A Late Multi-Modal Fusion Model for Detecting Hybrid Spam E-mail
针对混合垃圾邮件检测难题，提出晚期多模态融合框架，结合CNN和连续词袋提取图像与文本特征，并采用多种机器学习分类器，有效替代OCR方法，提升过滤效率与可靠性。
2023-05-15 cs.AI cs.CR
Early Detection of Spam Domains with Passive DNS and SPF
垃圾邮件域是未经请求的邮件的来源，也是欺诈和恶意活动（如网络钓鱼活动或恶意软件分发）的主要载体之一。垃圾邮件域名检测是一场竞赛：一旦垃圾邮件被发送，就关闭该域名或将其列入黑名单，因为垃圾邮件发送者必须为下一次活动注册一个新域名。为了防止恶意行为者发送邮件，我们需要尽可能快地检测它们，理想情况下，甚至在活动启动之前。在本文中，使用Farsight Security的近实时被动DNS数据，我们监控新注册域名的DNS流量及其TXT记录的内容，特别是配置的DNS策略框架，一个反欺骗协议的域名和第一道防线，对破坏性的商业电子邮件妥协骗局。由于垃圾邮件发送者和良性域名具有不同的SPF规则和不同的流量配置文件，我们建立了一个新的方法来检测垃圾邮件域名使用的被动DNS流量收集的功能。使用SPF配置和域的TXT记录的流量，我们准确地检测到相当大比例的垃圾邮件域，误报率低，证明了其在现实世界中的部署潜力。我们的分类方案可以检测垃圾邮件域之前，他们发送任何邮件，只使用一个单一的DNS查询，以后，它可以通过监控更多的流量到域名完善其分类。
2022-05-04 cs.CR
A novel approach against E-mail attacks derived from user-awareness based techniques
现代通信的很大一部分是通过电子邮件进行的，尤其是企业通信。越来越多的人也将电子邮件用于个人用途。公司还通过电子邮件向客户发送通知。事实上，在跨国企业的情况下，电子邮件是最方便和最受欢迎的通信方法。电子邮件的重要特点，如其速度，可靠性，有效的存储选项和大量的附加设施，使它在商业和社会各界的人们中非常受欢迎。但大受欢迎也有其负面影响。电子邮件是互联网上大量攻击的首选媒介。互联网上一些最流行的攻击包括垃圾邮件和网络钓鱼邮件。垃圾邮件发送者和网络钓鱼者都相当有效地利用电子邮件服务，尽管已经有大量的检测和预防技术。很少有方法实际上是很好的检测/预防垃圾邮件/网络钓鱼相关的邮件，但他们有较高的误报。这些技术在服务器上实现，除了给出更高数量的误报之外，它们还增加了服务器上的处理负载。本文概述了一种新的方法来检测不仅是垃圾邮件，但也诈骗，网络钓鱼和广告相关的邮件。在这种方法中，我们克服了服务器端检测技术的局限性，利用一些智能的一部分用户。在后台使用关键词解析、标记分离和知识库来检测几乎所有的电子邮件攻击。该方法可以在不增加邮件服务器负载的情况下，有效地保护邮件用户免受各种垃圾邮件的侵害，提高效率，减少误报率。
2012-09-12 cs.CR
SafeEmail A safe and reliable email communication system without any spam
本文提出了一种采用多组非对称公钥和私钥的加密邮件通信系统，该系统使邮件通信更加安全，降低了服务提供商的网络和存储消耗，并完全消除了任何垃圾邮件。在此之前，PGP（Pretty Good Privacy）部分解决了加密问题，但它只对邮件内容进行加密。我们还期望邮件系统提供安全可靠的服务，彻底消除垃圾邮件，减少服务提供商的网络流量和存储资源的消耗，并特别注重保护用户隐私和服务提供商的数据安全。
2019-02-25 cs.CR
An In-depth Analysis of Spam and Spammers
