🚀 go-pugleaf

Tue, 9 Mar 2004 11:25:58 +0000 (UTC) jednostka biologiczna o nazwie
Godryk <godric@sf-f.pl> wyslala do portu 119
jednego z serwerow news nastepujace dane:

>Przy tych parametrach false positives będzie bardzo mało - w ciągu 
>dziesieciu angielskich słów użytych w sensownym tekście prktycznie 
>na pewno znajdzie się znak przestankowy, czy rodzajnik albo przyimek, 
>krótszy niż 4 litery - a wśród słów polskich, czy w innym języku 
>- znak diakrytyczny. 
Hmm taki pewny to bym nie byl, ale pomysl ciekawy. Jednak zwiekszylbym
limit do np. 15-20 slow.

Użytkownik Przemek Kulczycki napisał:
[...]
> zwroc uwage na to ze ze wzgledu na lenistwo wiele osob (nie tylko w 
> polsce) pisze bez znakow diaktrycznych.
> 
Takich nie żal ciąć! :->

Michał

-- 
Michał Sobkowski, IChB PAN, Poznań
http://www.man.poznan.pl/~msob/
"Każdy złożony problem ma proste, błędne rozwiązanie!"
[U. Eco]

On Tue, 9 Mar 2004 11:25:58 +0000 (UTC), Godryk wrote:
> Ostatnio spamerzy dodają - najwyraźniej dla ogłupienia filtrów - ciągi 
> niepowiązanych ze sobą, rzadko używanych wyrazów branych ze słownika.

Do mnie trafia spam z poprawnie zbudowanymi pełnymi zdaniami, tak na oko
wyjętymi z literatury pięknej lub encyklopedii.


B.

-- 
Popieram program obniżenia podatków: www.odpowiedzialnosc.org

I nastał wieczór, i stał się zaranek, 
i BLE_Maciek odzywa się do nas w te słowa:
> Tue, 9 Mar 2004 11:25:58 +0000 (UTC) jednostka biologiczna o nazwie
> Godryk <godric@sf-f.pl> wyslala do portu 119
> jednego z serwerow news nastepujace dane:
>
>>Przy tych parametrach false positives będzie bardzo mało - w ciągu 
>>dziesieciu angielskich słów użytych w sensownym tekście prktycznie 
>>na pewno znajdzie się znak przestankowy, czy rodzajnik albo przyimek, 
>>krótszy niż 4 litery - a wśród słów polskich, czy w innym języku 
>>- znak diakrytyczny. 
> Hmm taki pewny to bym nie byl, ale pomysl ciekawy. Jednak zwiekszylbym
> limit do np. 15-20 slow.

Jasne, to można sobie zresztą dobrać eksperymentalnie. Jak dla mnie, 
kryterium (5,8) wystarcza (co najmniej 8 ciągów co najmniej 5-literowych 
liter wyłącznie łacińskich) - jest zero false positives.

Zrobiłem test. Mam archiwum wysłanych postów, sent_posts - ok. 1,8 MB 
z ostatnich paru miesięcy - wszystko po polsku, chociaż część bez pliterek. 
Archiwa pocztowe: sent-mail - 3,5 MB, incoming - 1,1 MB.

Przeciwko temu - 103 kB spamu, nie odsianego przez obecne regułki procmaila 
- 23 przesyłki, w tym dwie po polsku, 480 kB porno spamu oraz ok. 40 kB 
nigeryjczyków (bo jedyny kawałek angielszczyzny, jaki miałem pod ręką).

egrep "([a-zA-Z]{5,}[ ]+){8,}" sent_posts 
Wynik: 0 trafień.

egrep "([a-zA-Z]{5,}[ ]+){8,}" incoming
Wynik: 0 trafień.

egrep "([a-zA-Z]{5,}[ ]+){8,}" sent_mail
Wynik: 0 trafień.

egrep "([a-zA-Z]{5,}[ ]+){8,}" unfiltered 
Wynik: 22 linie.

egrep "([a-zA-Z]{5,}[ ]+){8,}" porn-spam 
Wynik: 0 trafień (nic dziwnego, bo zniekształcanie wyrazów jest tu częste).

egrep "([a-zA-Z]{5,}[ ]+){8,}" nigerian-scam 
Wynik: 0 trafień (i dobrze - to znaczy, że normalnego angielskiego tekstu 
nie rusza; ale mała próbka, ledwie 40 kilo).

