Anti-Spam: Νέο σύστημα φιλτραρίσματος Spam
Για εμάς, MyIP.gr η υπηρεσία E-mail είναι εξίσου σημαντική με το Web Hosting. Γι' αυτό προσπαθούμε πάντοτε να προσφέρουμε σύγχρονες λύσεις Anti-Spamώστε να απολαμβάνετε μια αξιόπιστη υπηρεσία. Το σύστημα Anti-Spam που χρησιμοποιούμε έχει αναπτυχθεί από εμάς και εξελίσσεται καθημερινά για να παρέχει τη μέγιστη δυνατή απόδοση. Δείτε παρακάτω μια ανάλυση για το ακριβώς είναι το σύστημα Anti-Spam.
Το πρόβλημα:
Η παραδοσιακή μέθοδος αντιμετώπισης των ανεπιθύμητων μηνυμάτων με εργαλεία όπως το SpamAssassin ή το ASSP ή το Mailscanner λειτουργεί, αλλά οι κακόβουλοι αποστολείς spam εφευρίσκουν πάντα νέες τακτικές για να νικήσουν αυτό το είδος λογισμικού. Βλέπαμε συχνά αρκετά spam μηνύματα να καταλήγουν στα εισερχόμενα και ξέρουμε πόσο απογοητευτικό μπορεί να γίνει αυτό για τους χρήστες.
Από την άλλη μεριά, εξωτερικές υπηρεσίες όπως SpamExperts και MagicSpam είναι πιο αποδοτικές, αποκλείουν περισσότερα spam όμως όλα τα μηνύματα περνάνε και φιλτράρονται από έναν εξωτερικό server. Αυτή η τακτική λοιπόν προσφέρει χαμηλότερη ασφάλεια για τα δεδομένα του πελάτη μας και συνεπώς αποκλείσαμε τη χρήση εξωτερικών φίλτρων spam.
Η λύση:
Ένα δικό μας ολοκληρωμένο σύστημα Anti-Spam βασισμένο στην Αρχιτεκτονική και στη λογική της Barracuda. 12+ έλεγχοι για Spam μαζί με εκμάθηση από τους ίδιους τους χρήστες (Machine Learning).
Κάτω από το "καπό" βρίσκεται ο κλασικός SpamAssassin έτσι ώστε όλοι οι χρήστες να μπορούν να επεξεργαστούν το Scoring - δηλαδή πόσο ευαίσθητο ή όχι θέλουν το spam filtering, τις whitelists και τις blacklists μέσα από το cPanel κανονικά.
Πέρα όμως από το SpamAssassin, κάνουμε χρήση των δικών μας κανόνων που ανανεώνουμε καθημερινά, ενώ ταυτόχρονα χρησιμοποιούμε ανοιχτές και συνδρομητικές Realtime Black Hole lists (RBLs) όπως:
- MailSpike,
- SpamHaus DQS,
- SpamCop,
- URIBL,
- SURBL,
- DCC,
- Razor,
- Pyzor,
- Barracuda RBL
Πέρα από τις RBL που χρησιμοποιούμε αποφασίσαμε στην δημιουργία και μιας δικιάς μας Private RBL όπου κάνουμε Blacklist ή Whitelist οτιδήποτε περνάει ή θέλουμε να περάσει στα Εισερχόμενα.
Έτσι, οι κανόνες, μαζί με τις λίστες (private, δημόσιες και συνδρομητικές), το Firewall, και τους κανόνες σε επίπεδο Mail Server (Sender Authentication, Recipient Verification, Virus Scanning, Fingerprint Analysis, Spam Scoring) μας επιτρέπουν να έχουμε ένα πάρα πολύ αποτελεσματικό σύστημα Anti-Spam. Μένει ακόμα ένα βήμα, Machine Learning με σύστημα Bayesian Analysis.
Ένα βήμα παραπέρα, εκμάθηση των φίλτρων
Το σύστημα Anti-Spam μπορεί να εκπαιδευτεί περαιτέρω από τους ίδιους τους χρήστες ώστε να εντοπίσετε τυχόν υγιή μηνύματα που έχουν μπει στα spam κατά λάθος ή τυχόν spam που έχουν περάσει στα Εισερχόμενα σας.
Όσα μηνύματα λαμβάνετε στα Εισερχόμενα σας (INBOX) και είναι ανεπιθύμητα (spam) μπορείτε να τα μεταφέρετε στον φάκελο των ανεπιθύμητων (SPAM ή JUNK).
Αντίστοιχα εάν στον φάκελο SPAM υπάρχει κάποιο μήνυμα που δεν είναι ανεπιθύμητο μπορείτε να το μεταφέρετε στον φάκελο των Εισερχομένων.
Με αυτόν τον τρόπο το σύστημα μαθαίνει από ότι βλέπει στα Εισερχόμενα και στα Ανεπιθύμητα - και θα αυξηθεί η αξιοπιστία του στο μέλλον.
Φυσικά στο Bayesian Learning - δηλαδή στο σύστημα εκμάθησης, χρειάζεται και λίγο προσοχή από τους ίδιους τους χρήστες. Αν αφήνετε κάποιο μήνυμα που είναι SPAM στα Εισερχόμενα σας, το σύστημα μαθαίνει πως αυτό το μήνυμα ΔΕΝ είναι πλέον SPAM και θα συνεχίσει να έρχεται στα Εισερχόμενα σας. Αντίστοιχα, αν κάποιο κανονικό μήνυμα καταλήγει στο φάκελο SPAM, όσο καιρό παραμένει στο φάκελο SPAM ο Anti-Spam server θα το μαρκάρει σαν SPAM.