FAQ Bogofilter
FAQ Bogofilter
Versions Officielles: en
Anglais ou
Français ou
Italien ou
Bulgares
Mainteneur: David Relson <relson@osagesoftware.com>
Traducteur: Fabrice Prigent <Fabrice.Prigent@univ-tlse1.fr>
Ce document a pour but de répondre aux questions fréquemment
posées sur Bogofilter.
-
Information générale
-
Questions opérationnelles
-
Questions sur les bases de données
-
Questions sur Berkeley DB
-
Problèmes techniques
-
Problèmes de portabilité
-
Utiliser Bogofilter avec différents programmes de messagerie
Qu'est ce que Bogofilter?
Bogofilter est un filtre bayésien rapide basé sur les travaux de
Paul Graham
dans son article Un plan contre le
Spam. Bogofilter utilise l'algorithme de moyenne géométrique de
Gary Robinson avec la méthode modifiée de Fisher (khi2)
pour classifier les spams et hams (N.D.T.: les mails autres que
des spams).
La page web de Bogofilter chez
SourceForge est le point central pour toutes les ressources sur
Bogofilter.
Bogofilter a été créé par Eric
S. Raymond le 19 Août 2002. Il a gagné en popularité depuis
Septembre 2002, et un grand nombre de programmeurs ont commencé à
participer au projet.
Le fichier NEWS décrit
l'historique des versions de Bogofilter.
Bogo-quoi?
Bogofilter est une sorte de bogomètre
(bogometer)
ou filtre à bogues
(bogon-filter),
c'est à dire qu'il essaie d'identifier des mails bogués
(bogus)
en mesurant leur bogosité
(bogosity).
Comment fonctionne Bogofilter?
Jetez d'abord un oeil sur la section
THEORY OF OPERATION du manuel
pour une introduction. La principale source pour
comprendre est l'article de Gary Robinson dans le Linux Journal
"A Statistical Approach to the Spam Problem"
(Une approche statistique du problème du Spam).
Après avoir lu tout ceci, vous vous posez probablement quelques questions.
La première pourrait être "Bogofilter est-il réellement un filtre anti-spam bayésien?"
Bogofilter est basé sur le théorème de Bayes et l'utilise dans les premières parties
du calcul, puis d'autres méthodes statistiques par la suite. On peut donc affirmer sans risque
qu'il s'agit d'un filtre anti-spam statistique avec un parfum bayésien.
D'autres questions qui pourraient vous assaillir concerneraient les prérequis ou
hypothèses de la théorie de Bayes. Les réponses simples sont : "Non, ils ne sont
pas remplis" et "On s'en moque tant que cela marche". Une réponse plus élaborée
mentionnerait que le postulat de base qui dit que "Un email est une collection
aléatoire de mots, totalement indépendants les uns des autres" est violé. Il y a
plusieurs points où la pratique prend des libertés avec la théorie. Certains
sont tout le temps présents, d'autres dépendent de la manière dont vous
utilisez Bogofilter :
- Les mots dans un e-mail ne sont en aucun cas indépendants. Dans toutes les langues
c'est même le contraire qui prime.
- Les mots utilisés ne sont pas aléatoires, même si certains spammeurs utilisent
des mots aléatoires.
- L'entrainement complet, ou utilisant un échantillon aléatoire, suit les principes
de Bayes. Choisir les messages pour l'entrainement viole le postulat disant que les messages
utilisés pour l'entrainement sont un échantillon aléatoire des messages reçus. Ce
principe est aussi violé par la fonction auto-update de Bogofilter (avec le paramètre
tresh_update), l'entrainement sur erreur, ou n'importe
quelle approche similaire.
- La même chose s'applique si vous utilisez le même message plus d'une fois.
- D'autres problèmes peuvent être soulevés par le fait de modifier la base de données
en enlevant les tokens (en utilisant par exemple bogoutil avec -a ou -c).
- Il y en a certainement d'autres.
Comme la page manuel l'explique, Bogofilter essaie de composer avec l'influence
négative de ces hypothèses non respectées. Certains disent que "ces écarts de la
réalité travaillent en général en notre faveur" (Article de Gary).
D'autres disent que, même dans ce cas, nous devrions ne pas trop nous écarter des hypothèses de base.
En fait, ersonne ne sait réellement. Gardez simplement à l'esprit que
si vous "chargez la mule", des problèmes se poseront. La clé de l'approche de
Bogofilter est : la chose qui importe le plus est que cela fonctionne dans le
monde réel.
Maintenant que vous avez été prévenus, amusez vous et utilisez Bogofilter
au mieux de vos besoins.
Listes de diffusion
Il existe actuellement 4 listes de diffusion pour
Bogofilter (en anglais):
| Adresses des listes |
Liens |
Description |
| bogofilter-announce@bogofilter.org |
[subscribe]
[archives: mailman, gmane]
|
Une liste où sont annoncées les nouvelles versions. |
| bogofilter@bogofilter.org |
[subscribe]
[archives: mailman, gmane]
|
Une liste de diffusion généraliste sur Bogofilter. |
| bogofilter-dev@bogofilter.org |
[subscribe]
[archives: mailman, gmane]
|
Une liste pour des échanges de patches, le
développement, et les discussions techniques. |
| bogofilter-cvs@lists.sourceforge.net |
[abonnement]
[archive] |
Une liste pour annoncer les changements de code sur
l'archive CVS. |
Comment débuter l'apprentissage de Bogofilter?
Pour classifier les messages comme ham ou spam, Bogofilter
a besoin d'apprendre votre courrier. Pour commencer, le mieux est d'avoir
un corpus (aussi large que possible) de messages dont vous êtes sûr de
l'état de ham ou de spam. (Des erreurs à ce stade occasionneront des problèmes plus tard,
aussi, soyez attentifs ;-)). Attention, n'utilisez que votre email. L'utilisation d'autres
corpus (tel qu'un corpus trouvé sur Internet), peut pousser
Bogofilter à tirer de mauvaises conclusions après tout, votre but est de lui
faire comprendre votre courrier.
Une fois que vous avez vos corpus de spam et de ham, vous avez quatre
choix possibles. Dans tous les cas, cela fonctionnera mieux si votre base
d'apprentissage (les corpus ci-dessus) est conséquente. Plus un corpus est
petit, plus grand sera le nombre d'erreurs que fera Bogofilter en production. Supposons
que vos corpus se trouvent dans deux fichiers mbox: ham.mbox et spam.mbox.
Note: Le répertoire contrib de Bogofilter contient deux scripts qui tous les deux utilisent une
technique d'entrainement sur erreur. Cette technique évalue chaque message et n'ajoute à la
base de données que les messages qui ont été mal évalués (messages marqués comme incertains, ham
évalués en tant que spam ou inversement). Le but est de créer une base de données des mots réellement
nécessaires pour classer correctement les messages. La base de données résultante est plus
petite que celle de l'entrainement complet.