Przy osłabianiu kryteriów z (5,8) do (5,5) załapywało się bardzo dużo linii 
z postów pisanych po polsku bez pliterek, oraz kilka linii z pliterkami. 
Ponadto ze spamu "unfiltered" wybierało linie z normalnym tekstem 
angielskim i polskim. 

Po wzmocnieniu do (5,10) złapało tylko 16 linii z "unfiltered", nic 
z pozostałych plików.

-- 
Godryk / S.M.O.K. prfs-f / godric@sf-f.pl / Tomek Marcinkowski
______________________________________________________________
>>>    dziękuję kyi za pomoc w losowaniu sygnaturek :-)    <<<

W artykule <slrnc4rafv.fae.godric@godric.was.here> 
Godryk (godric@sf-f.pl) napisał(a):

> Przy tych parametrach false positives będzie bardzo mało - w ciągu 
> dziesieciu angielskich słów użytych w sensownym tekście prktycznie 
> na pewno znajdzie się znak przestankowy, czy rodzajnik albo przyimek, 
> krótszy niż 4 litery - a wśród słów polskich, czy w innym języku 
> - znak diakrytyczny. 

zwroc uwage na to ze ze wzgledu na lenistwo wiele osob (nie tylko w 
polsce) pisze bez znakow diaktrycznych.

-- 
#-\  Przemek Kulczycki <> pk[NA]metal.eu.org  /-#
#-/ PRMM FAQ: http://prm.metal.eu.org/faq.htm \-#
#-\    We love Satan - Join the blasphemy!    /-#
#-/      http://www.theprojecthate.net/       \-#

I nastał wieczór, i stał się zaranek, 
i Przemek Kulczycki odzywa się do nas w te słowa:
> W artykule <slrnc4rafv.fae.godric@godric.was.here> 
> Godryk (godric@sf-f.pl) napisał(a):
>> Przy tych parametrach false positives będzie bardzo mało - w ciągu 
>> dziesieciu angielskich słów użytych w sensownym tekście prktycznie 
>> na pewno znajdzie się znak przestankowy, czy rodzajnik albo przyimek, 
>> krótszy niż 4 litery - a wśród słów polskich, czy w innym języku 
>> - znak diakrytyczny. 
> zwroc uwage na to ze ze wzgledu na lenistwo wiele osob (nie tylko w 
> polsce) pisze bez znakow diaktrycznych.

Zwróciłem - wyniki testu w <slrnc4rcte.l4q.godric@godric.was.here>.

Ogólnie, przy poszukiwaniu ciągu co najmniej 8 słów co najmniej 
5-literowych w próbce 1,8 MB postów z polskiego Usenetu nic takiego 
się nie załapało. 

(W przypadku co najmniej 5 słów 5-literowych false positives 
było kilkadziesiąt.)

-- 
Godryk / S.M.O.K. prfs-f / godric@sf-f.pl / Tomek Marcinkowski
______________________________________________________________
>>>  [ - Kingsajz dla każdego!                           ] <<<
>>>  [ - Dla każdego nie starczy, może dla nas trzech... ] <<<

Tue, 09 Mar 2004 13:01:45 +0100 jednostka biologiczna o nazwie Michal
Sobkowski <msob@falszywy.adres.invalid> wyslala do portu 119
jednego z serwerow news nastepujace dane:

>> zwroc uwage na to ze ze wzgledu na lenistwo wiele osob (nie tylko w 
>> polsce) pisze bez znakow diaktrycznych.
>Takich nie żal ciąć! :->
Nie przesadzaj :-) Bez pliterek pisze sie w imie "backward
compatibility" a nie z lenistwa, chociaz jakis czas temu pisalem tekst
w Wordzie 6 (nie podkresla bledow) i dopiero po napisaniu 3-ch stron
spostrzeglem ze nie uzylem ani jednej pliterki :-)
Jestem przeciwnikiem uzywania pliterek w mailach i na usenecie,
chociaz newsreadera mam dobrze skonfigurowanego.

ĄĆĘŁŃÓŚŻŹ
ąćęłńóśżź

BLE_Maciek wrote:


> chociaz newsreadera mam dobrze skonfigurowanego.
> 
> Ą??Ł??Ś@?
> ą??ł@?ś??

A cóż to za krzaki... ? 

;)

-- 
Pozdrawia m.

