NGHIÊN CỨU MẠNG THƯ ĐIỆN TỬ VÀ ỨNG DỤNG TRONG LỌC THƯ RÁC

ĐẠI HỌC QUỐC GIA HÀ NỘI
TRƯỜNG ĐẠI HỌC CÔNG NGHỆ

Bùi Ngọc Lan

NGHIÊN CỨU MẠNG THƯ ĐIỆN TỬ
VÀ ỨNG DỤNG TRONG LỌC THƯ RÁC

KHÓA LUẬN TỐT NGHIỆP ĐẠI HỌC HỆ CHÍNH QUI
Ngành: Công nghệ thông tin

Hà Nội - 2006
-1-


ĐẠI HỌC QUỐC GIA HÀ NỘI
TRƯỜNG ĐẠI HỌC CÔNG NGHỆ

Bùi Ngọc Lan

NGHIÊN CỨU MẠNG THƯ ĐIỆN TỬ
VÀ ỨNG DỤNG TRONG LỌC THƯ RÁC

KHÓA LUẬN TỐT NGHIỆP ĐẠI HỌC HỆ CHÍNH QUI
Ngành: Công nghệ thông tin

Cán bộ hướng dẫn:
Tiến sĩ Trần Quang Anh
Cán bộ đồng hướng dẫn: Tiến sĩ Hà Quang Thụy

Hà Nội - 2006

-2-


LỜI CẢM ƠN
Đầu tiên, em muốn gửi lời cảm ơn chân thành và biết ơn sâu sắc tới Tiến sĩ
Trần Quang Anh (Trường Đại học Thanh Hoa Trung Quốc) và Tiến sĩ Hà Quang Thụy
(Trường Đại học Công nghệ - Đại học Quốc Gia Hà Nội) đã tận tình chỉ bảo và hướng
dẫn em trong suốt quá trình thực hiện khoá luận này.
Em xin chân thành cám ơn các thầy lãnh đạo Viện CNTT - ĐHQGHN, anh
Nguyễn Việt Cường (Trường Đại học Công nghệ - ĐHQGHN) và anh Phan Bá Hùng
(Viện Công nghệ Thông tin - ĐHQGHN) đã giúp đỡ, tạo điều kiện thuận lợi để em
tiến hành có kết quả các thử nghiệm trên mail-server thực.
Em xin bày tỏ lời cảm ơn sâu sắc tới các thầy, cô trong trường Đại học Công
nghệ đã dạy dỗ và tận tình chỉ bảo cho em trong suốt quá trình học tập tại trường.
Em cũng muốn gửi lời cảm ơn tới các thầy cô, anh chị và các bạn trong nhóm
xê-mi-na “Khai phá dữ liệu và khám phá tri thức” thuộc bộ môn Các hệ thống thông
tin, Trường Đại học Công nghệ đã ủng hộ và khuyến khích em trong quá trình nghiên
cứu và thực hiện khoá luận này.
Và lời cuối cùng, em xin gửi lời cảm ơn chân thành và biết ơn vô hạn tới bố, mẹ,
anh chị những người đã có công sinh thành, nuối nấng, dạy dỗ và luôn động viên,
khuyến khích em trong cuộc sống, trong học tập và làm việc.

Sinh viên
Bùi Ngọc Lan

-3-


Tóm tắt
Vấn đề thư rác từ lâu đã gây không ít phiền nhiễu cho người sử dụng thư điện tử

và là vấn đề đau đầu của những người quản lý mạng. Có rất nhiều giải pháp chống thư
rác đã được đưa ra và áp dụng trong thực tế. Tuy nhiên, các phương pháp này đều tỏ ra
chưa thực sự hiệu quả và mang những nhược điểm cố hữu của nó. Trong luận văn này,
trên cơ sở nghiên cứu cấu trúc và các tính chất đặc trương của mạng thư điện tử (Email
Networks) từ đó đề xuất một phương pháp lọc thư rác mới dựa trên mạng thư điện tử.
Khác với phương pháp lọc thư rác dựa trên mạng thư điện tử trước đây [1], phương
pháp đưa ra đã khai thác được tính chất có hướng của đồ thị mạng thư điện tử và xem
xét đồ thị mạng thư điện tử là đồ thị có trọng số để xây dựng một công thức tính độ
phân cụm (clustering coefficient) mới. Để kiểm chứng phương pháp đưa ra, khóa luận
thực hiện thí nghiệm trên log files của máy chủ e-mail thực của Đại học Quốc gia Hà
Nội. Kết quả thực nghiệm cho thấy được tính đúng đắn của phương pháp và phương
pháp này có thể khắc phục được nhiều nhược điểm cố hữu của các giải pháp trước đây.

-4-


Mục lục
LỜI CẢM ƠN ............................................................................................ 3
MỞ ĐẦU..................................................................................................... 8
CHƯƠNG 1: TỔNG QUAN VỀ THƯ RÁC ......................................... 10
1.1 Khái niệm thư rác ............................................................................ 10
1.1.1
1.1.2
1.1.3
1.1.4

Thư rác là gì ?..............................................................................................10
Các đặc điểm của thư rác. ...........................................................................11
Phân loại thư rác .........................................................................................12
Những thiệt hại do thư rác gây ra................................................................13

1.2 Các giải pháp cho vấn đề lọc thư rác ............................................... 16
1.2.1 Ban hành các bộ luật chống thư rác ............................................................16
1.2.2 Các phương pháp lọc thư rác trước đây......................................................16

CHƯƠNG 2: KIẾN THỨC CƠ SỞ ....................................................... 26
2.1 Mạng phức hợp (Complex Networks) .............................................. 26
2.1.1 Độ dài đường dẫn trung bình.......................................................................30
2.1.2 Độ phân cụm ................................................................................................31
2.1.3 Độ phân bố bậc ............................................................................................31

2.2 Các mô hình của mạng phức hợp .................................................... 33
2.2.1
2.2.2
2.2.3
2.2.4

Mạng cặp thông thường (Regular coupled networks) .................................33
Đồ thị ngẫu nhiên (Random Graphs)...........................................................34
Các mô hình Small-world ............................................................................36
Các mô hình Scale-free ................................................................................39

2.3 Mạng xã hội (Social Networks)....................................................... 41
2.4 Mạng thư điện tử (Email Networks)................................................ 43
2.4.1 Mạng thư điện tử scale-free. .........................................................................43
2.4.2 Tính chất Small-world của mạng thư điện tử. .............................................44
2.4.3 Mạng thư điện tử là mạng có hướng............................................................46
2.4.4 Sự lan rộng của virus trong mạng thư điện tử .............................................48
2.4.5 Mạng thư điện tử khi bị spam tấn công .......................................................49
-5-