电子邮件服务已成为全世界数百万人的重要通信来源。由于这种巨大的增长，垃圾邮件流量也有了显著的增长。垃圾邮件弄乱用户的收件箱，消耗网络资源，传播蠕虫和病毒。本文研究了垃圾邮件的特点和垃圾邮件发送者使用的技术。为了对抗反垃圾邮件技术，垃圾邮件制造者改变了他们的运作模式，因此不断评估垃圾邮件的特性和垃圾邮件制造者的技术已经成为强制性的。这些评估有助于我们加强现有的反垃圾邮件技术，从而帮助我们有效地打击垃圾邮件。为了描述垃圾邮件的特征，我们从一个企业的邮件服务器收集了40万封垃圾邮件，从2006年1月到2007年2月，为期14个月。为了进行分析，我们根据附件和内容对垃圾邮件进行了分类。我们观察到垃圾邮件发送者使用软件工具发送带有附件的垃圾邮件。该软件的主要特点是隐藏发件人的身份，随机选择短信，识别开放中继机，群发邮件的能力和定义垃圾邮件的持续时间。垃圾邮件发送者不会使用垃圾邮件软件发送没有附件的垃圾邮件。从我们的研究中，我们观察到，四岁的重度用户电子邮件帐户比四岁的轻度用户电子邮件帐户吸引更多的垃圾邮件。相对较新的电子邮件帐户是14个月大的不接收垃圾邮件。但在一些特殊情况下，如DDoS攻击，我们发现新的电子邮件帐户收到垃圾邮件，14个月大的重度用户电子邮件帐户比14个月大的轻度用户吸引更多的垃圾邮件。我们相信，这种分析可能是有用的，以开发更有效的反垃圾邮件技术。
2010-12-08 cs.CR cs.NI
Real-time and Zero-footprint Bag of Synthetic Syllables Algorithm for E-mail Spam Detection Using Subject Line and Short Text Fields
Earthlink Internet（Earthlink互联网）
针对电子邮件垃圾检测中深度学习资源消耗大的问题，提出应用于主题行等短文本的实时零足迹合成音节词袋算法，通过生成稀疏向量计算相似度，在真实SMTP流量中验证了其高效拦截垃圾邮件的能力。
2025-10-31 cs.CL cs.CR
Characterizing Spam traffic and Spammers
现在垃圾邮件流量有了巨大的增长。垃圾邮件扰乱用户收件箱，消耗网络资源，并建立DDoS攻击，传播蠕虫和病毒。我们的目标是提出一个关于垃圾邮件和垃圾邮件发送者的特征的明确数字。由于垃圾邮件制造者改变了他们的操作模式来对抗反垃圾邮件技术，继续评估垃圾邮件和垃圾邮件制造者技术的特征已经成为强制性的。这些评估有助于我们加强现有的技术，以有效地打击垃圾邮件。从2006年1月到2007年2月，我们从一个设置在公司邮件服务器上的垃圾邮件陷阱中收集了40万封垃圾邮件。垃圾邮件发送者使用常见的技术向最终用户发送垃圾邮件，而不管公司服务器和公共邮件服务器。因此，我们相信我们的垃圾邮件收集是世界范围内垃圾邮件流量的样本。研究该样本的特征有助于我们更好地了解垃圾邮件的特征和垃圾邮件发送者的技术。我们相信，这种分析可能是有用的，以开发更有效的反垃圾邮件技术。
2010-11-04 cs.CR cs.NI
Security Evaluation for Mail Distribution Systems
邮件分发系统的安全评估侧重于邮件服务器之间敏感数据的认证和可靠性。由于简单邮件传输协议（SMTP）存在已知的弱点，因此需要对所传送的信息进行认证。这些弱点最重要的后果是可能误导收件人，这是通过垃圾邮件（特别是电子邮件欺骗）实现的。电子邮件欺骗是指更改邮件的标题和/或内容。因此，消息的真实性受到损害。不幸的是，未经请求的电子邮件（垃圾邮件）破坏了认证和信息可靠性之间的联系。与目前的做法，估计垃圾邮件的成本，这促使组织购买和维护适当的反垃圾邮件软件，我们的方法提供了一个替代的角度来看，未经请求的邮件的经济和道德后果。本文提供的财务数据表明，垃圾邮件是一个组织的财务和生产成本的主要贡献者，需要进一步关注。此外，本文还强调了SMTP协议弱点的重要性和严重性，即使使用最常用的操作系统（例如Windows）中的简单应用程序，也可以利用这些弱点。由于这些缺点，邮件分发系统需要被适当地配置，以便向用户提供必要的安全服务。
2014-10-18 cs.CR cs.CY
DeepQuarantine for Suspicious Mail
Kaspersky（卡巴斯基）
在本文中，我们介绍了DeepQuarantine（DQ），这是一种用于检测和隔离潜在垃圾邮件的云技术。垃圾邮件攻击变得越来越多样化，可能对电子邮件用户造成潜在危害。尽管垃圾邮件过滤系统的质量和性能都很高，但检测垃圾邮件活动可能需要一些时间。不幸的是，在这种情况下，一些不需要的消息会传递给用户。为了解决这个问题，我们创建了DQ，它可以检测潜在的垃圾邮件，并将其保存在一个特殊的隔离文件夹中一段时间。所获得的时间使我们能够仔细检查邮件，以提高反垃圾邮件解决方案的可靠性。由于该技术的高精度，大多数被隔离的邮件是垃圾邮件，这使得客户可以毫不延迟地使用电子邮件。我们的解决方案是基于对MIME报头应用卷积神经网络来从大规模历史数据中提取深层特征。我们评估了所提出的方法对现实世界的数据，并表明DQ提高了垃圾邮件检测的质量。