Tue, 9 Mar 2004 13:29:10 +0100  jednostka biologiczna o nazwie misman
<misman.NIESPAM@rip.NIESPAM.pl> wyslala do portu 119
jednego z serwerow news nastepujace dane:

>> Ą??Ł??Ś@?
>> ą??ł@?ś??
>A cóż to za krzaki... ? 
Co zrobiles z moimi pliterkami ???

Tue, 09 Mar 2004 13:23:33 +0100      
BLE_Maciek <i80c586@cyberspace_NO_SPAM_.org>   napisał(a):

> Nie przesadzaj :-) Bez pliterek pisze sie w imie "backward
> compatibility" a nie z lenistwa, chociaz jakis czas temu pisalem tekst
> w Wordzie 6 (nie podkresla bledow) i dopiero po napisaniu 3-ch stron
> spostrzeglem ze nie uzylem ani jednej pliterki :-)
> Jestem przeciwnikiem uzywania pliterek w mailach i na usenecie,
> chociaz newsreadera mam dobrze skonfigurowanego.

Czasy kiedy istniał problem pliterek daaawno minął. Kto dziś sobie z
nimi nie radzi, zrobi to za niego jakiś kreator, więc nie ma się już na
co powoływać.
Dlatego też, ludzi olewających pliterki, znaki przestankowe itp. omijam
wielkim łukiem gotyckim.

Pozdr.Pet.

I nastał wieczór, i stał się zaranek, 
i Term odzywa się do nas w te słowa:
> Tue, 09 Mar 2004 13:23:33 +0100      
> BLE_Maciek <i80c586@cyberspace_NO_SPAM_.org>   napisał(a):
>
>> Nie przesadzaj :-) Bez pliterek pisze sie w imie "backward
>> compatibility" a nie z lenistwa, chociaz jakis czas temu pisalem tekst
>> w Wordzie 6 (nie podkresla bledow) i dopiero po napisaniu 3-ch stron
>> spostrzeglem ze nie uzylem ani jednej pliterki :-)
>> Jestem przeciwnikiem uzywania pliterek w mailach i na usenecie,
>> chociaz newsreadera mam dobrze skonfigurowanego.
>
> Czasy kiedy istniał problem pliterek daaawno minął. Kto dziś sobie z
> nimi nie radzi, zrobi to za niego jakiś kreator, więc nie ma się już na
> co powoływać.
> Dlatego też, ludzi olewających pliterki, znaki przestankowe itp. omijam
> wielkim łukiem gotyckim.
>
> Pozdr.Pet.

Nie przesadzajmy. Jak ktoś pisze z zagranicy, to czasem nie może tych 
pliterek ustawić (bo nie, bo firma nie pozwala, na przykład). 
Ale interpunkcja, a raczej jej brak, jest dobrym kryterium. 
Bo i rzeczywiście trzeba być analfabetą.

Zresztą - w każdym języku do najczęściej używanych należą wyrazy krótkie, 
od 1 do 3 liter. Więc ja jestem spokojny - w zdaniu języka naturalnego 
zawsze się zaplącze coś, co do mojego regexpa nie pasuje.

-- 
Godryk / S.M.O.K. prfs-f / godric@sf-f.pl / Tomek Marcinkowski
______________________________________________________________
>>>                 Uwolnić stałe fizyczne!                <<<

Użytkownik "BLE_Maciek" <i80c586@cyberspace_NO_SPAM_.org> napisał w

> >> Ą??Ł??Ś@?
> >> ą??ł@?ś??
> >A cóż to za krzaki... ?
> Co zrobiles z moimi pliterkami ???

Musisz system przeinstalowac...

-- 
OGONek~

On 2004-03-09, BLE_Maciek <i80c586@cyberspace_NO_SPAM_.org> wrote:
> Tue, 09 Mar 2004 13:01:45 +0100 jednostka biologiczna o nazwie Michal
> Sobkowski <msob@falszywy.adres.invalid> wyslala do portu 119
> jednego z serwerow news nastepujace dane:
>
>>Takich nie żal ciąć! :->
> Nie przesadzaj :-) Bez pliterek pisze sie w imie "backward
> compatibility" a nie z lenistwa, chociaz jakis czas temu pisalem tekst
> w Wordzie 6 (nie podkresla bledow) i dopiero po napisaniu 3-ch stron
> spostrzeglem ze nie uzylem ani jednej pliterki :-)
> Jestem przeciwnikiem uzywania pliterek w mailach i na usenecie,
> chociaz newsreadera mam dobrze skonfigurowanego.

