10. バグ 11. 更新履歴 12. 情報源 / リンク
rubyインタープリタをインストールし、アーカイブの中のbsfilter/bsfilterをPATHが通っている適当なディレクトリに置く。 OS、ディストリビューションによっては、ports、ebuild等のパッケージが用意されている場合もある。
あらかじめtokenごとのspam確率を求めておき、メールの中にspam確率の高いtokenが多く含まれていたら、そのメールがspamであると判定する。
<h3>3.2. 準備が必要</h3> <p>実際に使用を開始する前に、spam確率を求めるという準備が必要である。 判定済のメール内のtoken出現回数を求め、spam / (clean + spam)により確率を求める。 --add-clean, --add-spam, --updateというコマンドで準備を行う。 </p> <p class="fig"><img src="prepare.png" alt="準備が必要" /></p> <h2><a id="started">4. やってみよう</a></h2> <h3>準備</h3> <p>実際に判定する前に、データベースを準備する必要がある。</p> <p>1. cleanなメール中の単語を数える。</p> <pre> % bsfilter --add-clean ~/Mail/inbox/* </pre> <p>2. spam中の単語を数える。</p> <pre> % bsfilter --add-spam ~/Mail/spam/* </pre> <p>3. 単語ごとにclean/spamな確率を求める。</p> <pre> % bsfilter --update </pre> <p>以上で、準備終了。</p> <h3>判定</h3> <p>コマンドライン引数で判定対象のメールを指定する例。0から1の範囲で、spam確率が表示される。</p> <pre> % bsfilter ~/Mail/inbox/1 combined probability /home/nabeken/Mail/inbox/1 1 0.012701 </pre> <p>標準入力から判定対象のメールを入力する例。spamの場合、exit statusが0になる。</p> <pre> ~% bsfilter < ~/Mail/inbox/1 ; echo $status 1 ~% bsfilter < ~/Mail/spam/1 ; echo $status 0 </pre> <p><code>~/.procmailrc</code>から呼ぶときのサンプルレシピその1。 exit statusを利用して、spamをspamフォルダに移動する。</p> <pre> :0 HB: * ? bsfilter -a spam/. </pre> <p><code>~/.procmailrc</code>から呼ぶときのサンプルレシピその2。spamに <code>X-Spam-Flag:</code>、<code>X-Spam-Probability:</code>ヘッダを追加し、 X-Spam-Probabilityの示す確率に従い、blackフォルダ、grayフォルダに移動する。</p> <pre> :0 fw | /home/nabeken/bin/bsfilter --pipe --insert-flag --insert-probability :0 * ^X-Spam-Probability: *(1|0\.[89]) black/. :0 * ^X-Spam-Probability: *0\.[67] gray/. </pre> <h2><a id="help">5. ヘルプ</a></h2> <p><a href="http://sourceforge.jp/forum/?group_id=1011">bsfilterフォーラム</a>へどうぞ。</p> <h2><a id="usage">6. 使い方</a></h2> <h3>コマンドラインの形式</h3> <p>以下の2通りの形式がある。</p> <ol> <li>bsfilter [options] [commands] < MAIL</li> <li>bsfilter [options] [commands] MAIL ...</li> </ol> <p>maintenance modeとfiltering modeがある。</p> <ul> <li>commandsが指定されているときは、maintenance modeで動作し、データベースの更新を行なうが、spamの判定は行わない。</li> <li>commandsが指定されていないときは、filtering modeで動作し、spamの判定を行なうが、データベースの更新は行わない。</li> <li>filtering modeで--(synchronous-)auto-updateが指定されているときは例外で、spamの判定、データベースの更新、両方を行う。</li> </ul> <p> 標準入力からメールを与え、spamかどうか判定させるには、filtering modeで1の形式を使用する。 spamの場合は、exit statusが0になる。 <code>~/.procmailrc</code>から呼び出す場合は、通常、この形式になる。 </p> <p> コマンドライン引数でメールのファイルネームを与え、spamかどうか判定させる際には、filtering modeで2の形式を使用する。 複数のメールを同時に判定することが出来る。結果は標準出力に表示される。 </p> <h3>コマンド一覧</h3> <dl> <dt>--add-clean</dt> <dt>-c</dt> <dd>cleanなメール中のtokenをデータベースに足す。