2020-01-13 cs.CR cs.LG stat.ML
Spam filter analysis
未经请求的批量电子邮件（又名。垃圾邮件）是互联网上的一个主要问题。为了对付垃圾邮件，已经提出了几种技术，从垃圾邮件过滤器到邮件协议扩展（如hashcash）。在本文中，我们研究了几个垃圾邮件过滤技术和技术的有效性。我们的分析是通过模拟不同条件下的电子邮件流量。我们发现，遗传算法为基础的垃圾邮件过滤器在服务器级和朴素贝叶斯过滤器是最适合在用户级过滤。
2004-02-19 cs.CR
ABL: An original active blacklist based on a modification of the SMTP
本文提出了一种新的主动黑名单（ABL）的基础上修改的简单邮件传输协议（SMTP）。ABL在电子邮件服务器Zimbra的邮件传输代理（MTA）Postfix中实现，并在一系列实验中进行了详尽的评估。修改后的服务器Zimbra在接收合法电子邮件时显示出与原始服务器Zimbra相似的计算性能和成本。然而，在接收垃圾邮件时，它显示出比原始Zimbra更好的计算性能和成本。此外，当垃圾邮件发送者发送垃圾邮件时，其服务器上存在相当大的计算成本。ABL在巴西Itajubá联邦大学进行了为期61天的评估。在此期间，它负责拒绝大学收到的垃圾邮件的20.94%。在此期间之后，它被部署并继续使用，从2015年7月到2019年7月，在大学。ABL是新的开放式基于机器学习的反垃圾邮件（Open-MaLBAS）的一部分。ABL和Open-MaLBAS都可以在GitHub上免费获得。
2022-08-22 cs.CR cs.NI
Bayesian Based Comment Spam Defending Tool
垃圾邮件弄乱用户的收件箱，消耗网络资源，传播蠕虫和病毒。垃圾邮件是大量未经请求的、不需要的电子邮件。博客中的垃圾邮件被称为博客垃圾邮件或评论垃圾邮件。它是通过在博客，论坛，新闻，电子邮件档案和留言簿等服务中发布评论或洪水垃圾邮件来完成的。博客垃圾邮件通常出现在留言簿或评论页面上，垃圾邮件发送者在评论框中填充垃圾邮件。除了浪费用户的时间与不必要的评论，垃圾邮件也消耗了大量的带宽。在本文中，我们提出了一个软件工具，以防止这种博客垃圾邮件使用贝叶斯算法为基础的技术。它是从贝叶斯定理推导出来的。它给出了一个输出，其中有一个概率，任何评论是垃圾邮件，因为它有某些话在它。通过使用我们过去的条目和评论条目，这个值被获得，并与阈值进行比较，以确定它是否超过阈值或没有。通过使用这个概念，我们开发了一个软件工具来阻止评论垃圾邮件。实验结果表明，基于贝叶斯的工具工作良好。本文的主要研究成果及其对博客垃圾邮件过滤的意义。
2010-11-15 cs.CR
Defeating Internet attacks and Spam using "disposable" Mobile IPv6 home addresses
我们提出了下一代无线互联网的操作模型，其中移动主机有数百个“一次性”移动IPv6家庭地址。每个通信者被分配不同的一次性家庭地址。如果在给定的归属地址上受到攻击，移动用户可以阻止发送到该地址的数据包，从而使攻击者无法到达。阻止一个地址不会影响其他地址。其他通讯员仍然可以联系到移动主机。还可以通过电子邮件、即时消息或使用我们开发的协议直接从目标主机请求新的家庭地址。该模型对于电池耗尽型拒绝服务（DoS）攻击和CPU耗尽型分布式拒绝服务攻击特别有用，因为它似乎是目前唯一可行的解决方案。然而，我们表明，这种模式也可以用来击败其他攻击，也阻止垃圾邮件。
2011-03-26 cs.CR
Detecting Spammers via Aggregated Historical Data Set
Deutsche-Telekom Laboratories（德国电信实验室）；Ben-Gurion-University of the Negev（内盖夫本-古里安大学）
