Referencia de la API
import SpamScanner from 'spamscanner'; // ESM
const SpamScanner = require('spamscanner'); // CommonJS
const scanner = new SpamScanner(options);
const result = await scanner.scan(rawMessage, scanOptions);Crea un solo analizador y reutilízalo: carga el modelo una vez y guarda en caché las respuestas de DNS y del modelo de lenguaje.
Opciones#
Todas las opciones se pueden pasar al constructor. La mayoría también se pueden pasar a scan() para un solo mensaje, y se combinan sobre las del constructor.
| Opción | Valor predeterminado | Significado |
|---|---|---|
threshold | 5 | Puntuación a partir de la cual un mensaje es spam |
rejectThreshold | 15 | Puntuación a partir de la cual action es reject |
scores | {} | Puntos por prueba: claves de configuración o nombres de prueba (pruebas y puntuaciones) |
classifier | modelo incluido | Un Classifier, un objeto de modelo, la ruta de un archivo de modelo o false |
classifierOptions | {} | Opciones para el modelo incluido (consulta Classifier) |
allowedLanguages | [] | Códigos ISO 639-1; los demás idiomas reciben LANGUAGE_NOT_ALLOWED |
phishing.cloudflare | true | Consultar a los resolutores de filtrado de Cloudflare por los hosts de los enlaces |
phishing.adult | true | Consultar también al resolutor familiar, que bloquea los sitios para adultos |
phishing.maxHosts | 25 | Hosts de enlaces consultados por mensaje |
phishing.homograph | {} | brands (sustituye la lista incorporada), extraBrands, allowlist (dominios que nunca se marcan), strictMode |
dnsbl | {ip: [], domain: []} | Zonas de listas de bloqueo DNS para la IP del cliente y para los dominios de los enlaces |
dns | {servers: null, timeout: 3000} | Servidores de nombres para las comprobaciones DNS (predeterminado: los del sistema) |
attachments | true | Inspeccionar los adjuntos |
macros | true | Marcar macros, PDF activos y objetos RTF |
arbitrary | true | Ejecutar las reglas |
authentication | false | true, o {dnsServers, timeout, mta, weights}: SPF, DKIM, DMARC, ARC |
reputation | false | {allowlist, denylist, apiUrl, headers, timeout} |
allowlist, denylist | Direcciones IP, dominios o direcciones; forma abreviada de reputation | |
clamav | false | true (socket predeterminado), {socket} o {host, port} |
llm | null | Configuración del modelo de lenguaje, con mode, minScore, maxScore |
toxicity | false | {model, threshold = 0.7}: un modelo cuyo classify([text]) responde como @tensorflow-models/toxicity |
nsfw | false | {model, threshold = 0.6}: un modelo cuyo classify(imageBuffer) responde como nsfwjs |
maxLength | 100000 | Caracteres del texto del cuerpo que se leen |
timeout | 10000 | Milisegundos permitidos para cada comprobación de red |
session | {} | Datos predeterminados de la sesión SMTP |
scan() también recibe 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'}],
},
},
});Un servidor que ya ha comprobado SPFSender Policy Framework: un registro DNS que enumera los servidores autorizados a enviar correo de un dominio., DKIMDomainKeys Identified Mail: una firma sobre un mensaje, que se verifica con una clave pública publicada en el DNS del remitente., DMARCUna política en DNS que indica a los receptores qué hacer cuando el correo que dice venir de un dominio no supera la alineación de SPF y DKIM. y ARCAuthenticated Received Chain: firmas que conservan los resultados de autenticación a través de los servidores de reenvío. (con mailauth) puede pasar sus resultados como authenticationResults, y se puntúan en lugar de comprobarse de nuevo:
import {authenticate} from 'mailauth';
const auth = await authenticate(raw, {ip, helo, sender, mta});
await scanner.scan(raw, {authenticationResults: auth});Métodos#
| Método | Devuelve |
|---|---|
scan(source, options) | El resultado. source es un Buffer, una cadena, un Uint8Array o un flujo legible |
scanFile(path, options) | El resultado para un archivo de mensaje |
learn(source, 'spam' | 'ham') | Enseña un mensaje al clasificador |
unlearn(source, 'spam' | 'ham') | Deshace learn |
saveModel(path, options) | Escribe el clasificador en un archivo (options: minCount, maxFeatures, metadata) |
getClassifier() | El Classifier en uso, o null |
getClassification(features) | El veredicto del clasificador para las características de getFeatures |
getFeatures(mail) | {features, words, language, script, links, hosts, text, hidden} de un mensaje |
getTokens(text, locale) | Las palabras de un texto |
getTokensAndMailFromSource(source) | {tokens, features, mail} |
parse(source) | {raw, mail}, con mail de mailparser |
En getFeatures, text es el texto que muestra un cliente de correo, del que se leen las palabras, y hidden, cuántos caracteres de texto oculta el HTML.
scanner.metrics contiene totalScans, averageTime y lastScanTime.
El resultado#
{
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},
}Los hallazgos de phishing, attachments, executables, macros, viruses y arbitrary son objetos con un type y un message. String(finding) es el mensaje.
Exportaciones#
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}| Opción | Valor predeterminado | Significado |
|---|---|---|
strength, unknown | 0.45, 0.5 | s y x de Robinson: con qué fuerza se acercan a 0.5 las características poco frecuentes |
minDistance | 0.1 | Se ignoran las características más cercanas a 0.5 que este valor |
maxClues | 150 | Características más fuertes que se combinan por mensaje |
hamCutoff, spamCutoff | 0.2, 0.99 | Límites del rango unsure |
minLanguageExamples, languageShare | 1000, 0.02 | Mensajes de cada clase necesarios en un idioma para la confianza plena |
languagePrior | true | Ponderar las palabras con los recuentos de su propio idioma |
También están disponibles merge(other), toJSON(options), Classifier.fromJSON(json), size y entries().
Entrenamiento#
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) recibe elementos {label, features}, o readExamples(sources), que lee las mismas fuentes que train, y devuelve recuentos, precisión, exhaustividad, F1, exactitud y las tasas de falsos positivos, falsos negativos y dudosos.
Servidores#
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');Informes ARF#
spamscanner/arf lee y escribe informes de abuso (RFC 5965), el formato que usan los proveedores de buzones para informar de quejas por spam:
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() devuelve null en lugar de lanzar una excepción para los mensajes que no son informes, y isArfMessage(mail) comprueba un mensaje procesado.