</dd> <dt>--add-spam</dt> <dt>-s</dt> <dd>spam中のtokenをデータベースに足す。</dd> <dt>--sub-clean</dt> <dt>-C</dt> <dd>cleanなメール中のtokenをデータベースから引く。</dd> <dt>--sub-spam</dt> <dt>-S</dt> <dd>spam中のtokenをデータベースから引く。</dd> <dt>--update</dt> <dt>-u</dt> <dd>tokenごとのclean/spam確率が入っているデータベースを更新する。-c、-s等と同時に使われた場合は、メール中のtokenについてのみ、確率データベースを更新する。</dd> <dt>--export-clean</dt> <dd>cleanなtokenをデータベースから独自フォーマットのテキストにエクスポートする。</dd> <dt>--export-spam</dt> <dd>spamなtokenをデータベースから独自フォーマットのテキストにエクスポートする。</dd> <dt>--import-clean</dt> <dd>cleanなtokenをデータベースへ独自フォーマットのテキストからインポートする。</dd> <dt>--import-spam</dt> <dd>spamなtokenをデータベースへ独自フォーマットのテキストからインポートする。</dd> <dt>--export-probability</dt> <dd>確率データベースをエクスポートする。デバッグ用の機能であり、インポートは出来ない。</dd> </dl> <p>複数のコマンドを同時に指定できる。</p> <h3>オプション一覧</h3> <dl> <dt>--homedir directory</dt> <dd>データベース、ロックファイルを作るホームディレクトリを指定する。 --homedirオプションが使用されなかった場合は、 BSFILTERHOME環境変数で設定されたディレクトリを使用する。 BSFILTERHOME環境変数が設定されていない場合は、<code>~/.bsfilter</code>を使用する。 HOME環境変数が設定されていない場合は、bsfilterのあるディレクトリを使用する。</dd> <dt>--config-file filename</dt> <dd>設定ファイルを指定する。デフォルトでは、上記bsfilterホームディレクトリの bsfilter.confが使用される。 <pre> ## example of bsfilter.conf jtokenizer MeCab spam-cutoff 0.6 </pre> </dd> <dt>--max-line number</dt> <dd>先頭から指定した行数の範囲を、判定、学習の対象にする。</dd> <dt>--db sdbm|gdbm|bdb1|bdb|qdbm</dt> <dd>データベースの形式を指定する。デフォルトはsdbm。<strong>bdb, qdbmのサポートは1.0.8から。</strong></dd> <dt>--jtokenizer bigram|block|mecab|chasen|kakasi</dt> <dt>-j bigram|block|mecab|chasen|kakasi</dt> <dd>日本語のメールからtokenを切り出す際のアルゴリズムを指定する。 bigram(連続する漢字2文字で1token)、 block(連続する漢字全部で1token)、 <a href="http://cl.aist-nara.ac.jp/~taku-ku/software/mecab/">MeCab(和布蕪)</a>、 <a href="http://chasen.aist-nara.ac.jp/">ChaSen</a>、 <a href="http://kakasi.namazu.org/">KAKASI</a>を呼び出す方法をサポートしている。 デフォルトはbigram。MeCab, ChaSen, KAKASIを使用するには、 あらかじめrubyバインディングをインストールしておく必要がある。</dd> <dt>--method g|r|rf</dt> <dt>-m g|r|rf</dt> <dd>Paul Graham提案の方式に准ずるか(g)、 Gary Robinson提案の方式に准ずるか(r)、 Gary Robinson-Fisher方式に准ずるか(rf)を指定する。 デフォルトはGary Robinson-Fisher方式。</dd> <dt>--spam-cutoff number</dt> <dd>spamの確率がいくつ以上だったら、spamと判定するかを指定する。 デフォルトは、Paul Graham方式で0.9、Gary Robinson方式で0.582、Robinson-Fisher方式で0.95。</dd> <dt>--auto-update</dt> <dt>-a</dt> <dd>メールがcleanかspamか判定し、その結果に基づいてメール中のtokenをデータベースに足し、 確率データベースも更新する。</dd> <dt>--disable-degeneration</dt> <dt>-D</dt> <dd>確率データベースを引く際の還元を抑止する。</dd> <dt>--disable-utf-8</dt> <dd>utf-8サポートを抑止する。</dd> <dt>--refer-header header[,header...]</dt> <dd>参照するヘッダを指定する。複数指定する場合は、スペースを入れずにコンマで区切り羅列する。デフォルトは "Ufrom,From,To,Cc,Subject,Reply-to,Return-path,Received,Content-Transfer-Encoding,Content-Type,charset,Content-Disposition" を指定したのと同じ。