API-referanse
import SpamScanner from 'spamscanner'; // ESM
const SpamScanner = require('spamscanner'); // CommonJS
const scanner = new SpamScanner(options);
const result = await scanner.scan(rawMessage, scanOptions);Opprett én skanner og gjenbruk den: den laster inn modellen én gang og mellomlagrer svar fra DNS og språkmodeller.
Alternativer#
Alle alternativer kan sendes til konstruktøren. De fleste kan også sendes til scan() for én melding, og flettes da inn over konstruktørens.
| Alternativ | Standard | Betydning |
|---|---|---|
threshold | 5 | Poengsum der en melding er spam |
rejectThreshold | 15 | Poengsum der action er reject |
scores | {} | Poeng per test: innstillingsnøkler eller testnavn (tester og poeng) |
classifier | medfølgende modell | En Classifier, et modellobjekt, en sti til en modellfil eller false |
classifierOptions | {} | Alternativer for den medfølgende modellen (se Klassifiserer) |
allowedLanguages | [] | ISO 639-1-koder; andre språk får LANGUAGE_NOT_ALLOWED |
phishing.cloudflare | true | Spør Cloudflares filtrerende resolvere om vertene i lenker |
phishing.adult | true | Spør også familieresolveren, som blokkerer voksennettsteder |
phishing.maxHosts | 25 | Lenkeverter som slås opp per melding |
phishing.homograph | {} | brands (erstatter den innebygde listen), extraBrands, allowlist (domener som aldri flagges), strictMode |
dnsbl | {ip: [], domain: []} | Soner for DNS-blokkeringslister for klientens IP og for domener i lenker |
dns | {servers: null, timeout: 3000} | Navneservere for DNS-sjekker (standard: systemets) |
attachments | true | Undersøk vedlegg |
macros | true | Flagg makroer, aktive PDF-er og RTF-objekter |
arbitrary | true | Kjør reglene |
authentication | false | true, eller {dnsServers, timeout, mta, weights}: SPF, DKIM, DMARC, ARC |
reputation | false | {allowlist, denylist, apiUrl, headers, timeout} |
allowlist, denylist | IP-adresser, domener eller adresser; kortform for reputation | |
clamav | false | true (standard-socket), {socket} eller {host, port} |
llm | null | Innstillinger for språkmodellen, med mode, minScore, maxScore |
toxicity | false | {model, threshold = 0.7}: en modell der classify([text]) svarer som @tensorflow-models/toxicity |
nsfw | false | {model, threshold = 0.6}: en modell der classify(imageBuffer) svarer som nsfwjs |
maxLength | 100000 | Antall tegn av brødteksten som leses |
timeout | 10000 | Millisekunder tillatt for hver nettverkssjekk |
session | {} | Standardopplysninger om SMTP-økten |
scan() tar også imot 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 som allerede har sjekket SPFSender Policy Framework: en DNS-post som lister opp serverne som har lov til å sende e-post for et domene., DKIMDomainKeys Identified Mail: en signatur over en melding, kontrollert med en offentlig nøkkel publisert i avsenderens DNS., DMARCEn DNS-policy som forteller mottakere hva de skal gjøre når e-post som utgir seg for å komme fra et domene, ikke består SPF- og DKIM-justering. og ARCAuthenticated Received Chain: signaturer som tar med autentiseringsresultater gjennom videresendende servere. (med mailauth), kan sende resultatene som authenticationResults, og da gis de poeng i stedet for å sjekkes på nytt:
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, en Uint8Array eller en lesbar strøm |
scanFile(path, options) | Resultatet for en meldingsfil |
learn(source, 'spam' | 'ham') | Lærer klassifisereren opp på én melding |
unlearn(source, 'spam' | 'ham') | Angrer learn |
saveModel(path, options) | Skriver klassifisereren til en fil (options: minCount, maxFeatures, metadata) |
getClassifier() | Classifier som er i bruk, eller null |
getClassification(features) | Klassifisererens vurdering av egenskaper fra getFeatures |
getFeatures(mail) | {features, words, language, script, links, hosts, text, hidden} for en melding |
getTokens(text, locale) | Ordene i en tekst |
getTokensAndMailFromSource(source) | {tokens, features, mail} |
parse(source) | {raw, mail}, med mail fra mailparser |
I getFeatures er text teksten en e-postklient viser, som ordene leses fra, og hidden hvor mange tegn tekst HTML-en skjuler.
scanner.metrics inneholder 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},
}Funn i phishing, attachments, executables, macros, viruses og arbitrary er objekter med en type og en message. String(finding) er meldingen.
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';Klassifiserer#
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}| Alternativ | Standard | Betydning |
|---|---|---|
strength, unknown | 0.45, 0.5 | Robinsons s og x: hvor sterkt sjeldne egenskaper trekkes mot 0,5 |
minDistance | 0.1 | Egenskaper nærmere 0,5 enn dette ignoreres |
maxClues | 150 | De sterkeste egenskapene som kombineres per melding |
hamCutoff, spamCutoff | 0.2, 0.99 | Grensene for unsure-området |
minLanguageExamples, languageShare | 1000, 0.02 | Meldinger av hver klasse som trengs på et språk for full tillit |
languagePrior | true | Vei ord mot tellingene for deres eget språk |
merge(other), toJSON(options), Classifier.fromJSON(json), size og entries() er også tilgjengelige.
Trening#
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) tar imot {label, features}-elementer, eller readExamples(sources), som leser de samme kildene som train, og returnerer antall, presisjon, gjenkalling, F1, nøyaktighet og andelene 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 leser og skriver rapporter om misbruk (RFC 5965), formatet e-postleverandører bruker til å rapportere 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 å kaste en feil for meldinger som ikke er rapporter, og isArfMessage(mail) sjekker en tolket melding.