計算機網(wǎng)絡(luò)外文翻譯----smtp 路徑分析

1、<p><b>　　SMTP 路徑分析</b></p><p><b>　　摘要</b></p><p>　　大部分域名認證的支持者建議合并域名認證和信譽服務(wù).這篇論文為你介紹一種學(xué)習(xí)郵件域名和IP地址聲譽的新算法，它以分析傳輸已知的垃圾郵件和好郵件的路徑為基礎(chǔ)．它將產(chǎn)生一個有效的算法來提供合并域名認證需要的信譽信息,以此來進行過濾的決

2、定．這個算法實現(xiàn)了許多由域名認證系統(tǒng)提供的有益的服務(wù)，如黑名單服務(wù)，白名單服務(wù)，不需要任何基礎(chǔ)設(shè)施成本和首次展示的需要．</p><p><b>　　１ 簡介</b></p><p>　　驗證發(fā)送郵件域名的機制已經(jīng)變得越來越普遍，規(guī)范而且受到激烈的爭論．最短路徑優(yōu)先算法的目標，訪客ID,發(fā)送者ID基本上是相同的—它們都被設(shè)計為通過使域名所有者發(fā)布一個包含外發(fā)郵件服務(wù)器

3、的名單來阻止”欺騙”．通過這些測試的消息可以可靠的與一個參與發(fā)送消息的域名關(guān)聯(lián)．然而這個信息不能充分的過濾垃圾郵件．此外，想知道一個負責(zé)任的域名，垃圾郵件過濾需要了解哪些域名發(fā)送垃圾郵件．因此大多數(shù)域名認證的支持者建議合并域名認證和信譽服務(wù)．</p><p>　　這篇論文為你介紹一種學(xué)習(xí)郵件域名和IP地址聲譽的新算法，它以分析傳輸已知的垃圾郵件和好郵件的路徑為基礎(chǔ)．此信息結(jié)合一個新算法用于過濾欺騙性郵件標題，以確

4、保垃圾郵件發(fā)送者不能規(guī)避分析。其結(jié)果是一個有效的算法,它提供域名認證所需要的信譽信息用來做過濾決定.</p><p>　　有趣的是，該算法的分析表明，部分或大部分域名認證系統(tǒng),黑名單,白名單所得到的優(yōu)勢,可以通過本地學(xué)習(xí)而不需要大量的采取域名認證或者第三方的黑白名單服務(wù).我們描述的算法只使用來自收到的郵件的頭部中的標準”收到”行中提到的IP地址,來分析此消息是否是垃圾郵件.這是一個學(xué)習(xí)算法,在此算法中我們假設(shè)它

5、在一種具有代表性的根據(jù)選定的IP地址分類的郵件上鍛煉.隱含在此算法后的直覺是來自相同或相似IP地址的郵件很可能享有共同的分類.實驗證據(jù)證明,此直覺是正確的.</p><p>　　該算法在識別垃圾郵件或者非垃圾郵件上是非常精確的,但是它不能準確的標記含有資源很少的網(wǎng)站.對于其他的,使用其他技術(shù)比如樸素貝葉斯或者重桂的篩選器可以更精確的區(qū)分.例如,雖然SMTP路徑分析不如普通使用了貝葉斯的垃圾郵件篩選器精確,它認為貝

6、葉斯篩選器處理的信息通常最優(yōu),在那個領(lǐng)域的那些方面它做的更好.其結(jié)果可以糾正貝葉斯篩選器做出的錯誤評估,而貝葉斯篩選器可以在數(shù)據(jù)信息不足的時候做有效的路徑分析.一個聚合的分析器使用兩種結(jié)果比只用其中任何一個結(jié)果更有效.</p><p>　　比較這種方法和域名驗證計劃如SPF是非常有趣的.SPF讓一個域名聲明它的傳出郵件網(wǎng)關(guān).如果SPF信息是正確的所有通過那個域的郵件必須通過這些網(wǎng)關(guān).如果一個消息通過SPF檢查,而