电子邮件服务提供商与大规模未经请求的电子邮件（垃圾邮件）之间的战斗继续获得牵引力。大量的垃圾邮件主要来自分布在世界各地的自动僵尸网络。一种用于以计算高效的方式减轻垃圾邮件的方法是将垃圾邮件快速且准确地列入黑名单。在这项工作中，我们提出了一个新的发件人信誉机制，它是基于一个聚合的历史数据集，随着时间的推移编码的邮件传输代理的行为。历史数据集是从所接收的电子邮件的标记日志创建的。我们使用机器学习算法来建立一个模型，预测在不久的将来的邮件传输代理的\emph{spammingness}。建议的机制主要针对大型企业和电子邮件服务提供商，可用于更新黑名单和白名单。我们评估所提出的机制，使用9.5M匿名日志条目从欧洲最大的互联网服务提供商。实验表明，该方法检测到超过94%的垃圾邮件，逃脱了黑名单（即，TPR），同时具有小于0.5%的假警报。因此，所提出的方法的有效性是远远高于以前报道的声誉机制，依赖于电子邮件日志。此外，所提出的方法，当用于更新黑名单和白名单时，消除了对5个传入电子邮件中的4个的自动内容检查的需要，这导致过滤计算负载的显著减少。
2012-05-07 cs.CR cs.LG
Fighting Spam by Breaking the Econonmy of Advertisment by Unsolicited Emails
未经请求的电子邮件（垃圾邮件）仍然是电子邮件服务用户的一个问题。尽管当前的电子邮件反垃圾邮件解决方案过滤了大多数垃圾邮件，但仍有一些垃圾邮件被发送到用户的收件箱。一类特殊的垃圾邮件会破坏网站，例如，在线交友网站或网上药店。这种广告的成功率相当低，然而，由于发送电子邮件只涉及最小的成本，即使非常低的成功率也会产生足够的收入，使得这种广告得到回报。本文提出的反垃圾邮件的方法，旨在增加成本的网站，广告的垃圾邮件和降低收入的垃圾邮件。增加流量可以增加网站的成本。收入可以通过使网站响应缓慢而减少，因此一些业务会丢失。为了增加成本和减少收入，使用分散的对等协调机制来使邮件客户端同意反垃圾邮件活动的开始日期和时间。在活动期间，所有收到垃圾邮件广告的客户端都会向该网站发送退出请求。大量的选择退出请求会导致本网站的流量增加，并可能导致网站的责任变慢。本文提出的协调机制是基于对等机制和所谓的偏执信任模型，以避免操纵垃圾邮件发送者。Thunderbird电子邮件客户端的实现存在。本文提出的反垃圾邮件方法打破了垃圾邮件的经济性，从而使广告不请自来的电子邮件没有吸引力。
2015-06-23 cs.CR
Seeing Beyond the Surface, Understanding and Tracking Fraudulent Cyber Activities
尽管各方采取了共同的努力，但互联网上使用虚假商业计划书（俗称419邮件）招揽非法合作伙伴关系的电子垃圾邮件的弊病仍然有增无减。除此之外，网络钓鱼诈骗的出现和流行使用社会工程策略来获取在线访问代码，如信用卡号，ATM密码，银行账户详细信息，社会安全号码和其他个人信息（22）。在一个对电子交易的依赖日益增加的时代，网络安全社区将不得不制定更务实的措施，使网络空间免受这些有损人格的弊病的影响。了解互联网犯罪的肇事者及其运作模式是为遏制这些犯罪而做出任何有意义的努力的基础。本文以尼日利亚419诈骗邮件案为例，探讨了网络诈骗犯罪分子的本质。基于定性分析和实验来追踪六个月内收到的电子垃圾邮件和网络钓鱼电子邮件的来源，我们提供了有关骗子个性，动机，方法和受害者的信息。我们假设，流行的电子邮件客户端是缺乏提供有效的机制，可以帮助用户识别欺诈邮件，并保护他们免受网络钓鱼攻击。我们演示，使用最先进的技术，用户如何检测和避免欺诈性电子邮件，并根据我们的研究结果提出适当的建议。
2010-01-12 cs.CR
Escalating The War On SPAM Through Practical POW Exchange
工作量证明（POW）方案在过去已经被提出。一个著名的系统是HASHCASH（Back，2002），它使用密码谜题。然而，Laurie和Clayton（2004）的工作表明，对于电子邮件的统一工作量证明计划对垃圾邮件产生影响，它也会对“合法”电子邮件的拦截产生影响。我建议在电子邮件上使用非统一的工作量证明方案可能是解决这个问题的一种方法，并描述一个框架，该框架有可能限制垃圾邮件，而不会过度惩罚合法的垃圾邮件，并且仅使用当前的垃圾邮件过滤技术和SMTP（简单邮件传输协议）的小变化来构建。具体来说，我认为发送垃圾邮件的成本可能比发送“合法”电子邮件（所谓的HAM）高1,000倍。此外，与Debin Liu和Jean Camp（2006）提出的系统不同，它不需要维护声誉系统的复杂性。
2007-10-29 cs.CR cs.NI
Spam Detection Using BERT
Islamic University of Gaza（加沙伊斯兰大学）
