p3scan + DSpam 实现垃圾邮件网关

转：

 

垃圾邮件（Spam）是个很讨厌的东西，实际上是一些“不请自来”的电子邮件，又被称为“并未得到许可主动发送的商业邮件（Unsolicited Commercial Email -- UCE）”。想屏蔽这些垃圾邮件，Internet上提供了很多种方法，其中应用最广的就是利用“贝耶斯统计”方法的软件。由于这种算法的公开性，使用它的软件非常多，例如Foxmail就内嵌了利用这种算法的垃圾邮件处理模块。

Linux下面此类的软件包有：
　　　SpamAssassin 　　
　　　DSpam 　　　　　

详细的软件列表在这里：

一些软件的对比，澳大利亚的Sam Holden写了一篇研究性的对比文章，可能对于选取何种软件包有帮助

我是个比较懒的人，喜欢看分析结果，所以看中了DSpam的cgi，尽管它的配置真是很繁琐。

由于大部分的Anti-Spam的包都是配合邮件服务器使用的，因此利用P3scan进行调用时，可能部分功能会受到限制，下面在对应的部分会提到。

【P3scan 的配置】

可以参见我前面的文章

1. 作为root编辑/etc/p3scan/p3scan.conf，去掉 checkspam 前面的注释#，允许垃圾邮件检查；
2. 在DSpam对应的部分去掉 spamchecker 那行的注释，修改为正确的参数，我的是：
   spamcheck = /usr/local/bin/dspam --user user --mode=teft --stdout --deliver=innocent --feature=ch,no,wh
   注意 --deliver 选项，我这里用了--deliver=innocent，意思是只发送认为正常的信件，垃圾邮件将被截留，
   --user 指定本次扫描时认为是作为 user1 来运行，结果会存入对应的数据库
   如果你想确认效果后才采取截留的方式的话，建议使用 --deliver=innocent,spam 选项。
3. 存盘退出，别忘了重新启动 p3scan。
【DSpam 的安装】
1. 下载stable的版本，现在都已经是3.6.8了，

2. 解压展开，进入对应目录
3. 编译前的配置，有个参数要注意：--with-storage-driver，DSpam使用数据库驱动，支持的数据库有
　　libdb4_drv: Berkeley DB4 Library
　　libdb3_drv: Berkeley DB3 Library
　　mysql_drv: MySQL Drivers
　　　ora_drv: Oracle Drivers (BETA)
　　pgsql_drv: PostgreSQL Drivers (BETA)
虽然DSpam推荐使用mysql,

我用的sqlite,具体配置如下：

./configure --enable-debug --with-dspam-home=/var/dspam \
--datadir=/var/dspam/data \
--with-storage-driver=sqlite3_drv \
--with-sqlite-includes=/usr/local/include \
--with-sqlite-libraries=/usr/local/lib

 

4. 编译、安装： make; make install
安装后，程序目录： /usr/local/bin
　　　　工作目录： /var/dspam/
　　　　数据目录： /var/dspam/data/user

如果正常运行的话会自动生成data目录，还要注意dspam配置文件的权限，p3scan是否有可读的权限。

 

建立信任用户

# cd /var/dspam/
# touch untrusted.mailer_args <---- 不信任的邮件服务器列表
# touch trusted.users <---- 可信的用户列表，不在列表内的用户不能运行dspam及系列工具

 

# chown user1 -R /var/dspam
# chmod 777 -R /var/dspam 修改dspam目录的所有权限，以便程序使用
编辑trusted.users，加入可以运行dspam及其工具的用户，一行一个，例如user，apache

 

【DSpam 的训练】
由于anti-spam软件需要先验概率，以便对垃圾邮件进行评判，因此我们需要大量的邮件对DSpam进行训练，生成spam、ham（正常邮件）的词汇库。

建立spam训练脚本文件：spamfeed.sh

#!/bin/sh
#spamfeed.sh
cat ${1} | dspam --mode=teft --source=corpus --class=spam --feature=chained,noise --user ${USER}

建立ham训练脚本文件：innocentfeed.sh

#!/bin/sh
#innocentfeed.sh
cat ${1} | dspam --mode=teft --source=corpus --class=innocent --feature=chained,noise --user ${USER}

训练：
假设已经有上千封垃圾邮件、正常邮件样本已经准备完毕、放在 /var/dspam/feed/目录下，注意，样本邮件是标准邮件文本，一个文件一封邮件存放，如果是linux本身，邮件文件则是一个文件存放所有邮件，可以用我自己写的一个工具来分割，见附件  [down=attachments/month_0409/urjx_MailSplitter.rar]MailSplitter.rar[/down]；
如果你找不到样本可以到 下载垃圾邮件样本包，但是绝大部分都是英文。
如果你想把你的windows下面的文件导出来训练DSpam，你可以参考我的另一篇文章将Outlook的邮件导入到linux下。
# find /var/dspam/feed/spam.dir/ -name "*" -exec ./spamfeed.sh {} \;
# find /var/dspam/feed/innocent.dir/ -name "*" -exec ./innocentfeed.sh {} \;

训练完毕后，垃圾邮件和正常邮件的关键字及其统计信息已经存入对应的数据库，经过训练之后，p3scan就可以开始抓垃圾邮件了。

 

【DSpam的CGI】
DSpam提供了日志分析系统，通过cgi网页的方式提供，文件在源程序包的 cgi 目录下。

要CGI程序正常工作，系统还需要如下的软件包：
GD，用来生成图片的，
freetype2，freetype字体相关， 安装完后，可能需要把freetype2的目录名改成freetype。(这个我看了它的readme没有提到)
GD module for Perl，与Perl相关的几个GD的module，

. GD
. GD-Graph3d
. GDGraph
. GDTextUtil

. CGI(readme中还有这个模块)

安装完这些包以后，把 cgi/目录下的文件复制到apache的主目录下，例如： /var/www/html/dspam/ 注意要在httpd.conf中给这个目录加上CGI运行权限：

 #   AllowOverride None
 #   Options None
 #   Order allow,deny
 #   Allow from all
 #test zhangwei
 AllowOverride all
 Options -Indexes FollowSymLinks MultiViews ExecCGI
 Order allow,deny
 Allow from all

 Options ExecCGI
 AuthType Basic
 AuthName "dspam"
 Require valid-user #test dspam
 #Require root
 AuthUserFile /var/www/cgi-bin/password
 #Use AuthUserFile instead of AuthFileName for apache 2.0.55 (that was my version) and above
 SetHandler cgi-script

 

CGI需要通过Apache的用户验证来提取用户信息，因此需要使用 htpasswd 添加对应的用户，如上文中的user1：
#cd /var/www/cgi-bin/

#htpasswd -c password user <--- 生成password文件

就是在apache当中设置的认证文件

 

在cgi目录下，有个admins文件，里面放置属于管理员的用户名。DSpam支持多用户，cgi部分也是可以添加多个用户，非管理员用户登陆后只能看到自己的统计数据，而admins中的用户可以看到并设定系统参数。

 

我研究了两天也没有实现图形功能，不知道为什么？