7、且主要的域不發(fā)送垃圾郵件,,那么直接通過這個郵件通路傳給用戶是安全的.由于垃圾郵件發(fā)送者同時也注冊了域名發(fā)布了SPF記錄,我們不能假設(shè)通過SPF驗證的郵件來自于無垃圾郵件的域名.這就需要一些方法來決定這些域名的信譽.</p><p>　　這里所描述的算法直接使用IP地址,建立了它們的信譽,有時候基于附近的IP地址,而不是由一個外部的聲明集對它們進行分組然后根據(jù)分組學(xué)習(xí)它們的信譽.在這一點SPF擁有的主要的優(yōu)勢是:

8、</p><p>　　1 SPF可以將不同的地址分到一個組,所以為這個組產(chǎn)生一個信譽信息會需要較少的信息.</p><p>　　2 SPF,明確的說明這些范圍的邊界.</p><p>　　SPF或許可以聲明另一種優(yōu)勢,在這種優(yōu)勢里它可以(如果聲稱的發(fā)送域發(fā)布了SPF)區(qū)分通過合法的網(wǎng)關(guān)發(fā)送的郵件和從僵尸進程直接發(fā)往互聯(lián)網(wǎng)的郵件.然而我們的算法事實上擅于識別合法的

9、網(wǎng)關(guān)以及篩選直接從僵尸進程主機(或者”僵尸網(wǎng)絡(luò)”;查閱Honeynet, 2005)發(fā)送的郵件,所以這個優(yōu)勢并不會像它被認為的那樣優(yōu)秀.SPF信息無疑可以在適當?shù)臅r候和我們的算法結(jié)合,如果不結(jié)合那么我們的算法將依靠自己.注意,雖然SPF在聲明的域名沒有發(fā)布SPF信息的時候不能識別任何東西,但是我們的算法可以從發(fā)送路徑來學(xué)習(xí)而不管什么域名被聲明為信息源.</p><p>　　這篇論文剩下的部分包括此算法更詳細的描述

10、--對我們所做實驗的解釋,對實驗的討論以及我們的結(jié)論.</p><p><b>　　2 收到的頭部</b></p><p>　　SMTP協(xié)議指定,每個用于發(fā)送郵件信息的SMTP中繼必須在消息頭部列表中添加”received”行,包括(至少)收到消息的服務(wù)器的信息和從哪里收到的消息,以及一個說明添加頭部時間的時間戳.這些頭部共同提供了用于傳遞消息的SMTP路徑的記錄.&

11、lt;/p><p>　　然而,收到消息中的SMTP路徑信息不能完全相信.消息頭部沒有署名或者以任何方式驗證,所以很容易被偽造.沿路徑的任何SMTP服務(wù)器可以插入虛假頭部,使此消息好像來自發(fā)送者選擇的任何一個路徑.</p><p>　　盡管如此,某些收到的消息的頭部是可信任的.例如,所有你自己的域的入站SMTP服務(wù)器添加的頭部是可信任的.一個網(wǎng)站可能也信收到的由經(jīng)常合作的組織產(chǎn)生的行,假設(shè)它們可

12、以識別這些組織的出站服務(wù)器.但是,一旦隱含的收到的行中的SMTP路徑指向一個未知的或者不可信任的服務(wù)器的時候,那么聲稱的剩下的SMTP路徑信息不可信任.</p><p>　　就像下面所討論的,開發(fā)一個根據(jù)收到的行進行分析的有效的垃圾郵件篩選器的一個關(guān)鍵挑戰(zhàn)就是決定哪些記錄在收到的行中的SMTP路徑信息是可信任的.</p><p><b>　　3 算法</b></

13、p><p>　　SMTP路徑分析通過根據(jù)以往發(fā)自此IP的郵件的記錄來學(xué)習(xí)IP地址的優(yōu)良來進行工作. 該算法的學(xué)習(xí)階段需要一套預(yù)歸類是為垃圾郵件或非垃圾郵件標記的郵件作為輸入 .學(xué)習(xí)算法提取每個消息中的IP地址序列,這些IP用來到達消息接收者,并且記錄IP地址的數(shù)據(jù).在它的分類階段,此算法提取目標信息的IP序列,然后根據(jù)可能用于傳送此消息的網(wǎng)關(guān)的IP地址為這個消息產(chǎn)生一個評分. 該分數(shù)可以經(jīng)過一個閾值，產(chǎn)生或不產(chǎn)生一個

