Uma alternativa ao SpamAssassin que fala o protocolo do spamd

O Spam Scanner responde ao protocolo spamd do SpamAssassin, então softwares escritos para o SpamAssassin o usam sem mudanças: o spamc, a condição spam do Exim, o plugin spamassassin do Haraka e outros.

Faça a troca#

Shell

sudo systemctl disable --now spamd       # or spamassassin
npm install --global spamscanner
spamscanner spamd --port 783 --auth

Shell

spamc -c < message.eml     # prints the score, exits 1 for spam
spamc -R < message.eml     # the report, one line per test
spamc < message.eml        # the message with X-Spam-* headers

Ele responde a CHECK, SYMBOLS, REPORT, REPORT_IFSPAM, PROCESS, HEADERS, PING e, com --allow-tell, a TELL para aprendizado. Os testes de ponta a ponta do projeto executam o próprio spamc do SpamAssassin contra ele.

O que continua igual#

Os cabeçalhos: X-Spam-Flag, X-Spam-Score, X-Spam-Level e X-Spam-Status no formato do SpamAssassin, então as regras existentes do Sieve, do procmail e dos clientes de e-mail continuam funcionando.
Uma pontuação com limite de 5, formada por testes nomeados com pontos: BAYES_99, RBL_ZEN, SPF_FAIL, DKIM_PASS e assim por diante.
As pontuações de cada teste podem ser alteradas pelo nome do teste.

O que é diferente#

Idiomas. As palavras são segmentadas com as regras do Unicode, então chinês, japonês e tailandês são lidos como palavras, e não como uma única sequência longa, e disfarces como caracteres invisíveis ou letras cirílicas em palavras latinas são desfeitos antes.
Phishing. Domínios parecidos, links enganosos e nomes de marcas em nomes de exibição são verificados sem regras extras.
Anexos são identificados pelos seus bytes: um executável renomeado para .pdf continua sendo um executável.
Modelos de linguagem. Os casos duvidosos podem ir para um modelo local através do Ollama ou para um modelo hospedado.
Node.js. Um único npm install, ou um binário independente; nada de módulos Perl ou atualizações de regras para gerenciar.

O Spam Scanner não executa os arquivos de regras do SpamAssassin, e o formato do seu banco de dados Bayes é próprio: treine-o com os mesmos e-mails usando spamscanner train.

Exim#

Text

spamd_address = 127.0.0.1 783

# in the DATA ACL
warn  spam       = nobody:true
      add_header = X-Spam-Score: $spam_score
defer spam       = nobody:true
      condition  = ${if >={$spam_score_int}{150}}
      message    = Message rejected as spam

Exim, Haraka, Dovecot e procmail