Spamfilter

Det engelska substantivet "spam" i spamfilter kan återges med det tyska ordet Abfall. Ursprungligen betyder det konserverat kött. Inom IT-sektorn avses oönskade elektroniska meddelanden, dvs. meddelanden som levereras utan att mottagaren vill det. Oftast innehåller de reklam. Enligt en undersökning av den Hamburgbaserade statistikportalen Statista uppgick antalet skräppostmeddelanden i världen till 28 miljarder år 2014. Det är ett globalt problem som löses med hjälp av ett skräppostfilter, det vill säga att oönskade meddelanden sorteras bort av ett datorprogram. Den som skickar sådan oönskad e-post kallas spammer, och processen kallas spamming eller spamming.

Användningsområden för ett skräppostfilter

Klassiskt sett var användningen av ett skräppostfilter begränsad till att sortera bort oönskad e-post. För detta ändamål konstruerades moduler för e-postprogram och e-postservrar med hjälp av algoritmer. Men eftersom reklam på Internet har blivit allt viktigare tidigare har nyare program också filtrerat sidor. Spamfilter används också för webbläsare, wikis och bloggar.

Arbetsmetoder för ett skräppostfilter

Spamfilter tar upp information som är direkt relaterad till ett e-postmeddelande. Å ena sidan kan det handla om innehållet i själva e-postmeddelandet, men det är också möjligt att i begränsad utsträckning kontrollera vem som är avsändare av ett meddelande. Tre metoder har etablerat sig:
a) Metod för svartlista. En svart lista är en "svart lista" som är en synonym för en oönskad kontakt. Innehållsmässigt innehåller en sådan lista vissa uttryck och nyckelord. En algoritm söker efter dessa nyckelord i ett mail och om den hittar några sorteras mailet bort. Samma förfarande kan också tillämpas på avsändaren. Många skräppostfilter som arbetar enligt svartlistmetoden har redan en omfattande databas. Användarna kan utöka detta delvis enligt sina personliga behov.

b) Bayes-filtermetoden. Bayes-filtermetoden bygger på sannolikhetsteori och kräver att användaren samarbetar, särskilt i början. Om den är korrekt utformad är den överlägsen den svarta listan. I detta fall måste användaren identifiera mottagna e-postmeddelanden som Spam klassificera skräppost och icke-spam. Det Bayesianska filtret lär sig reglerna i bakgrunden utan att algoritmerna behöver ingripa. Efter cirka 1 000 självsorterade e-postmeddelanden fungerar filtret självständigt. Det Bayesianska filtret fortsätter också att lära sig under efterföljande omsortering.
c) Den Databas lösningar som är baserade på en viss typ av information. Särskilt reklammejl innehåller en rad uppgifter som bör leda till en konkret kontakt. Detta gäller framför allt URL:en för en Webbplats och telefonnumret. Databaserade lösningar använder algoritmer för att söka efter denna information. Om de hittas sorteras posterna. Dessa metoder har mycket goda resultat. Du kan visserligen omarbeta reklamutskick om och om igen och därmed i obegränsat antal, men vissa uppgifter förblir alltid desamma.

felprocent för skräppostfilter

Spammejl har blivit allt mer sofistikerade under de senaste åren. Därför måste skräppostfilterapplikationen fortsätta att utvecklas. Detta är förknippat med arbete och kostnader, vilket är anledningen till att vissa leverantörer tar betalt för en eventuell tjänst. Dessutom är sortering med hjälp av program förknippad med en felprocent som dock kan minskas genom utbildning. Falskt negativ upptäckt är när skräppost hamnar i den vanliga inkorgen, medan falskt positiv upptäckt är när normala e-postmeddelanden misstas för skräppost. Medan optimeringsåtgärderna minskar felprocenten för falskt negativ identifiering till tio till en procent, tenderar falskt positiv klassificering mot noll.

Ett välkänt skräppostfilter är till exempel SpamAssassinsom används av de flesta e-postleverantörer.