14、垃圾郵件的分類，或者可以作為聚合篩選器的輸入.此算法不考慮其它信息;特別的,它不另外的分析消息的內(nèi)容或者考慮任何域名信息.</p><p>　　在我們的算法的大多數(shù)基本形式中,為每個IP地址收集的數(shù)據(jù)只是簡單的垃圾或者非垃圾郵件出現(xiàn)的次數(shù).這些計數(shù)然后就被用于估計一個經(jīng)過任何以前的IP地址的郵件是否是垃圾郵件.概率估計是順利的而且對糾正小樣本是有必要的.在分類中,我們觀察被用來傳遞消息的IP地址序列,根據(jù)我們有充

15、分數(shù)據(jù)的鏈中最后一個IP地址分配給這個消息一個分數(shù).</p><p>　　在以上的算法輪廓看似合理之前有兩個問題必須解決:</p><p>　　1. 很多機器(尤其是那些在鏈開始的位置,它們可能是僵尸電腦或者垃圾郵件制作者鏈接到它們的服務(wù)提供者)不具有固定的IP地址,看到相同的訓(xùn)練集中的IP地址就像我們嫩試圖分類的消息的概率比我們想象的小.</p><p>　　2.

16、 上述技術(shù)容易被欺騙.那就是這個消息可能來自一個平凡的IP地址,這個機器可能聲稱它正在傳遞一個來自合法發(fā)送者的消息.</p><p>　　當沒有充分的數(shù)據(jù)來給當前IP地址做一個可信任的決定的時候我們通過結(jié)合當前IP和那些附近IP的數(shù)據(jù)解決動態(tài)IP問題.有多種可用于此目的的”附近”的定義.我們的解決辦法是建立一個我們目前所看到的IP地址的樹.樹跟節(jié)點有256個子樹.每個子樹對應(yīng)一個IP地址第一個字節(jié) 可能的變化.反

17、過來,每個子樹擁有256個子樹,每個子樹對應(yīng)于一個IP地址第二字節(jié)可能的變化.對于第三第四自己都是一樣的,當然隨著我們走到樹的下部,分支變得稀疏,產(chǎn)生一個帶有少于232個節(jié)點的樹.</p><p>　　在每個節(jié)點n我們存儲垃圾郵件的數(shù)目,Sn以及非垃圾郵件的數(shù)目NSn此節(jié)點所代表的 IP地址或者范圍已經(jīng)出現(xiàn)了.一個概率將被計算出來,用來衡量此節(jié)點有多么普通,概率是Sn/(Sn+NSn):垃圾郵件數(shù)目除以通過此地址

18、或者此范圍的郵件總數(shù).</p><p>　　我們不能簡單的按照這個概率的樣子來使用它,再一次,這里有兩個問題:</p><p>　　1.我們試圖為內(nèi)部節(jié)點記錄的是可以在我們得到一個IP地址但是在此節(jié)點下沒有完全匹配的情況下幫助我們的信息.那個值應(yīng)該受到平均IP子集的變化的影響,而不是受到這些范圍內(nèi)某些特定的IP的變化的影響.這可能非常重要在這個情況下,這些IP被垃圾郵件制造者使用,但是此范

19、圍總的來說不是這樣,所以我們平均子節(jié)點的活躍性,而不是根據(jù)通過他們的郵件總數(shù)來衡量.</p><p>　　2.如果一個節(jié)點只看到一片垃圾郵件和沒有非垃圾郵件 ,那么下一條消息是垃圾郵件的可能性不是100%.</p><p>　　我們解決兩個問題的辦法是我們計算出該IP地址的評分.我們加一個0.5分的人為的新根 .我們多次到達包含實際IP的子樹如果有一個可用的話.在該子樹我們計算了他的子樹和