CHƯƠNG 3: ỨNG DỤNG MẠNG THƯ ĐIỆN TỬ TRONG LỌC
THƯ RÁC................................................................................................. 50
3.2 Đề xuất phương pháp....................................................................... 51
3.3 Đặc điểm của phương pháp ............................................................. 53
CHƯƠNG 4: THỰC NGHIỆM TRÊN LOG FILES............................ 55
4.1 Đặc điểm dữ liệu.............................................................................. 55
4.2 Kết quả thực nghiệm và phân tích ................................................... 57
4.3 Nhận xét .......................................................................................... 60
KếT LUậN ................................................................................................... 61

-6-


Bảng từ viết tắt
Từ hoặc cụm từ

Viết tắt

Unsolicited Commercial Email

UCE

Internet Service Provider

ISP

Short Message Service

SMS

Email Service Provider

ESP

Realtime Black hole List

RBL

Multiple Address Processing System

MAPS

eXtensible Markup Language

XML

Domain Name Server

DNS

Sender Policy Framework

SPF

-7-


MỞ ĐẦU

Ngày nay cùng với sự toàn cầu hóa việc kết nối thông tin, thư điện tử (Email)
đã trở thành một phần quan trọng trong đời sống và trong cả các hoạt động kinh doanh
thương mại. Thư điện tử cho phép tiết kiệm thời gian và khắc phục mọi vấn đề về
khoảng cách địa lí, về chi phí trong trao đổi thông tin liên lạc. Chính những thuận tiện
trong trao đổi thư điện tử lại tạo ra một số sơ hở để cho các loại thư không mong muốn
(thư rác: spam mail) hoạt động gây phiền toái cho người dùng. Trong một vài năm gần
đây, những thư điện tử không mong muốn như vậy phát triển và gây ra không ít thiệt
hại cho người dùng nói riêng và cho nền kinh tế - xã hội nói chung. Theo nhiều bản
thống kê [10,15], thư rác đã chiếm tới ¾ tổng số thư điện tử lưu thông trên toàn thế
giới. Có không ít người dùng đã hạn chế sử dụng thư điện tử như một phương tiện liên
lạc, và điều đó đã gây ra sự trở ngại đáng kể cho liên lạc giữa các người dùng cũng
như hạn chế việc phát sinh lợi nhuận chính đáng của nền kinh tế nhờ phương tiện liên
lạc này.
Hiện nay, thư rác đang là một trong những vấn đề nhức nhối của xã hội.
Nhiều phương pháp, công cụ lọc thư rác đã được đề xuất, tuy nhiên nhìn chung các
công cụ lọc thư rác hiện nay vẫn tỏ ra chưa thực sự hiệu quả. Chính vì lý do đó, nhiều
hướng tiếp cận lọc thư rác mới đã được đề xuất [39], kể cả các hướng tiếp cận kết hợp
các phương pháp khác nhau, trong đó hướng tiếp cận theo mạng xã hội là một trong
các hướng nổi bật nhất. Ý thức được điều này, hướng nghiên cứu về các phương pháp
lọc thư rác, tập trung theo hướng tiếp cận mạng thư điện tử đề tài của khóa luận với tên
gọi "Nghiên cứu mạng thư điện tử và ứng dụng trong lọc thư rác".
Khóa luận được tổ chức thành 4 chương như sau:
Chương 1 giới thiệu tổng quan về thư rác và một số hướng tiếp cận điển hình
trước đây trong việc lọc thư rác.
Chương 2 trình bày về một số tính chất quan trọng của mạng phức hợp, mạng
xã hội, mạng thư điện tử. Đây là cơ sở kiến thức để phát triển nội dung của khóa luận
trong các chương sau.
Chương 3 trình bày một phương pháp mới ứng dụng các tính chất của mạng
thư điện tử vào vấn đề lọc thư rác thông qua việc tính hạng phân cụm của các địa chỉ
thư. Các nội dung đề xuất được trình bày chi tiết trong chương này.

-8-


Chương 4 trình bày về thực nghiệm tiến hành với logs file của máy chủ email
tại Đại học Quốc gia Hà Nội. Kết quả thực nghiệm cho thấy địa chỉ thư với độ phân
cụm thấp có khả năng cao là địa chỉ thư rác .
Phần kết luận tổng kết các kết quả chủ yếu của khóa luận và phương hướng
nghiên cứu tiếp theo để phát triển, cải tiến phương pháp mạng thư điện tử được đề xuất.
Cho dù đã cố gắng song không thể tránh khỏi những sai sót, em rất mong
được sự góp ý của thầy cô và các bạn.

-9-


Chương 1

TỔNG QUAN VỀ THƯ RÁC
Từ lâu, thư điện tử (Email) đã trở thành một ứng dụng không thể
thiếu khi Internet và công nghệ mạng phát triển. Đây là điều mà thực tế đã
chứng minh qua những đóng góp của ứng dụng này trong nhiều lĩnh vực
như kinh doanh, thương mại, viễn thông và các dịch vụ cá nhân. Tuy nhiên
trong những năm gần đây, một hình thức mới của thư điện tử đã xuất hiện
với số lượng lớn gây phiền hà cho người nhận và những thiệt hại không
nhỏ cho nền kinh tế gọi là thư rác. Chương này sẽ khái quát các vấn đề về
khái niệm thư rác, ảnh hưởng của thư rác trong cuộc sống của chúng ta và
các phương pháp ngăn chặn thư rác.

1.1 Khái niệm thư rác
1.1.1 Thư rác là gì ?
Thư rác (spam) là một loại thư được gửi với số lượng lớn, theo chủ ý của

người gửi, hoàn toàn không có sự liên hệ gì với người nhận.
Đứng trên quan điểm của người gửi, đó là một hình thức giửi thư theo số
lượng lớn (nên gọi là bulk email) cho một danh sách địa chỉ chọn lọc ra từ các diễn
đàn (Usenet discussion group), các danh sách thư (mailing list)… Hiện nay cũng có
nhiều công ty mà công việc kinh doanh chính là nhận gửi thư rác cho khách hàng của
họ.
Về phía người nhận, đa phần các bức thư này không có giá trị và thật sự
không được mong muốn, chúng bị coi như một thứ rác rưởi, tạp nham (xuất phát từ
cụm junk email). Phần lớn các thư này có nội dung quảng cáo thương mại cho một loại
sản phẩm hay dịch vụ nào đó, những bức thư này được gọi là UCE (Unsolicited
Commercial Email).
Thư rác hiện nay thường có nội dung: quảng cáo thương mại và dịch vụ, quấy
nhiễu, phát tán virus và những nội dung không lành mạnh (khiêu dâm, chống phá
chính trị…).