</dd> <dt>--ignore-header</dt> <dt>-H</dt> <dd>メールヘッダを無視する。--refer-header ""を指定したのと同じ。</dd> <dt>--ignore-body</dt> <dt>-B</dt> <dd>URL、メールアドレス以外のメール本文を無視する。</dd> <dt>--ignore-plain-text-part</dt> <dd>htmlのパートがある場合、plain textのパートを無視する。</dd> <dt>--ignore-after-last-atag</dt> <dd>最後のA end tag以降を無視する。</dd> <dt>--mark-in-token "characters"</dt> <dd>token中に現れてもよい(== tokenの区切りにならない)記号を指定する。 デフォルトでは、"*'!"が設定されている。</dd> <dt>--show-new-token</dt> <dd>新たにデータベースに追加されたtokenを表示する。</dd> <dt>--show-process</dt> <dd>動作の様子を表示する。 左のカラムから、プロトコル、言語、判定結果、学習コマンド、日時、message-idを意味する。</dd> <dt>--show-db-status</dt> <dd>データベースの状況を表示して終了する。 左のカラムから"db"(固定)、言語、clean tokenの数、clean mailの数、spam tokenの数、spam mailの数、確率データベース内のtoken数を意味する。</dd> <dt>--mbox</dt> <dd>mbox形式をサポート。ひとつのファイルを、"unix from"で区切られた複数のメールとして扱う。</dd> <dt>--max-mail number</dt> <dd>token database中のメールの数がこの値を越えたら、token databaseを縮小する。デフォルトは10000。</dd> <dt>--min-mail number</dt> <dd>token database中のtoken登場回数に、(min-mailで指定した数/max-mailで指定した数)を掛けることにより、token databaseの縮小を行う。 デフォルトは8000。</dd> <dt>--pipe</dt> <dd>メールをstdoutに出力する。</dd> <dt>--insert-flag</dt> <dd>stdoutに出力するメールのヘッダに"X-Spam-Flag: Yes"か"X-Spam-Flag: No"を追加する。 filtering modeの際には判定結果に基づき、maintenance modeの際にはコマンドに基づき、追加する。</dd> <dt>--insert-probability</dt> <dd>stdoutに出力するメールのヘッダに、"X-Spam-Probability: number"を追加する。filtering modeでのみ有効。</dd> <dt>--insert-revision</dt> <dd>stdoutに出力するメールのヘッダに、"X-Spam-Revision: bsfilter..."を追加する。filtering modeでのみ有効。</dd> <dt>--header-prefix string</dt> <dd>メールのヘッダに、"X-Spam-..."ではなく、"X-指定した文字列-..."を追加する。</dd> <dt>--mark-spam-subject</dt> <dd>spamの場合、メールのSubjectヘッダに"[SPAM] "を挿入する。</dd> <dt>--spam-subject-prefix string</dt> <dd>メールのSubjectヘッダに"[SPAM] "ではなく、指定した文字列を挿入する。</dd> <dt>--list-clean</dt> <dd>cleanと判定されたファイルネームを表示する。判定対象のメールをコマンドライン引数で与えた場合のみ有効。</dd> <dt>--list-spam</dt> <dd>spamと判定されたファイルネームを表示する。判定対象のメールをコマンドライン引数で与えた場合のみ有効。</dd> <dt>--help</dt> <dt>-h</dt> <dd>ヘルプを表示する。</dd> <dt>--revision</dt> <dd>リビジョンを表示する。</dd> <dt>--verbose</dt> <dt>-v</dt> <dd>メッセージを多めに表示する。</dd> <dt>--debug</dt> <dt>-d</dt> <dd>デバッグ用のメッセージを表示する。</dd> </dl> <h2><a id="imap">7. 使い方(IMAP編)</a></h2> <p>IMAPでサーバと通信し、サーバに保存しているメールを学習、判定することができる。 判定結果に従い、ヘッダを挿入すること、指定したフォルダにメールを移動するすることが可能である。 </p> <p class="fig"><img src="imap.png" alt="IAMPサーバと通信" /></p> <h3>IMAPに関するオプション</h3> <dl> <dt>--imap</dt> <dd>IMAPを使用する場合に指定する。必須。</dd> <dt>--imap-server hostname</dt> <dd>IMAPサーバを指定する。必須。</dd> <dt>--imap-port number</dt> <dd>IMAPサーバが使用しているポート番号を指定する。