API-reference
import SpamScanner from 'spamscanner'; // ESM
const SpamScanner = require('spamscanner'); // CommonJS
const scanner = new SpamScanner(options);
const result = await scanner.scan(rawMessage, scanOptions);Opret én scanner, og genbrug den: den indlæser modellen én gang og cacher svar fra DNS og sprogmodeller.
Indstillinger#
Alle indstillinger kan gives til konstruktøren. De fleste kan også gives til scan() for en enkelt besked, og de flettes da oven på konstruktørens.
| Indstilling | Standard | Betydning |
|---|---|---|
threshold | 5 | Score, hvor en besked er spam |
rejectThreshold | 15 | Score, hvor action er reject |
scores | {} | Point pr. test: indstillingsnøgler eller testnavne (test og scorer) |
classifier | medfølgende model | En Classifier, et modelobjekt, en sti til en modelfil eller false |
classifierOptions | {} | Indstillinger for den medfølgende model (se Classifier) |
allowedLanguages | [] | ISO 639-1-koder; andre sprog får LANGUAGE_NOT_ALLOWED |
phishing.cloudflare | true | Spørg Cloudflares filtrerende resolvere om værter i links |
phishing.adult | true | Spørg også familieresolveren, som blokerer voksenwebsteder |
phishing.maxHosts | 25 | Værter i links, der slås op pr. besked |
phishing.homograph | {} | brands (erstatter den indbyggede liste), extraBrands, allowlist (domæner, der aldrig markeres), strictMode |
dnsbl | {ip: [], domain: []} | DNS-blokeringslistezoner for klientens IP og for domæner i links |
dns | {servers: null, timeout: 3000} | Navneservere til DNS-tjek (standard: systemets) |
attachments | true | Undersøg vedhæftede filer |
macros | true | Markér makroer, aktive PDF'er og RTF-objekter |
arbitrary | true | Kør reglerne |
authentication | false | true eller {dnsServers, timeout, mta, weights}: SPF, DKIM, DMARC, ARC |
reputation | false | {allowlist, denylist, apiUrl, headers, timeout} |
allowlist, denylist | IP-adresser, domæner eller adresser; kortform for reputation | |
clamav | false | true (standardsocket), {socket} eller {host, port} |
llm | null | Indstillinger for sprogmodellen med mode, minScore, maxScore |
toxicity | false | {model, threshold = 0.7}: en model, hvis classify([text]) svarer som @tensorflow-models/toxicity |
nsfw | false | {model, threshold = 0.6}: en model, hvis classify(imageBuffer) svarer som nsfwjs |
maxLength | 100000 | Antal tegn af brødteksten, der læses |
timeout | 10000 | Millisekunder, der er tilladt for hvert netværkstjek |
session | {} | Standardoplysninger om SMTP-sessionen |
scan() tager også session:
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'}],
},
},
});En server, der allerede har tjekket SPFSender Policy Framework: en DNS-post, der angiver de servere, som må sende post for et domæne., DKIMDomainKeys Identified Mail: en signatur over en besked, der tjekkes med en offentlig nøgle, som er offentliggjort i afsenderens DNS., DMARCEn DNS-politik, der fortæller modtagere, hvad de skal gøre, når post, der udgiver sig for at komme fra et domæne, ikke består SPF- og DKIM-justeringen. og ARCAuthenticated Received Chain: signaturer, der bærer godkendelsesresultater videre gennem videresendende servere. (med mailauth), kan give sine resultater videre som authenticationResults, og så scores de i stedet for at blive tjekket igen:
import {authenticate} from 'mailauth';
const auth = await authenticate(raw, {ip, helo, sender, mta});
await scanner.scan(raw, {authenticationResults: auth});Metoder#
| Metode | Returnerer |
|---|---|
scan(source, options) | Resultatet. source er en Buffer, en streng, et Uint8Array eller en læsbar stream |
scanFile(path, options) | Resultatet for en beskedfil |
learn(source, 'spam' | 'ham') | Lærer klassifikatoren én besked |
unlearn(source, 'spam' | 'ham') | Fortryder learn |
saveModel(path, options) | Skriver klassifikatoren til en fil (options: minCount, maxFeatures, metadata) |
getClassifier() | Den Classifier, der er i brug, eller null |
getClassification(features) | Klassifikatorens dom for features fra getFeatures |
getFeatures(mail) | {features, words, language, script, links, hosts, text, hidden} for en besked |
getTokens(text, locale) | Ordene i en tekst |
getTokensAndMailFromSource(source) | {tokens, features, mail} |
parse(source) | {raw, mail}, med mail fra mailparser |
I getFeatures er text den tekst, en mailklient viser, og som ordene læses fra, og hidden hvor mange tegn tekst HTML'en skjuler.
scanner.metrics indeholder totalScans, averageTime og lastScanTime.
Resultatet#
{
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},
}Fund i phishing, attachments, executables, macros, viruses og arbitrary er objekter med en type og en message. String(finding) er beskeden.
Eksporter#
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';Classifier#
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}| Indstilling | Standard | Betydning |
|---|---|---|
strength, unknown | 0.45, 0.5 | Robinsons s og x: hvor kraftigt sjældne features trækkes mod 0,5 |
minDistance | 0.1 | Features, der ligger tættere på 0,5 end dette, ignoreres |
maxClues | 150 | De stærkeste features, der kombineres pr. besked |
hamCutoff, spamCutoff | 0.2, 0.99 | Grænserne for unsure-intervallet |
minLanguageExamples, languageShare | 1000, 0.02 | Beskeder af hver klasse, der kræves på et sprog for fuld sikkerhed |
languagePrior | true | Vej ord mod tallene for deres eget sprog |
merge(other), toJSON(options), Classifier.fromJSON(json), size og entries() er også tilgængelige.
Træning#
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) tager {label, features}-elementer eller readExamples(sources), som læser de samme kilder som train, og returnerer optællinger, præcision, genkaldelse, F1, nøjagtighed samt andelen af falske positiver, falske negativer og usikre.
Servere#
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');ARF-rapporter#
spamscanner/arf læser og skriver rapporter om misbrugsfeedback (RFC 5965), det format, som postkasseudbydere bruger til at indberette spamklager:
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() returnerer null i stedet for at kaste en fejl for beskeder, der ikke er rapporter, og isArfMessage(mail) tjekker en fortolket besked.