20、父節(jié)點的平均值.也就是說，如果有9個子節(jié)點，我們采取10個節(jié)點的平均：父節(jié)點和9個子節(jié)點。對于葉節(jié)點我們采用父節(jié)點和由包含此葉節(jié)點的消息總數(shù)的葉節(jié)點的比率的平均值.當然,有時候我們沒有到達一個葉節(jié)點,如果我們從來沒有在我們的訓(xùn)練集中見過這種確切的IP地址.當我們收到一個新消息,我們查看每個IP地址,從最后一個IP開始--最靠近我們收消息的機器的地址.我們計算它的分數(shù),一個介于0和1的數(shù)字，然后與下一個地址的分數(shù)結(jié)合起來.我們采取了兩個I

21、P地址spamminess加權(quán)平均，使用的權(quán)等于1/（秒*（1 - s））的其中s是上述spamminess .其理由是，一個IP地址很可能是垃圾郵件或非垃圾郵件是一個郵件的本質(zhì)的較好的指標- 即分數(shù)最極端的的地址是計算的最重要部分.我們持續(xù)使用這種將目前的平均成績和下一個IP垃圾性相關(guān)聯(lián)的計算方法一直到最后結(jié)束.</p><p>　　如上所述，上述技術(shù)容易受到欺騙 .如果垃圾郵件發(fā)送者通過偽裝來欺騙我們的算法，

22、這些來自垃圾地址的郵件會顯示為來自合法的地址.為了解決這個問題, 我們?yōu)槊恳粋€中間地址建立一個信譽值,如果地址是不可信的，我們至少可以部分地忽略剩余的地址.</p><p>　　經(jīng)過算法的實驗我們發(fā)現(xiàn)了兩個有用的改進.</p><p>　　我們發(fā)現(xiàn)，在實踐中，如果在我們的訓(xùn)練設(shè)置的IP地址有任何序列完全匹配，當我們只找到一個內(nèi)部節(jié)點的時候,它是一種比上面給出的分數(shù)更好的指標. 因此，我們給

23、予精確匹配更多的權(quán)重.</p><p>　　我們發(fā)現(xiàn)，在產(chǎn)生消息的地址和作為網(wǎng)關(guān)的地址之間有一個區(qū)別,我們將源地址和中間地址分開統(tǒng)計. 在我們方面，當IBM公司開發(fā)了互聯(lián)網(wǎng)的存在,大多數(shù)以前有過互聯(lián)網(wǎng)電子郵件地址的研究所的用戶,從研究所的內(nèi)部網(wǎng)關(guān)轉(zhuǎn)移到全體范圍的網(wǎng)關(guān)是很緩慢的.由于垃圾郵件的增加，研究網(wǎng)關(guān)現(xiàn)在似乎很少被用于合法郵件-通過這些網(wǎng)關(guān)其中之一的郵件98%是垃圾郵件,但是一些研究人員仍然在使用它.因此，從

24、那里傳向IBM的其他部門的郵件將被標記為"可能為垃圾郵件".,根據(jù)接對收到的行的分析.我們通過將最后一個IP(被推測為源站點)的數(shù)據(jù)和其它地址的數(shù)據(jù)分開來修復(fù)這個問題.因此，如果一個地址范圍收到的垃圾郵件很多，但以它附近的地址為源的所有郵件都是好的，那么我們給它一個好成績.</p><p><b>　　4 實驗方法</b></p><p>　　我們

25、的實驗是針對一個數(shù)據(jù)庫，這個數(shù)據(jù)庫是從一個包括兩百名成員的國際組織中收集來的，其中含有約170000封郵件.這些郵件最初被標記為請求用戶對進入他們垃圾郵件文件夾的垃圾郵件和正常郵件進行投票. 200名用戶全部是IBM的員工，他們知道這些信息將被用于研究目的.</p><p>　　我們的數(shù)據(jù)庫得到了進一步的“凈化“采用了類似的技術(shù),包括相似信息的分類和處理異常值. 我們一直注意不要在清理我們的數(shù)據(jù)庫的過程中使用我們

