Spamassassin 对来自文本的消息的误报答案

【问题标题】：Spamassassin false negative for message from textSpamassassin 对来自文本的消息的误报
【发布时间】：2013-06-26 09:21:35
【问题描述】：

背景：

我正在下载我的 twitter 提要并将它们保存到文本文件中，并且我想使用带有 Mail::SpamAssassin 的 perl 脚本来检查垃圾邮件的可能性。所以我关注this post 从文本中加载消息。我的所有邮件在我的 if 语句中一直被标记为“非垃圾邮件”，即使是 419 诈骗邮件。

问题

我做错了什么？
我必须配置 Spamasssasin 文件吗？
我的消息需要采用特定格式吗？
我的项目有更好的选择吗？

详情：

代码：

use Mail::SpamAssassin;
use strict;
use warnings;


open FILE, "<", ~/Messages/twitter_tweet.ema' or die;
my @lines = <FILE>;

my $spamtest = Mail::SpamAssassin->new();
my $mail = $spamtest->parse(\@lines);
my $status = $spamtest->check($mail);
print $status->get_report();

if ($status->is_spam()) {
    print "Totally Spam\n";
} else {
    print "not spam\n";
}

 $status->finish();
 $mail->finish();
 $spamtest->finish();

输出：

（未找到报告模板）

不是垃圾邮件

注意事项：

我没有配置 spamAssasin 我只是开始使用 perl 模块

在我的主目录中有一个名为 ~/.spamassassin/user_prefs 的文件，但我没有碰它

【问题讨论】：

open FILE, "<", ~/Messages/twitter_tweet.ema' or die; 这是复制错误还是您的脚本也缺少文件名周围的开头 '？

标签： perl twitter spam spamassassin

【解决方案1】：

我写了一个回复（如下），没有注意到你是如何开始这个问题的。 “我正在下载我的 twitter 提要并将它们保存到文本文件中”部分是关键。很关键。具体来说，SpamAssassin 旨在扫描电子邮件，并包含来自标头的丰富元数据。 Twitter 提要没有标题。

我见过的最好的 twitter 反垃圾邮件技术，主要是学术研究，而不是可用的代码，涉及跟踪关注者并为每个用户建立声誉的密集链接图。这几乎是 twitter 中唯一可用的元数据，因此 SpamAssassin 除了推文（“正文”）内容本身之外别无他法。

当然，贝叶斯机制可以提供帮助，尽管它同样由标题和特定于电子邮件的标记化技术组成。 URI DNSBLs 也可以，但其他查找（Razor2、Pyzor、所有 DNSBLs）是无用的，99% 左右的正则表达式规则签名也是如此。（另请注意，许多在线索引针对实时查找进行了调整，因此旧条目会过期，因此如果您扫描几天前的垃圾邮件，即使曾经有过，它也可能不再有条目。）

您远最好使用一些仅包含内容的垃圾邮件过滤器。如果您有足够大的消息集合，则可以在子集上训练基于贝叶斯的过滤器，然后在其余部分上运行它。如果这是一项持续的努力，请在发现错误时纠正错误，随着时间的推移，它应该会改进为可用的东西。

如果您真的想使用 SpamAssassin，请阅读此答案的其余部分。请记住，我是在假设您收到真正的 rfc5322（最初为 rfc822）电子邮件的情况下编写的。

有两种可能性：您有一个调用问题（SpamAssassin 无法正常运行或您没有正确提取判决）或您有一个效率问题（SpamAssassin运行但没有所需的准确性，在这种情况下，是一个假阴性问题）。

这是GTUBE 测试字符串：

XJS*C4JDBQADN1.NSBN3*2IDNEN*GTUBE-STANDARD-ANTI-UBE-TEST-EMAIL*C.34X

要在两者之间进行诊断，请将上述 GTUBE 测试字符串添加到测试消息（复制真实消息并将该字符串包含在正文中），然后再次尝试运行您的代码。

如果它没有标记为垃圾邮件，则说明您有调用问题。
如果您的 419 未标记为垃圾邮件，则说明您有效率问题。

调用问题：尝试启用调试。在此处粘贴您的输出。我需要更多线索来诊断这类问题。

功效问题：您可以通过确保您拥有blocklists（DNSBLs 和 URI DNSBLs）和联网插件（例如Razor、Pyzor）并且您积极参与来从根本上改善 SpamAssassin 的结果training Bayes（需要 200 多封垃圾邮件和 200 多封火腿）。 spamtips.org ultimate setup guide也有很好的提示。

如果您需要有关特定垃圾邮件示例的进一步帮助，您必须发布该邮件，并在可能的情况下进行有限的编辑，并在某个位置保持原样，例如Pastebin.com（如果够短，可以在 StackOverflow 上粘贴，但大多数垃圾邮件都不短）。

【讨论】：