Zaspałeś jakieś 15 lat. Wtedy to miało sens, dzisiaj już nie.

-- 
 -- Jan Srzednicki --=-- wrzask --=-- Winfried --

Tue, 9 Mar 2004 15:14:55 +0100 jednostka biologiczna o nazwie
"OGONek~" <OGONek@spamerzy.wszystkich.krajow.p^%$#^e.sie> wyslala do
portu 119 jednego z serwerow news nastepujace dane:

>> >A cóż to za krzaki... ?
>> Co zrobiles z moimi pliterkami ???
>Musisz system przeinstalowac...
A pingw^H^H^H^H^Hswistak siedzi i zawija ... ;-)
Heh wiem wiem, przeinstalowac na inny najlepiej, ale za maly troche
mam dysk, a WUPW* musialaby zostac jeszcze przez jakis czas :-))
Jak na razie Linuxem bawie sie w domu bo mam tam dysk 40GB. Ale moze
kiedys i w robocie sobie zainstaluje.
Kto mowil o Linuxie ech... uderz w stol ... ;-)

Ale juz konczmy bo jeszcze ktos krzyknie ze NTG i zebysmy na pcoa
uciekali :-)

* oczywiscie "Wstydliwie Ukrywana Partycja Windowsowa" ;-)

Tue, 9 Mar 2004 14:14:16 +0000 (UTC)      
Godryk <godric@sf-f.pl>   napisał(a):

> Nie przesadzajmy. Jak ktoś pisze z zagranicy, to czasem nie może tych 
> pliterek ustawić (bo nie, bo firma nie pozwala, na przykład). 

Nie jestem skrajnym fundamentalistą. ;)
Mówiłem o rodzimej korespondencji i jeśli ktoś jeszcze znajdzie jakiś
wyjątek, zapewne chętnie się z nim zgodzę.

Pozdr.Pet.

Godryk <godric@sf-f.pl> wrote:
> Zapisując to perlowym regexpem, dla ciągu dziesięciu słów co najmniej 
> 4-literowych  
> 
> /([a-zA-Z]{4,}\s+){10,}/i

Chyba moja odpowiedz zostalaby zakwalifikowana przez Twoj regexp jako spam 
mimo ze jest w miare normalna :-)

> (Unikam świadomie \w, bo zależy od locale, a tu chodzi konkretnie 
> o łacińskie litery.)

Sporo osob pisuje bez polskich liter (ja tylko w tym poscie, w ramach 
wyjatku:)).

> Przy tych parametrach false positives będzie bardzo mało - w ciągu 
> dziesieciu angielskich słów użytych w sensownym tekście prktycznie 
> na pewno znajdzie się znak przestankowy, czy rodzajnik albo przyimek, 
> krótszy niż 4 litery - a wśród słów polskich, czy w innym języku 
> - znak diakrytyczny. 

Istnienie linijki zawierajacej same wyrazy majace ponad trzy litery wcale 
nie jest takie nieprawdopodobne jak Ci sie wydaje.

-- 
michau@
  Then it comes to be that the soothing news at the end of the funnel       
  is just a fresh feed flooding your net...                                 
					"No Leaf Node"

I nastał wieczór, i stał się zaranek, 
i Michal Kosek odzywa się do nas w te słowa:
> Godryk <godric@sf-f.pl> wrote:
>> Zapisując to perlowym regexpem, dla ciągu dziesięciu słów co najmniej 
>> 4-literowych  
>> 
>> /([a-zA-Z]{4,}\s+){10,}/i
>
> Chyba moja odpowiedz zostalaby zakwalifikowana przez Twoj regexp jako spam 
> mimo ze jest w miare normalna :-)

Owszem - przedostatnia linia - ale piszesz bez znaków interpunkcyjnych. 
Jakbyś tam użył przecinków, to już by było po problemie. A powinieneś użyć 
dwóch.

[...]
> Istnienie linijki zawierajacej same wyrazy majace ponad trzy litery wcale 
> nie jest takie nieprawdopodobne jak Ci sie wydaje.

I owszem. Ale jak pisałem we wcześniejszej odpowiedzi, jest to kwestia 
indywidualnego doboru parametrów. U mnie sprawdza się (5,8) - (4,10) jest 
faktycznie zbyt silne.

