Справочник API
import SpamScanner from 'spamscanner'; // ESM
const SpamScanner = require('spamscanner'); // CommonJS
const scanner = new SpamScanner(options);
const result = await scanner.scan(rawMessage, scanOptions);Создайте один сканер и используйте его повторно: он загружает модель один раз и кеширует ответы DNS и языковой модели.
Параметры#
Любой параметр можно передать в конструктор. Большинство можно также передать в scan() для одного письма; они накладываются поверх параметров конструктора.
| Параметр | По умолчанию | Значение |
|---|---|---|
threshold | 5 | Оценка, при которой письмо считается спамом |
rejectThreshold | 15 | Оценка, при которой action равно reject |
scores | {} | Баллы для тестов: ключи настроек или имена тестов (тесты и баллы) |
classifier | встроенная модель | Classifier, объект модели, путь к файлу модели или false |
classifierOptions | {} | Параметры встроенной модели (см. Classifier) |
allowedLanguages | [] | Коды ISO 639-1; остальные языки получают LANGUAGE_NOT_ALLOWED |
phishing.cloudflare | true | Спрашивать фильтрующие резолверы Cloudflare о хостах из ссылок |
phishing.adult | true | Также спрашивать семейный резолвер, который блокирует сайты для взрослых |
phishing.maxHosts | 25 | Сколько хостов из ссылок проверяется в одном письме |
phishing.homograph | {} | brands (замена встроенного списка), extraBrands, allowlist (домены, которые никогда не помечаются), strictMode |
dnsbl | {ip: [], domain: []} | Зоны чёрных списков в DNS для IP клиента и для доменов из ссылок |
dns | {servers: null, timeout: 3000} | Серверы имён для DNS-проверок (по умолчанию системные) |
attachments | true | Проверять вложения |
macros | true | Помечать макросы, активные PDF и объекты RTF |
arbitrary | true | Применять правила |
authentication | false | true или {dnsServers, timeout, mta, weights}: SPF, DKIM, DMARC, ARC |
reputation | false | {allowlist, denylist, apiUrl, headers, timeout} |
allowlist, denylist | IP-адреса, домены или адреса; краткая форма для reputation | |
clamav | false | true (сокет по умолчанию), {socket} или {host, port} |
llm | null | Настройки языковой модели с mode, minScore, maxScore |
toxicity | false | {model, threshold = 0.7}: модель, чей classify([text]) отвечает как @tensorflow-models/toxicity |
nsfw | false | {model, threshold = 0.6}: модель, чей classify(imageBuffer) отвечает как nsfwjs |
maxLength | 100000 | Сколько символов текста письма читается |
timeout | 10000 | Миллисекунды, отведённые на каждую сетевую проверку |
session | {} | Сведения об SMTP-сессии по умолчанию |
scan() также принимает 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'}],
},
},
});Сервер, который уже проверил SPFSender Policy Framework: запись в DNS со списком серверов, которым разрешено отправлять почту от имени домена., DKIMDomainKeys Identified Mail: подпись письма, которая проверяется открытым ключом, опубликованным в DNS отправителя., DMARCПолитика в DNS, которая сообщает получателям, что делать с письмом от имени домена, не прошедшим выравнивание SPF и DKIM. и ARCAuthenticated Received Chain: подписи, которые переносят результаты аутентификации через пересылающие серверы. (с помощью mailauth), может передать результаты как authenticationResults, и тогда они оцениваются, а не проверяются повторно:
import {authenticate} from 'mailauth';
const auth = await authenticate(raw, {ip, helo, sender, mta});
await scanner.scan(raw, {authenticationResults: auth});Методы#
| Метод | Возвращает |
|---|---|
scan(source, options) | Результат. source — Buffer, строка, Uint8Array или поток для чтения |
scanFile(path, options) | Результат для файла с письмом |
learn(source, 'spam' | 'ham') | Обучает классификатор на одном письме |
unlearn(source, 'spam' | 'ham') | Отменяет learn |
saveModel(path, options) | Записывает классификатор в файл (options: minCount, maxFeatures, metadata) |
getClassifier() | Используемый Classifier или null |
getClassification(features) | Вердикт классификатора для признаков из getFeatures |
getFeatures(mail) | {features, words, language, script, links, hosts, text, hidden} письма |
getTokens(text, locale) | Слова текста |
getTokensAndMailFromSource(source) | {tokens, features, mail} |
parse(source) | {raw, mail}, где mail получен от mailparser |
В getFeatures text — это текст, который показывает почтовый клиент и из которого читаются слова, а hidden — сколько символов текста скрывает HTML.
scanner.metrics содержит totalScans, averageTime и lastScanTime.
Результат#
{
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},
}Находки в phishing, attachments, executables, macros, viruses и arbitrary — объекты с полями type и message. String(finding) возвращает сообщение.
Экспорт#
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}| Параметр | По умолчанию | Значение |
|---|---|---|
strength, unknown | 0.45, 0.5 | Параметры s и x Робинсона: насколько сильно редкие признаки притягиваются к 0,5 |
minDistance | 0.1 | Признаки, которые ближе к 0,5, чем это значение, игнорируются |
maxClues | 150 | Сколько самых сильных признаков объединяется в одном письме |
hamCutoff, spamCutoff | 0.2, 0.99 | Границы диапазона unsure |
minLanguageExamples, languageShare | 1000, 0.02 | Сколько писем каждого класса нужно на языке для полной уверенности |
languagePrior | true | Взвешивать слова относительно счётчиков их собственного языка |
Также доступны merge(other), toJSON(options), Classifier.fromJSON(json), size и entries().
Обучение#
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) принимает элементы {label, features} или результат readExamples(sources), который читает те же источники, что и train, и возвращает счётчики, точность, полноту, F1, долю верных ответов, а также доли ложноположительных, ложноотрицательных и неуверенных ответов.
Серверы#
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');Отчёты ARF#
spamscanner/arf читает и создаёт отчёты о злоупотреблениях (RFC 5965) — формат, в котором почтовые провайдеры сообщают о жалобах на спам:
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() возвращает null вместо исключения для писем, которые не являются отчётами, а isArfMessage(mail) проверяет разобранное письмо.