Ugrás a tartalomra

Spamszűrő, amely minden nyelven olvas, és minden döntését megindokolja.

A Spam Scanner kiszűri a spamet, az adathalászatot, a csalásokat és a kártevőket Node.js-ben, a parancssorban és olyan levelezőszervereken, mint a Postfix, az Exim és a Haraka. Minden eredmény felsorolja a teljesült teszteket és azok okát.

$ npm install -g spamscanner

Első lépések A videó megtekintése (1:58)

Node.js 18+
Milter, spamd, HTTP
Ollama, Claude, ChatGPT
Nincs telemetria

$ spamscanner scan message.eml
SPAM  score 16.3 (spam at 5.0, reject at 15.0)  action: reject  language: en
   +6.3  BAYES_999                    Classifier spam probability 99.9%
   +5.0  PHISHING_LOOKALIKE_DOMAIN    "paypa1-secure.top" imitates paypal by swapping characters
   +3.0  DECEPTIVE_LINK               A link shows "https://www.paypal.com/signin" but goes to paypa1-secure.top
   +2.0  FROM_NAME_BRAND              Display name says "paypal" but the message is from paypa1-secure.top
$ echo $?
1

Hogyan születik a döntés egy levélről

Minden ellenőrzés pontot ad hozzá vagy von le, és az összeg dönt. A küszöbök és a pontok módosíthatók, és semmi sem fekete doboz: az eredmény minden tesztet megnevez.

Olvasás
A levél feldolgozásra kerül, a szövege pedig normalizálódik: a díszített betűk, a láthatatlan karakterek és a hasonmás ábécék álcája lekerül.
Ellenőrzés
Az osztályozó, valamint a hivatkozás-, melléklet-, hitelesítés-, tiltólista- és szabályellenőrzések egyszerre futnak, mindegyik saját időkorláttal.
Pontszám
Minden teszt pontot ad hozzá vagy von le. 5 ponttól a levél spam, 15 ponttól a levelezőszervernek vissza kell utasítania.
Kérdezés
A kétes esetek nyelvi modellhez kerülhetnek, amely legfeljebb 6 pontot ad hozzá vagy legfeljebb 3-at von le.

5 alattelfogadás
5 és 15 közöttspamként jelölés
15 vagy többelutasítás

Nézze meg 1:58 alatt

Hogyan kap pontszámot egy levél, hogyan olvas minden nyelvet, mikor kérdez meg nyelvi modellt, és hogyan illeszkedik a Postfixhez, az Eximhez, a Harakához és a Node.js-hez.

Angol nyelvű narrációval és angol feliratokkal.

A videó megtekintése

A videó címkockája: a Spam Scanner logója.

Mit ellenőriz

A szavak csak az egyik jelzést adják. A hivatkozások, a feladók, a mellékletek és a hitelesítés ugyanannyit elárulnak, és egyik sem függ a levél nyelvétől.

Osztályozó minden írásrendszerhez
Szavak, szópárok, hivatkozások, feladók, HTML és mellékletek, a SpamBayes módszerével megszámolva és összesítve, őszinte „bizonytalan” válasszal, ha a jelek ellentmondanak egymásnak.
Hogyan dönt
Minden nyelv, körültekintően
Unicode-szószegmentálás kínaihoz, japánhoz és thaihoz, az álcázások feloldása, és nincs büntetés olyan nyelvért, amelyen a modell kevés hamet látott.
Nyelvek
Adathalászat
Cirill vagy felcserélt betűs hasonmás domainek, más címet mutató hivatkozásszövegek, márkanevek a megjelenített nevekben és a Cloudflare kártevőszűrő DNS-feloldója.
Adathalászat-ellenőrzések
Mellékletek
Futtatható fájlok felismerése a bájtjaik alapján, .pdf-re átnevezve is; dupla kiterjesztések; programok ZIP-fájlokban; Office-makrók; aktív PDF-ek; ClamAV.
Mellékletek ellenőrzése
Hitelesítés
SPF, DKIM, DMARC és ARC, DNS-tiltólisták, engedélyező és tiltó listák, valamint egy szabály a saját domaint hamisító levelekre.
Hitelesítés
Nyelvi modellek
A kétes esetek egy modellhez kerülnek: Ollamához a saját gépen, vagy a Claude-hoz, a ChatGPT-hez, a Geminihez és bármely OpenAI-kompatibilis szerverhez.
Nyelvi modellek

Minden teszt és pontszáma Működés

Minden nyelv, találgatás nélkül

A szavakat a Unicode-szabályok határozzák meg, így a szóközök nélkül írt nyelvek is működnek, és az álcázások a számlálás előtt feloldódnak. Ezeket a szavakat számolja az osztályozó; az oldal elkészítésekor kerültek kiszámításra.

Ha a beépített modell egy nyelven kevés hamet (kért levelet) látott, ott „bizonytalan” eredményt ad „spam” helyett, így a hétköznapi arab vagy koreai levelet soha nem jelöli meg az írásrendszere miatt. Nyelvek

Álcázott angol

Claim your fr␣ee prіze: V1agra 𝐅𝐑𝐄𝐄

claim
your
free
prize
viagra
free

Nulla szélességű szóköz, cirill і, betű helyett számjegy és matematikai félkövér betűk

Kínai, szóközök nélkül

恭喜您获得一百万元大奖

恭喜
您
获得
一
百万
元
大奖

Szótár alapján szegmentálva

Thai, szóközök nélkül

ยินดีด้วยคุณได้รับรางวัลหนึ่งล้านบาท

ยินดี
ด้วย
คุณ
ได้
รับ
รางวัล
หนึ่ง
ล้าน
บาท

Szótár alapján szegmentálva

Orosz

Поздравляем! Вы выиграли миллион

поздравляем
вы
выиграли
миллион

Kisbetűsítés a Unicode-szabályok szerint

Illeszkedik a levelezőszerverhez

Milter a Postfixhez és a Sendmailhez, SpamAssassin-kompatibilis spamd szerver a spamc, az Exim és a Haraka számára, tartalomszűrő, HTTP API, TCP-szerver és a könyvtár.