-- 
Godryk / S.M.O.K. prfs-f / godric@sf-f.pl / Tomek Marcinkowski
______________________________________________________________
>>>       [ lepszy dla ciebie byłby świt zimowy ]          <<<

Godryk <godric@sf-f.pl> wrote:
>>> /([a-zA-Z]{4,}\s+){10,}/i
>>
>> Chyba moja odpowiedz zostalaby zakwalifikowana przez Twoj regexp jako spam 
>> mimo ze jest w miare normalna :-)
> 
> Owszem - przedostatnia linia - ale piszesz bez znaków interpunkcyjnych. 
> Jakbyś tam użył przecinków, to już by było po problemie. A powinieneś użyć 
> dwóch.

Wydaje mi sie - na ile znam interpunkcje - ze tylko po "spam",
a ominiecie jednego przecinka kazdemu moze sie zdarzyc. Gdzie jeszcze
wg Ciebie powinien byc przecinek?

> [...]
>> Istnienie linijki zawierajacej same wyrazy majace ponad trzy litery wcale 
>> nie jest takie nieprawdopodobne jak Ci sie wydaje.
> 
> I owszem. Ale jak pisałem we wcześniejszej odpowiedzi, jest to kwestia 
> indywidualnego doboru parametrów. U mnie sprawdza się (5,8) - (4,10) jest 
> faktycznie zbyt silne.

Postawione przez Ciebie zadanie napisania sensownej linijki zawierajacej
wyrazy piecio- i wiecejliterowe jest nieco trudniejsze, acz nie
niewykonalne ;) Wg mnie to nie jest zbyt dobra metoda na odsiew, chyba
ze potraktujesz to tylko jako jeden z klasyfikatorow, ze stosunkowo
niewielka waga...

-- 
michau@
	Then it comes to be that the soothing news at the end of the funnel
	is just a fresh feed flooding your net...
					"No Leaf Node"

Godryk <godric@sf-f.pl> wrote:
: >> Zapisując to perlowym regexpem, dla ciągu dziesięciu słów co najmniej 
: >> 4-literowych  
: >> 
: >> /([a-zA-Z]{4,}\s+){10,}/i
: >
: > Chyba moja odpowiedz zostalaby zakwalifikowana przez Twoj regexp jako spam 
: > mimo ze jest w miare normalna :-)

: Owszem - przedostatnia linia - ale piszesz bez znaków interpunkcyjnych. 
: Jakbyś tam użył przecinków, to już by było po problemie. A powinieneś użyć 
: dwóch.

: [...]
: > Istnienie linijki zawierajacej same wyrazy majace ponad trzy litery wcale 
: > nie jest takie nieprawdopodobne jak Ci sie wydaje.

: I owszem. Ale jak pisałem we wcześniejszej odpowiedzi, jest to kwestia 
: indywidualnego doboru parametrów. U mnie sprawdza się (5,8) - (4,10) jest 
: faktycznie zbyt silne.

No to idźmy dalej :)

Wystapienie linijki zawierajacej wylacznie wyrazy majace ponad cztery znaki
takze jest calkiem prawdopodobne.

:-)

FUT: pl.internet.mordplik

-- 
 _________
(_   _' __) Tomasz R. Surmacz,  PGP key Id: 56A1520D,  tsurmacz@adm.usenet,pl
  |  (__  \ FAQ polskich grup news: http://www.usenet.pl/doc/news-pl-faq.html
  |__(____/ English ver.:  http://www.usenet.pl/doc/news-pl-new-site-faq.html

I nastał wieczór, i stał się zaranek, 
i Michal Kosek odzywa się do nas w te słowa:
> Godryk <godric@sf-f.pl> wrote:
>>>> /([a-zA-Z]{4,}\s+){10,}/i
>>>
>>> Chyba moja odpowiedz zostalaby zakwalifikowana przez Twoj regexp jako spam 
>>> mimo ze jest w miare normalna :-)
>> Owszem - przedostatnia linia - ale piszesz bez znaków interpunkcyjnych. 
>> Jakbyś tam użył przecinków, to już by było po problemie. A powinieneś użyć 
>> dwóch.
> Wydaje mi sie - na ile znam interpunkcje - ze tylko po "spam",
> a ominiecie jednego przecinka kazdemu moze sie zdarzyc. Gdzie jeszcze
> wg Ciebie powinien byc przecinek?

Nie, miałem na myśli przedostatnią linię. 

