Dokumentacja API
import SpamScanner from 'spamscanner'; // ESM
const SpamScanner = require('spamscanner'); // CommonJS
const scanner = new SpamScanner(options);
const result = await scanner.scan(rawMessage, scanOptions);Utwórz jeden skaner i używaj go wielokrotnie: wczytuje model raz i zapamiętuje odpowiedzi DNS oraz modelu językowego.
Opcje#
Każdą opcję można przekazać do konstruktora. Większość można też przekazać do scan() dla jednej wiadomości; nakładają się wtedy na opcje konstruktora.
| Opcja | Domyślnie | Znaczenie |
|---|---|---|
threshold | 5 | Wynik, od którego wiadomość jest spamem |
rejectThreshold | 15 | Wynik, od którego action ma wartość reject |
scores | {} | Punkty za test: klucze ustawień lub nazwy testów (testy i punkty) |
classifier | dołączony model | Classifier, obiekt modelu, ścieżka do pliku modelu lub false |
classifierOptions | {} | Opcje dołączonego modelu (zobacz Classifier) |
allowedLanguages | [] | Kody ISO 639-1; inne języki dostają LANGUAGE_NOT_ALLOWED |
phishing.cloudflare | true | Pytaj filtrujące resolvery Cloudflare o hosty z linków |
phishing.adult | true | Pytaj też resolver rodzinny, który blokuje witryny dla dorosłych |
phishing.maxHosts | 25 | Liczba hostów z linków sprawdzanych na wiadomość |
phishing.homograph | {} | brands (zastępuje wbudowaną listę), extraBrands, allowlist (domeny nigdy nieoznaczane), strictMode |
dnsbl | {ip: [], domain: []} | Strefy czarnych list DNS dla IP klienta i domen z linków |
dns | {servers: null, timeout: 3000} | Serwery nazw dla kontroli DNS (domyślnie systemowe) |
attachments | true | Sprawdzaj załączniki |
macros | true | Oznaczaj makra, aktywne pliki PDF i obiekty RTF |
arbitrary | true | Uruchamiaj reguły |
authentication | false | true lub {dnsServers, timeout, mta, weights}: SPF, DKIM, DMARC, ARC |
reputation | false | {allowlist, denylist, apiUrl, headers, timeout} |
allowlist, denylist | Adresy IP, domeny lub adresy e-mail; skrót dla reputation | |
clamav | false | true (domyślne gniazdo), {socket} lub {host, port} |
llm | null | Ustawienia modelu językowego, z mode, minScore, maxScore |
toxicity | false | {model, threshold = 0.7}: model, którego classify([text]) odpowiada jak @tensorflow-models/toxicity |
nsfw | false | {model, threshold = 0.6}: model, którego classify(imageBuffer) odpowiada jak nsfwjs |
maxLength | 100000 | Liczba czytanych znaków treści |
timeout | 10000 | Milisekundy dozwolone na każdą kontrolę sieciową |
session | {} | Domyślne dane sesji SMTP |
scan() przyjmuje też 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'}],
},
},
});Serwer, który już sprawdził SPFSender Policy Framework: rekord DNS z listą serwerów, które mogą wysyłać pocztę w imieniu domeny., DKIMDomainKeys Identified Mail: podpis wiadomości sprawdzany kluczem publicznym opublikowanym w DNS nadawcy., DMARCPolityka w DNS, która mówi odbiorcom, co zrobić z pocztą podającą się za domenę, gdy nie przechodzi ona dopasowania SPF i DKIM. i ARCAuthenticated Received Chain: podpisy, które przenoszą wyniki uwierzytelnienia przez serwery przekazujące pocztę. (za pomocą mailauth), może przekazać wyniki jako authenticationResults, a wtedy są one oceniane zamiast ponownie sprawdzane:
import {authenticate} from 'mailauth';
const auth = await authenticate(raw, {ip, helo, sender, mta});
await scanner.scan(raw, {authenticationResults: auth});Metody#
| Metoda | Zwraca |
|---|---|
scan(source, options) | Wynik. source to Buffer, string, Uint8Array lub strumień do odczytu |
scanFile(path, options) | Wynik dla pliku z wiadomością |
learn(source, 'spam' | 'ham') | Uczy klasyfikator jednej wiadomości |
unlearn(source, 'spam' | 'ham') | Cofa learn |
saveModel(path, options) | Zapisuje klasyfikator do pliku (options: minCount, maxFeatures, metadata) |
getClassifier() | Używany Classifier lub null |
getClassification(features) | Werdykt klasyfikatora dla cech z getFeatures |
getFeatures(mail) | {features, words, language, script, links, hosts, text, hidden} wiadomości |
getTokens(text, locale) | Słowa tekstu |
getTokensAndMailFromSource(source) | {tokens, features, mail} |
parse(source) | {raw, mail}, gdzie mail pochodzi z mailparser |
W getFeatures text to tekst, który pokazuje program pocztowy i z którego odczytywane są słowa, a hidden to liczba znaków tekstu ukrytych przez HTML.
scanner.metrics zawiera totalScans, averageTime i lastScanTime.
Wynik#
{
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},
}Ustalenia w phishing, attachments, executables, macros, viruses i arbitrary to obiekty z polami type i message. String(finding) zwraca komunikat.
Eksporty#
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}| Opcja | Domyślnie | Znaczenie |
|---|---|---|
strength, unknown | 0.45, 0.5 | Parametry s i x Robinsona: jak mocno rzadkie cechy są przyciągane do 0,5 |
minDistance | 0.1 | Cechy bliższe 0,5 niż ta wartość są pomijane |
maxClues | 150 | Liczba najsilniejszych cech łączonych na wiadomość |
hamCutoff, spamCutoff | 0.2, 0.99 | Granice przedziału unsure |
minLanguageExamples, languageShare | 1000, 0.02 | Liczba wiadomości każdej klasy w danym języku potrzebna do pełnej pewności |
languagePrior | true | Porównuj słowa z licznikami ich własnego języka |
Dostępne są też merge(other), toJSON(options), Classifier.fromJSON(json), size i entries().
Trenowanie#
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) przyjmuje elementy {label, features} lub readExamples(sources), które czyta te same źródła co train, i zwraca liczniki, precyzję, czułość, F1, dokładność oraz odsetki fałszywie pozytywnych, fałszywie negatywnych i niepewnych wyników.
Serwery#
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');Raporty ARF#
spamscanner/arf czyta i zapisuje raporty o nadużyciach (RFC 5965), czyli format, w którym dostawcy skrzynek pocztowych zgłaszają skargi na 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() zwraca null zamiast rzucać wyjątek dla wiadomości, które nie są raportami, a isArfMessage(mail) sprawdza sparsowaną wiadomość.