26、正在研究的算法和類似的技術(shù). 然而，在我們的評價中小數(shù)量的明顯錯誤已得到糾正. 這種情況的數(shù)量很少，不會大幅影響整體效果. </p><p><b>　　5 實驗結(jié)果</b></p><p>　　圖1使用標準的ROC曲線比較了SMTP路徑分析的和傳統(tǒng)的樸素貝葉斯分類器的性能.圖中所示的算法產(chǎn)生一個評分,而不是產(chǎn)生一個黑白名單的結(jié)論. ROC曲線顯示不同組合的垃圾郵件捕

27、獲率和假陽性率,這些概率可以通過選擇阻斷垃圾郵件的不同的分數(shù)闕值來實現(xiàn).</p><p>　　SMTP路徑分析分類器的執(zhí)行效果是非常好的,捕獲到一千封中所有假陽性率小于1的垃圾郵件的70%.與現(xiàn)在的SPF和DNSRBL黑名單所能做的工作相比這毫不遜色. 然而，它的性能隨著現(xiàn)在基于貝葉斯的反垃圾郵件過濾器所能做的工作而下降.</p><p>　　關(guān)于SMTP路徑分析有趣的是,它發(fā)現(xiàn)垃圾郵件的

28、方法和貝葉斯文本分類的方法毫不相關(guān).SMTP路徑分析只根據(jù)郵件如何被路由而做決定,完全忽略郵件內(nèi)容. 同樣地，典型的貝葉斯分類器無法有效利用受到的行頭,因為它對郵件如何被路由的一無所知. 其結(jié)果是，利用分類聚合技術(shù)結(jié)合這兩種算法可以相當成功. </p><p>　　圖1：SMTP路徑分析的ROC曲線</p><p>　　圖1還顯示了結(jié)合貝葉斯和SMTP路徑分析用線性回歸聚合（西格爾，200

29、5年）的性能. 結(jié)果表明該SMTP路徑分析，可以減少一半任何給定的假陽性率垃圾郵件錯誤的數(shù)量.</p><p>　　圖2，下頁，顯示四行. 紅線是5000訓(xùn)練和5000測試; 藍色的虛線顯示每個10,000; 綠色顯示每個40000; 黃色的是全部數(shù)據(jù)庫中所有的在測試桶中的85000封郵件和在訓(xùn)練桶中的85000封郵件. 正如從圖中可以看出，該算法的尺度非常好. 結(jié)果表明數(shù)據(jù)的每翻一番該算法的準確性大約翻一番.

30、該算法也很有效的，因為它只觀察消息的一小部分. 因此，它可以作為一個更復(fù)雜的算法的非常有用的預(yù)過濾器.</p><p><b>　　6 討論和比較</b></p><p>　　目前還沒有標準的企圖用更少的活動得到更好地處理有關(guān)誰發(fā)送的電子郵件的方法. 最相關(guān)的活動在身份驗證領(lǐng)域, 而且在郵件跟蹤頭的標準的改進活動中. 其中許多活動可以，一旦被實施和廣泛的應(yīng)用，與上述觀

31、點結(jié)合起來協(xié)同工作.</p><p>　　在我們解析接收到的行的過程中，我們經(jīng)常發(fā)現(xiàn)失蹤的IP地址.現(xiàn)行標準將收到行頭中的IP地址作為可選的元素. 如果網(wǎng)關(guān)不包括一個IP地址，我們就忽略它，不能獲得該一跳的信息. 這樣看起來,一個垃圾郵件制造者可以只設(shè)立一個不包括IP地址的設(shè)置,然后這垃圾郵件發(fā)送者將逃避一些東西.終止它的是這樣的現(xiàn)實，接收網(wǎng)關(guān)它的網(wǎng)關(guān)地址放入接收行中,它將在這里被拾起,我們將知道它是一封垃圾郵件

32、. 然而,包括一個簡單到IP地址解析的方式的標準將使我們的工作要容易得多.</p><p>　　圖2：縮放的SMTP分析</p><p>　　我們的實驗使用的IP地址范圍，在字節(jié)邊界劃分，已經(jīng)產(chǎn)生了非常有益的成果. 很明顯，雖然，這并不總是正確的方法來確定IP地址的關(guān)系. 我們計劃用樹結(jié)構(gòu)的進一步實驗，允許將IP地址范圍內(nèi)的字節(jié)處進行劃分（例如,處理一個255.255.192.0的子網(wǎng)掩碼

