Khóa luận tốt nghiệp: Ứng dụng hệ miễn dịch nhân tạo cho lọc thư rác - Lương Văn Lâm

Chia sẻ: Lâm Ls | Ngày: | Loại File: DOCX | Số trang:59

Thêm vào BST

Báo xấu

160
lượt xem 15
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Chương 1 tổng quan về thư điện tử và thư rác, chương 2 tổng quan về hệ miễn dịch sinh học và hệ miễn dịch nhân tạo, chương 3 xây dựng chương trình lọc thư rác là những nội dung chính trong 3 chương của khóa luận tốt nghiệp "Ứng dụng hệ miễn dịch nhân tạo cho lọc thư rác". Mời các bạn cùng tham khảo để có thêm tài liệu phục vụ nhu cầu học tập và nghiên cứu.

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Khóa luận tốt nghiệp: Ứng dụng hệ miễn dịch nhân tạo cho lọc thư rác - Lương Văn Lâm

1
LỜI CẢM ƠN Để hoàn thành luận văn tốt nghiệp này, em xin bày tỏ lòng biết ơn sâu sắc tới thầy giáo Ths. Nguyễn Văn Trường – Giảng viên Tin học, khoa Toán, Trường Đại học Sư Phạm – Đại học Thái Nguyên, đã định hướng ý tưởng, tận tình giúp đỡ, chỉ bảo em trong suốt quá trình thực hiện luận văn. Em xin chân thành cảm ơn Ban giám hiệu nhà trường, Ban chủ nhiệm khoa Toán cùng toàn thể các thầy, cô giáo trong khoa đã tận tình hướng dẫn, giúp đỡ em thực hiện luận văn. Bên cạnh đó, em xin gửi lời cảm ơn đến gia đình, bạn bè và những người thân đã động viên giúp đỡ em trong suốt quá trình làm luận văn. Trong quá trình tiến hành làm luận văn do chưa có nhiều kinh nghiệm nên không tránh khỏi những thiếu sót và hạn chế. Vì vậy em rất mong nhận được sự góp ý của các thầy cô và các bạn sinh viên để luận văn được hoàn thiện hơn. Em xin chân thành cảm ơn! Thái Nguyên, tháng 04 năm 2015 Sinh viên Lương Văn Lâm 2
DANH MỤC TỪ VIẾT TẮT, KÝ HIỆU Viết tắt, ký hiệu Viết đầy đủ, ý nghĩa HMD Hệ miễn dịch. Negative Selection Algorithm Thuật toán chọn lọc tiêu NSA cực (âm tính) SMTP Simple Mail Transfer Protocol. WEKA Waikato Environment for Knowledge Analysis. HTML HyperText Markup Language. IBM International Business Machines. TP Số lượng email spam kết luận đúng. TN Số lượng email thường kết luận đúng. FP Số lượng email thường kết luận sai thành spam. FN Số lượng email spam kết luận sai thành thường. Acc Độ chính xác tổng thể. DR Tỉ lệ phát hiện. FPR Tỉ lệ dương tính giả. 3
DANH MỤC HÌNH VẼ DANH MỤC CÁC BẢNG MỤC LỤC Trang bìa phụ………………………………………………………………………………..1 Lời cảm ơn………………………………………………………………………..................2 4
MỞ ĐẦU Thư điện tử (email) đã và đang là một trong những phương tiện, công cụ gửi nhận thông tin được sử dụng rộng rãi nhất trên thế giới. Sự phát triển của thư điện tử gắn liền với sự phát triển của ngành khoa học công nghệ thông tin. Thư rác (spam) là những thư điện tử được gửi một cách tự động tới tài khoản (hộp thư) của người dùng với những nội dung không mong đợi, không muốn nhận, không phù hợp hoặc nội dung thư không liên quan tới người nhận. Sự xuất hiện của thư rác gây ra phiền phức, mất thời gian cho người sử dụng bên cạnh đó nó cũng làm cho đường truyền Internet trở nên chậm hơn do số lượng thư rác gửi đi trong một thời điểm là rất nhiều, thư rác cũng là một trong những công cụ phát tán virus máy tính gây ra