Méthode 2) Utilisez le script bogominitrain.pl (dans le répertoire contrib).
Il évalue les messages le même ordre que vos fichiers mailbox. Vous devriez utiliser
l'option -f qui va demander au script de répéter le travail, jusqu'à ce que tous
les messages soient classés correctement.
(Si nécessaire, vous pouvez même ajuster le niveau de certitude). Comme le script s'assure
que la base de données
connaît "tout" votre corpus d'entrainement (avec la précision de votre choix), cela
fonctionne très bien. Vous pouvez utiliser -o pour créer une marge de
sécurité autour de "spam_cutoff"
Avec spam_cutoff=0.6 vous voudrez peut-être évaluer tous les hams
dans votre corpus en dessous de 0.3 et tous les spams au delà de 0.9. Notre exemple devient:
bogominitrain.pl -fnv ~/.bogofilter ham.mbox spam.mbox '-o 0.9,0.3'
Méthode 3) Utilisez le script randomtrain (dans le répertoire contrib).
Le script génère une liste de tous les messages dans les mailbox, mélange la liste, puis
évalue chaque message, suiv d'un entrainement si nécessaire. Dans notre exemple:
randomtrain -s spam.mbox -n ham.mbox
Comme pour la méthode 4, cela fonctionne mieux si vous commencer avec un corpus
d'entrainement de plusieurs milliers de messages. Ceci vous donnera une base de données
plus complète et significativement plus grande.
Méthode 4) Si vous avez suffisamment de spam et de ham dans votre corpus, "réservez"
10000 spams et 10000 hams dans des fichiers mbox séparés, puis utilisez ce corpus pour
l'entraînement. Lancez alors Bogofilter pour classer les spams et hams restants. Prenez tout message
incorrectement évalué ou ayant le statut incertain, et utilisez les pour un nouvel apprentissage. Cette méthode
donne la meilleure méthode possible de discrimination. Voici deux petits scripts qui peuvent
être utilisés pour classifier les messages "mauvais élèves".
#! /bin/sh
# class3 -- classe un message en mauvais, bon ou incertain
cat >msg.$$
bogofilter $* <msg.$$
res=$?
if [ $res = 0 ]; then
cat msg.$$ >>corpus.bad
elif [ $res = 1 ]; then
cat msg.$$ >>corpus.good
elif [ $res = 2 ]; then
cat msg.$$ >>corpus.unsure
fi
rm msg.$$
#! /bin/sh
# classify -- Place tous les messages dans un fichier mbox à l'aide de class3
src=$1;
shift
formail -s class3 $* <$src
Dans notre exemple (après l'entrainement initial):
classify spam.mbox [bogofilter options]
bogofilter -s < corpus.good
rm -f corpus.*
classify ham.mbox [bogofilter options]
bogofilter -n < corpus.bad
rm -f corpus.*
Comparaison de ces méthodes
Il est important de comprendre les conséquences des méthodes que
nous venons de décrire. Faire un entrainement complet, tel que dans les
méthodes 1 et 4 produit une base de données plus grande que ne le
ferait un entrainement avec les méthodes 2 ou 3. Si votre base de données
doit être de petite taille (par exemple à cause de quotas), utilisez les
méthodes 2 ou 3.
L'entrainement avec la méthode 1 est le plus rapide. L'entrainement sur erreur
(tel que décrit dans les méthodes 2,3 et 4) est efficace, mais
l'apprentissage est plutôt lent.
Comment lancer l'entrainement avec des formats mbox et maildir?
Entrainement initial avec un format mbox:
bogofilter -M -s -I ~/mail/Spam
bogofilter -M -n -I ~/mail/NonSpam
Entrainement initial avec un format maildir:
bogofilter -s -B ~/Maildir/.Spam
bogofilter -n -B ~/Maildir/.NonSpam
Entrainement sur erreur avec un format mbox:
bogofilter -M -Ns -I ~/mail/Missed_Spam
bogofilter -M -Sn -I ~/mail/False_Spam
Entrainement sur erreur avec un format maildir:
bogofilter -s -B ~/Maildir/.Missed_Spam
bogofilter -n -B ~/Maildir/.False_Spam
Comment puis-je conserver une bonne acuité?
Bogofilter fera des erreurs de temps en temps. C'est pourquoi un
apprentissage régulier est important. Il existe principalement deux méthodes pour le faire.
Premièrement, vous pouvez l'entraîner avec chaque nouveau message (en utilisant l'option
-u). Deuxièmement, vous pouvez ne l'entraîner que sur des erreurs.
De plus, vous pouvez reconstruire votre base à certains moments,
par exemple quand une nouvelle fonctionnalité importante est ajoutée à Bogofilter.
Il peut être alors fort utile de mettre à jour régulièrement votre corpus d'apprentissage.
Bogofilter fait toujours de son mieux avec les informations
disponibles. Cependant, il fera des erreurs, tel que classer des ham en spam
(faux positifs) ou spam en ham (faux négatifs). Pour réduire la probabilité d'un réapparition
de l'erreur, il sera nécessaire d'entrainer Bogofilter avec le message erroné. Si un message est
classé incorrectement spam, utilisez l'option -n pour l'intégrer en tant que ham.
Utilisez l'option -s pour l'intégrer en tant que spam.
Bogofilter a une option -u qui, automagiquement, met à jour la liste des mots
après chaque évaluation de messages. Comme Bogofilter fait parfois des erreurs, cette méthode a
l'inconvénient de dégrader la base d'entrainement avec des entrées erronées. Vous aurez alors
besoin de la regarder et la corriger fréquemment.
La correction peut être faite en utilisant -Sn pour changer la classification du message
de spam en ham et -Ns pour changer de ham en spam.
Corriger un message incorrectement classé peut affecter la classification d'autres
messages. Plus votre base de données sera petite, plus grande sera la probabilité qu'une
erreur d'apprentissage créee des classifications incorrectes.
L'utilisation de la méthode 2 ou 3 (ci-dessus) peut compenser cet effet.
Repéter l'entrainement avec le corpus complet (y compris les messages de corrections ajoutés
depuis le précédent apprentissage). Ceci ajoutera des messages dans la base de données afin
que d'atteindre un nouvel équilibre, annulant les effets éventuellement de "surcompensation".
Une stratégie alternative, basée sur la méthode 4 de
la section précédente est la suivante: Périodiquement, prenez des blocs de messages et utilisez les
scripts de la méthode 4 pour les classer. Analyser manuellement les spams, ham et incertains, corriger
les erreurs, puis séparer les incertains en hams et spam. Jusqu'à ce que vous ayez 10000 spams et 10000 hams
dans votre base d'apprentissage, entraînez avec les hams, les spams, puis les erreurs et enfin les incertains.
