Die Tricks der Spammer
Die Tricks der Spammer
Die Tricks der Spammer
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
30<br />
s<br />
KNOW-HOW<br />
»Melatih filter Bayes agar lebih optimal<br />
Sebuah filter Bayes yang cerdas memblokir<br />
spam dengan baik. Tips berikut ini berguna<br />
untuk melatihnya agar lebih optimal:<br />
✓ Rancang model “pembelajaran" yang<br />
solid yang terbagi dalam kelompok baik<br />
("ham") dan buruk ("spam"). Untuk permulaan<br />
jumlahnya cukup 30 e-mail.<br />
✓ Perbandingkan antara e-mail yang<br />
valid dengan sistem yang tidak diawasi,<br />
jika memungkinkan.<br />
✓Batasi basis data pada filter sekitar<br />
1.000 e-mail, karena indeks yang terlalu<br />
besar justru akan menghambat kinerja.<br />
✓ Apabila pengkategorian e-mail baik<br />
dan buruk memiliki kesalahan, koreksi<br />
dengan segera pada program Antispam<br />
mengirimkan pesan massal secara dalam<br />
waktu singkat. Selain itu ide kreatif lainnya<br />
adalah menutup seluruh links yang ditemukan<br />
dalam e-mail spam, membandingkannya<br />
dengan blacklist (DNSBL),<br />
dan bila cocok, URL terkait sebaiknya<br />
diakses sebanyak mungkin (filter that fight<br />
back). Hal tersebut menyebabkan banjir<br />
data pada website pembuat spam yang<br />
menimbulkan biaya traffic dan koneksi<br />
yang tidak sedikit.<br />
Apabila hanya satu dari sepuluh pengguna<br />
melakukan hal tersebut, biaya yang<br />
tinggi akan ditanggung oleh pengirim<br />
iklan tersebut karena tidak adanya pemesanan<br />
yang terjadi. Bagaimana cara kerja<br />
detail dari filter yang dapat membalas ini<br />
digambarkan oleh seorang pemikir awal<br />
metode filter Bayes yaitu Paul Graham di<br />
website-nya dengan alamat www.paulgraham.com/ffbfaq.html.<br />
s<br />
Info:<br />
www.iks-jena.de/mitarb/lutz/<br />
usenet/teergrube.html<br />
<strong>Die</strong> Trik-trik <strong>Tricks</strong> <strong>der</strong> spammer <strong>Spammer</strong><br />
yang aman. Sayangnya sampai kini<br />
masih ditemui sistem yang tidak terkonfigurasi<br />
dengan baik sehingga<br />
dengan mudah menjadi incaran para<br />
spammer yang berpengalaman.<br />
Bug yang tidak terlihat<br />
Sebuah trik yang juga sering dimanfaatkan<br />
oleh spammer yang<br />
kreatif adalah dengan memanfaatkan<br />
apa yang disebut dengan "web<br />
dan jangan dibiarkan begitu saja karena<br />
filter Bayes akan belajar berdasarkan contoh<br />
yang salah.<br />
✓Apabila kecepatan penting bagi Anda,<br />
sebaiknya hapus dan latih kembali basis database<br />
filter Anda secara periodik, karena email<br />
spam selalu mengubah karakteristiknya.<br />
✓Latih filter Anda terus-menerus dengan<br />
mengoreksi peringkat e-mail yang<br />
salah dikategorikan. Hanya dengan demikian<br />
sistem Anda dapat bereaksi dengan<br />
cepat terhadap spam. Apabila hal<br />
ini tidak dilakukan, maka akan semakin<br />
banyak berita iklan yang masuk ke<br />
mailbox Anda.<br />
Terapi dari luar: Bagaimana provi<strong>der</strong><br />
mail melindungi Anda dari spam<br />
Tidak semuanya mau untuk meng-install<br />
filter spam dan melatihnya secara teratur.<br />
Dalam kasus ini, pekerjaan tersebut dapat<br />
diserahkan kepada provi<strong>der</strong> e-mail. Penyedia<br />
jasa layanan e-mail ternama biasanya<br />
menawarkan jasa tersebut karena berkaitan<br />
dengan daya tarik suatu layanan.<br />