Jest:
>>> Istnienie linijki zawierajacej same wyrazy majace ponad trzy litery wcale
Powinno być:
>>> Istnienie linijki, zawierajacej same wyrazy majace ponad trzy litery, wcale

Natomiast ta linia, o której piszesz, powinna mieć jeden przecinek, po 'spam'. 

>> [...]
>>> Istnienie linijki zawierajacej same wyrazy majace ponad trzy litery wcale 
>>> nie jest takie nieprawdopodobne jak Ci sie wydaje.
>> 
>> I owszem. Ale jak pisałem we wcześniejszej odpowiedzi, jest to kwestia 
>> indywidualnego doboru parametrów. U mnie sprawdza się (5,8) - (4,10) jest 
>> faktycznie zbyt silne.
>
> Postawione przez Ciebie zadanie napisania sensownej linijki zawierajacej
> wyrazy piecio- i wiecejliterowe jest nieco trudniejsze, acz nie
> niewykonalne ;) Wg mnie to nie jest zbyt dobra metoda na odsiew, chyba

Ależ oczywiście - Tomek Surmacz też się przyłaczył do konkursu. ;-)

> ze potraktujesz to tylko jako jeden z klasyfikatorow, ze stosunkowo
> niewielka waga...

Inaczej. Ja nie twierdzę, ze to ma być jedyny test. Natomiast w przypadku 
kogoś, kto używa do cięcia spamu procmaila, może to być jeen z dość 
skutecznych, a łatwych do przeprowadzenia testów wstępnych.

Przykładowo - ja używam skryptu antywirusowego YAVR (Yet Another antiVirus 
Recipe) v1.9.1 Nikosa Kantariakasa <URL: http://agriroot.aua.gr/~nikant/nkvir/>
Działa pięknie, tylko że waży 50 kilo. Znaczy, jako INCLUDE w moim .procmailrc.
Nie muszę chyba mówić, ile zasobów zżera skanowanie długich wiadomości. 

Więc co mogę, tnę przed includem. I to, co proponuję, jest dobre jako test 
wstępny. Co się załapie, mogę wrzucić do worka "spam" i już. I co najwyżej 
rzucić okiem raz w tygodniu, czy nie złapało jakiejś wiadomości wysłanej 
faktycznie do mnie.

A akurat test zliczający tylko długość ciągów, bez zwracania uwagi na
konkretne literki, będzie mało skomplikowany, szybszy w wykonaniu od
dowolnego filtrowania po słowach kluczowych.

-- 
Godryk / S.M.O.K. prfs-f / godric@sf-f.pl / Tomek Marcinkowski
______________________________________________________________
>>>       [ lepszy dla ciebie byłby świt zimowy ]          <<<

I nastał wieczór, i stał się zaranek, 
i Tomasz R Surmacz odzywa się do nas w te słowa:
> Godryk <godric@sf-f.pl> wrote:
>: > Istnienie linijki zawierajacej same wyrazy majace ponad trzy litery wcale 
>: > nie jest takie nieprawdopodobne jak Ci sie wydaje.
>: I owszem. Ale jak pisałem we wcześniejszej odpowiedzi, jest to kwestia 
>: indywidualnego doboru parametrów. U mnie sprawdza się (5,8) - (4,10) jest 
>: faktycznie zbyt silne.
> No to idźmy dalej :)
> Wystapienie linijki zawierajacej wylacznie wyrazy majace ponad cztery znaki
> takze jest calkiem prawdopodobne.
>:-)

E tam. Moi zmajomi piszą z pliterkami i używają nagminnie przyimków 
i zaimków. ;-)

> FUT: pl.internet.mordplik
SOU #1, niestety.

-- 
Godryk / S.M.O.K. prfs-f / godric@sf-f.pl / Tomek Marcinkowski
______________________________________________________________
>>>           [ spisane będą czyny i rozmowy ]             <<<

Godryk <godric@sf-f.pl> wrote in
news:slrnc4rafv.fae.godric@godric.was.here: 

> W zwiazku z tym przyszedł mi do głowy pomysł, ze można takie
> przesyłki natychmiast odsiać, szukając w nich łańcucha złożonego z
> kilku (np. 5-10?) ciągów liter łacińskich, bez diakrytyków czy
> cyfr, nie krótszych niż ileś (3-5?) liter, rozdzielonych wyłącznie
> białymi znakami, bez znaków przestankowych.  