- 10 -


Việc gửi thư rác làm cho người nhận phải mất thời gian và phải trả tiền cho
nhà cung cấp dịch vụ Internet ISP (Internet Service Provider) để đọc những bức thư
không liên quan. Đôi khi những bức thư có chứa virus có thể phá hủy cả hệ thống dữ
liệu trong máy tính. Ngoài ra, tài nguyên (đường truyền, máy chủ) của ISP cũng bị
chiếm dụng nhiều khi gửi thư rác.

1.1.2 Các đặc điểm của thư rác.
Các loại thư rác hiện nay có một số đặc điểm sau:
¾

Thư rác được gửi đi một cách tự động: Mục đích của những kẻ gửi thư rác
(spammer) là có thể phát tán lượng thư rác tới người dùng càng nhiều càng tốt.

Do vậy, chúng thường viết ra những phần mềm tự động gửi một lượng lớn thư
rác trong một khoảng thời gian ngắn.

¾

Thư rác được gửi đến những địa chỉ ngẫu nhiên trên một diện rộng. Địa chỉ
email của người bị nhận thư rác rất ngẫu nhiên và dường như giữa họ không có
mối quan hệ với nhau. Có nhiều phương pháp và thủ thuật khác nhau mà những
kẻ gửi thư rác áp dụng trong việc dò tìm địa chỉ email của người dùng như:
ƒ

Dùng chương trình tự động dò tìm địa chỉ email trên mạng Internet, các
trang chủ, Newsgroup, Chat room....

ƒ

Mua địa chỉ email từ những công ty đã xây dựng danh sách khách hàng
của họ nhưng vì lý do nào đó phải bán đi hoặc đối tác của công ty được
phép truy cập danh sách khách hàng của công ty này để gửi thông tin về
dịch vụ hay sản phẩm.

ƒ

Email chuỗi (Chain letter) từ bạn bè và người thân, yêu cầu gửi thư cho
càng nhiều người càng tốt vì lý do thương người, ủng hộ một chương
trình nào đó, hoặc mời chào người dùng nếu gửi cho nhiều người sẽ
được nhận nhiều tiền hơn.

ƒ

Dùng chương trình đoán tên tự động: Những kẻ gửi thư rác dùng chương
trình này gửi email liên tục vào một nơi để đoán địa chỉ email qua những
phương pháp như E-pending, Dictionary hay Alphabet.

Bên cạnh đó, những kẻ gửi thư rác còn có thể có được địa chỉ email của người
dùng do:

- 11 -


ƒ

Các nhà cung cấp dịch vụ ISP không có chính sách và công nghệ bảo
mật, dẫn đến các tin tặc (hacker) ăn cắp địa chỉ của khách hàng để buôn
bán và quấy nhiễu. Hoặc có thể do chính nhà cung cấp ISP buôn bán địa
chỉ email của khách hàng để kiếm lợi nhuận. Nhân viên của các ISP đã
tiết lộ thông tin về khách hàng cho các đối thủ cạnh tranh của chính ISP
đó, hoặc cho những công ty muốn quảng cáo cho những khách hàng
riêng biệt.

ƒ

Chính người dùng cung cấp địa chỉ email của mình qua những lần đăng
kí thành viên trên Internet hoặc trên giấy tờ các dịch vụ mà chẳng bao
giờ dùng, những cuộc xổ số mà chẳng bao giờ biết quả, hoặc những bản
tin điện tử (newsletter) vô nghĩa.

¾

Nội dung của thư rác thường là những nội dung bất hợp pháp, gây phiền hà

cho người dùng. Phần lớn nội dung của thư rác là những thông tin mời chào về
thương mại, quảng cáo sản phẩm. Bên cạnh đó, phải kể đến những thư rác có
nội dung xấu (như khiêu dâm, chống phá chính trị...) gây tâm lý lo ngại cho
người làm công nghệ thông tin. Lượng thư rác phát tán virus cũng không nhỏ.
Trong những thư này thường được gắn kèm những con virus nguy hiểm có thể
làm tê liệt hoàn toàn máy tính của người dùng, ăn cắp những thông tin cá nhân
hoặc làm hỏng dữ liệu lưu trên máy. Hiện nay, những thư rác với nội dung hứa
hẹn mang đến một khoản tiền lớn cho người đọc thư rác đã tăng nhanh. Những
người dùng kém hiểu biết, cả tin thường bị lừa bởi hình thức này.

¾

Địa chỉ của người gửi thư rác thường là những địa chỉ trá hình. Để tránh sự
nghi ngờ của người nhận, một số kẻ gửi thư rác thường giả dạng địa chỉ của
một người dùng bình thường trong một máy chủ email nào đó một cách bất hợp
pháp hoặc dùng một địa chỉ ảo nào đó để gửi thư rác.

1.1.3 Phân loại thư rác
Việc phân loại thư rác rất quan trọng không chỉ trong lĩnh vực tạo những bộ
lọc thư rác phù hợp cho hiệu quả cao mà còn giúp cho việc ban hành các bộ luật chống
thư rác thích hợp.
Có rất nhiều cách phân loại thư rác. Dưới đây là một số loại điển hình nhất.
1> Dựa trên kiểu phát tán thư rác

- 12 -


Tính tới thời điểm hiện tại, thư rác có thể bị gửi thông qua những hình thức thư
điện tử, nhóm thảo luận (newsgroups), điện thoại di động (Short Message
Service - SMS) và các dịch vụ gửi tin nhắn trên mạng (như Yahoo Messenger,

Windows Messenger...).
2> Dựa vào quan hệ với người gửi thư rác

Các mối quan hệ với người gửi thư rác bao gồm người lạ mặt, bạn bè, người
quen và các dịch vụ quyên góp giúp đỡ…
3> Dựa vào nội dung của thư rác.

Các kiểu nội dung phổ biến như thư về thương mại, thư về chính trị, thư về
công nghệ, chuỗi thư (chain email) và các loại khác (như thư phát tán virus...).
4> Dựa trên động lực của người gửi

Thông thường, thư rác được gửi đi cho những mục đích quảng bá thông tin.
Ngoài ra, còn có một số loại thư rác được gửi tới một người nhận xác định nào
đó nhằm mục đích phá vỡ và gây cản trở công việc của người nhận hay mạng
của nhà cung cấp dịch vụ thư điện tử ESP (Email Service Provider) được gọi là
“bom thư”. Thư rác còn được cố ý gửi đi nhằm thông báo tin sai lệch, làm xáo
trộn công việc và cuộc sống của người nhận.