Web.de melindungi mailbox pelanggannya<br />
dengan ‘three way’ filter spam yang<br />
telah dipatenkan dan diklaim dapat membebaskan<br />
Anda dari spam hingga 99 persen.<br />
Seluruh e-mail yang masuk akan diuji<br />
dan disortir ke fol<strong>der</strong> yang tidak diinginkan,<br />
tidak dikenal, dan mailbox. Dengan<br />
demikian e-mail yang ada di mailbox<br />
hanyalah e-mail dari pengirim yang secara<br />
eksplisit ada dalam daftar putih atau yang<br />
dapat dipercaya oleh sistem. Pesan lainnya<br />
melewati filter yang bekerja berdasarkan<br />
teori Bayes dan perbandingan<br />
contoh teks. Selanjutnya<br />
pelanggan dapat<br />
bug" untuk memeriksa atau melakukan<br />
verifikasi terhadap alamat<br />
e-mail yang digunakan. "Web bug"<br />
adalah gambar berukuran kecil,<br />
biasanya hanya 1x1 pixel, yang<br />
disembunyikan dalam e-mail atau<br />
halaman web untuk mengirimkan<br />
data-data si penerima seperti<br />
alamat IP ke pengirim. Caranya:<br />
Sebelum grafik itu dapat ditampilkan<br />
di jendela preview program-<br />
OPEN RELAY<br />
USA<br />
China<br />
Korea<br />
Japan<br />
Taiwan<br />
Deutschland<br />
Großbritannien<br />
Kanada<br />
Italien<br />
Argentinien<br />
mengaktifkan perlindungan premium<br />
spam yang tidak gratis. Setiap harinya<br />
Web.de menyaring spam sekitar dua belas<br />
juta e-mail. Jumlah ini setara dengan 50<br />
persen jumlah e-mail yang masuk ke<br />
provi<strong>der</strong> per harinya.<br />
GMX.net berpromosi dengan "perlindungan<br />
super tujuh lapis untuk menangkal<br />
98 persen junk mail yang tidak diinginkan".<br />
Untuk layanan yang tidak gratis<br />
tersebut (sekitar 2,99 Euro per bulan),<br />
pelanggan akan mendapatkan kombinasi<br />
dari modul-modul seperti filter Bayes,<br />
analisa hea<strong>der</strong>, daftar hitam-putih, dan<br />
sistem pembanding yang didasarkan database<br />
DNSBL. Hasilnya sudah jelas cukup<br />
efektif menangkal berbagai jenis<br />
spam baik yang se<strong>der</strong>hana ataupun yang<br />
‘cerdik’ sekalipun.<br />
Hotmail mengiklankan layanannya dengan<br />
menyodorkan track record mereka<br />
yang sukses. Berkat filter yang diterapkan,<br />
pelanggannya terlindung dari serangan<br />
spam hingga sebanyak 2,4 miliar e-mail.<br />
Jumlah ini setara dengan 80 persen dari<br />
seluruh e-mail yang disalurkan oleh<br />
server MSN.<br />
Pengguna dapat mengkonfigurasi layanan<br />
yang berbasis teknik penyaringan<br />
"smart screen" ini dalam tiga tingkatan,<br />
yang menyandang sebutan "Standard",<br />
"Enhanced", dan "Exlusive". Di balik metode<br />
ini tersimpan sebuah kombinasi dari<br />
teknik daftar putih dan sistem yang<br />
berbasis teori penghitungan kemungkinan<br />
dari Bayes. Sayangnya, filter yang<br />
dapat belajar sendiri tidak diterapkan bagi<br />
semua pengguna secara spesifik sehingga<br />
menjadi tidak efektif karena perilaku<br />
pengguna yang beragam. Aturan untuk<br />
16.421<br />
9.921<br />
8.468<br />
6.233<br />
5.457<br />
5.115<br />
3.661<br />
3.587<br />
25.774<br />
82.981<br />
Surga bagi pengiklan:<br />
<strong>Spammer</strong> menemukan<br />
banyak open relay di<br />
Amerika sehingga dengan<br />
aman dapat mengirimkan<br />
spam anonim tanpa harus<br />
dihantui perasaan cemas<br />
akan dilacak oleh siapa<br />
saja yang berkepentingan.<br />
Sumber: www.ordb.org; Stand: 8.4.04<br />
k