能读懂所有语言、解释每一个判定的垃圾邮件过滤器。

Spam Scanner 为 Node.js、命令行以及 Postfix、Exim、Haraka 等邮件服务器识别垃圾邮件、钓鱼、诈骗和恶意软件。每个结果都会列出触发的测试及原因。

$ npm install -g spamscanner

开始使用观看视频（1:58）

Node.js 18+
Milter、spamd、HTTP
Ollama, Claude, ChatGPT
无遥测

$ spamscanner scan message.eml
SPAM  score 16.3 (spam at 5.0, reject at 15.0)  action: reject  language: en
   +6.3  BAYES_999                    Classifier spam probability 99.9%
   +5.0  PHISHING_LOOKALIKE_DOMAIN    "paypa1-secure.top" imitates paypal by swapping characters
   +3.0  DECEPTIVE_LINK               A link shows "https://www.paypal.com/signin" but goes to paypa1-secure.top
   +2.0  FROM_NAME_BRAND              Display name says "paypal" but the message is from paypa1-secure.top
$ echo $?
1

如何判定一封邮件

每项检查都会加分或减分，由总分决定结果。阈值和分值都可以修改，没有任何黑箱：结果会列出每一项测试。

阅读
解析邮件并规范化文本：还原花式字母、不可见字符和形似字母。
检查
分类器、链接、附件、身份验证、黑名单和规则检查同时运行，每项都有超时。
分数
每项测试会加分或减分。达到 5 分即为垃圾邮件；达到 15 分时邮件服务器应当拒收。
询问
难以判断的邮件可以交给语言模型，最多加 6 分或减 3 分。

低于 5接收
5 到 15标记为垃圾邮件
15 及以上拒收

1:58看懂

邮件如何计分，各种语言如何读取，何时询问语言模型，以及如何接入 Postfix、Exim、Haraka 和 Node.js。

英语旁白，英文字幕。

视频的标题画面：Spam Scanner 标志。

检查内容

词语只是一种信号。链接、发件人、附件和身份验证同样重要，而且都不依赖邮件的语言。

适用于所有文字的分类器
词语、词对、链接、发件人、HTML 和附件，按 SpamBayes 的方式统计和合并；线索相互矛盾时，如实给出“不确定”。
如何判定
所有语言，审慎对待
对中文、日文和泰文进行 Unicode 分词，还原伪装，并且不惩罚模型很少见到其正常邮件的语言。
语言
钓鱼
含西里尔字母或调换字母的仿冒域名，文字显示为另一个地址的链接，显示名称中的品牌，以及 Cloudflare 的恶意软件解析器。
钓鱼检查
附件
按字节识别可执行文件，即使改名为 .pdf 也能识别；双重扩展名；ZIP 文件中的程序；Office 宏；含活动内容的 PDF；ClamAV。
附件检查
身份验证
SPF、DKIM、DMARC 和 ARC，DNS 黑名单，允许列表和拒绝列表，以及针对冒充你自己域名的邮件的规则。
身份验证
语言模型
难以判断的邮件交给模型：自己机器上的 Ollama，或 Claude、ChatGPT、Gemini 以及任何兼容 OpenAI 的服务器。
语言模型

所有测试及其分值工作原理

所有语言，绝不猜测

按 Unicode 规则切分词语，因此不用空格的语言也能处理，伪装会在计数前还原。以下是分类器统计的词语，在构建本页时计算得出。

如果内置模型很少见到某种语言的 ham（正常邮件），该语言的邮件会得到“不确定”而不是“垃圾邮件”，因此阿拉伯语或韩语的普通邮件不会因为文字而被标记。语言

伪装的英文

Claim your fr␣ee prіze: V1agra 𝐅𝐑𝐄𝐄

claim
your
free
prize
viagra
free

零宽空格、西里尔字母 і、以数字代替字母，以及数学粗体字母

中文，无空格

恭喜您获得一百万元大奖

恭喜
您
获得
一
百万
元
大奖

用词典分词

泰语，无空格

ยินดีด้วยคุณได้รับรางวัลหนึ่งล้านบาท

ยินดี
ด้วย
คุณ
ได้
รับ
รางวัล
หนึ่ง
ล้าน
บาท

用词典分词

俄语

Поздравляем! Вы выиграли миллион

поздравляем
вы
выиграли
миллион

按 Unicode 规则转为小写

接入你的邮件服务器

用于 Postfix 和 Sendmail 的 milter，供 spamc、Exim 和 Haraka 使用的兼容 SpamAssassin 的 spamd 服务器，内容过滤器，HTTP API，TCP 服务器，以及库。