Plus tard, vous n'entrainerez qu'avec les erreurs et les incertains, en ignorant les messagess que Bogofilter
a correctement classé.
Notez que vous devrez régulièrement lancer:
bogoutil -d wordlist.db | bogoutil -l wordlist.db.new
mv wordlist.db wordlist.db.prv
mv wordlist.db.new wordlist.db
ou pour les fichiers spamlist.db et goodlist.db (si vous
utilisez Bogofilter avec les listes de mots séparés). Ceci
compressera les bases de données pour n'occuper que le minimum
d'espace disque nécessaire.
Bogofilter comprend les formats mbox traditionnel, Maildir et MH.
Bogofilter ne soutient pas des sous-répertoires, vous devrez
explicitement les lister si vous avez des répertoires Maildir++ ou
MH - mentionnez seulement les noms absoluts des
sous-répertoires.
Pour des formats non soutenus, vous devrez transformer le fichier
en un format que Bogofilter comprend. Mbox est souvent commode parce
qu'il peut être enovyé directement à bogofilter.
Par exemple, pour convertir format UW-IMAP/PINE mbx en mbox:
mailtool copy /full/path/to/mail.mbox '#driver.unix//full/path/to/mbox'
ou:
for MSG in /full/path/to/maildir/* ; do
formail -I Status: < "$MSG" >> /full/path/to/mbox
done
Quelle est la signification de la sortie verbeuse
de Bogofilter?
On peut dire à Bogofilter d'afficher des informations sur
l'évaluation d'un message en le lançant avec les paramètres
"-v", "-vv", "-vvv", or "-R".
-
En utilisant "-v", Bogofilter génère la ligne d'entête
"X-Bogosity:", par exemple
X-Bogosity: Ham, tests=bogofilter, spamicity=0.500000
-
En utilisant "-vv" Bogofilter génère un histogramme, par exemple
X-Bogosity: Ham, tests=bogofilter, spamicity=0.500000
int cnt prob spamicity histogram
0.00 29 0.000209 0.000052 #############################
0.10 2 0.179065 0.003425 ##
0.20 2 0.276880 0.008870 ##
0.30 18 0.363295 0.069245 ##################
0.40 0 0.000000 0.069245
0.50 0 0.000000 0.069245
0.60 37 0.667823 0.257307 #####################################
0.70 5 0.767436 0.278892 #####
0.80 13 0.836789 0.334980 #############
0.90 32 0.984903 0.499835 ################################
Chaque ligne présente un intervalle, le nombre de tokens
(N.D.T. élément minimal pour le traitement, généralement un
mot) avec le score dans cet intervalle, la moyenne de la
probabilité de spam pour ces tokens, l'évaluation de la
"spamicité" du message (pour les tokens de cet intervalle
ou des précédents) et une barre correspondant au nombre de
tokens.
Dans l'histogramme ci-dessus, il y a beaucoup de tokens
à faible score et à haut score. Ils s'équilibrent pour
donner une "spamicité" de 0.500000
-
En utilisant "-vvv" on produit la liste de tous
les tokens dans le message, avec de l'information pour
chacun d'un. Par exemple:
X-Bogosity: Ham, tests=bogofilter, spamicity=0.500000
n pgood pbad fw U
"which" 10 0.208333 0.000000 0.000041 +
"own" 7 0.145833 0.000000 0.000059 +
"having" 6 0.125000 0.000000 0.000069 +
...
"unsubscribe.asp" 2 0.000000 0.095238 0.999708 +
"million" 4 0.000000 0.190476 0.999854 +
"copy" 5 0.000000 0.238095 0.999883 +
N_P_Q_S_s_x_md 138 0.00e+00 0.00e+00 5.00e-01
1.00e-03 4.15e-01 0.100
Les colonnes affichées donnent les informations suivantes:
- "…"
- le token pris en compte
- n
- Le nombre de fois ou le token a été rencontré lors de
l'apprentissage
- pgood
- Proportion de bons messages (ham) contenant ce
token
- pbad
- Proportion de mauvais messages (spam) contenant ce
token
- fw
- L'index pondéré de Robinson, qui combine pgood et
pbad pour donner une valeur qui sera proche de zéro si un
message contenant ce token est vraisemblablement un ham,
et proche de un s'il est vraisemblablement un spam.
- U
- '+' Si ce token contribue à la note finale,
'-' sinon. Un token est exclu quand un score est à
moins de "min_dev" de 0.5. min_dev est paramétrable.
La dernière ligne montre:
- Les résultats cumulés des colonnes
- Les valeurs des paramètres de Robinson s et
x et celle de min_dev
-
Utiliser "-R" produit la sortie de "-vvv" décrite plus haut
plus 2 colonnes supplémentaires:
- invfwlog
- le logarithme of fw
- fwlog
- le logarithme of (1-fw)
La sortie de "-R" est présentée pour être utilisé avec
le langage R de calcul statistique. Plus d'information est
disponible sur la page du projet R pour le calcul
statistique http://www.r-project.org/.
Qu'est-ce que le mode Unsure?
La configuration par défaut de Bogofilter classera un message en
tant que spam ou non-spam. Le paramètre SPAM_CUTOFF est utilisé pour cela.
Les messages avec un score supérieur ou égal à SPAM_CUTOFF sont classés en
spam. Les autres en ham.
Il y a aussi un paramètre HAM_CUTOFF. Quand il est utilisé, les
messages doivent avoir un score inférieur ou égal à HAM_CUTOFF pour
être classés ham. Les messages avec un score compris entre HAM_CUTOFF et
SPAM_CUTOFF sont étiquetés "unsure". Si vous regardez le fichier bogofilter.cf,
vous verrez les lignes suivantes :
#### CUTOFF Values
#
# both ham_cutoff and spam_cutoff are allowed.
# setting ham_cutoff to a non-zero value will
# enable tri-state results (Spam/Ham/Unsure).
#
#ham_cutoff = 0.45
#spam_cutoff = 0.99
#
# for two-state classification:
#
## ham_cutoff = 0.00
## spam_cutoff= 0.99
Pour activer la classification Yes/No/Unsure, enlevez les dièses devant les
deux dernières lignes.
Alternativement, si vous préférez utiliser les labels Yes/No/Unsure
au lieu de Spam/Ham/Unsure, enlevez les dièses devant la ligne :
## spamicity_tags = Yes, No, Unsure
Une fois que cela est fait, vous pourrez inclure les règles de filtrage
suivantes pour votre outil de messagerie:
if header contains "X-Bogosity: Spam", put in Spam folder
if header contains "X-Bogosity: Unsure", put in Unsure folder
De plus, bogofilter.cf possède des directives pour modifier
la ligne Sujet:, par exemple.