デフォルトは143。</dd> <dt>--imap-auth cram-md5|login|loginc|auto</dt> <dd>認証方法を指定する。 cram-md5(AUTHENTICATE CRAM-MD5命令)、 login(AUTHENTICATE LOGIN命令)、 loginc(LOGIN命令)、 auto(cram-md5、login、logincの順で適当な方法を選択)が指定可能。デフォルトはauto。</dd> <dt>--imap-user user_name</dt> <dd>IMAPサーバでのユーザネームを指定する。必須。</dd> <dt>--imap-password password</dt> <dd>IMAPサーバのpasswordを指定する。必須。</dd> <dt>--imap-folder-clean folder_name</dt> <dd>cleanとして学習したメール、cleanとして判定されたメールを移動する先のフォルダを指定する。</dd> <dt>--imap-folder-spam folder_name</dt> <dd>spamとして学習したメール、spamとして判定されたメールを移動する先のフォルダを指定する。</dd> <dt>--imap-fetch-unseen</dt> <dd>SEENフラグが付いていないメールのみを学習、判定の対象とするとき使用する。</dd> <dt>--imap-fetch-unflagged</dt> <dd>X-Spam-Flagヘッダが付いていないメールのみを学習、判定の対象とするとき使用する。</dd> <dt>--imap-reset-seen-flag</dt> <dd>bsfilterがヘッダを挿入したメール、別のフォルダに移動したメールのSEENフラグをリセットする。</dd> <dt><strong>--ssl</strong></dt> <dd>--imap-serverで指定したサーバとの間でIMAP over SSLを使用する。</dd> <dt><strong>--ssl-cert filename|dirname</strong></dt> <dd>IMAP over SSLの際に使用する証明書を指定する。</dd> </dl> <h3>--imapを使用している場合に無効なオプション</h3> <p>--pipeは無効である。</p> <h3>使用例</h3> <p>bsfilter.confの例</p> <pre> imap-server imap.example.com imap-auth login imap-user hanako imap-password open_sesame </pre> <p>inboxの中のX-Spam-Flagがついていないメールを判定し、判定結果をヘッダに入れ、spamの場合はinbox.spamに移動する例</p> <pre> % bsfilter --imap --imap-fetch-unflagged --insert-flag --insert-probability --imap-folder-spam inbox.spam inbox </pre> <h2><a id="pop">8. 使い方(POP proxy編)</a></h2> <p>POP proxyとして動作し、MUAがサーバからPOPで受信する経路の途中で、メールを判定しヘッダを挿入することが可能である。--auto-updateによる自動学習は行えるが、--add-clean、--add-spamによる学習は行えない。 </p> <p>pop.example.comのポート110でPOPサーバが動いているとする。</p> <p class="fig"><img src="pop-without-bsfilter.png" alt="bsfilterなしのPOP" /></p> <p> bsfilterがPOP proxyとして動作する。サーバとbsfilter間、bsfilterとMUA間はPOPを使用する。bsfilter内部で、メールを判定しヘッダを挿入する。この場合は、以下のようオプションを設定する(--pop-portのデフォルトは110、--pop-poryx-portのデフォルトは10110なので、省略可能)。 </p> <pre> % bsfilter --pop --auto-update --insert-flag --insert-probability --pop-server pop.example.com --pop-port 110 --pop-proxy-port 10110 </pre> <p class="fig"><img src="pop-with-bsfilter.png" alt="POP proxyとして動作" /></p> <p> pops.exmaple.comがPOP over SSLを使用している場合は、サーバとbsfilter間はPOP over SSL、bsfilterとMUA間はPOPを使用する。 </p> <pre> % bsfilter --ssl --pop --auto-update --insert-flag --insert-probability --pop-server pops.example.com --pop-port 995 --pop-proxy-port 10110 </pre> <p class="fig"><img src="pops-with-bsfilter.png" alt="POP proxyとして動作(SSL)" /></p> <h3>POPに関するオプション</h3> <dl> <dt>--pop</dt> <dd>POP proxyとして動作させる場合に指定する。必須。