API-referencia
import SpamScanner from 'spamscanner'; // ESM
const SpamScanner = require('spamscanner'); // CommonJS
const scanner = new SpamScanner(options);
const result = await scanner.scan(rawMessage, scanOptions);Érdemes egyetlen szkennert létrehozni és újrahasználni: a modellt egyszer tölti be, a DNS- és nyelvimodell-válaszokat pedig gyorsítótárazza.
Beállítások#
Minden beállítás átadható a konstruktornak. A legtöbb egyetlen levélre a scan() számára is átadható, ekkor a konstruktor beállításai fölé kerülnek.
| Beállítás | Alapértelmezés | Jelentés |
|---|---|---|
threshold | 5 | Az a pontszám, amelytől egy levél spam |
rejectThreshold | 15 | Az a pontszám, amelytől az action értéke reject |
scores | {} | Pontok tesztenként: beállításkulcsok vagy tesztnevek (tesztek és pontszámok) |
classifier | beépített modell | Egy Classifier, egy modellobjektum, egy modellfájl elérési útja vagy false |
classifierOptions | {} | A beépített modell beállításai (lásd: Osztályozó) |
allowedLanguages | [] | ISO 639-1 kódok; a többi nyelv LANGUAGE_NOT_ALLOWED találatot kap |
phishing.cloudflare | true | A Cloudflare szűrő DNS-feloldóinak megkérdezése a hivatkozások gépneveiről |
phishing.adult | true | A felnőtt oldalakat blokkoló családi DNS-feloldó megkérdezése is |
phishing.maxHosts | 25 | Levelenként lekérdezett hivatkozás-gépnevek száma |
phishing.homograph | {} | brands (a beépített lista cseréje), extraBrands, allowlist (soha meg nem jelölt domainek), strictMode |
dnsbl | {ip: [], domain: []} | DNS-tiltólista-zónák a kliens IP-címéhez és a hivatkozások domainjeihez |
dns | {servers: null, timeout: 3000} | Névszerverek a DNS-ellenőrzésekhez (alapértelmezés: a rendszeré) |
attachments | true | A mellékletek vizsgálata |
macros | true | Makrók, aktív PDF-ek és RTF-objektumok megjelölése |
arbitrary | true | A szabályok futtatása |
authentication | false | true vagy {dnsServers, timeout, mta, weights}: SPF, DKIM, DMARC, ARC |
reputation | false | {allowlist, denylist, apiUrl, headers, timeout} |
allowlist, denylist | IP-címek, domainek vagy címek; a reputation rövidítése | |
clamav | false | true (alapértelmezett socket), {socket} vagy {host, port} |
llm | null | Nyelvimodell-beállítások, mode, minScore és maxScore értékkel |
toxicity | false | {model, threshold = 0.7}: olyan modell, amelynek classify([text]) válasza a @tensorflow-models/toxicity válaszához hasonló |
nsfw | false | {model, threshold = 0.6}: olyan modell, amelynek classify(imageBuffer) válasza az nsfwjs válaszához hasonló |
maxLength | 100000 | A beolvasott levéltörzs karaktereinek száma |
timeout | 10000 | Az egyes hálózati ellenőrzésekre engedélyezett idő ezredmásodpercben |
session | {} | Alapértelmezett SMTP-munkamenet-adatok |
A scan() a session beállítást is fogadja:
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'}],
},
},
});Az a szerver, amely már ellenőrizte az SPF-et, a DKIM-et, a DMARC-ot és az ARC-ot (a mailauth segítségével), átadhatja az eredményeit az authenticationResults beállításban, és ilyenkor ezeket nem ellenőrzi újra, hanem pontozza őket:
import {authenticate} from 'mailauth';
const auth = await authenticate(raw, {ip, helo, sender, mta});
await scanner.scan(raw, {authenticationResults: auth});Metódusok#
| Metódus | Visszatérési érték |
|---|---|
scan(source, options) | Az eredmény. A source Buffer, karakterlánc, Uint8Array vagy olvasható stream |
scanFile(path, options) | Egy levélfájl eredménye |
learn(source, 'spam' | 'ham') | Egy levelet tanít az osztályozónak |
unlearn(source, 'spam' | 'ham') | Visszavonja a learn hatását |
saveModel(path, options) | Fájlba írja az osztályozót (options: minCount, maxFeatures, metadata) |
getClassifier() | A használt Classifier vagy null |
getClassification(features) | Az osztályozó ítélete a getFeatures által adott jellemzőkre |
getFeatures(mail) | {features, words, language, script, links, hosts, text, hidden} egy levélből |
getTokens(text, locale) | Egy szöveg szavai |
getTokensAndMailFromSource(source) | {tokens, features, mail} |
parse(source) | {raw, mail}, ahol a mail a mailparsertől származik |
A getFeatures eredményében a text a levelezőprogram által megjelenített szöveg, amelyből a szavakat olvassa, a hidden pedig az, hogy a HTML hány karakternyi szöveget rejt el.
A scanner.metrics a totalScans, az averageTime és a lastScanTime értékeket tartalmazza.
Az eredmény#
{
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},
}A phishing, attachments, executables, macros, viruses és arbitrary mezőkben lévő találatok type és message mezővel rendelkező objektumok. A String(finding) az üzenetet adja.
Exportok#
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';Osztályozó#
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}| Beállítás | Alapértelmezés | Jelentés |
|---|---|---|
strength, unknown | 0.45, 0.5 | Robinson s és x paramétere: milyen erősen húzza a ritka jellemzőket 0,5 felé |
minDistance | 0.1 | Az ennél közelebb 0,5-höz eső jellemzőket figyelmen kívül hagyja |
maxClues | 150 | Levelenként összevont legerősebb jellemzők |
hamCutoff, spamCutoff | 0.2, 0.99 | Az unsure tartomány határai |
minLanguageExamples, languageShare | 1000, 0.02 | Egy nyelven mindkét osztályból szükséges levelek a teljes magabiztossághoz |
languagePrior | true | A szavak súlyozása a saját nyelvük számlálóihoz képest |
A merge(other), a toJSON(options), a Classifier.fromJSON(json), a size és az entries() is elérhető.
Tanítás#
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');Az evaluate(classifier, examples) {label, features} elemeket fogad, vagy a readExamples(sources) eredményét, amely ugyanazokat a forrásokat olvassa, mint a train, és visszaadja a darabszámokat, a precizitást, a felidézést, az F1-et, a pontosságot, valamint a téves pozitív, a téves negatív és a bizonytalan arányokat.
Szerverek#
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-jelentések#
A spamscanner/arf visszaélési visszajelzési jelentéseket (RFC 5965) olvas és ír, abban a formátumban, amelyet a postafiók-szolgáltatók a spampanaszok jelentésére használnak:
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',
});Az ArfParser.tryParse() kivétel dobása helyett null értéket ad vissza azoknál a leveleknél, amelyek nem jelentések, az isArfMessage(mail) pedig egy feldolgozott levelet ellenőriz.