#### SPAM_SUBJECT_TAG
#
# tag added to "Subject: " line for identifying spam or unsure
# default is to add nothing.
#
##spam_subject_tag=***SPAM***
##unsure_subject_tag=???UNSURE???
Avec de tels marqueurs, les règles de filtrage ressembleraient à ceci:
if subject contains "***SPAM***", put in Spam folder
if subject contains "???UNSURE???", put in Unsure folder
Qu'est-ce que "l'entrainement sur erreur" et "l'entrainement sur épuisement"?
"L'entrainement sur erreur" implique l'analyse d'un corpus de messages dont le statut de spam ou ham
est connu. Seuls ceux qui sont mal classés, ou dont le classement est incertain, seront intégrés dans
la base de données d'apprentissage. Il a été montré que la sélection des seuls messages "mauvais élèves" était
un moyen efficace d'entrainement. Si l'on entrainait Bogofilter avec tous les messages, il va
réapprendre avec des spams ou hams évidents.
Cette méthode peut être améliorée en utilisant une "marge de
sécurité". En augmentant la valeur "spam cutoff" et en diminuant la valeur "ham cutoff",
les messages qui sont proches du seuil seront utilisés, pour l'entrainement. L'utilisation de
cette marge de sécurité a montré son efficacité à améliorer les
résultats dans l'entrainement sur erreur. En général, des marges plus larges sont
une aide supplémentaire (malgré le fait que des marges trop grandes ne soient
pas optimales). Pour un mode à triple état, vous pouvez utiliser le milieu de
l'état unsure avec un intervalle de +/- 0.3 pour l'entrainement
Répéter l'entrainement sur erreur sur le même corpus de message peut améliorer
la précision. L'idée est que les messages qui ont été bien classés une première fois
peuvent, à la suite de l'entrainement, être mal classés. Fait qui sera compensé par
cette répétition.
"L'entrainement sur épuisement" est la répétition de l'entrainement sur erreur, avec le même corpus
de messages, jusqu'à ce que plus aucune erreur ne subsiste. Cette méthode peut
aussi être améliorée grâce aux marges de sécurité. Voir pour cela
L'article de Gary Robinson
pour plus de détail.
Note: bogominitrain.pl possède une option -f qui permet de réaliser
"l'entrainement sur épuisement". Si
vous choisissez de l'utiliser, soyez conscient des effets secondaires possibles. L'utilisation
de -fn évite de répéter l'entrainement pour chaque message.
Que fait l'option '-u' (autoupdate)?
L'option '-u' (autoupdate) est utilisé pour compléter automatiquement
la liste de mots. Quand cette option est utilisée et que Bogofilter classe
un message en Spam ou Ham, les tokens du message sont ajoutés dans la
liste de mots avec un marqueur ham ou spam (suivi le contexte).
Prenons le cas de l'arrivée d'un nouveau message "Refinance now -
best Mortgage rates". Il contient des mots que Bogofilter a déjà vu et, probablement,
des nouveaux. En utilisant '-u' ces nouveaux mots seront
ajoutés dans la liste des mots, afin que Bogofilter puisse mieux reconnaître
les messages suivants qui lui ressembleraient.
Si vous utilisez '-u', vous avez besoin de regarder attentivement les
erreurs de classification et de réentrainer Bogofilter avec les messages
qu'il a mal identifiés. Un message incorrectement classé et qui est auto-appris
_peut_ amplifier les futures mauvaises classifications de Bogofilter. C'est
le même problème que si vous, administrateur système, vous enregistriez mal
un message : ham en spam ou vice versa.
Comment puis-je utiliser SpamAssassin
pour l'apprentissage de Bogofilter?
Si vous avez un SpamAssassin actif (ou si vous voulez en
créer un), vous pouvez utiliser ses codes de retour pour
l'apprentissage de Bogofilter. Le moyen le plus simple est de
créer un script pour votre MDA qui fait tourner SpamAssassin,
tester l'état du code de retour spam/ham, et lancer Bogofilter
pour valider le message. Le script procmail ci-dessous est un
moyen de le faire:
BOGOFILTER = "/usr/bin/bogofilter"
BOGOFILTER_DIR = "training"
SPAMASSASSIN = "/usr/bin/spamassassin"
:0 HBc
* ? $SPAMASSASSIN -e
#spam yields non-zero
#non-spam yields zero
| $BOGOFILTER -n -d $BOGOFILTER_DIR
#else (E)
:0Ec
| $BOGOFILTER -s -d $BOGOFILTER_DIR
:0fw
| $BOGOFILTER -p -e
:0:
* ^X-Bogosity:.Spam
spam
:0:
* ^X-Bogosity:.Ham
non-spam
Comment traiter les spams asiatiques?
Beaucoup de personnes reçoivent du mail non sollicité
utilisant des caractères asiatiques. Comme ils ne pratiquent
pas la langue et qu'ils ne connaissent personne là bas, ils
supposent qu'il s'agit de spam.
La bonne nouvelle est que bogofilter les détecte de manière
plutôt efficace. La mauvaise nouvelle est que cela peut être
coûteux. Vous avez en gros trois possibilités:
-
Vous pouvez simplement laisser bogofilter gérer le
problème. Entraînez le avec des messages asiatiques
identifiés comme spam. Bogofilter analysera les messages du
mieux qu'il peut et ajoutera des tokens à la liste des mots
de spam. La liste des mots contiendra beaucoup de tokens
qui n'auront pas de sens pour vous (puisque la table de
caractères ne peut être affichée), mais Bogofilter peut
travailler avec eux et identifier correctement du spam
asiatique.
- Une seconde méthode est d'utiliser l'option du fichier de
configuration "replace_nonascii_characters". Ceci remplacera
les caractères à code ASCII "haut" (ceux compris entre 0x80
et 0xFF) avec des points d'interrogations '?'. Ceci permet de
garder une base de petite taille. Malheureusement ceci entre
en conflit avec les langues européennes qui contiennent
beaucoup de voyelles et de consonnes accentuées à code ASCII
"haut".
- Si vous êtes sûr de ne jamais recevoir un message
légitime dans ces langues, vous pouvez directement les
détruire. Cela diminuera la base d'autant. Vous pouvez le
faire avec un script MDA.
- Ceci est un script qui effacera les messages écrits avec
les tables de caractères asiatiques
-
## Efface silencieusement tous les mails en langue asiatique
UNREADABLE='[^?"]*big5|iso-2022-jp|ISO-2022-KR|euc-kr|gb2312|ks_c_5601-1987'
:0:
* 1^0 $ ^Subject:.*=\?($UNREADABLE)
* 1^0 $ ^Content-Type:.*charset="?($UNREADABLE)
spam-unreadable
:0:
* ^Content-Type:.*multipart
* B ?? $ ^Content-Type:.*^?.*charset="?($UNREADABLE)
spam-unreadable
Avec un tel programme, Bogofilter ne verra jamais
le message.