本文提出基于BERT预训练模型的垃圾信息检测方法，利用多个公开语料库训练并在四个数据集上分别取得98.62%、97.83%、99.13%和99.28%的检测性能。
2022-06-07 cs.CR cs.LG
Effective Email Spam Detection System using Extreme Gradient Boosting
Universiti Teknologi Malaysia（马来西亚理工大学）；Imam Abdulrahman Bin Faisal University（伊玛目阿卜杜勒拉赫曼·本·费萨尔大学）
电子邮件向电子设备用户提供的信息交换的普及性、成本效益和便利性一直受到未经请求的或垃圾邮件数量不断增加的困扰。由于需要保护电子邮件用户免受这种日益增长的威胁，垃圾邮件过滤/检测系统的研究在过去十年中越来越活跃。然而，垃圾邮件的适应性往往使大多数这些系统无效。虽然在文献中已经报道了几种垃圾邮件检测模型，但在样本测试数据上报告的性能显示了更多改进的空间。本文提出了一种改进的基于极端梯度提升（XGBoost）的垃圾邮件检测模型。实验结果表明，该模型优于早期的方法在广泛的评价指标。一个彻底的分析模型的结果相比，早期的作品的结果。
2020-12-27 cs.AI cs.CR cs.LG
Pretzel: Email encryption and provider-supplied functions are compatible
今天的电子邮件通常是加密的，但只是在邮件服务器之间-绝大多数电子邮件以明文形式暴露给处理它们的邮件服务器。虽然总比没有加密好，但这种安排可能会导致攻击，侵犯隐私和其他披露。公开地，电子邮件提供商已经声明默认的端对端加密将与基本功能（垃圾邮件过滤等）冲突，因为后者需要分析电子邮件文本。本文的目的是证明没有冲突。我们通过设计，实施和评估椒盐卷饼来做到这一点。Pretzel从一个加密协议开始，使双方能够在不相互透露输入的情况下联合执行分类任务，Pretzel改进并使该协议适应电子邮件上下文。我们对原型的实验评估表明，电子邮件可以端到端加密，\emph{and}提供商可以在可接受的成本下对其进行计算：客户端必须投入一些存储和处理，而提供商的开销大约是现状的5倍。
2017-02-27 cs.CR
Snail Mail Beats Email Any Day: On Effective Operator Security Notifications in the Internet
在大规模互联网扫描时代，错误配置的网站是数据泄露和安全事件的常见原因。以前的研究已经调查了向不安全或受损网站的运营商发送自动电子邮件通知，但由于地址数据质量，垃圾邮件过滤以及运营商不信任和不感兴趣的挑战，通常会遇到有限的成功。虽然有几项研究调查了通知电子邮件的设计和措辞，以提高其有效性，但由于所需的努力和成本，其他联系渠道的使用几乎完全未被探索。在本文中，我们研究了两种方法来提高通知的成功率：使用信件作为替代传递介质，以及描述攻击场景以激励补救。我们评估这些因素作为通知活动的一部分，利用手动收集的地址信息，从1359德国网站运营商，并专注于无意中从Web服务器的信息泄漏。我们发现，与以前的工作相比，手动收集的地址导致交付率大幅增加，信件明显比电子邮件更有效，将补救率提高了25个百分点。与直觉相反的是，提供可能攻击的详细描述实际上可以 * 降低 * 补救率，这突出表明需要更多地研究接收者如何看待通知。
2021-06-15 cs.CR cs.CY
Why You've Got Mail: Evaluating Inbox Privacy Implications of Email Marketing Practices in Online Apps and Services
该研究通过一年追踪150款热门服务注册后的邮件来源与内容，发现虽无未知第三方垃圾邮件，但内部及授权第三方营销普遍无视退订偏好，并提出可扩展监测框架。
2025-02-19 cs.CR cs.SI
Measuring Modern Phishing Tactics: A Quantitative Study of Body Obfuscation Prevalence, Co-occurrence, and Filter Impact
本文定量分析了386封钓鱼邮件中正文混淆技术的普遍性、共现模式及对反垃圾邮件过滤器的影响，发现Base64编码和图片中文本具有显著规避能力，强调了多模态防御的必要性。
2025-06-25 cs.CR