1.1.4 Những thiệt hại do thư rác gây ra
Các khảo sát cho thấy thư rác hiện chiếm hơn một nửa số email qua lại hàng
ngày trên Internet và chính thư rác là nguồn lây lan virus nhanh nhất. Thiệt hại do
chúng gây ra rất lớn.
Năm 2003, báo cáo của Hội thảo Thương mại và Phát triển của Liên Hiệp
Quốc cho thấy thiệt hại do thư rác gây ra khoảng 20,5 tỷ USD. Các hãng diệt virus
cũng đưa ra ước tính thiệt hại của các cuộc tấn công do virus năm 2001 là 13 tỷ USD,
năm 2002 khoảng từ 20 - 30 tỷ USD. Chi phí để khắc phục sự cố do virus gây ra trong
các doanh nghiệp được điều tra ngẫu nhiên ở Mỹ năm 2002 là 81.000 USD, đến năm
2003 đã tăng lên 100.000 USD. Trên 3/4 số doanh nghiệp cho rằng sự cố virus đã gây
tổn hại nhất định đến năng suất làm việc và 2/3 cho biết ảnh hưởng chủ yếu của mỗi
vụ tấn công là làm cho máy tính không thể truy cập được. Những ảnh hưởng khác của

virus là làm hỏng file và không thể truy xuất dữ liệu.

- 13 -


Theo thống kê toàn cầu của hãng nghiên cứu Ferris Research (San Francisco),
thư rác gây thiệt hại 50 tỷ USD trong năm 2005. Chỉ tính riêng ở Mỹ, thiệt hại do thư
rác gây ra đối với các doanh nghiệp ước tính khoảng 17 tỷ USD/năm.
Không chỉ gây thiệt hại về tiền bạc, thư rác còn làm giảm hiệu quả làm việc,
gây stress, tiêu tốn thời gian của nhân viên... Những điều này cũng đồng nghĩa với việc,
năng suất lao động giảm, ảnh hưởng tới tình hình kinh doanh và doanh thu của công ty.
Báo cáo mới công bố của Tổ chức hợp tác phát triển kinh tế OECD cho thấy
thư rác đang là vấn nạn toàn cầu, nhưng ảnh hưởng tới người sử dụng Internet ở thế
giới thứ ba (các nước đang pháp triển) nhiều hơn tại các quốc gia phát triển. Theo phân
tích của OECD một phần nguyên nhân của việc người sử dụng máy tính ở các nước
đang phát triển hay bị virus và thư rác tấn công là do họ thường mua hệ điều hành và
phần mềm chống virus không có bản quyền (do điều kiện kinh tế không cho phép) nên
không thể được cập nhật một cách đầy đủ, không đối phó với những kỹ thuật liên tục
thay đổi của những tên tin tặc (hacker) và những tên gửi thư rác (spammer). Bênh cạnh
đó phải kể đến nguyên nhân thiếu kiến thức, công nghệ và tài chính để đối phó với sự
gia tăng thư rác trên hệ thống liên lạc trong nước, gây thất thoát đáng kể nguồn lực
công nghệ vốn đã yếu và thiếu tại những nơi này. Các ISP nội địa thì thiếu những
chính sách ngăn chặn và xử lý thư rác, trong khi đó, những kênh tiếp vận (relay) và
proxy “mở toang” cùng với vô số máy tính bị nhiễm virus hoặc Trojan trong mạng đã
trở thành những nguồn phát tán thư rác lớn. Hậu quả là người sử dụng phải hứng chịu
tình trạng bất ổn định dịch vụ, gây cản trở quá trình thu hẹp khoảng cách số toàn cầu.
Từ những con số thống kê trên ta có thể thấy, việc thông qua các chế tài pháp
lý quốc tế, đầu tư mạnh vào hệ thống lọc thư rác, thiết lập những trung tâm phản ứng
nhanh liên kết các ISP toàn cầu, đồng thời tăng cường các chiến dịch tuyên truyền
cộng đồng về sự nguy hại và cách đối phó với thư rác là công việc rất quan trọng và

cần thiết.
Ngày nay, spam không phải đơn giản chỉ nằm trong thư điện tử mà còn có cả
trong blog1, còn gọi là spam blogs hay splogs, trên các tin nhắn trực tuyến. Những xu
thế này chính là những hình thức mới của spam có thể phát triển nở rộ trong năm 2006.

1

Blog, gọi tắt của weblog (tiếng Anh, "nhật ký web"), là một dạng đàm luận thời sự trực tuyến, bùng
nổ từ cuối thập niên 1990. Các bloger(người viết blog), có thể là cá nhân hoặc nhóm, đưa thông tin lên
mạng với mọi chủ đề, thông thường có liên quan tới kinh nghiệm hoặc ý kiến cá nhân, chủ yếu cung
cấp thông tin đề cập tới những chủ đề chọn lọc, không giống như các báo truyền thống. Một trang blog
có thể chứa các siêu liên kết, hình ảnh và liên kết (tới các trang chứa phim và âm nhạc).

- 14 -


Ngoài ra, luật phòng chống spam và các bộ lọc spam ngày càng chặt chẽ sẽ khiến cho
những kẻ gửi thư rác phải thay đổi đối tượng tấn công.
Để có thể loại bỏ được thư rác, ta không thể dùng một phương pháp riêng lẻ
nào để loại bỏ tận gốc mà cần áp dụng các phương pháp kết hợp với nhau. Một trong
những cách hữu hiệu nhất để chặn spam là giáo dục người dùng cuối. Khi người sử
dụng đã có kiến thức thì họ sẽ ít bị rơi vào bẫy do những kẻ phát tán thư rác cố tình
giăng ra để khai thác địa chỉ email và duy trì mục đích của chúng.
Một số lời khuyên cho người dùng thư điện tử:
ƒ

Yêu cầu và đòi hỏi những nhà chức trách có những luật lệ nghiêm cấm thư
rác và có những hình phạt thích đáng cho những kẻ cố tình.

ƒ

Mỗi người dùng nên dùng nhiều địa chỉ email. Đây là phương pháp khá hiệu
quả. Người dùng nên dùng các địa chỉ email khác nhau cho các mục đích
khác nhau. Chẳng hạn, tạo một địa chỉ email cho công việc, một cho cá nhân,
và một để đăng ký các dịch vụ, thông tin trên internet. Bằng cách này, người
dùng có thể suy luận ra được địa chỉ nào bị lộ sau khi đăng ký các dịch vụ
và tránh được chúng sau này.

ƒ

Hạn chế đăng ký các dịch vụ vô ích. Người dùng nên tìm hiểu và đọc kỹ
thông tin về dịch vụ trước khi cung cấp địa chỉ email của mình, cần chắc
chắn là dịch vụ này cho phép lựa chọn “không nhận email quảng cáo từ các
đối tác của nhà cung cấp dịch vụ”.

