API-referens
import SpamScanner from 'spamscanner'; // ESM
const SpamScanner = require('spamscanner'); // CommonJS
const scanner = new SpamScanner(options);
const result = await scanner.scan(rawMessage, scanOptions);Skapa en skanner och återanvänd den: den läser in modellen en gång och cachar svar från DNS och språkmodellen.
Alternativ#
Alla alternativ kan skickas till konstruktorn. De flesta kan också skickas till scan() för ett enskilt meddelande, och slås då ihop ovanpå konstruktorns.
| Alternativ | Standard | Betydelse |
|---|---|---|
threshold | 5 | Poäng där ett meddelande är spam |
rejectThreshold | 15 | Poäng där action är reject |
scores | {} | Poäng per test: inställningsnycklar eller testnamn (tester och poäng) |
classifier | medföljande modell | En Classifier, ett modellobjekt, en sökväg till en modellfil eller false |
classifierOptions | {} | Alternativ för den medföljande modellen (se Klassificerare) |
allowedLanguages | [] | ISO 639-1-koder; andra språk får LANGUAGE_NOT_ALLOWED |
phishing.cloudflare | true | Fråga Cloudflares filtrerande resolvrar om länkarnas värdar |
phishing.adult | true | Fråga även familjeresolvern, som blockerar webbplatser med vuxeninnehåll |
phishing.maxHosts | 25 | Antal länkvärdar som slås upp per meddelande |
phishing.homograph | {} | brands (ersätter den inbyggda listan), extraBrands, allowlist (domäner som aldrig flaggas), strictMode |
dnsbl | {ip: [], domain: []} | DNS-blocklistzoner för klientens IP och för länkdomäner |
dns | {servers: null, timeout: 3000} | Namnservrar för DNS-kontroller (standard: systemets) |
attachments | true | Granska bilagor |
macros | true | Flagga makron, aktiva PDF-filer och RTF-objekt |
arbitrary | true | Kör reglerna |
authentication | false | true, eller {dnsServers, timeout, mta, weights}: SPF, DKIM, DMARC, ARC |
reputation | false | {allowlist, denylist, apiUrl, headers, timeout} |
allowlist, denylist | IP-adresser, domäner eller adresser; kortform för reputation | |
clamav | false | true (standardsocket), {socket} eller {host, port} |
llm | null | Inställningar för språkmodellen, med mode, minScore, maxScore |
toxicity | false | {model, threshold = 0.7}: en modell vars classify([text]) svarar som @tensorflow-models/toxicity |
nsfw | false | {model, threshold = 0.6}: en modell vars classify(imageBuffer) svarar som nsfwjs |
maxLength | 100000 | Antal tecken i brödtexten som läses |
timeout | 10000 | Millisekunder som tillåts för varje nätverkskontroll |
session | {} | Standardvärden för SMTP-sessionen |
scan() tar också emot 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 redan har kontrollerat SPFSender Policy Framework: en DNS-post som listar de servrar som får skicka e-post för en domän., DKIMDomainKeys Identified Mail: en signatur över ett meddelande, som kontrolleras med en publik nyckel publicerad i avsändarens DNS., DMARCEn DNS-policy som talar om för mottagare vad de ska göra när e-post som utger sig för att komma från en domän inte klarar SPF- och DKIM-anpassningen. och ARCAuthenticated Received Chain: signaturer som för autentiseringsresultat vidare genom servrar som vidarebefordrar e-post. (med mailauth) kan skicka med resultaten som authenticationResults, och då poängsätts de i stället för att kontrolleras igen:
import {authenticate} from 'mailauth';
const auth = await authenticate(raw, {ip, helo, sender, mta});
await scanner.scan(raw, {authenticationResults: auth});Metoder#
| Metod | Returnerar |
|---|---|
scan(source, options) | Resultatet. source är en Buffer, en sträng, en Uint8Array eller en läsbar ström |
scanFile(path, options) | Resultatet för en meddelandefil |
learn(source, 'spam' | 'ham') | Lär klassificeraren ett meddelande |
unlearn(source, 'spam' | 'ham') | Ångrar learn |
saveModel(path, options) | Skriver klassificeraren till en fil (options: minCount, maxFeatures, metadata) |
getClassifier() | Den Classifier som används, eller null |
getClassification(features) | Klassificerarens utslag för egenskaper från getFeatures |
getFeatures(mail) | {features, words, language, script, links, hosts, text, hidden} för ett meddelande |
getTokens(text, locale) | Orden i en text |
getTokensAndMailFromSource(source) | {tokens, features, mail} |
parse(source) | {raw, mail}, med mail från mailparser |
I getFeatures är text den text som ett e-postprogram visar, som orden läses ur, och hidden hur många tecken text som HTML-koden döljer.
scanner.metrics innehåller totalScans, averageTime och 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},
}Fynd i phishing, attachments, executables, macros, viruses och arbitrary är objekt med en type och ett message. String(finding) är meddelandet.
Exporter#
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';Klassificerare#
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 | Betydelse |
|---|---|---|
strength, unknown | 0.45, 0.5 | Robinsons s och x: hur starkt sällsynta egenskaper dras mot 0,5 |
minDistance | 0.1 | Egenskaper som ligger närmare 0,5 än detta ignoreras |
maxClues | 150 | Antal starkaste egenskaper som kombineras per meddelande |
hamCutoff, spamCutoff | 0.2, 0.99 | Gränserna för intervallet unsure |
minLanguageExamples, languageShare | 1000, 0.02 | Antal meddelanden av varje klass som krävs på ett språk för full konfidens |
languagePrior | true | Väg ord mot räkningen för deras eget språk |
merge(other), toJSON(options), Classifier.fromJSON(json), size och entries() finns också.
Träning#
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 emot poster av formen {label, features}, eller readExamples(sources), som läser samma källor som train, och returnerar antal, precision, täckning (recall), F1, träffsäkerhet samt andelar falska positiva, falska negativa och osäkra.
Servrar#
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 läser och skriver rapporter om missbruk (RFC 5965), formatet som e-postleverantörer använder för att rapportera spamklagomål:
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() returnerar null i stället för att kasta ett fel för meddelanden som inte är rapporter, och isArfMessage(mail) kontrollerar ett tolkat meddelande.