33、）.</p><p>　　緩存的對“名目項”數(shù)據(jù)庫的查詢還可以幫助關(guān)聯(lián)不能在同一分組網(wǎng)絡(luò)掩碼的IP地址. 托管域可能仍然是一個問題，其中有兩個無關(guān)的域擁有”相鄰的IP”,這是他們使用同一個服務(wù)器的服務(wù)的好處. 在這種情況下，雖然，托管服務(wù)將是地址范圍的最終所有者, 并且必須承擔(dān)其客戶行為的一些責(zé)任. 我們認為，服務(wù)條款的實施將緩解這一問題，但是還需要此領(lǐng)域的更多實驗.</p><p>　　

34、我們期待著在更大程度上使用SPF的資料-到目前為止，我們已經(jīng)做了我們的算法與SPF算法有限的比較,而且發(fā)現(xiàn)使他們能夠相互補充得方法. SPF被越來越廣泛的部署，我們想將它和我們上面討論的算法結(jié)合起來. 我們最新的例子是135k的消息，其中約23k不是垃圾郵件，樣品顯示了3K的“軟故障“和2K“硬故障“15.7k通過SPF的測試. 但是，垃圾郵件發(fā)送者也已注冊和發(fā)布了域名的SPF記錄，而我們的貝葉斯算法發(fā)現(xiàn)15.7k通過了SPF檢查，35

35、84封垃圾郵件.根據(jù)已知的我們的貝葉斯篩選器的性能,我們預(yù)計,最多有4封被它識別為垃圾郵件的郵件其實是正常的郵件. 所以我們獲得了本身并不令人吃驚的結(jié)果SPF依靠它自己將不能阻止足夠多的垃圾郵件. 我們還注意到這樣一個事實，我們直接使用IP地址，而不是嘗試將他們關(guān)聯(lián)到域或發(fā)件人(也就是說，我們不試圖驗證發(fā)件人或檢測欺騙，而是旨在確定交付路徑的垃圾性),避免SPF含有的關(guān)于轉(zhuǎn)發(fā)器和郵件列表的困難. 如果從aol.com到ieee.org再

36、到ibm.com的路徑不是含有垃圾的,那么ieee.org在傳輸路徑中間受到損害將是無所謂的. 這表明，我們的機制可能是</p><p>　　有兩種技術(shù)，我們打算嘗試：</p><p>　　將來自SPF域名內(nèi)部的所有郵件映射到一個IP地址,然后將我們的算法用于此結(jié)果.我們將收縮此域名內(nèi)的所有地址為一個入口.</p><p>　　當郵件從此域名內(nèi)部的任何地方發(fā)送,為每

37、一個SPF域名在域邊界上插入一個固定的ID. 這將不會取代現(xiàn)有的IP地址，但會添加域標識符序列.</p><p>　　我們已經(jīng)表明，受益可以從檢查IP地址中得到，即使沒有利用SPF等域驗證機制. 接下來我們討論我們的算法與SPF相結(jié)合的價值.</p><p>　　在過很長一段時間就會有不部署SPF的域出現(xiàn),所以這里描述的技術(shù)對于來自他們的郵件特別有用. 此外，這里描述的技術(shù)，建立一個有學(xué)問

38、的聲譽系統(tǒng)，并可能部分被用于建立一個信譽服務(wù). 許多人相信，我們的實驗也認為，信譽服務(wù)是授權(quán)域驗證技術(shù)所必要的.</p><p>　　在IBM北美公司大約有10個郵件網(wǎng)關(guān), 可能有10倍的關(guān)于IBM的信息需要收集. 如果在一個域中的機器有的已經(jīng)成為僵尸機器,而且僵尸通過郵件網(wǎng)關(guān)發(fā)送,這些僵尸電腦所發(fā)送的郵件將通過SPF測試.在我們用大量數(shù)據(jù)描述的算法中,這些僵尸電腦的信譽可以和這個域中其它機器相區(qū)分,因為被用于發(fā)