Comment compacter les bases?
Vous pouvez périodiquement compacter les bases afin d'occuper un minimum
d'estpace disque. En supposant que votre base de mots se trouve dans le répertoire
~/.bogofilter, pour bogofilter 0.93.0 (ou plus récent) tapez :
bf_compact ~/.bogofilter wordlist.db
Pour un bogofilter antérieur à 0.93.0, tapez:
cd ~/.bogofilter
bogoutil -d wordlist.db | bogoutil -l wordlist.db.new
mv wordlist.db wordlist.db.prv
mv wordlist.db.new wordlist.db
Ce script est nécessaire pour dupliquer votre environnement de
base de données (afin de supporter le traitement des transactions en
BerkeleyDB). Votre répertoire original sera renommé en ~/.bogofilter.old
et ~/.bogofilter contiendra le nouvel environnement.
Pour les anciennes versions de Bogofilter qui n'utilisent pas le
principe des transactions, la base de données est un simple fichier (wordlist.db)
et ne nécessite pas d'utiliser le script. Les commandes ci-dessus
créent une nouvelle base de données plus compacte et renomment le fichier
original en wordlist.db.prv
Note: Il est tout à fait valide d'utiliser le script avec d'anciennes versions
de Bogofilter.
Comment faire une requête manuelle sur
la base?
Pour trouver le nombre de spam et ham pour un token (mot),
utiliser l'option '-w' de bogoutil. Par exemple, "bogoutil -w
$BOGOFILTER_DIR/wordlist.db example.com" fournit le nombre de ham
et spam pour "example.com".
Si vous voulez le score de spamicité en plus du nombre de ham
et spam pour un token, utilisez l'option '-p' de bogoutil. Par
exemple, "bogoutil -p $BOGOFILTER_DIR/wordlist.db example.com"
fournit en plus des nombres ham et spam, le score du mot.
Pour trouver combien de messages sont dans votre liste de mots,
faites une requête sur le pseudo-token ".MSG_COUNT" (avec le point
devant NdT). Par exemple, lancez la commande "bogoutil -w
$BOGOFILTER_DIR/wordlist.db .MSG_COUNT".
Pour dire combien de tokens sont présents dans votre liste de
mots, envoyez la sortie de la commande dump de bogoutil vers la
commande "wc". Par exemple utilisez "bogoutil -d
$BOGOFILTER_DIR/wordlist.db/wordlist.db | wc -l " pour afficher le
nombre d'apparitions des tokens (Si vous utilisez spamlist.db et
goodlist.db, lancez la commande pour chacun d'eux).
Puis-je utiliser plusieurs listes de mots?
Oui. Bogofilter peut travailler avec plusieurs listes de mots. Par exemple,
si vous avez des listes utilisateur et
systeme, Bogofilter peut vérifier si le mot se trouve dans
la liste utilisateur, et si le mot ne s'y trouve pas, vérifier la liste systeme.
Bogofilter peut aussi mixer ensemble l'information des deux listes.
Voici par les options du fichier de configuration et quelques exemples:
Une liste de mots possède plusieurs attributs, particulièrement le type, le
nom, le nom de fichier et la précédence.
- Le type: 'R' et 'I' (pour Regular et Ignore). Les listes actuelles
sont de type 'R'. Le type 'I' signifie "n'évalue pas le token s'il est trouvé
dans la liste ignore".
- Nom: un identifiant court qui sera utilisé pour l'affichage de messages
d'erreur. Par exemple "global", "utilisateur" et "ignore". Mais n'importe
quel identifiant est valide.
- Nom du fichier: le nom du fichier des mots. Quand
on ouvre la base, si le chemin est complètement qualifié (avec un '/' en tête,
ou '~') le nom est utilisé, sinon Bogofilter ajoute le contenu des variables de
chemin dans l'ordre suivant : $BOGOFILTER_DIR, $BOGODIR, $HOME.
- Précédence: c'est un entier tel que 1, 2, 3, ... On recherche le token dans
les listes de mots dans le sens ascendant de la précédence. Si le
token est trouvé, les listes de même précédence sont utilisées pour faire
la somme des comptes. Les listes avec une précédence supérieure, ne
sont pas vérifiées.
Exemple 1 - mixage des listes systeme et utilisateur:
wordlist R,utilisateur,~/wordlist.db,1
wordlist R,systeme,/var/spool/bogofilter/wordlist.db,1
Exemple 2 - priorité à la liste utilisateur:
wordlist R,utilisateur,~/wordlist.db,2
wordlist R,systeme,/var/spool/bogofilter/wordlist.db,3
Exemple 3 - priorité à la liste systeme:
wordlist R,utilisateur,~/wordlist.db,5
wordlist R,systeme,/var/spool/bogofilter/wordlist.db,4
Note 1: les options d'enregristrement de Bogofilter ('-s', '-n', '-u',
'-S', '-N' ) ne s'appliqueront qu'aux listes les plus basses en précédence.
Note 2: avoir des listes de type 'R' et 'I' de même précédence
n'est pas autorisé, car les types sont contradictoires.
Puis-je indiquer à Bogofilter d'ignorer certains tokens?
A travers l'utilisation des listes de type "ignore", Bogofilter ne prendra
pas en compte les tokens listés pour évaluer le message.
Exemple:
wordlist I,ignore,~/ignorelist.db,7
wordlist R,systeme,/var/spool/bogofilter/wordlist.db,8
Puisque ignorelist.db a un index inférieur (7), à celui de
wordlist.db (8), Bogofilter ne regardera pas les tokens
qui se trouveront dans ignorelist.db.
Note: Techniquement, Bogofilter donne le score de ROBX aux tokens, et
s'attend à ce que le paramètre min_dev les fasse "annuler".
Il y a deux méthodes principales pour construire/maintenir une liste "ignore".
Primo, un fichier texte peut être créé et maintenu à l'aide d'un éditeur.
Bogoutil peut alors convertir le fichier texte en base de données,
e.g. "bogoutil -l ignorelist.db < ignorelist.txt".
Secondo, echo ... | bogoutil ... peut être utilisé pour
ajouter un simple token, par exemple "ignorez.moi" :
echo ignorez.moi | bogoutil -l ~/ignorelist.db
Comment puis-je faire pour transformer la base des
mots séparé dans le format combiné?
Lancez le script bogoupgrade. Pour plus d'informations
lancez "bogoupgrade -h" pour voir le message d'aide ou "man bogoupgrade"
et lisez la page manuel.
Comment faire si ma liste de mots est
corrompue?