</dd> <dt>--tasktray</dt> <dd>windowsでVisualuRuby使用時、タスクトレイに常駐させる。</dd> <dt>--pop-server hostname</dt> <dd>POPサーバを指定する。</dd> <dt>--pop-port number</dt> <dd>POPサーバが使用しているポート番号を指定する。デフォルトは110。</dd> <dt>--pop-proxy-if address</dt> <dd>bsfilterがメイラからのリクエストを受け取るインターフェイスのアドレスを指定する。 デフォルトは0.0.0.0で全てのインターフェイスから受け取る。</dd> <dt>--pop-proxy-port number</dt> <dd>bsfilterがメイラからのリクエストを受け取るポート番号を指定する。デフォルトは10110。</dd> <dt>--pop-user name</dt> <dd>特定のユーザのみ使用を許可する場合に使用する。POPサーバでのユーザネームを指定する。</dd> <dt>--pop-proxy-set set[,set...]</dt> <dd> POP proxyのルールを記述する。複数記述できる。--pop-server, --pop-port, --pop-proxy-port, --pop-userオプションの代りに使用する。 ルールのフォーマットは"pop-server:[pop-port]:[proxy-interface]:proxy-port[:pop-user]" <dl> <dt>pop-server</dt><dd>POPサーバを指定する。</dd> <dt>pop-port</dt><dd>POPサーバが使用しているポート番号を指定する。省略時は110。</dd> <dt>proxy-interface</dt><dd>bsfilterがメイラからのリクエストを受け取るインターフェイスを指定する。省略時は全てのインターフェイスから受け取る。</dd> <dt>proxy-port</dt><dd>bsfilterがメイラからのリクエストを受け取るポート番号を指定する。</dd> <dt>pop-user</dt><dd>特定のユーザのみ使用を許可する場合に使用する。POPサーバでのユーザネームを指定する。</dd> </dl></dd> <dt>--pop-max-size number</dt> <dd>指定したバイト数以上のメールについては処理をバイパスし、判定、学習の対象にしない。 0を指定すると、全てのファイルを判定、学習の対象にする。デフォルトは50000(50Kbytes)。</dd> <dt>--pid-file filename</dt> <dd>Process IDを記録するファイルネームを指定する。デフォルトは、bsfilterホームディレクトリのbsfilter.pid。</dd> <dt><strong>--ssl</strong></dt> <dd>--pop-serverで指定したサーバとの間でPOP over SSLを使用する。</dd> <dt><strong>--ssl-cert filename|dirname</strong></dt> <dd>POP over SSLの際に使用する証明書を指定する。</dd> </dl> <h3>--popを使用している場合に無効なオプション</h3> <p>--pipe、及び、--add-clean等、学習に関するコマンド、オプションは無効である。</p> <h2><a id="faq">9. FAQ</a></h2> <h3>Q. IMAP over SSLの際に証明書を指定すると異常終了する</h3> <p>ruby標準ライブラリのnet/imap.rbの問題。ruby-1.8.3以降なら問題ないはず</p> <h3>Q. in `get_all_responses': Mailbox does not exist, or must be subscribed to. (Net::IMAP::NoResponseError)というエラーで落ちるのだけど</h3> <p>メールボックスの名前が間違っていると思われる。ruby-1.8のimap.rbで以下のようにして調べるとよい。</p> <pre> % ruby /usr/local/lib/ruby/1.8/net/imap.rb --user=taro --auth=login imap.example.com password: ****** taro@imap.example.com> list INBOX.junk INBOX </pre> <h3>Q. windowsで使いたいのだけど?</h3> <p>mswin32版、cygwin版等、既にRubyがインストール済みの場合は、bsfilterのソースを普通に実行すればよい。</p> <h3>Q. exit statusはどのようになっている?</h3> <p>通常は0。--pipeオプションなしで判定対象メールを標準入力から与えた場合のみ、判定結果をexit statusから得ることが出来る。 その場合、spamは0、cleanは1というexit statusになる。</p> <h3>Q. <code>No such file to load -- sdbm</code>というエラーが出る。</h3> <p>sdbmを使用可能にする。例えばdebianの場合は、libsdbm-rubyをインストールする。</p> <h3>Q. mewと一緒に使うには?</h3> <p><a href="mew.html">bsfilter with mew</a>を参照。</p> <h3>Q. Wanderlustから使うには?</h3> <p>やまだあきらさんがwl-bsfilter.elを公開中。 <a href="http://arika.org/diary/20030718.html#p01">\ay diary</a>、 <a href="http://lists.airs.net/wl/archive/200307/msg00049.html">Re: Mark & Action (Re: 2種類の削除コマンド)</a>から。</p> <h3>Q. 日本語の取り扱いは?</h3> <p>メールが日本語か否かをad hocに判断し、日本語らしき場合はnkf.soでEUC に変換している。Subjectや本文でISO-2022-JPと名乗りつつ、実際のコードは shift jisというケースも、nkfが救ってくれている模様。iconvが使えれば、unicodeもサポート。 </p> <p>各種データベースは、日本語用とその他用に分けてある。</p> <p>デフォルトでは連続する漢字2文字(bigram)、カタカナをtokenとして扱っている。 MeCab(和布蕪)による形態素解析を行うには、MeCabとrubyバインディングをインストールし、 <code>--jtokenizer MeCab</code>を指定すればよい。ChaSen, KAKASIについても同様。</p> <h3>Q. -aオプションを使用したら、cleanなメールをspamと誤判定された。誤判定に基づき更新されたデータベースに対する対処は?</h3> <p>誤判定されたメールが<code>~/Mail/spam/123</code>であるなら、</p> <pre> % bsfilter --sub-spam --add-clean --update ~/Mail/spam/123 </pre> <p>とする。<code>~/Mail/spam/123</code>をspam token databaseから削除し、 clean token databaseに追加し、確率データベースを更新する。</p> <h3>Q. 過去に受け取ったspamを保存していないので、spam token databaseが作れない。どうればよい?</h3> <p><a href="http://tlec.linux.or.jp/docs/spamassassin.html">TLEC presents spamassassin を fetchmail から利用する方法</a> で紹介されている、 <a href="http://www.flcl.org/~yoh/yoh_spam_050102.tar.bz2">Linux-usersメイリングリストのspamをかき集めたもの</a>を利用するのが便利。</p> <p>FreeBSD ports-jp MLの以下のアーカイブはspamのみ。</p> <ul> <li><a href="ftp://daemon.jp.freebsd.org/pub/FreeBSD-jp/mail-archives/ports-jp/ports-jp-17201-17300.tar.gz">ports-jp-17201-17300.tar.gz</a></li> <li><a href="ftp://daemon.jp.freebsd.org/pub/FreeBSD-jp/mail-archives/ports-jp/ports-jp-17301-17400.tar.gz">ports-jp-17301-17400.tar.gz</a></li> <li><a href="ftp://daemon.jp.freebsd.org/pub/FreeBSD-jp/mail-archives/ports-jp/ports-jp-17401-17500.tar.gz">ports-jp-17401-17500.tar.gz</a></li> </ul> <h3>Q. Paul Graham方式、Gary Robinson方式、Gary Robinson-Fisher方式を切り替えるには?</h3> <p>Paul Graham方式と、Gary Robinson、Gary Robinson-Fisher方式との間で切り替えるには、 -uでspam確率データベースを更新するところからやり直す。spam確率データベースを更新するとき(maintenance mode)と、 メールをspamか判定させるとき(filtering mode)とで、同じ方式を-mオプションで指定する必要がある。</p> <p>Gary Robinson方式と、Gary Robinson-Fisher方式の間で切り替えるときには、-uは不要である。</p> <p>-c、-sでtokenを数えるところは方式に依存していないので、どの場合もやり直す必要はない。</p> <h3>Q. Paul Graham方式とGary Robinson方式の違いは?</h3> <p>tokenごとのspam確率を求める方法、それを使用してメールのspam確率を求める方法、両方とも異なる。</p> <p>Paul Graham方式でのtokenごとのspam確率をpg(w)とする。pg(w)を求める際の特徴を挙げる。</p> <ul> <li>cleanな方向にバイアスをかけるために、cleanなメール中での実際のtoken出現回数を2倍してから、計算する。</li> <li>過去に出会ったことのないtokenのpg(w)は、0.4とする。</li> </ul> <p>Gary Robinson方式でのtokenごとのspam確率をf(w)とする。以下のように求める。</p> <ul> <li>token出現回数にバイアスをかけずに、tokenごとのspam確率p(w)を求める。</li> <li>全tokenでのp(w)の平均値をrobx、tokenの出現回数をn、ある定数(例えば0.001)をrobsとして、 <pre> f(w) = ((s * robx) + (n * p(w))) / (robs + n) </pre> とする。