39、送垃圾郵件的僵尸電腦會發(fā)送大量的郵件.后者不能被一個純粹的基于域的系統(tǒng)做到.</p><p>　　然而,一個純粹的基于域的系統(tǒng)比一個純粹的基于IP的系統(tǒng)需要的學(xué)習(xí)數(shù)據(jù)要少,因為一個純IP系統(tǒng)在一個組織打開了一個在此地址范圍內(nèi)與舊網(wǎng)關(guān)在不同部分的網(wǎng)關(guān)的時候會感到迷惑. 雖然本組織可以確保在此網(wǎng)關(guān)部署以前,SPF記錄包含了新的網(wǎng)關(guān), 但是我們的算法需要一些時間來了解它.</p><p>　　古

40、德曼介紹了使用接收行的機制和問題, 因為它們不可信而且不能總是被可靠地解析(古德曼，2004）.她特別地開發(fā)了新技術(shù),來識別內(nèi)部可信的SMTP服務(wù)器和外部不可信的SMTP服務(wù)器的邊界. 這里介紹的根據(jù)歷史來學(xué)習(xí)哪些IP地址可信的方法很好地回避了這個問題; 從而，暗中確定可信任的內(nèi)部和外部,從而提供可靠的接收頭.</p><p><b>　　7 結(jié)論</b></p><p&

41、gt;　　我們已經(jīng)確定，檢查IP地址對于阿森納社區(qū)是一種寶貴反垃圾郵件團體可以使用的新增工具. 當它和貝葉斯過濾器結(jié)合使用,它的性能大約是這個貝葉斯過濾器的準確度的兩倍.理解它在和域名認證結(jié)合起來是如何工作的,這在精煉此算法以及理解域名認證技術(shù)本身的價值都是很重要的下一步.</p><p>　　致謝作者想要感謝IBM的反垃圾郵件研究小組的其他成員,他們參加了討論和技術(shù)工作為此篇論文做出了貢獻.涉及到的人員包括Na

42、thaniel Borenstein, Jason Crawford, Schlomo Hershkop, and Jeffrey Kephart.</p><p><b>　　參考文獻</b></p><p>　　Lentczner, M. and Wong, M. “Sender Policy</p><p>　　Framework: Au

43、thorizing Use of Domains in MAIL</p><p>　　FROM”, Internet Draft,</p><p>　　http://www.ietf.org/internet-drafts/draft-lentcznerspf-</p><p>　　00.txt, October, 2004.</p><p>

44、;　　Wong, M. and Schlitt, W. “Sender Policy Framework:</p><p>　　Authorizing Use of Domains in E-MAIL”, Internet</p><p>　　Draft, http://www.ietf.org/internet-drafts/draftschlitt-</p><p&

45、gt;　　spf-classic-00.txt, December, 2004.</p><p>　　Lyon, J. and Wong, M. “Sender ID: Authenticating EMail”,</p><p>　　Internet Draft, http://www.ietf.org/internetdrafts/</p><p>　　draf

46、t-lyon-senderid-core-00.txt, October,</p><p><b>　　2004.</b></p><p>　　Lyon, J. “Purported Responsible Address in E-Mail</p><p>　　Messages”, Internet Draft,</p><

47、;p>　　http://www.ietf.org/internet-drafts/ draft-lyonsenderid-</p><p>　　pra-00.txt, October, 2004.</p><p>　　Klensin, J. “Simple Mail Transfer Protocol”, Internet</p><p>　　Engineer

48、ing Task Force, RFC 2821, April, 2001.</p><p>　　Rigoutsos, I. and Huynh, T. “Chung-Kwei: a Patterndiscovery-</p><p>　　based System for the Automatic</p><p>　　Identification of Unsol

49、icited E-mail Messages</p><p>　　(SPAM)”, Conference on Email and Anti-Spam</p><p>　　2004, July, 2004.</p><p>　　Segal, R. “Combining Multiple Classifiers”, Virus</p><p>

50、　　Bulletin, February 2005.</p><p>　　The Honeynet Project & Research Alliance. “Know</p><p>　　Your Enemy: Tracking Botnets”,</p><p>　　http://honeynet.org/papers/bots/, March, 200