C'est exactement pour cela que l'on voit des "v1agra" et autre "vi/\gr/\"... mais en fait, cela dépend plus de l'algo qui parse le message, on pourrait imaginer un algo qui teste non pas l'équivalence mais la similitude des mots, ainsi que les "ascii art" représentant des lettres, ce que je fais pour le moment (et ça marche pas mal), c'est ... rien du tout. Je ne vire pas les tag HTML, ce qui fait que des mot du genre #FF0000 se retrouve avec une probabilité de spam assez élevé, et en fait c'est bien, de nombreux spam contiennent du texte en rouge, alors que les mails "normaux" en contiennent pratiquement jamais... De plus grâce à l'apprentissage, il apprend, soit tout seul, soit avec un peu d'aide les autres séries de lettres utilisées pour viagra. En fait c'est assez marrant de voir les probabilités associés au mot, c'est parfois très innatendu...
En fait mon filtre est modulaire (autant faire ma pub, c'est du GPL), un mail passe par chaque filtre antispam qui a la possibilité de répondre c'est surement du spam, c'est surement pas du spam, aucune idée ou une probabilité d'être du spam. Pour le moment, y'a un filtre qui renvoie une proba élevé de spam si on trouve une grande série de mot contenant plus de n consonnes consécutives (une autre technique pour passer outre un bayesian: rajouter plein de "mot" à la fin du spam, idéalement des mots inconnus qui auront donc une probabilité par défaut de ne pas être du spam), un filtre qui tente de parser l'header de spam assassin (pourquoi est-ce qu'ils font pas UN standard, un seul header, facile à parser mais qu'ils permettent de le configurer????) et un filtre bayesian, cela permet donc d'avoir un apprentissage un peu plus rapide: quand le bayesian est pas encore entrainé, il profite des deux autres, ensuite, il devient capable de répondre de façon pertinente... La suite de cette idée est d'arriver à pondérer l'importance de chaque filtre genre avec un petit réseau neuronal (parce que c'est marrant)... voilà assez de pub ;)
[^] # Re: Je filtre mes mails avec
Posté par tene . En réponse au sondage Je filtre mes mails avec. Évalué à 2.
En fait mon filtre est modulaire (autant faire ma pub, c'est du GPL), un mail passe par chaque filtre antispam qui a la possibilité de répondre c'est surement du spam, c'est surement pas du spam, aucune idée ou une probabilité d'être du spam. Pour le moment, y'a un filtre qui renvoie une proba élevé de spam si on trouve une grande série de mot contenant plus de n consonnes consécutives (une autre technique pour passer outre un bayesian: rajouter plein de "mot" à la fin du spam, idéalement des mots inconnus qui auront donc une probabilité par défaut de ne pas être du spam), un filtre qui tente de parser l'header de spam assassin (pourquoi est-ce qu'ils font pas UN standard, un seul header, facile à parser mais qu'ils permettent de le configurer????) et un filtre bayesian, cela permet donc d'avoir un apprentissage un peu plus rapide: quand le bayesian est pas encore entrainé, il profite des deux autres, ensuite, il devient capable de répondre de façon pertinente... La suite de cette idée est d'arriver à pondérer l'importance de chaque filtre genre avec un petit réseau neuronal (parce que c'est marrant)... voilà assez de pub ;)