Si vous pensez que vos listes de mots ont été dégradées,
vous pouvez regarder ce qu'en dit BerkeleyDB en lançant:
db_verify wordlist.db
S'il y a un problème, vous pouvez récupérer tout ou partie
des tokens et leur nombre avec la commande suivante:
bogoutil -d wordlist.db | bogoutil -l wordlist.new.db
ou - si la liste ne pourrait pas être récupérée par la
commande précédente - avec:
db_dump -r wordlist.db > wordlist.txt
db_load wordlist.new.db < wordlist.txt
Comment puis-je convertir ma base de mots de/vers l'unicode?
La base de mots peut être convertie du format brut vers l'unicode en utilisant les commandes suivantes :
bogoutil -d wordlist.db > wordlist.raw.txt
iconv -f iso-8859-1 -t utf-8 < wordlist.raw.txt > wordlist.utf8.txt
bogoutil -l wordlist.db.new < wordlist.utf8.txt
ou alors :
bogoutil --unicode=yes -m wordlist.db
La base de mots peut-être convertie de l'unicode vers le format brut en tapant ceci :
bogoutil -d wordlist.db > wordlist.utf8.txt
iconv -f utf-8 -t iso-8859-1 < wordlist.utf8.txt > wordlist.raw.txt
bogoutil -l wordlist.db.new < wordlist.raw.txt
ou encore:
bogoutil --unicode=no -m wordlist.db
Comment passer du mode non-transactionnel au
mode transactionnel?
La procédure est complètement documentée dans le fichier
doc/README.db section 2.2.1.
Nous vous suggérons de lire complètement le paragraphe.
En résumé, utilisez ces commandes:
cd ~/.bogofilter
bogoutil -d wordlist.db > wordlist.txt
mv wordlist.db wordlist.db.old
bogoutil --db-transaction=yes -l wordlist.db < wordlist.txt
Si tout ce passe bien, vous pouvez enlever les fichiers de sauvegarde:
rm wordlist.db.old wordlist.txt
Comment passer du mode transactionnel au mode
non transactionnel?
La procédure est complètement documentée dans le fichier
doc/README.db section 2.2.1.
Nous vous suggérons de lire complètement le paragraphe.
En résumé, vous pouvez utiliser bogoutil pour copier et recharger la base de mots,
par exemple :
cd ~/.bogofilter
bogoutil -d wordlist.db > wordlist.txt
mv wordlist.db wordlist.db.old
rm -f log.?????????? __db.???
bogoutil --db-transaction=no -l wordlist.db < wordlist.txt
Pourquoi Bogofilter meurt après avoir afficher
"Lock table is out of available locks" ou
"Lock table is out of available object entries"
Les modes transactionnel et concurrent de BerkeleyDB nécessitent une
table de verrouillage qui correspond à la base de données en taille. Lisez
le fichier README.db pour une explication détaillée et la
solution.
La taille de la table de verrouillage peut-être paramétrée dans bogofilter.cf
ou dans
DB_CONFIG. Bogofilter.cf utilise les directives db_lk_max_locks et
db_lk_max_objects, tandis que DB_CONFIG utilise les directives
set_lk_max_objects et set_lk_max_locks.
Après avoir changé ces valeurs dans DB_CONFIG, lancez la commande
bogoutil --db-recover /votre/repertoire/bogofilter
pour reconstruire la table de verrouillage.
Comment se fait-il que j'obtienne des messages DB_PAGE_NOTFOUND?
Vous avez certainement un problème avec votre base de données BerkeleyDB. Il y
a deux causes probables : soit vous avez atteint une taille limite, ou bien, la base
est corrompue.
Certains serveurs de messagerie, tel Postfix, impose une taille de fichier limite.
Quand la base de données Bogofilter atteint cette limite, des problèmes d'écriture
apparaissent.
Pour voir la taille utilisée par la base de données:
ls -lh $BOGOFILTER_DIR/wordlist.db
Pour voir la taille limite avec postfix:
postconf | grep mailbox_size_limit
Pour positionner la taille limite à 73MB (ou n'importe quelle taille appropriée):
postconf -e mailbox_size_limit=73000000
Si vous pensez que votre base de données est corrompue, lisez le point
Comment faire si ma liste de mots est corroumpue?
de la FAQ.
Pourquoi obtient-on "Berkeley DB
library configured to support only DB_PRIVATE
environments" ou
"Berkeley DB library configured to support only
private environments"?
Certaines distributions (par exemple le projet Fedora) propose
BerkeleyDB avec le support des threads POSIX, et par conséquent les
mutexes POSIX, alors que votre système ne supporte pas ces mutexes.
(ceci dépend de votre version de noyau et du type exact de processeur).
Pour contourner le problème
- téléchargez, compilez et installez Berkeley
DB manuellement et reconfigurez bogofilter:
- cd build_unix
- ../dist/configure --enable-cxx
- make
- make install
- recompilez et installez bogofilter:
- ./configure
--with-libdb-prefix=/usr/local/BerkeleyDB.4.3
(remplacer le numéro de version de Berkeley DB)
- make && make check
- make install (si la notion d'espace est importante
utilisez make install-strip)
Bogofilter peut-il fonctionner en environnement multi-utilisateurs?
Oui, il peut. Il existe de multiples stratégies pour le faire. les deux extrêmes sont:
- Avoir un administrateur Bogofilter qui maintient une base globale
que chacun utilise.
- Que chaque utilisateur maintienne sa propre base.
Le compromis courant : l'administrateur Bogofilter maintient la base de mots globale
et chaque utilisateur est autorisé à utiliser la liste globale ou sa liste privée.
Un MDA, tel que procmail, peut-être programé pour appliquer d'abord la
liste global (avec un seuil spam très strict) puis, si nécessaire, appliquer
la liste des mots privée.
Puis-je partager une liste de mots par NFS?
Si vous ne faites que les lire, il n'y a pas de problème.
Si vous les mettez à jour, vous devrez fournir les bonnes options de verrouillage
pour éviter la corruption des données. Quand vous compilerez
Bogofilter, vous aurez besoin de vérifier que le script
configure a positionné "#define HAVE_FCNTL 1" dans votre
fichier config.h. Les systèmes d'exploitation UNIX supporteront
quasiment tous ceci. Si vous utilisez une version exotique ou
particulièrement ancienne, assurez-vous qu'elle supporte
fcntl(). Si "#define HAVE_FCNTL 1" est positionné, ce qui indique
que votre système connaît la fonction fcntl(), alors
décommentez "#define HAVE_FLOCK 1" afin que le système de
verrouillage utilise fcntl() au lieu du verrouillage flock().
Si votre système ne supporte pas fcntl, alors vous ne pourrez
partager les listes de mots en NFS sans risquer une corruption
des données.
Ensuite, assurez-vous que NFS est correctement configuré
avec "lockd" en fonctionnement. Référez vous à la documentation
NFS à propos du lancement de "lockd" ou de "rpc.lockd". La
plupart des systèmes avec NFS l'active par défaut.