ƒ

Kích hoạt các dịch vụ chống thư rác của ISP. Các ISP thường tích hợp các
công cụ lọc thư rác cũng như chương trình quét virus. Người dùng nên kích
hoạt các dịch vụ này khi dùng Internet. Phương pháp này cũng giúp giảm
bớt được phần nào số lượng thư rác phải nhận mỗi ngày.

ƒ

Cài đặt một số chương trình xử lý thư trong máy tính cá nhân để xóa thư rác
ngay khi chuyển về máy.

ƒ

Bảo vệ mật khẩu của mình bằng cách chọn mật khẩu lạ, khó đoán hoặc

không thể đoán được, trong đó chữ cái xen lẫn con số, chữ hoa xen lẫn chữ
thường.

ƒ

Thường xuyên ghi dự phòng những dữ liệu quan trọng. Đồng thời, cảnh giác
với những thư từ người quen biết nhưng không được báo trước, bởi có thể
chúng được gửi đi mà người kia không biết.
- 15 -


Spam vẫn từng phút gây thiệt hại cho nền kinh tế Internet. Người ta nhận định
rằng sẽ không bao giờ có đích đến cho công cuộc chống spam. Tùy vào ý thức của cư
dân Internet và sức mạnh công nghệ, chỉ có thể hạn chế phần nào nó mà thôi.

1.2 Các giải pháp cho vấn đề lọc thư rác
1.2.1 Ban hành các bộ luật chống thư rác
Thư rác đang gia tăng với tốc độ khủng khiếp và đòi hỏi cần có những biện
pháp cứng rắn phối hợp từ phía chính phủ. Chính vì vậy, việc ban hành các bộ luật
chống thư rác là rất cần thiết và xác đáng.
Hiện nay, có rất ít quốc gia trên thế giới có luật bảo vệ người dùng dưới sự tấn
công của thư rác. Về mặt luật pháp đối với thư rác, Mỹ là nước đi đầu với bộ luật quy
định về “Email không do yêu cầu” (Unsolicited Electronic Mail Act), theo sau đó là
Khối Cộng đồng chung Châu Âu với bộ luật mẫu về Thương mại Điện tử và Quảng
cáo trên Internet. Hai bộ luật này đều dựa trên những luật căn bản như Quyền riêng tư,
Bảo vệ Thông tin cá nhân và Quy định Thư tín/Giấy tờ Điện tử. Cả hai đều có những
điểm chung là bắt buộc người gửi email không được mời phải nêu rõ mục đích và nội
dung trong phần tiêu đề (Subject) để người nhận có thể xác định thông tin ngay và
đồng thời phải có thông tin cho phép người nhận được quyền rút tên khỏi danh sách
email nếu muốn. Thêm vào đó, những công ty hoặc người gửi thư rác phải hiểu và

nắm vững chính sách quản lý thư rác/quảng cáo của mỗi ISP mà họ gặp phải.
Ở Việt Nam, chúng ta chỉ mới công nhận tính chất pháp lý của thư điện tử
trong bộ Luật Hình sự, nhưng chưa có luật quy định và nghiêm cấm các hình thức gửi
thư rác. Theo dự kiến, Pháp lệnh Thương mại điện tử và các dịch vụ liên quan đang
được xây dựng, dự kiến sẽ trình Quốc hội phê chuẩn trong thời gian tới, trong đó sẽ có
một số điều khoản quy định về thư rác được đưa ra xem xét.

1.2.2 Các phương pháp lọc thư rác trước đây
Vấn đề thư rác là vấn đề gây nhức nhối trong xã hội trong những năm gần đây.
Nhiều nhà khoa học và nhiều công trình nghiên cứu về phương pháp lọc thư rác đã
được đầu tư và tiến hành từ khá lâu.
Để đánh giá hiệu quả của một công cụ lọc thư rác người ta thường dựa trên
hai độ đo sau:
o False Positive – Tỷ lệ thư thường bị lọc nhầm thành thư rác.
- 16 -


o False Negative – Tỷ lệ thư rác bị lọc nhầm thành thư thường.
Trong hai lỗi trên thì lỗi False Positive là loại lỗi cần tránh nhất, người dùng
thường không chấp nhận lỗi này. Các công cụ lọc thư rác thường được tính toán sao
cho độ đo False Positives và False Negatives là nhỏ nhất. Tuy nhiên, lỗi False
Positives có phần được yêu tiên hơn. Một bộ lọc lý tưởng là sản phẩn có False
Positives bằng 0 và False Negatives bằng 0. Điều này dường như là không thể.
Tất cả những công cụ lọc có giá trị ngày nay thường sử dụng một trong số
những phương pháp hoặc kết hợp của các phương pháp sau:
. Phương pháp lọc theo từ khóa
Phương pháp lọc thư rác theo từ khóa là một phương pháp truyền thống trong
việc lọc thư rác. Người ta dựa vào những từ hay cụm từ có trong đầu đề của thư
(subject) và nội dung của thư để lọc.
Khi một thư mới được gửi tới hòm thư của bạn, bạn phải tạo một bộ lọc mới

đơn giản bằng cách chọn một số từ hoặc cụm từ trong nội dung thư. Các từ hay cụm từ
này sẽ xác định đó là thư rác hay không. Vì mục đích của tất cả spam cơ bản là giống
nhau (bán hoặc quảng cáo một sản phẩm hay một dịch vụ) và nội dung của hầu hết
spam đều mang các đặc điểm chung. Những cụm từ, câu chữ như “Silk ties” (Cà vạt
lụa) hoặc “Eliminate debt” (Xoá nợ) xuất hiện thường xuyên trên spam và được coi
những cụm từ thường xuyên xuất hiện nhất trong các bức thư không mong muốn. Các
đặc điểm nội dung khác để nhận diện spam như yêu cầu hành động như “Fin out how,
click here” hoặc thông báo huỷ như “If you want to be removed from our mailing
lists…”.
Một vài năm gần đây, những kẻ gửi thư rác đã bắt đầu nhận ra rằng thư rác
của chúng đã bị chặn bởi bộ lọc theo từ khóa này. Do vậy những kẻ gửi thư rác này đã
thay đổi cách viết nội dung của thư rác nhằm làm cho thư rác của chúng có thể “xuyên
qua” các bộ lọc. Điều này có thể giải thích tại sao bạn nhận nhiều thư với những từ
như "Vi@gra", "Mort.gage", "L|0|a|n|$" hay những tranh ảnh được nhúng vào trong
thư.
Phương pháp này có một số ưu điểm và nhược điểm sau:
Ưu điểm:
ƒ Tính thích nghi: Người dùng có thể dễ dàng biến đổi bộ lọc của mình để
nó có thể lọc các kiểu thư rác mà người đó đang phải nhận và điều quan
- 17 -


trọng là nó không cản trở (thích nghi) các từ và các cụm từ được sử dụng
hàng ngày trong kinh doanh thương mại với bạn bè hay những người
thân quen.
Nhược điểm:
ƒ Yêu cầu nhiều tiến trình xử lý bằng tay để điều chỉnh và duy trì bộ lọc
được hiệu quả. Để có thể đánh lừa các bộ lọc, những kẻ gửi thư rác luôn
luôn thay đổi hình thức nội dung của thư rác, do đó những bộ lọc mở
rộng phải được tạo ra để chống lại điều đó.

