Referência da API
import SpamScanner from 'spamscanner'; // ESM
const SpamScanner = require('spamscanner'); // CommonJS
const scanner = new SpamScanner(options);
const result = await scanner.scan(rawMessage, scanOptions);Crie um único scanner e reutilize-o: ele carrega o modelo uma vez e mantém em cache as respostas DNS e as do modelo de linguagem.
Opções#
Todas as opções podem ser passadas ao construtor. A maioria também pode ser passada ao scan() para uma única mensagem, e elas se sobrepõem às do construtor.
| Opção | Padrão | Significado |
|---|---|---|
threshold | 5 | Pontuação a partir da qual uma mensagem é spam |
rejectThreshold | 15 | Pontuação a partir da qual action é reject |
scores | {} | Pontos por teste: chaves de configuração ou nomes de testes (testes e pontuações) |
classifier | modelo incluído | Um Classifier, um objeto de modelo, o caminho de um arquivo de modelo ou false |
classifierOptions | {} | Opções para o modelo incluído (veja Classificador) |
allowedLanguages | [] | Códigos ISO 639-1; os outros idiomas recebem LANGUAGE_NOT_ALLOWED |
phishing.cloudflare | true | Consultar os resolvedores com filtragem da Cloudflare sobre os hosts dos links |
phishing.adult | true | Consultar também o resolvedor familiar, que bloqueia sites adultos |
phishing.maxHosts | 25 | Hosts de links consultados por mensagem |
phishing.homograph | {} | brands (substitui a lista embutida), extraBrands, allowlist (domínios nunca marcados), strictMode |
dnsbl | {ip: [], domain: []} | Zonas de listas de bloqueio no DNS para o IP do cliente e para os domínios dos links |
dns | {servers: null, timeout: 3000} | Servidores de nomes para as verificações DNS (padrão: os do sistema) |
attachments | true | Inspecionar os anexos |
macros | true | Marcar macros, PDFs ativos e objetos RTF |
arbitrary | true | Executar as regras |
authentication | false | true, ou {dnsServers, timeout, mta, weights}: SPF, DKIM, DMARC, ARC |
reputation | false | {allowlist, denylist, apiUrl, headers, timeout} |
allowlist, denylist | Endereços IP, domínios ou endereços; atalho para reputation | |
clamav | false | true (socket padrão), {socket} ou {host, port} |
llm | null | Configurações do modelo de linguagem, com mode, minScore, maxScore |
toxicity | false | {model, threshold = 0.7}: um modelo cujo classify([text]) responde como o @tensorflow-models/toxicity |
nsfw | false | {model, threshold = 0.6}: um modelo cujo classify(imageBuffer) responde como o nsfwjs |
maxLength | 100000 | Caracteres do texto do corpo que são lidos |
timeout | 10000 | Milissegundos permitidos para cada verificação de rede |
session | {} | Detalhes padrão da sessão SMTP |
O scan() também recebe 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'}],
},
},
});Um servidor que já verificou SPFSender Policy Framework: um registro DNS que lista os servidores autorizados a enviar e-mails por um domínio., DKIMDomainKeys Identified Mail: uma assinatura sobre a mensagem, verificada com uma chave pública publicada no DNS do remetente., DMARCUma política no DNS que diz aos destinatários o que fazer quando um e-mail que alega vir de um domínio falha no alinhamento de SPF e DKIM. e ARCAuthenticated Received Chain: assinaturas que levam os resultados de autenticação através de servidores de encaminhamento. (com o mailauth) pode passar os resultados como authenticationResults, e eles são pontuados em vez de verificados de novo:
import {authenticate} from 'mailauth';
const auth = await authenticate(raw, {ip, helo, sender, mta});
await scanner.scan(raw, {authenticationResults: auth});Métodos#
| Método | Retorna |
|---|---|
scan(source, options) | O resultado. source é um Buffer, uma string, um Uint8Array ou um stream legível |
scanFile(path, options) | O resultado para um arquivo de mensagem |
learn(source, 'spam' | 'ham') | Ensina uma mensagem ao classificador |
unlearn(source, 'spam' | 'ham') | Desfaz o learn |
saveModel(path, options) | Grava o classificador em um arquivo (options: minCount, maxFeatures, metadata) |
getClassifier() | O Classifier em uso, ou null |
getClassification(features) | O veredito do classificador para as características de getFeatures |
getFeatures(mail) | {features, words, language, script, links, hosts, text, hidden} de uma mensagem |
getTokens(text, locale) | As palavras de um texto |
getTokensAndMailFromSource(source) | {tokens, features, mail} |
parse(source) | {raw, mail}, com mail vindo do mailparser |
Em getFeatures, text é o texto que um cliente de e-mail mostra, do qual as palavras são lidas, e hidden é quantos caracteres de texto o HTML esconde.
O scanner.metrics guarda totalScans, averageTime e lastScanTime.
O resultado#
{
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},
}Os achados em phishing, attachments, executables, macros, viruses e arbitrary são objetos com um type e uma message. String(finding) é a mensagem.
Exportações#
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';Classificador#
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}| Opção | Padrão | Significado |
|---|---|---|
strength, unknown | 0.45, 0.5 | Os s e x de Robinson: com que força as características raras são puxadas para 0,5 |
minDistance | 0.1 | Características mais perto de 0,5 do que isso são ignoradas |
maxClues | 150 | Características mais fortes combinadas por mensagem |
hamCutoff, spamCutoff | 0.2, 0.99 | Limites da faixa unsure |
minLanguageExamples, languageShare | 1000, 0.02 | Mensagens de cada classe necessárias em um idioma para a confiança total |
languagePrior | true | Avaliar as palavras com base nas contagens do próprio idioma |
merge(other), toJSON(options), Classifier.fromJSON(json), size e entries() também estão disponíveis.
Treinamento#
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');O evaluate(classifier, examples) recebe itens {label, features}, ou readExamples(sources), que lê as mesmas fontes que o train, e retorna as contagens, a precisão, a revocação, o F1, a acurácia e as taxas de falsos positivos, falsos negativos e incertos.
Servidores#
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');Relatórios ARF#
O spamscanner/arf lê e escreve relatórios de feedback de abuso (RFC 5965), o formato que os provedores de caixas de e-mail usam para relatar reclamações de 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',
});O ArfParser.tryParse() retorna null em vez de lançar um erro para mensagens que não são relatórios, e o isArfMessage(mail) verifica uma mensagem já interpretada.