 Dobre, ale na krótką metą. Jeśli stanie się to popularne, to w ciągu 
najbliższych miesięcy możesz spodziewać się zmiany podejścia ze strony 
spamerów (zaczną dodawać krótsze wyrazy). :-/
 Natomiast pl-literki - niezłe (jeśli ktoś może sobie pozwolić na taki 
luksus, ja nie). Proponowałbym dodatkowo cięcie/punktowanie po 
kodowaniu - odpadnie niemal cały spam niepolski.

ps. Gdzie znajdę spis tematów maili z wirusem w załączniku?

-- 
/****    Umysł sprawia, że wszystko się zmienia,     ****\
*****          żeby upozorować upływ czasu.          *****
\****                              P.K.Dick          ****/

In article <slrnc4thpr.plr.godric@godric.was.here>, Godryk wrote:
> Więc co mogę, tnę przed includem. I to, co proponuję, jest dobre jako test 
> wstępny. Co się załapie, mogę wrzucić do worka "spam" i już. I co najwyżej 
> rzucić okiem raz w tygodniu, czy nie złapało jakiejś wiadomości wysłanej 
> faktycznie do mnie.

:) albo zglądac tam częściej niż do inboxa czy aby nie ma jakiegoś 
nowego tematu na mordplik ;)

-- 
Sergiusz Różański rozanski.at.sergiusz.dot.com
Pamiętaj, brama przeciwnika jest na dole!
RTG project http://gg.overwap.net
RMXF Postfix project http://rmxf.comm.pl

I nastał wieczór, i stał się zaranek, 
i Sergiusz Różański odzywa się do nas w te słowa:
> In article <slrnc4thpr.plr.godric@godric.was.here>, Godryk wrote:
>> Więc co mogę, tnę przed includem. I to, co proponuję, jest dobre jako test 
>> wstępny. Co się załapie, mogę wrzucić do worka "spam" i już. I co najwyżej 
>> rzucić okiem raz w tygodniu, czy nie złapało jakiejś wiadomości wysłanej 
>> faktycznie do mnie.
>
>:) albo zglądac tam częściej niż do inboxa czy aby nie ma jakiegoś 
> nowego tematu na mordplik ;)

Co ja, masochista, że się mam w śmieciach grzebać? ;-)
Po to filtruję, żeby ich nie widzieć.

-- 
Godryk / S.M.O.K. prfs-f / godric@sf-f.pl / Tomek Marcinkowski
______________________________________________________________
>>>                   Sig, sig, marchewka...               <<<

I nastał wieczór, i stał się zaranek, 
i Paweł 'Róża' Różański odzywa się do nas w te słowa:
> Godryk <godric@sf-f.pl> wrote in
> news:slrnc4rafv.fae.godric@godric.was.here: 
>> W zwiazku z tym przyszedł mi do głowy pomysł, ze można takie
>> przesyłki natychmiast odsiać, szukając w nich łańcucha złożonego z
>> kilku (np. 5-10?) ciągów liter łacińskich, bez diakrytyków czy
>> cyfr, nie krótszych niż ileś (3-5?) liter, rozdzielonych wyłącznie
>> białymi znakami, bez znaków przestankowych.  
>  Dobre, ale na krótką metą. Jeśli stanie się to popularne, to w ciągu 
> najbliższych miesięcy możesz spodziewać się zmiany podejścia ze strony 
> spamerów (zaczną dodawać krótsze wyrazy). :-/

To na pewno; Łukasz Kozicki pisał, że u niego idą piękne zdania, a nie 
wyrwane z kontekstu wyrazy, jak u mnie. Ale na jakiś czas wystarczy. 

>  Natomiast pl-literki - niezłe (jeśli ktoś może sobie pozwolić na taki 
> luksus, ja nie). Proponowałbym dodatkowo cięcie/punktowanie po 
> kodowaniu - odpadnie niemal cały spam niepolski.

To już od dawna mam, ale jeszcze nic nie przyszło, więc nie wiem, na ile 
skuteczne... ;-)

> ps. Gdzie znajdę spis tematów maili z wirusem w załączniku?

Zależy których. Paweł Kierski co jakiś czas odpowiada na takie pytania, 
wysyłąjąc dość szczegółowe opisy poszczególnych wirusów. Musiałbyś 
pogrzebać w archiwum. A czy gdzieś ta wiedza jest zbiorczo, według 
tematów, a nie wirusów, to nie wiem...


