  feedbackType: 'abuse', userAgent: 'MyService/1.0',
  from: 'abuse@example.com', to: 'fbl@example.net',
  originalMessage, sourceIp: '192.0.2.1',
});

ArfParser.tryParse() u zpráv, které nejsou hlášeními, vrací null místo vyhození výjimky, a isArfMessage(mail) zkontroluje rozebranou zprávu.

Upravit tuto stránku na GitHubu · Markdown ·