. Phương pháp lọc Bayesian
Lọc bằng thống kê Bayesian là đánh giá xem những từ ngữ trong một email
sắp được chuyển đến có thường xuyên xuất hiện trên thư rác (spam) hay thư hợp pháp
(ham) không. Một cách hiệu quả giúp lọc chính xác là người dùng thông báo cho
chương trình lọc bất kỳ thư rác nào mà đã may mắn “thoát” đợt “truy quét” đầu tiên.
Lần lọc sau, chắc chắn nó sẽ không thể trốn thoát qua bộ lọc.
Bộ lọc Bayesian phải được học từ những email được xác định trước là thư tốt
hay thư không tốt. Trong suốt quá trình cho bộ lọc học, nội dung của các thư này được
tách các từ tố (token) và lưu vào trong một cơ sở dữ liệu. Dựa vào công thức Bayes,
mỗi từ tố được tính cho một giá trị phụ thuộc vào một số tiêu chuẩn sau:
-

Mức độ thường xuyên xuất hiện của từ tố đó trong thư rác

-

Mức độ thường xuyên xuất hiện của từ tố đó trong thư bình thường

-

Số lượng thư rác mà bộ lọc đã được học

-

Số lượng thư bình thường bộ lọc đã được học.

Khi phân tích một thư rác đến, nội dung của thư này cũng được tách ra thành
các từ tố, tra giá trị ứng với từ tố này có trong cơ sở dữ liệu từ đó tính được xác suất
tổng hợp xem thư đó có phải là thư rác không. Giá trị này thường gọi là “spamicity”
Ưu điểm:

ƒ Yêu cầu sự duy trì ít hơn các bộ lọc khác.
ƒ Bộ lọc có thể tự động thích nghi với các hướng thay đổi của thư rác. Bởi
vì, bộ lọc Bayesian luôn tiếp tục học từ những thư mới đến, chúng sẽ tự
thích nghi dần dần với các hướng thay đổi.

- 18 -


ƒ Tự động điều chỉnh phù hợp với hòm thư của những người dùng riêng
biệt. Thí dụ, nếu người dùng là nhân viên cho vay lãi thì những thư lặp
đi lặp lại yêu cầu cho vay sẽ không bị xác định như là thư rác
Nhược đỉểm:
ƒ Bộ lọc chỉ lọc tốt đối với những kiểu thư mà chúng đã được học. Để có
thể đạt tới khả năng là một bộ lọc tốt, nó cần có thời gian học khá lâu và
một lượng dữ liệu thư đủ phong phú. Các thư rác mới phải thường xuyên
được cập nhật.
. Phương pháp lọc SpamAssassin
Phương pháp lọc SpamAssassin bao gồm một tập các chương trình lọc và các
luật để xác định và đánh dấu thư rác.
Để xác định một thư mới đến có phải là thư rác hay không, nó dùng đầu đề
(header) và nội dung của thư rồi dựa trên tập các luật được xác định trước và những kí
hiệu dấu câu đặc biệt (tell-tale), xem thư có vi phạm các luật này không sau đó tính
điểm đối với từng thư. Từ kết quả thu được, xác định được một thư là thư rác hay thư
thường.
Ưu điểm:
ƒ Tỉ lệ lọc thư rác của phương pháp SpamAssassin rất cao
Nhược điểm:
ƒ Phương pháp SpamAssassin tiêu tốn khá nhiều tài nguyên (khối điều
khiển trung tâm CPU, bộ nhớ, thời gian xử lý) của máy chủ, đặc biệt khi
phải xử lý những email có dung lượng lớn. Cấu hình để SpamAssassin

hoạt động tốt, đồng thời giảm nhẹ sự tiêu tốn tài nguyên cho máy chủ là
một vấn đề quan trọng.
. Phương pháp dùng danh sách trắng/đen
Đây là phương pháp cơ sở của các bộ lọc thư rác. Tuy nhiên, ngày nay người
ta ít khi sử dụng nó một cách đơn lập mà được dùng kết hợp với các phương pháp lọc
khác như là một phần của hệ thống bộ lọc tích hợp.
Bộ lọc danh sách trắng (Whitelist filter) sẽ không chấp nhận những email từ
bất cứ địa chỉ nào nếu không có trong danh sách được chắc chắn là những địa chỉ
email (hoặc địa chỉ IP) tốt.
- 19 -


Bộ lọc danh sách đen (Blacklist filter), ngược lại sẽ cho phép những thư đến
từ bất cứ địa chỉ email (hoặc địa chỉ IP) nào trừ những địa chỉ được liệt kê trong danh
sách được biết đến như là địa chỉ email (hoặc địa chỉ IP) xấu. Danh sách đen có thể
được lưu trữ và được quản lý trên những hệ thống địa phương hoặc ánh xạ thông qua
mạng Internet.
Ưu điểm:
ƒ Danh sách trắng bảo đảm ngăn những email từ những nguồn không
mong muốn.
ƒ Với bộ lọc thư rác sử dụng danh sách đen được cập nhật thường xuyên
sẽ cho giá trị False Positives bằng 0.
Nhược điểm:
ƒ Bộ lọc sử dụng danh sách trắng là cách loại trừ thư rác mạnh mà không
có tính mềm mỏng. Bất cứ thư nào tới mà không có địa chỉ trong danh
sách này thì đều bị loại thành thư rác, do đó giá trị False Positives
thường cao.
ƒ Các danh sách này không được tạo tự động mà sẽ do người quản trị
thường xuyên cập nhật. Cả Blacklist và Whitelist đều rất khó duy trì và
phương pháp này đặc biệt trở lên không hiệu quả đối với những tấn công

của những kẻ tấn công cố đưa địa chỉ vào Whitelist và chối bỏ địa chỉ
khỏi Blacklist.
Ngày nay, một hình thức ngăn chặn spam mới kế thừa và pháp trển của
phương pháp Blacklist được biết đến đó là Realtime Blackhole List (RBL) của
Multiple Address Processing System (MAPS). Nó có thể nhận biết các máy chủ có
nhiều thư rác do đó nhà cung cấp dịch vụ có thể chặn những máy chủ này và lọc spam
trước khi chúng đến hộp thư khách hàng của họ. Hàng ngàn nhà cung cấp dịch vụ
dùng cơ sở dữ liệu của RBL đồng thời kết hợp nhiều ứng dụng bảo mật thư điện tử
trong máy chủ.
. Phương pháp lọc thư rác dùng chuỗi hỏi đáp (Challenge/Response filters)
Đặc trưng của phương pháp này là khả năng tự động gửi thư hồi đáp cho
người gửi để yêu cầu một số hành động kiểm tra chắc chắn về việc gửi thư của họ.
Chương trình kiểm tra này được đặt tên là “Turing Test” do nhà toán học người anh
tên là Alan Turing nghĩ ra.
- 20 -