-- 
Godryk / S.M.O.K. prfs-f / godric@sf-f.pl / Tomek Marcinkowski
______________________________________________________________
>>> [ sur le pont il n'est plus rien qu'une brume légere ] <<<
>>> [     ça s'oublie en silence ceux qui ont espéré     ] <<<

Godryk <spam-no-spam-godric@sf-f.pl> w wiadomości
news:slrnc4rafv.fae.godric@godric.was.here napisał(a):
[...]
> W zwiazku z tym przyszedł mi do głowy pomysł, ze można takie przesyłki
> natychmiast odsiać, szukając w nich łańcucha złożonego z kilku (np.
> 5-10?) ciągów liter łacińskich, bez diakrytyków czy cyfr,
> nie krótszych niż ileś (3-5?) liter, rozdzielonych wyłącznie białymi
> znakami, bez znaków przestankowych.
>
> Na pewno będzie to prostsze, niż wyszukiwanie słów zdefiniowanych
> jako charakteystyczne dla spamu.
>
> Zapisując to perlowym regexpem, dla ciągu dziesięciu słów co najmniej
> 4-literowych
>
> /([a-zA-Z]{4,}\s+){10,}/i
>
> (Unikam świadomie \w, bo zależy od locale, a tu chodzi konkretnie
> o łacińskie litery.)

  Uwaga na pułapkę w filtrach Exima! Jeśli tego typu warunek zapisze
się w filtrach Exima (uprościłem i między wyrazami może być tylko
spacja):

if $message_body matches "([a-zA-Z]{5,} ){10,}" then ... endif

to może to łapać załączniki kodowane base64 z np. bitmapami.
$message_body to treść listu z końcami linii zamienionymi na
spacje. Jeśli w załączniku base64 pojawi się więcej niż 10
linii z samymi literkami 'A' (kodującymi zera), to filtr
zaskoczy. A taka sytuacja może często mieć miejsce np. przy
bitmapie 24-bitowej z czarnym tłem.

-- 
    Paweł Kierski
    pkierski@mks.com.pl
    dodaj "[nomorespam]" w temacie jeśli piszesz z domeny innej niż .pl,
    albo koniecznie chcesz obejść moje filtry 8-)

Pawel Kierski <spam-no-spam-pkierski@mks.com.pl> w wiadomości
news:5316-1078996302@213.17.171.18 napisał(a):
[...]
>   Uwaga na pułapkę w filtrach Exima! Jeśli tego typu warunek zapisze
> się w filtrach Exima (uprościłem i między wyrazami może być tylko
> spacja):
>
> if $message_body matches "([a-zA-Z]{5,} ){10,}" then ... endif
>
> to może to łapać załączniki kodowane base64 z np. bitmapami.
[...]

  I rozwiązanie - ograniczyć od góry długość słowa:

if $message_body matches "([a-zA-Z]{5,20} ){10,}" then ... endif


-- 
    Paweł Kierski
    pkierski@mks.com.pl
    dodaj "[nomorespam]" w temacie jeśli piszesz z domeny innej niż .pl,
    albo koniecznie chcesz obejść moje filtry 8-)

I nastał wieczór, i stał się zaranek, 
i Pawel Kierski odzywa się do nas w te słowa:
>   Uwaga na pułapkę w filtrach Exima! Jeśli tego typu warunek zapisze
> się w filtrach Exima (uprościłem i między wyrazami może być tylko
> spacja):
> if $message_body matches "([a-zA-Z]{5,} ){10,}" then ... endif
> to może to łapać załączniki kodowane base64 z np. bitmapami.
> $message_body to treść listu z końcami linii zamienionymi na
> spacje. Jeśli w załączniku base64 pojawi się więcej niż 10
> linii z samymi literkami 'A' (kodującymi zera), to filtr
> zaskoczy. A taka sytuacja może często mieć miejsce np. przy
> bitmapie 24-bitowej z czarnym tłem.

A właśnie, trzeba by ograniczyć do skanowania tylko fragmentów
kodowanych text/*, czy nawet tylko text/plain. Ja o tym nie pomyślałem, 
bo maile z załącznikami odkładam od razu na bok...

-- 
Godryk / S.M.O.K. prfs-f / godric@sf-f.pl / Tomek Marcinkowski
______________________________________________________________
>>>           Zawsze kiedy masz właśnie coś zrobić,        <<<
>>>            musisz najpierw zrobić coś innego.          <<<