Pourquoi Bogofilter fournit des codes de
retour tels que 0 et 256 quand il est lancé à l'intérieur d'un
programme?
Vraisemblablement les codes de retour ont été réécrits par
waitpid(2). En C utilisez WEXITSTATUS(status) dans sys/wait.h, ou
une macro comparable pour obtenir la valeur correcte. En Perl
utilisez 'system("bogofilter $input")>> 8'.
Si vous voulez plus d'information, lancez la commande
"man waitpid".
Pourquoi mes scripts échouent depuis
que j'ai mis à jour?
Au fur et à mesure, Bogofilter a accumulé un grand nombre d'options.
Certaines d'entre elles ont disparu ou changé. Lisez le fichier
NEWS pour plus d'informations.
Pourquoi, depuis que j'ai changé de version,
Bogofilter fonctionne-t-il moins bien?
Le lexer, la partie qui extrait les tokens des messages, évolue. Ceci
occasionne une modification de la génération de la liste des tokens, qui, par contrecoups
va rendre des anciens tokens inutilisés.
Si vous rencontrez ce problème, vous êtes vivement encouragés à reconstruire votre
base. Si cela n'est pas possible, vous pouvez utiliser la version
0.15.13
et lire la documentation qui va avec pour voir comment migrer.
Avec une wordlist combinée, comment
puis-je détruire tous les tokens spams (ou les non-spams)?
Bogoutil vous permet de lister (dump) une wordlist et de charger les tokens dans
une nouvelle wordlist. Avec l'aide d'outils tels que awk et grep, les nombres peuvent
être mis à zéros et les tokens dont les comptes seraient à
zéro pour les spams et les hams pourraient être détruits.
Les commandes suivantes vont détruire les tokens des messages
spams:
bogoutil -d wordlist.db | \
awk '{print $1 " " $2 " 0"}' | grep -v " 0 0" | \
bogoutil -l wordlist.new.db
Les commandes suivantes vont détruire les tokens provenant des
messages hams.
bogoutil -d wordlist.db | \
awk '{print $1 " 0 " $3}' | grep -v " 0 0" | \
bogoutil -l wordlist.new.db
Comment faire fonctionner Bogofilter sur
Solaris, BSD, etc.?
Si vous n'avez pas déjà la version 3.0 ou plus de la
BerkeleyDB, alors
téléchargez la
(prenez une des 4.2.X),
décompactez la, et lancez les commandes suivantes dans le
répertoire 'dist':
$ cd build_unix
$ sh ../dist/configure
$ make
# make install
Puis, téléchargez la version
portable de Bogofilter.
Sur Solaris
Décompactez la, puis faites:
$ ./configure --with-libdb-prefix=/usr/local/BerkeleyDB-4.2
$ make
# make install-strip
Vous pourrez alors, soit mettre un lien symbolique sur
libdb.so dans /usr/lib, ou utiliser une version modifiée de la
variable d'environnement LD_LIBRARY_PATH avant de lancer
Bogofilter.
$ LD_LIBRARY_PATH=/usr/lib:/usr/local/lib:/usr/local/BerkeleyDB-4.2
$ export LD_LIBRARY_PATH
Notez que que certaines versions de make livrées avec
Solaris bugguent quand vous essayez de compiler Bogofilter hors
de son répertoire source. Soit vous compilez dans le répertoire
source (comme suggéré ci-avant), soit vous utilisez GNU make
(gmake).
Sur FreeBSD
Des paquetages existent avec des versions très récentes de
Bogofilter. Cette approche utilise les paquetages très
recommandés portupgrade et cvsup. Pour installer ces deux
magnifiques outils (vous n'avez besoin de le faire qu'une seule
fois):
# pkg_add -r portupgrade cvsup
Pour installer ou mettre à jour Bogofilter, il suffit de
mettre à jour
l'arbre de conversion (ports tree) avec cvsup puis de
taper
# portupgrade -N bogofilter
Note: Ceci suppose que vous soyez root. Sinon, lisez
le mémento sur la section FreeBSC, et regardez comment
compiler si vous n'avez pas les privilèges requis..
Suivant votre système, vous pourrez avoir à positionner certaines variables
d'environnement pour la commande ./configure. Exemple:
# env CPPFLAGS=-I/usr/local/include/db3 LIBS=-ldb3 LDFLAGS=-L/usr/local/lib ./configure
Les chemins dépendent de votre système et des versions
de bases de données que vous avez installées. Vérifiez et remplacez en conséquence.
Sur HP-UX
Regardez le fichier
doc/programmer/README.hp-ux
dans la distribution source.
Puis-je utiliser la commande make sur mon système?
Bogofilter a été compilé avec succès sur plusieurs systèmes en utilisant
la commande GNU make et les commandes natives make. Cependant, le Makefile
de Bogofilter ne fonctionne pas avec certaines commandes make.
GNU make est recommandé pour compiler Bogofilter car nous savons qu'il fonctionne.
Nous ne pouvons maintenir des commandes make moins performantes. Si votre make
non-GNU fonctionne, magnifique!. Si vous rencontrez des problèmes, la chose à faire est
d'installer la commande GNU make. Si votre make non-GNU ne peut compiler Bogofilter,
nous sommes désolés, mais c'est votre problème. Si cela ne nécessite qu'un petit
patch propre pour le rendre compatible, nous pouvons éventuellement l'intégrer.
Comment compiler Bogofilter pour un utilisateur non-root ou avec
un préfixe d'installation non standard?
Pour installer Bogofilter dans un répertoire non standard (en tant qu'utilisateur
non-root vous n'avez pas les permissions pour les répertoires normaux), vous
aurez besoin de préciser le préfixe d'installation quand vous lancerez
./configure.
Après avoir télécharger et décompacter
le code source, lancez ./configure --prefix=PATH où
PATH est le préfixe d'installation pour les fichiers générés (binaires, manuel, etc.)
Puis lancez les commandes habituelles —
make && make check && make install.
Comment dois-je compiler Bogofilter avec les patches?
S'il vous est nécessaire d'appliquer des correctifs, récupérez
le code source
et décompactez le en utilisant tar -xzf ou gunzip
| tar -xf -. Placez vous dans le répertoire source et lancez la commande./configure --prefix=PATH
où
PATH est le préfixe d'installation pour les fichiers générés (binaires, manuel, etc.)
Puis, après avoir appliqué les correctifs, lancez les commandes habituelles —
make && make install.
Comment rendre les exécutables plus petits?
Quand votre espace est réduit, vous pouvez utiliser make
install-strip en lieu et place de make install.
Ceci permet d'économiser de l'espace disque, mais ne permet pas le
debugage lors de crash, à moins que plus d'informations pour reproduire le bug
ne soient fournies aux développeurs.
datastore_db.c ne se compile pas!