過去に出会ったことのないtokenのf(w)も、この式でカバーされる。</li> </ul> <p>Paul Graham方式では、特徴的な(0.5より遠い)pg(w)を持つ15のtokenを使用してcombining probabilityを求め、 それをメールのspam確率としている。</p> <p>Gary Robinson方式では、以下で求めたSをメールのspam確率とする(bsfilterが表示するのはS2)。</p> <pre> P = 1 - ((1 - f(w1)) * (1 - f(w2)) * ... * (1 - f(wn))) ^ (1 / n) Q = 1 - (f(w1) * f(w2) * ... * f(wn)) ^ (1 / n) S = (P - Q) / (P + Q) S2 = (1 + S) / 2 </pre> <h3>Q. Gary Robinson方式とGary Robinson-Fisher方式の違いは?</h3> <p>f(w)を求めるところまでは同じ。それ以降、Robinson-Fisher方式では以下のように計算する。</p> <pre> P = ((1 - f(w1)) * (1 - f(w2)) * ... * (1 - f(wn))) ^ (1 / n) Q = (f(w1) * f(w2) * ... * f(wn)) ^ (1 / n) P' = 1 - chi-square(-2 * log(P), 2 * n) Q' = 1 - chi-square(-2 * log(Q), 2 * n) S = (1 + P' - Q') / 2 </pre> <h2><a id="bug">10. バグ</a></h2> <p> コマンドライン引数で、mbox形式のファイルを指定することも可能であるが、 <code>Content-length</code>ヘッダを見る機能がない。そのため、Solarisのように 本文中の"From"がエスケープされないシステムでは、本文中の"From"を UnixFromと見誤ることが考えられる。 bsfilterが表示するメールの番号と、MUAでの番号が食い違う障害が発生すると思われる。 </p> <p>コードが汚い。</p> <p>bsfilterという名前が安直。</p> <h2><a id="update">11. 更新履歴</a></h2> <p><a href="http://nabeken.tdiary.net">筆者の日記</a>の <a href="http://nabeken.tdiary.net/?category=bsfilter">bsfilterカテゴリ</a>で代用。</p> <h2><a id="link">12. 情報源 / リンク</a></h2> <ul> <li>bsfilterについて<ul> <li><a href="http://sourceforge.jp/forum/?group_id=1011"><strong>bsfilterフォーラム</strong></a></li> <li><a href="http://sylpheed.good-day.net/"><strong>Sylpheed - lightweight and user-friendly e-mail client -</strong></a> bsfilterを呼び出す設定も標準で用意されている</li> <li><a href="http://kiw.paslog.jp/article/123343.html"><strong>JunkMailControl Plugin for EdMax</strong> 説明で使用されている外部プログラムがbsfilterw.exe</a></li> <li><a href="http://yang.amp.i.kyoto-u.ac.jp/~yyama/FreeBSD/mail/bsfilter-j.html">bsfilter</a> qmailで使う方法が載っている</li> <li><a href="http://www.wikiroom.com/mew/?Mew4FAQ">Mew4 FAQ</a> mewからPOP proxyとして使う方法が載っている</li> <li><a href="http://www.fkimura.com/bsfilter0.html">bsfilterを導入利用してみるメモ</a></li> <li><a href="http://www.netlaputa.ne.jp/~kose/Emacs/200403.html#3.+spam+fi">Practice makes perfect</a></li> <li><a href="http://www.db.is.kyushu-u.ac.jp/computer/solarisserver/bsfilter.html">Solaris での bsfilter</a></li> <li><a href="http://www.imasy.or.jp/~tai/wiki/index.php?BsFilterHelper">BsFilterHelper</a></li> <li><a href="http://nadmin.org/howto/bsfilter-on-windows.html">bsfilter設定メモ(Windows編)</a></li> <li><a href="http://www.pitecan.com/Lens/">Lens(メール振り分けプログラム)</a> bsfilterを使用するサンプルが載っている</li> <li><a href="http://d.hatena.ne.jp/wakatono/20040324#p1">wakatonoの戯れメモ</a> Lensからbsfilterをライブラリとして使う例が載っている</li> <li><a