API-viite
import SpamScanner from 'spamscanner'; // ESM
const SpamScanner = require('spamscanner'); // CommonJS
const scanner = new SpamScanner(options);
const result = await scanner.scan(rawMessage, scanOptions);Luo yksi skanneri ja käytä sitä uudelleen: se lataa mallin kerran ja tallentaa DNS- ja kielimallivastaukset välimuistiin.
Valinnat#
Jokaisen valinnan voi antaa konstruktorille. Useimmat voi antaa myös scan()-kutsulle yksittäistä viestiä varten, jolloin ne yhdistetään konstruktorin valintojen päälle.
| Valinta | Oletus | Merkitys |
|---|---|---|
threshold | 5 | Pistemäärä, josta alkaen viesti on roskapostia |
rejectThreshold | 15 | Pistemäärä, josta alkaen action on reject |
scores | {} | Pisteet testiä kohden: asetusavaimet tai testien nimet (testit ja pisteet) |
classifier | mukana tuleva malli | Classifier, malliolio, mallitiedoston polku tai false |
classifierOptions | {} | Mukana tulevan mallin valinnat (katso Luokitin) |
allowedLanguages | [] | ISO 639-1 -koodit; muut kielet saavat testin LANGUAGE_NOT_ALLOWED |
phishing.cloudflare | true | Kysy Cloudflaren suodattavilta DNS-palveluilta linkkien isännistä |
phishing.adult | true | Kysy myös perhepalvelulta, joka estää aikuissivustot |
phishing.maxHosts | 25 | Viestiä kohden tarkistettavien linkki-isäntien määrä |
phishing.homograph | {} | brands (korvaa sisäänrakennetun luettelon), extraBrands, allowlist (verkkotunnukset, joita ei koskaan merkitä), strictMode |
dnsbl | {ip: [], domain: []} | DNS-estolistojen vyöhykkeet asiakkaan IP-osoitteelle ja linkkien verkkotunnuksille |
dns | {servers: null, timeout: 3000} | DNS-tarkistusten nimipalvelimet (oletus: järjestelmän omat) |
attachments | true | Tarkasta liitteet |
macros | true | Merkitse makrot, aktiiviset PDF:t ja RTF-objektit |
arbitrary | true | Aja säännöt |
authentication | false | true tai {dnsServers, timeout, mta, weights}: SPF, DKIM, DMARC, ARC |
reputation | false | {allowlist, denylist, apiUrl, headers, timeout} |
allowlist, denylist | IP-osoitteet, verkkotunnukset tai osoitteet; lyhenne valinnalle reputation | |
clamav | false | true (oletussocket), {socket} tai {host, port} |
llm | null | Kielimallin asetukset, sekä mode, minScore, maxScore |
toxicity | false | {model, threshold = 0.7}: malli, jonka classify([text]) vastaa kuten @tensorflow-models/toxicity |
nsfw | false | {model, threshold = 0.6}: malli, jonka classify(imageBuffer) vastaa kuten nsfwjs |
maxLength | 100000 | Luettavan leipätekstin merkkimäärä |
timeout | 10000 | Kullekin verkkotarkistukselle sallitut millisekunnit |
session | {} | SMTP-istunnon oletustiedot |
scan() ottaa myös valinnan 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'}],
},
},
});Palvelin, joka on jo tarkistanut SPFSender Policy Framework: DNS-tietue, joka luettelee palvelimet, joilla on lupa lähettää postia verkkotunnuksen nimissä.:n, DKIMDomainKeys Identified Mail: viestin allekirjoitus, joka tarkistetaan lähettäjän DNS:ään julkaistulla julkisella avaimella.:n, DMARCin ja ARCAuthenticated Received Chain: allekirjoitukset, jotka kuljettavat todennustulokset edelleenlähettävien palvelinten läpi.:n (kirjastolla mailauth), voi välittää tuloksensa valintana authenticationResults, jolloin ne pisteytetään tarkistamatta niitä uudelleen:
import {authenticate} from 'mailauth';
const auth = await authenticate(raw, {ip, helo, sender, mta});
await scanner.scan(raw, {authenticationResults: auth});Metodit#
| Metodi | Palauttaa |
|---|---|
scan(source, options) | Tuloksen. source on Buffer, merkkijono, Uint8Array tai luettava virta |
scanFile(path, options) | Viestitiedoston tuloksen |
learn(source, 'spam' | 'ham') | Opettaa luokittimelle yhden viestin |
unlearn(source, 'spam' | 'ham') | Kumoaa metodin learn |
saveModel(path, options) | Kirjoittaa luokittimen tiedostoon (options: minCount, maxFeatures, metadata) |
getClassifier() | Käytössä olevan Classifier-olion tai null |
getClassification(features) | Luokittimen tuomion metodin getFeatures piirteille |
getFeatures(mail) | {features, words, language, script, links, hosts, text, hidden} viestistä |
getTokens(text, locale) | Tekstin sanat |
getTokensAndMailFromSource(source) | {tokens, features, mail} |
parse(source) | {raw, mail}, jossa mail tulee mailparserilta |
Metodin getFeatures tuloksessa text on teksti, jonka sähköpostiohjelma näyttää ja josta sanat luetaan, ja hidden kertoo, kuinka monta merkkiä tekstiä HTML piilottaa.
scanner.metrics sisältää arvot totalScans, averageTime ja lastScanTime.
Tulos#
{
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},
}Kohteissa phishing, attachments, executables, macros, viruses ja arbitrary olevat löydökset ovat olioita, joilla on type ja message. String(finding) on viesti.
Exportit#
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';Luokitin#
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}| Valinta | Oletus | Merkitys |
|---|---|---|
strength, unknown | 0.45, 0.5 | Robinsonin s ja x: kuinka voimakkaasti harvinaisia piirteitä vedetään kohti arvoa 0,5 |
minDistance | 0.1 | Piirteet, jotka ovat tätä lähempänä arvoa 0,5, ohitetaan |
maxClues | 150 | Viestiä kohden yhdistettävät vahvimmat piirteet |
hamCutoff, spamCutoff | 0.2, 0.99 | unsure-alueen rajat |
minLanguageExamples, languageShare | 1000, 0.02 | Kunkin luokan viestit, joita kielellä tarvitaan täyteen varmuuteen |
languagePrior | true | Punnitse sanoja niiden oman kielen määriä vasten |
Käytettävissä ovat myös merge(other), toJSON(options), Classifier.fromJSON(json), size ja entries().
Koulutus#
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) ottaa {label, features}-kohteita tai funktion readExamples(sources) tuloksen, joka lukee samat lähteet kuin train, ja palauttaa määrät, tarkkuuden (precision), saannin (recall), F1:n, osuvuuden (accuracy) sekä väärien positiivisten, väärien negatiivisten ja epävarmojen osuudet.
Palvelimet#
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-raportit#
spamscanner/arf lukee ja kirjoittaa väärinkäytöspalauteraportteja (RFC 5965), muotoa, jolla postilaatikkopalvelujen tarjoajat ilmoittavat roskapostivalituksista:
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() palauttaa null sen sijaan, että heittäisi virheen viesteille, jotka eivät ole raportteja, ja isArfMessage(mail) tarkistaa jäsennetyn viestin.