Trong một vài năm gần đây xuất hiện của một vài dịch vụ Internet tự động xử
lý hàm Challenge/Response này cho người dùng. Chương trình yêu cầu người gửi thư
phải vào website của họ và trả lời một số câu hỏi đơn giản để xác minh về email mà
người này đã gửi.Việc này chỉ được yêu cầu trong lần gửi thư đầu tiên. Đáp ứng hàm
Challenge/Response này rất đơn giản và không có gì khó khăn khi một người dùng
muốn gửi thư cho một người khác nhưng nó không mấy dễ dàng cho những kẻ gửi thư
rác muốn phát tán một lượng lớn thư rác đi.
Ưu điểm:
ƒ Đối với một số người dùng có lượng thư trao đổi thấp, hệ thống đơn lẻ
này có thể chấp nhận được như một phương pháp hoàn hảo để loại trừ
hoàn toàn thư rác từ hòm thư của họ.
Nhược điểm:
ƒ Người dùng thường cảm thấy không thuận tiện.

ƒ Những kẻ gửi thư rác có thể viết những chương trình trả lời tự động
những chuỗi hỏi đáp trên.
. Phương pháp lọc dựa vào vị trí của các bộ lọc (Filter Placement)
Có 3 mô hình chính cho bộ lọc được sắp đặt:
a. Bộ lọc tích hợp với máy trạm email của người dùng:
Nhiều bộ lọc thư rác được tích hợp với các máy trạm email chẳng hạn như
Outlook hoặc outlool Exprees.
Ưu điểm:
ƒ Tối thiểu sự ảnh hưởng đối với những thói quen đọc thư thông thường
của người dùng. Thư rác thường bị di chuyển tới một thư mục “Junk
Mail”. Người dùng có thể xem lại hoặc xóa spam lưu trong thư mục này
đi một cách dễ dàng.
Nhược điểm:
ƒ Người dùng chỉ có thể sử dụng với máy trạm của email hiện tại của mình.
ƒ Không mềm dẻo: thường đưa cho người dùng giới hạn để chọn những
cảnh báo. Thí dụ, khi người dùng đang chạy Microsoft Outlook với một
bộ lọc thư rác tích hợp, bất cứ khi nào một thư rác tới, người dùng vẫn bị
cảnh bảo một thư mới tới. Người dùng phải vào chương trình Outlook để
- 21 -


xác nhận xem thư mới đến đó là thư rác và không phải là một email quan
trọng. Người dùng không thể điều chỉnh để tạo một cảnh báo khác có thể
nghe thấy giữa những email tốt và xấu hoặc chỉ cảnh báo những email
tốt khi những email được gửi tới hòm thư trước khi chúng hoạt đông
chống lại bởi bộ lọc và di chuyển tới một thư mục riêng biệt.
b. Các bộ lọc hoạt động như là một “proxy” giữa máy chủ email và máy trạm
email của người dùng
Bộ lọc này chạy bên trong máy của người dùng, định kì thăm dò máy chủ
email, lấy ra những email của người dùng và nó được lọc trên máy chủ email trước

khi những email này được gửi tới máy trạm email bình thường của người dùng và
được lọc một lần nữa.
Ưu điểm:
ƒ Dễ thay đổi: Các thư trước khi được gửi tới người dùng nó có thể đánh
dấu, di chuyển hoặc xóa bởi máy chủ email trước khi chúng được nhìn
thấy bởi máy trạm email của người dùng.
ƒ Bảo mật: chúng tương ứng như một tầng khác ở giữa Internet và máy
trạm email của người dùng. Chúng sẽ không chạy bất cứ một ứng dụng
nào hay chạy một tập lệnh nào đó được tìm thấy trong thư.
Nhược điểm:
ƒ Sử dụng hiệu quả phương pháp này đòi hỏi tắt chế độ tự động kiểm tra
trên máy trạn email của người dùng vì thế proxy phải thay đổi để làm
việc trên máy chủ đầu tiên.
ƒ Thông tin tài khoản email cần được cài đặt trong bộ lọc cũng như trong
máy trạm email của người dùng.
c. Bộ lọc dựa trên máy chủ
Những bộ lọc này thường chỉ được sử dụng trong một nhóm hoặc môi trường
làm việc kinh doanh hơn là ở trong gia đình. Tất cả email đến đều thông qua máy
chủ trung tâm. Tại máy chủ trung tâm này, email được lọc bởi bộ lọc dựa trên máy
chủ và những người dùng riêng biệt nhận thư của họ trên màn hình nền của máy họ
lấy từ máy chủ trung tâm.
Ưu điểm:

- 22 -


ƒ Việc quản lý trung tâm của tất cả các luật lọc thư bảo đảm tính an toàn
trong mạng.
ƒ Những người dùng riêng biệt không phải chịu trách nhiệm cũng như
không phải lo lắng đến sự quản lý thư rác, giải phóng họ để họ có thể