href="http://www.ganaware.jp/archives/2003/12/imap.html">GANAware:IMAP</a>Mew4から使用する方法が載っている</li> <li><a href="http://megane.no-ip.info:8080/tiki/tiki.cgi?c=v&p=bsfilter">H.Okada bsfilter</a></li> <li><a href="http://dir.itc.u-tokyo.ac.jp/~okabe/ja/bsfilter.shtml">スパムフィルタ BsFilter の設定</a></li> <li><a href="http://w3.itoh.net/bsfilter.html">bsfilterでSPAM撲滅</a></li> <li><a href="http://www.shinonon.dyndns.org/diary/20031210.html#p01">bsfilter on beckrb</a> Becky! ver.2のプラグインであるbeckrbで、bsfilterを使ってSPAMフィルタリングするスクリプト</li> <li><a href="http://www.eonet.ne.jp/~yasuo/bsfilter/">bsfilter on Mac OS X</a> POP proxyとして使う方法が載っている</li> <li><a href="http://www.studio-sbs.org/diary/?200308c&to=200308280#200308280">真・講習会転倒日記</a> postfix -> bsfilter -> sieve -> cyrus imapd という経路での使用方法が説明されている</li> <li><a href="http://www.olug.gr.jp/index.php?%5B%5Bbsfilter%5D%5D">沖縄Linuxユーザー会(OLUG)のページ</a> MLサーバでの使用例が載っている</li> <li><a href="http://kazuhiko.tdiary.net/20030522.html#p02">ふぇみにん日記</a> qmailで使う方法が載っている</li> </ul></li> <li>spamについて<ul> <li><a href="http://www.isc.meiji.ac.jp/~hhat/report/SPAM.pdf">Bayesian Filteringを用いたspam対策(pdf)</a> bsfilterを使用した評価も載っている</li> <li><a href="http://www.shiro.dreamhost.com/scheme/trans/spam-j.html">スパムへの対策 ---A Plan for Spam</a></li> <li><a href="http://www.shiro.dreamhost.com/scheme/trans/better-j.html">ベイジアンフィルタの改善 --- Better Bayesian Filtering</a></li> <li><a href="http://www.shiro.dreamhost.com/scheme/trans/ffb-j.html">反撃するフィルタ --- Filters That Fight Back</a></li> <li><a href="http://www.sophos.com/spaminfo/explained/fieldguide.html">Field Guide to Spam</a></li> <li><a href="http://radio.weblogs.com/0101454/stories/2002/09/16/spamDetection.html">Spam Detection</a></li> <li><a href="http://www.shiro.dreamhost.com/scheme/wiliki/wiliki.cgi?Shiro%3aUnixUser0309&l=jp">Shiro:UnixUser0309</a></li> </ul></li> <li>spam対策ツールについて<ul> <li><a href="http://www.shiro.dreamhost.com/scheme/wiliki/wiliki.cgi?Gauche%3ASpamFilter&l=jp">Gauche:SpamFilter</a></li> <li><a href="http://sheepman.parfait.ne.jp/wiki/BayesianSpamFilter/">羊堂本舗 BayesianSpamFilter</a></li> <li><a href="http://www.geocities.co.jp/SiliconValley-PaloAlto/7043/index.html#spamfilter.el">spamfilter.el</a></li> </ul></li> <li>開発に使用しているツールについて<ul> <li><a href="http://www.ruby-lang.org/ja/">オブジェクト指向スクリプト言語Ruby</a></li> <li><a href="http://exerb.sourceforge.jp/">Exerb Project</a></li> <li><a href="http://www.osk.3web.ne.jp/~nyasu/software/vrproject.html">VisualuRuby計画（仮称）</a></li> </ul></li> </ul>
edit