Mindegyik X-Spam-Flag, X-Spam-Score, X-Spam-Status fejléceket ad hozzá, és eltávolítja a feladó által hamisítottakat.

Shell

spamscanner milter --port 7831 --auth --subject-tag "[SPAM]"

# /etc/postfix/main.cf
smtpd_milters = inet:127.0.0.1:7831
milter_default_action = accept

A milter az SMTP-munkamenet közben ellenőrzi a levelet, így az elutasítási küszöböt elérő spamet még az átvétel előtt visszautasítja. Postfix-útmutató

Shell

spamscanner spamd --port 783 --auth

spamc -c < message.eml     # prints 16.3/5.0 and exits 1

SpamAssassin-kompatibilis spamd szerver: le kell állítani a spamd-t, el kell indítani a Spam Scannert ugyanazon a porton, és a SpamAssassin-kliensek tovább működnek. spamd-útmutató

JavaScript

import SpamScanner from 'spamscanner';

const scanner = new SpamScanner({authentication: true});
const result = await scanner.scan(stream, {session});

if (result.action === 'reject') {
  // refuse with a 4xx or 5xx reply
}

A könyvtár, az smtp-serverhez, Haraka-bővítményekhez vagy bármely levelet kezelő szolgáltatáshoz. API-referencia

Shell

spamscanner http --port 7832 --token "$TOKEN"

curl -s -X POST -H "Authorization: Bearer $TOKEN" \
  --data-binary @message.eml "http://127.0.0.1:7832/scan?ip=203.0.113.5"

Bármely programozási nyelvhez és bármely szerverhez, amely HTTP-kérést tud küldeni. HTTP API-útmutató

Nyelvi modell a kétes esetekre

Az egyértelmű spam és az egyértelmű ham soha nem jut el hozzá. Ha a pontszám a küszöb közelében van, vagy az osztályozó bizonytalan, egy modell elolvassa a levelet, és azt feleli: spam, adathalászat, csalás, kártevő vagy ham. A modell futhat a saját gépen vagy egy szolgáltatónál, bármilyen URL-en, porton és hitelesítéssel.

A levélben az MI-szűrőknek elrejtett utasítások spamnek számítanak, és a modell azt az utasítást kapja, hogy a levél adat. A végpontok közötti tesztek ezt egy valódi modellel, Ollamán keresztül ellenőrzik.

Ollama
LM Studio
llama.cpp server
vLLM
LocalAI
Jan
OpenAI
Anthropic (Claude)
Google Gemini
Mistral AI
Groq
OpenRouter
DeepSeek
xAI
Together AI
Fireworks AI
Cerebras
Hugging Face Inference Providers
Azure OpenAI
Cloudflare Clef
Cloudflare Clef Flash
TypeSafe Jev
TypeSafe Jev on OpenRouter
Any decision model server

Shell

ollama pull qwen3.5:4b
spamscanner llm-test --llm ollama --llm-model qwen3.5:4b
spamscanner milter --llm ollama --llm-model qwen3.5:4b

Körvonalas: a saját gépen fut. A személyes adatok eltávolításra kerülnek, mielőtt a levél egy külső szolgáltatóhoz kerül.

Ollama	Hugging Face	Licenc	Méret
`qwen3.5:0.8b`	Qwen/Qwen3.5-0.8B	Apache-2.0	1.3 GB
`gemma4:e2b`	google/gemma-4-E2B-it	Apache-2.0	4.6 GB
`qwen3.5:4b`	Qwen/Qwen3.5-4B	Apache-2.0	3.3 GB
`qwen3.5:9b`	Qwen/Qwen3.5-9B	Apache-2.0	6.6 GB
`gpt-oss-safeguard:20b`	openai/gpt-oss-safeguard-20b	Apache-2.0	14 GB

Ajánlott nyílt modellek. Összes ajánlás

Mérhető és tanítható

A beépített modellt nyilvános adatkészleteken tanították, és olyan leveleken tesztelték, amelyeket nem látott. A saját leveleken tanított modell jobban teljesít: tanítható mbox-fájlokból, Maildirekből vagy adatkészletekből, mérhető, és a „spam jelentése” gombokból is tanulhat.

Félretett levelek	Levelek	Precizitás	Felidézés	Téves pozitívok
angol	6564	100,0%	97,1%	0,0%
orosz	1682	100,0%	97,4%	0,0%
olasz	1389	98,1%	85,3%	1,8%
német	1309	97,7%	76,1%	2,2%
spanyol	1281	97,5%	82,6%	2,6%
Mind	13 840	99,2%	85,1%	0,6%

Csak az osztályozó, a nyilvános tanítóadatai minden tizedik, félretett levelén. A bizonytalan levelek kihagyottnak számítanak. A német, az olasz és a spanyol adatok zajos címkéjű szintetikus adatkészletekből származnak. A beépített modellről

A Forward Email számára készült

A Forward Email nem naplózza a levelek tartalmát, ezért nem küldhette a leveleket külső szűrőszolgáltatáshoz. A Spam Scanner a saját szervereken fut, beállítás nélkül semmit nem küld sehova, és minden döntését megindokolja anélkül, hogy bárki elolvasná a levelet. Forward Email és frissítés

Az adatvédelemre összpontosító e-mail-szolgáltatás, a Forward Email projektje.