yên tâm trong công việc với trao đổi thư điện tử.
Nhược điểm:
ƒ Thường yêu cầu nhiều tới sự duy trì và cầm có một người quản trị mạng
có khả năng và kinh nghiệm để quản lý bộ lọc thư rác này.
ƒ Thường đắt hơn.
. Phương pháp lọc dựa trên xác nhận danh tính của người gửi
Giả mạo thư điện tử - là việc giả mạo địa chỉ thư điện tử của một công ty hoặc
của một người khác để khiến người sử dụng tin tưởng và mở thư - đang là một trong
những thử thách lớn nhất mà cộng đồng sử dụng Internet và các kỹ thuật viên chống
thư rác hiện đang phải đối mặt. Nếu không có sự thẩm định quyền, xác nhận và khả
năng truy tìm danh tính của người gửi, các hãng cung cấp dịch vụ thư điện tử không
bao giờ có thể biết chắc một bức thư là hợp pháp hay bị giả mạo. Do đó việc xác nhận
danh tính của người gửi là rất cần thiết. Để xác nhận danh tính của người gửi người ta
đưa ra một số giải pháp sau:
a. Phương pháp DomainKeys
Phương pháp DomainKeys có thể giúp phân định rõ thư rác và thư thường
bằng cách cung cấp cho các hãng cung cấp dịch vụ thư điện tử một cơ chế xác nhận cả
tên miền của mỗi người gửi thư điện tử và sự liêm chính của mỗi bức thư được gửi đi
(ví dụ như các thư này không bị thay thế trong khi được truyền qua mạng). Và, sau khi
đã xác nhận được tên miền, người ta có thể so sánh tên miền này với tên miền mà
người gửi sử dụng trong ô “Người gửi” của bức thư để phát hiện các trường hợp giả
mạo. Nếu đây là trường hợp giả mạo, thư đó sẽ bị coi là thư rác hoặc gian lận, và có
thể bị loại bỏ mà không ảnh hưởng tới người sử dụng. Nếu đây không phải là thư giả
mạo, có nghĩa là tên miền được biết đến và tên miền gửi thư đó có thể được được đưa
vào danh sách những tên miền đáng tin cậy và được đưa vào các hệ thống quy định
chống thư rác được sử dụng chung giữa các hãng cung cấp dịch vụ và thậm chí đưa ra
cho cả người sử dụng.
b. Phương pháp Call-ID
- 23 -

Caller ID là một tiêu chuẩn đặt ra trong quá trình gửi thư. Tiêu chuẩn này đòi
hỏi người gửi thư điện tử phải cung cấp địa chỉ IP của máy chủ gửi thư theo dạng
XML vào bản ghi DNS trên máy chủ tên miền của họ. Máy chủ nhận thư điện tử và
máy khách nhận bức thư đó sẽ kiểm tra địa chỉ gửi thư trong tiêu đề bức thư với địa
chỉ đã được công bố để xác nhận máy chủ gửi thư. Các bức thư không khớp với địa chỉ
nguồn sẽ bị loại bỏ. DNS là hệ thống diễn dịch các địa chỉ IP số sang các tên miền
Internet có thể đọc được.
c. Phương pháp SPF (Sender Policy Framework) - dựa trên cơ cấu chính sách người
gửi
Chuẩn SPF cũng yêu cầu người gửi thư điện tử phải sửa đổi DNS để cho biết
máy chủ nào có thể gửi thư từ một tên miền Internet nhất định. Tuy nhiên, SPF chỉ
kiểm tra sự giả mạo khi bức thư trong quá trình chuyển thư hay còn gọi là ở mức
“ngoài phong bì”, xác minh địa chỉ “phản hồi” của một bức thư, thường được máy chủ
nhận thư gửi trở lại trước khi tiếp nhận phần nội dung thư, sau đó sẽ thông báo tới máy
chủ nhận thư để loại bỏ bức thư.
Trong đặc tả kỹ thuật kết hợp hai tiêu chuẩn, các công ty gửi thư điện tử sẽ
công bố địa chỉ máy chủ thư điện tử của họ trong bản ghi DNS dưới định dạng Ngôn
ngữ đánh dấu mở rộng (XML). Các công ty sẽ có thể kiểm tra sự giả mạo ở mức
phong bì (cũng giống như trong đề xuất SPF) và trong phần nội dung thư (theo đề xuất
của Microsoft).
Kỹ thuật này sẽ cho phép các công ty sử dụng cách thức của SPF để loại bỏ
thư rác trước khi chúng được gửi đi, nếu sự giả mạo bị phát hiện ngay ở mức phong bì.
Với những bức thư đòi hỏi sự kiểm tra kỹ hơn trong nội dung thư, thì phương pháp
Caller ID sẽ được sử dụng. Đề xuất này cũng sẽ hỗ trợ các tên miền đã có sẵn những
bản ghi SPF là văn bản, không theo định dạng XML.
. Phương pháp lọc thư rác mới dựa trên mạng Xã hội
Các nghiên cứu gần đây đã bắt đầu khai thác thông tin từ mạng xã hội cho
việc xác định thư rác bằng cách xây dựng một đồ thị (các đỉnh là địa chỉ email, cung
được thêm vào giữa 2 node A và B nếu giữa A và B có sự trao đổi thư qua lại). P.O.

Boykin và V. Roychowdhury đã sử dụng một số tính chất đặc trưng của mạng xã hội
để xây dựng một công cụ lọc thư rác [6].
Đầu tiên, người ta phân đồ thị thành các thành phần con rồi tính độ phân cụm
cho từng thành phần này. Mỗi thành phần con là một đồ thị mạng xã hội của một node,
- 24 -


bao gồm tất cả các node hàng xóm (các node xung quanh có cung liên kết với node
này) và những cung liên kết giữa các node hàng xóm này với nhau. Nếu thành phần
nào có độ phân cụm thấp thì node tương ứng với thành phần đó là một địa chỉ gửi thư
rác. Trong thành phần mạng xã hội của những node gửi thư rác, những node hàng xóm
của nó thường là những node rất ngẫu nhiên, không có mối quan hệ (không có sự trao
đổi email qua lại với nhau) nên độ phân cụm của mạng xã hội của những node này rất
thấp. Ngược lại, mạng xã hội ứng với những người dùng bình thường các node hàng
xóm của nó có mối liên kết cao với nhau nên có độ phân cụm cao hơn.
Dựa vào độ phân cụm, người ta tạo được danh sách đen (Blacklist) gồm địa
chỉ email tương ứng với những node có độ phân cụm rất thấp, danh sách trắng
(Whitelist) ứng với node có độ phân cụm cao, số node còn lại sẽ được đưa vào danh
sách cần xem xét (Greylist). Phương pháp này có thể phân loại được 53% tổng số
email một cách chính xác là ham hay spam. Nhược điểm của phương pháp là những
spammer có thể xây dựng mạng xã hội của chính họ nên khó có thể phát hiện ra.
Cho đến nay, một bộ lọc thư rác được xem là hoàn hảo vẫn chưa được tạo ra,
và việc tạo ra một bộ lọc thư rác hoàn hảo cho mọi thời đại dường như là thể không
thể. Bởi, cuộc chiến không ngừng giữa những tên gửi thư rác và những bộ lọc làm cho
siêu bộ lọc thư rác của hôm nay có thể trở thành cái lỗi thời của ngày mai. Bộ lọc thư
rác mạnh nhất sẽ là bộ lọc sử dụng kết hợp nhiều bộ lọc khác, hoặc tất cả các thuộc
tính đã liệu kê ở trên đây.

- 25 -