El complemento de filtración determinado (CFS) del es un método para filtrar el email a granel no solicitado (UBE o el Spam ) que la técnica utiliza por lo menos dos cuentas del email : la cuenta primaria donde se recibe el Spam y el no-Spam y cuentas secundarias que reciben Spam del solamente . La CFS calcula la diferencia teórica del sistema entre los sistemas primarios y secundarios (cuentas de correo electrónico) del email e identifica los correos electrónicos contenidos en ambos sistemas.

Puesta en práctica

La CFS es ejecutada comparando el contenido de mensaje en una cuenta de UBE (caja separada o alias) con el contenido de mensaje en una cuenta primaria. Por definición, los mensajes contenidos en la cuenta de UBE son los mensajes del Spam tan en la cuenta primaria que son substancialmente similares a los mensajes en la cuenta de UBE son también Spam. Cuando el mismo mensaje se encuentra en la cuenta primaria y consideran los UBE, se suprimen de la cuenta primaria.

La cuenta de UBE es establecida creando una caja (o alias) que incorpora un nombre común (ayudar a spammeres a conjeturar la dirección) y el dominio de la cuenta primaria, después exponiendo la cuenta de UBE al Internet. Por ejemplo, si la caja primaria es johnm@domain.com, la cuenta de UBE pudo ser john@domain.com (véase el diagrama abajo). Después de que se fije la caja de UBE, el email address es dado a los spammeres fijándola a los tableros de mensaje, grupos porta, “quién es” listados, sitios de comercio electrónico y USENET.

La CFS trabaja especialmente bien en los ambientes corporativos donde el dominio es apuntado por los spammeres y UBE tiende a ser muy similar de caja a la caja. También, porque la CFS no depende de características de último UBE para identificar UBE actual está particularmente bien adaptada para identificar UBE con el nuevo tema.

Ventajas de la CFS

Muchas técnicas de Spam-filtración buscan para los patrones y el tema sabido del Spam en los jefes y los cuerpos de mensajes. Otros utilizan las probabilidades (métodos estadísticos Bayesian, por ejemplo) para identificar mensajes indeseados. La CFS es eficaz como filtro solo del soporte o se puede combinar con otras técnicas.

La CFS tiene por lo menos tres ventajas sobre el los algoritmos Bayesian del análisis de patrón de y . Primero, la CFS no depende de análisis del contenido con excepción de qué se requiere encontrar semejanzas entre los mensajes en las cuentas primarias y de UBE. ¡En segundo lugar, la CFS no utiliza anotar (graduación de la palabra) que se pueda evitar con el mensaje que ofusca (V! agra en vez de Viagra, por ejemplo). Tercero, la CFS se aprovecha del hecho que la mayoría del UBE contiene el contenido de mensaje idéntico, particularmente mensajes apuntados en los dominios corporativos específicos.