它们都会添加 X-Spam-Flag, X-Spam-Score, X-Spam-Status 邮件头，并移除发件人伪造的同名邮件头。

Shell

spamscanner milter --port 7831 --auth --subject-tag "[SPAM]"

# /etc/postfix/main.cf
smtpd_milters = inet:127.0.0.1:7831
milter_default_action = accept

milter 在 SMTP 会话期间检查邮件，因此达到拒收阈值的垃圾邮件在被接收之前就会被拒绝。 Postfix 指南

Shell

spamscanner spamd --port 783 --auth

spamc -c < message.eml     # prints 16.3/5.0 and exits 1

兼容 SpamAssassin 的 spamd 服务器：停止 spamd，在同一端口启动 Spam Scanner，SpamAssassin 客户端照常工作。 spamd 指南

JavaScript

import SpamScanner from 'spamscanner';

const scanner = new SpamScanner({authentication: true});
const result = await scanner.scan(stream, {session});

if (result.action === 'reject') {
  // refuse with a 4xx or 5xx reply
}

库，用于 smtp-server、Haraka 插件或任何处理邮件的服务。 API 参考

Shell

spamscanner http --port 7832 --token "$TOKEN"

curl -s -X POST -H "Authorization: Bearer $TOKEN" \
  --data-binary @message.eml "http://127.0.0.1:7832/scan?ip=203.0.113.5"

适用于任何能发出 HTTP 请求的语言和服务器。 HTTP API 指南

难以判断时交给语言模型

明确的垃圾邮件和明确的正常邮件不会交给它。当分数接近阈值或分类器不确定时，由模型阅读邮件，回答垃圾邮件、钓鱼、诈骗、恶意软件或正常邮件。可以在自己的机器上运行模型，也可以使用托管模型，URL、端口和身份验证均可自定。

邮件中针对 AI 过滤器隐藏的指令会按垃圾邮件计分，并且会告知模型邮件只是数据。端到端测试通过 Ollama 用真实模型验证这一点。

Ollama
LM Studio
llama.cpp server
vLLM
LocalAI
Jan
OpenAI
Anthropic (Claude)
Google Gemini
Mistral AI
Groq
OpenRouter
DeepSeek
xAI
Together AI
Fireworks AI
Cerebras
Hugging Face Inference Providers
Azure OpenAI
Cloudflare Clef
Cloudflare Clef Flash
TypeSafe Jev
TypeSafe Jev on OpenRouter
Any decision model server

Shell

ollama pull qwen3.5:4b
spamscanner llm-test --llm ollama --llm-model qwen3.5:4b
spamscanner milter --llm ollama --llm-model qwen3.5:4b

带轮廓的：在你自己的机器上运行。邮件发送给托管服务商之前会移除个人数据。

Ollama	Hugging Face	许可证	大小
`qwen3.5:0.8b`	Qwen/Qwen3.5-0.8B	Apache-2.0	1.3 GB
`gemma4:e2b`	google/gemma-4-E2B-it	Apache-2.0	4.6 GB
`qwen3.5:4b`	Qwen/Qwen3.5-4B	Apache-2.0	3.3 GB
`qwen3.5:9b`	Qwen/Qwen3.5-9B	Apache-2.0	6.6 GB
`gpt-oss-safeguard:20b`	openai/gpt-oss-safeguard-20b	Apache-2.0	14 GB

推荐的开放模型。全部推荐

可测量，可训练

内置模型在公开数据集上训练，并用它未见过的邮件测试。用你自己的邮件训练的模型效果更好：从 mbox 文件、Maildir 或数据集训练，测量其效果，并通过“举报垃圾邮件”按钮让它继续学习。

留出的邮件	邮件	精确率	召回率	误报
英语	6,564	100.0%	97.1%	0.0%
俄语	1,682	100.0%	97.4%	0.0%
意大利语	1,389	98.1%	85.3%	1.8%
德语	1,309	97.7%	76.1%	2.2%
西班牙语	1,281	97.5%	82.6%	2.6%
全部	13,840	99.2%	85.1%	0.6%

仅分类器本身，在其公开训练数据中每十封留出一封进行测试。“不确定”的邮件计为漏判。德语、意大利语和西班牙语来自标签有噪声的合成数据集。关于内置模型

为 Forward Email 打造

Forward Email 不记录邮件内容，因此不能把邮件发送给外部过滤服务。Spam Scanner 运行在你自己的服务器上，除非另行配置，不会向任何地方发送任何内容，并且无需有人阅读邮件就能解释每一个判定。 Forward Email 与升级

Forward Email 的项目，一家注重隐私的电子邮件服务。