Si vous configurez le chemin de la base de données avec, par exemple,
--with-libdb-prefix ou via CPPFLAGS et LIBS, assurez-vous que vous fournissez un
chemin absolu (avec un slash en début), un chemin relatif ne
marchera pas. Exemple: utilisez
--with-libdb-prefix=/usr/local/BerkeleyDB.4.2, mais
pas --with-libdb-prefix=../BerkeleyDB.4.2
Avec quel programme de messgerie Bogofilter fonctionne-t-il?
Bogofilter est réputé pour fonctionner avec kmail, mozilla-mail, mutt,
alpine, sylpheed-claws. Une recherche Googole vous aidera
à obtenir d'autres informations pour utiliser Bogofilter avec votre
programme de messagerie habituel.
Comment utiliser Bogofilter avec Mutt?
Utilisez a filtre mail (procmail, maildrop, etc.) pour aiguiller le mail
dans différents dossiers suivant le code de retour de Bogofilter, et associez
les touches pour entrainer Bogofilter sur les erreurs :
macro index S "|bogofilter -s\ns=junkmail" "Apprendre comme spam et sauvegarder dans junk"
macro pager S "|bogofilter -s\ns=junkmail" "Apprendre comme spam et sauvegarder dans junk"
macro index H "|bogofilter -n\ns=" "Apprendre comme spam et sauvegarder"
macro pager H "|bogofilter -n\ns=" "Apprendre comme spam et sauvegarder"
Ceci enverra les messages sélectionnés dans Bogofilter, enseignant les faux-ham en
spam et vice-versa, puis proposera la sauvegarde dans un dossier différent.
Comment utiliser Bogofilter avec Sylpheed Claws?
Ajoutez une règle de filtrage pour lancer Bogofilter sur les messages
entrants et une action à effectuer s'il s'agit d'un spam.
condition:
* test "bogofilter < %F"
action:
* move "#mh/VOTRE_BOITE_A_SPAM"
Note: ceci suppose que bogofilter est dans votre path!
Créer deux actions Clasw - une pour marquer les messages comme spam et l'autre
pour marquer les messages comme ham. Utilisez l'action "Mark As Spam"
pour les messages incorrectement classés comme ham et utilisez "Mark As Ham"
pour les messages incorrectement classés comme spam.
Mark as ham / spam:
* bogofilter -n -v -B "%f" (mark ham)
* bogofilter -s -v -B "%f" (mark spam)
Une autre approche est de sauvegarder les messages incorrectement classés
dans un dossier (ou plusieurs) et de lancer un script tel que:
#!/bin/sh
CONFIGDIR=~/.bogofilter
SPAMDIRS="$CONFIGDIR/spamdirs"
MARKFILE="$CONFIGDIR/lastbogorun"
for D in `cat "$SPAMDIRS"`; do
find "$D" -type f -newer "$MARKFILE" -not -name ".sylpheed*"
done|bogofilter -bNsv
touch "$MARKFILE"
Ce script peut-être utilisez comme une action ou transformé comme un bouton.
Ceci enregistrera comme spam, les messages dans ${SPAMDIRS} qui sont plus récents que
${MARKFILE}.
D'autres informations sont disponible dans
le wiki de Sylpheed-Claws.
Une autre approche est de lancer Bogofilter
depuis procmail, maildrop,etc.
et de faire vérifier par Claws l'en-tête X-Bogosity et de filtrer les messages
dans les dossiesr Spams et Unsure. Par exemple:
Condition:
header "X-Bogosity" matchcase "Spam"
Action:
move "#mh/Mailbox/Spam"
Condition:
header "X-Bogosity" matchcase "Unsure"
Action:
move "#mh/Mailbox/Unsure"
Tout message dans le dossier Unsure devrait être enseigné, comme tout message
incorrectement classé comme ham ou spam. Les actions suivantes gèreront de tels
cas :
Register Spam:
bogofilter -s < "%f"
Register Ham:
bogofilter -n < "%f"
Unregister Spam:
bogofilter -S < "%f"
Unregister Ham:
bogofilter -N < "%f"
Pour vérifier dans le mécanisme de notation de Bogofilter, le diagnostic suivant est utile:
BogoTest -vv:
bogofilter -vv < "%f"
BogoTest -vvv:
bogofilter -vvv < "%f"
D'autres informations sur cette approche sont disponibles ici.
Comment utiliser Bogofilter avec VM (un logiciel de messagerie sous Emacs)?
Vous devez inclure le fichier vm-bogofilter.el (que vous pouvez
avec la distributione bogofilter ou télécharger à
http://www.cis.upenn.edu/~bjornk/bogofilter/vm-bogofilter.el) dans
le chemin des bibliothèques de votre Emacs.
Il ne vous reste plus qu'à mettre dans votre fichier de
configuration ~/.vm :
;; Lutte contre les pourriels (via bogofilter)
;;
(require 'vm-bogofilter)
;; Raccourcis-clavier pour bogofilter
;; C (shift-c) : pourriel
;; K (shift-k) : message correct
(define-key vm-mode-map "K" 'vm-bogofilter-is-spam)
(define-key vm-mode-map "C" 'vm-bogofilter-is-clean)
Tous les messages sont filtrés par bogofilter à chaque fois que
vous vérifiez vos nouveaux messages. Quand vous changez l'état
d'un message, les en-têtes du message sont changées (en-tête
X-Bogosity:).
Il y a toutefois une limite : vous ne pouvez changer l'état
d'un ensemble de messages sélectionnés : vous devez le faire
message après message...
Comment utiliser Bogofilter avec MH-E (l'interface Emacs
pour le système de mail MH)?
Le paramétrage par défaut de l'option 'mh-junk-program' est
'Auto-detect' ce qui signifie que MH-E choisira automatiquement
entre SpamAssassin, Bogofilter, ou SpamProbe, dans cet ordre. Si, par exemple,
vous avez installé SpamAssassin et Bogofilter, et que vous souhaitiez utiliser
Bogofilter, vous devrez modifier cette option pour
'Bogofilter'.
La commande 'J b' ('mh-junk-blacklist') Entrainer le programme de spam en cours
avec le contenu sélectionné, puis traite le(s) message(s) comme spécifié dans l'option
'mh-junk-disposition'. Par défaut, cette option est positionné sur 'Delete Spam'
Mais vous pouvez aussi spécifier le nom d'un répertoire, ce qui sera utile pour
construire un corpus de spam pour l'entrainement.
Au contraire, la commande 'J w' ('mh-junk-whitelist') reclassifie les messages
sélectionnés comme Ham s'ils étaient incorrectement classés comme spam. Elle déplace
alors les messages dans le dossier '+inbox'.
Pour plus d'information lire la page MH-E
