Ne tako davno, većina anti-spam proizvoda jednostavno je koristila popis ključnih riječi za prepoznavanje neželjene pošte. Dobar skup ključnih riječi mogao bi uhvatiti mnogo neželjene pošte. Međutim, anti-spam filtar koji se temelji na ključnim riječima zahtijeva ručno ažuriranje i može se lako prevariti malim podešavanjem poruke. Pošiljatelji neželjene pošte jednostavno ispituju najnovije tehnike protiv neželjene pošte i pronalaze načine da ih zaobiđu. Kao rezultat, ostaje vam veliki broj lažno pozitivnih rezultata.
Pojavila se potreba za novom učinkovitom tehnikom za borbu protiv spama. Iskustvo je pokazalo da bi se ova nova metoda mogla prilagoditi taktici spamera koja bi se s vremenom mijenjala.
Bayesovo filtriranje temelji se na načelu da je većina događaja ovisna i da se vjerojatnost događaja u budućnosti može izvesti iz pojavljivanja tog događaja u prošlosti. Ovaj se pristup koristi za prepoznavanje neželjene pošte. Ako se neki dio teksta pojavljuje uglavnom u neželjenoj e-pošti, ali ne i u legitimnoj pošti, tada bi bilo razumno pretpostaviti da je ta e-pošta vjerojatno neželjena pošta.
Da biste filtrirali poštu pomoću Bayesove tehnologije, morate generirati bazu podataka riječi prikupljenih iz neželjene i legitimne pošte. Zatim se svakoj riječi dodjeljuje vrijednost vjerojatnosti; vjerojatnost se temelji na izračunima koji uzimaju u obzir koliko se često ta riječ pojavljuje u neželjenoj pošti za razliku od legitimne pošte.
Nakon što su legitimne i spam baze podataka stvorene tijekom početnog razdoblja obuke, vjerojatnosti riječi mogu se izračunati i Bayesov filter je spreman za upotrebu. Kada stigne nova pošta, rastavlja se na riječi i izdvajaju se najznačajnije riječi. Iz ovih riječi Bayesov filter izračunava vjerojatnost da nova poruka bude spam ili ne. Ako je vjerojatnost veća od praga neželjene pošte, recimo 0,9, poruka se klasificira kao neželjena pošta.
Savjet! G-Lock SpamCombat omogućuje vam dodjeljivanje vrućih tipki uobičajenim operacijama. Na primjer, možete dodijeliti F8 za označavanje poruke kao SPAM funkcije i F9 za označavanje poruke kao čiste. Sljedeći put kada trenirate Bayesov filter možete jednostavno koristiti dvije tipke na tipkovnici F8 i F9.
Važno je napomenuti da se analiza neželjene i legitimne pošte vrši na mailovima koje prima određeni korisnik (organizacija, tvrtka, itd.), te je Bayesian filter prilagođen toj osobi, tvrtki ili organizaciji. Na primjer, financijska institucija može primiti puno e-poruka s riječju “hipoteka” i dobila bi puno lažnih pozitivnih rezultata ako koristi zastarjeli anti-spam filter. Bayesov filtar analizira cijelu poruku s riječju “hipoteka” i zaključuje je li ova e-pošta neželjena pošta ili legitimna NE na temelju samo jedne ključne riječi “hipoteka”. Bayesov pristup filtriranju neželjene pošte vrlo je učinkovit – stope otkrivanja neželjene pošte od preko 99,7% mogu se postići s vrlo malim brojem lažno pozitivnih rezultata!
Ukratko ćemo opisati koje prednosti dobivamo korištenjem Bayesovog filtra za hvatanje neželjene pošte:
1) Puno inteligentniji pristup jer ispituje sve aspekte poruke, za razliku od provjere ključnih riječi koja klasificira poštu kao neželjenu poštu na temelju jedne riječi.
2) Samoprilagodba – neprestano učeći iz nove neželjene pošte i novih valjanih dolaznih poruka, Bayesov filter se razvija i prilagođava novim tehnikama neželjene pošte.
3) Osjetljiv prema korisniku – uči navike e-pošte tvrtke i razumije da, na primjer, e-poruke s riječju “hipoteka” nisu uvijek spam.
4) Višejezični i međunarodni – budući da je prilagodljiv, može se koristiti za bilo koji jezik. Bayesov filter također uzima u obzir određena jezična odstupanja ili različitu upotrebu određenih riječi u različitim područjima, čak i ako se govori isti jezik.
5) Teško ga je prevariti, za razliku od filtra ključnih riječi – napredni pošiljatelj neželjene pošte koji želi prevariti Bayesov filtar može ili koristiti manje riječi koje obično označavaju neželjenu poštu ili više riječi koje općenito označavaju valjanu poštu (kao što je valjano ime kontakta, itd.) ). Učiniti potonje je nemoguće jer bi pošiljatelj neželjene pošte morao znati profil e-pošte svakog primatelja – a pošiljatelj neželjene pošte nikada se ne može nadati da će prikupiti ovu vrstu informacija od svakog primatelja kojem je namijenjena.