nhiều hậu quả khó lường về nhiều mặt. Để phòng ngừa và ngăn chặn thư rác, nhiều phương pháp đã được sử dụng tạo ra nhiều phần mềm lọc thư rác, một trong những phương pháp mới đã và đang được nghiên cứu phát triển là ứng dụng HMD nhân tạo (Artificial immune system AIS) – là phương pháp dựa trên nguyên lý, chức năng, mô hình hoạt động của HMD sinh học ở người, với kĩ thuật “học máy” mang lại hiệu quả tương đối cao. Với kĩ thuật này các thư điện tử thông thường hoặc thư rác sẽ được “học” hay “huấn luyện” tạo thành cơ sở dữ liệu để phát hiện các thư rác. Vấn đề đặt ra là cần cải thiện hiệu quả của quá trình học máy, cũng như quá trình nhận dạng và loại bỏ thư rác. Vì vậy, tôi quyết định lựa chọn nội dung nghiên cứu trong khóa luận của mình là: “Ứng dụng hệ miễn dịch nhân tạo cho lọc thư rác”. I. Mục tiêu nghiên cứu Bước đầu tìm hiểu hệ miễn dịch nhân tạo và áp dụng nó cho bài toán lọc thư rác. II. Nhiệm vụ nghiên cứu Nghiên cứu lịch sử phát triển của thư điện tử, những lợi ích và mặt hạn chế mà thư điện tử mang lại. 5
Nghiên cứu về thư rác: quá trình phát triển, cấu trúc, tác hại của chúng… Tìm hiểu nội dung các phương pháp ngăn chặn thư rác, ưu – nhược điểm của các phương pháp. Tìm hiểu nội dung hệ miễn dịch nhân tạo, một số thuật toán trong hệ miễn dịch nhân tạo. Xây dựng chương trình áp dụng một thuật toán của hệ miễn dịch nhân tạo cho lọc thư rác. III. Phương pháp nghiên cứu Nghiên cứu tài liệu: sách, luận văn, một số đề tài nghiên cứu cùng lĩnh vực, những bài báo, diễn đàn chuyên về thư điện tử và hệ miễn dịch nhân tạo. Tham khảo ý kiến thầy giáo hướng dẫn, các bạn sinh viên cùng chuyên ngành. Thử nghiệm cài đặt chương trình và so sánh hiệu quả của chương trình với một số phương pháp khác (trên WEKA) về khả năng phát hiện đúng và tỉ lệ lỗi. IV. Cấu trúc của đề tài Ngoài phần mở đầu và kết luận, đề tài có 03 chương: Chương 1. Tìm hiểu tổng quan về thư điện tử và thư rác. Chương 2. Tìm hiểu tổng quan nội dung hệ miễn dịch sinh học và hệ miễn dịch nhân tạo. Chương 3. Xây dựng chương trình lọc thư rác áp dụng hệ miễn dịch nhân tạo. 6
CHƯƠNG 1 TỔNG QUAN VỀ THƯ ĐIỆN TỬ VÀ THƯ RÁC Chương này trình bày tổng quan về lịch sử phát triển, khái niệm, lợi ích của thư điện tử, cấu trúc chung và các giao thức gửi – nhận thư điện tử. 1.1. Tổng quan về thư điện tử 1.1.1. Lịch sử phát triển Ngày nay thư điện tử (email) là một trong những khái niệm quen thuộc và gần như không thể thiếu đối với hầu hết người sử dụng Internet, hàng tỉ tài khoản thư điện tử đang được sử dụng cho thấy thư điện tử là một công cụ gửi, nhận và trao đổi thông tin hàng đầu thế giới hiện nay. Lịch sử phát triển của thư điện tử gắn với các cột mốc sau:  Thời tiền thư điện tử Năm 1961: Tom Van Vleck (kĩ sư phần mềm máy tính của Mĩ) đã phát triển hệ thống giao dịch tin nhắn nhiều người dùng trên một máy tính. Năm 1965: Lần đầu tiên thư điện tử được ra mắt tại viện Công nghệ Massachusetts Hoa Kì. Năm 1971: Ray Tomlinson (lập trình viên người Mĩ) đã phát triển hệ thống giao dịch tin nhắn nhiều người trên nhiều máy tính và gửi bức thư điện tử đầu tiên trên mạng ARPANET (Advanced Research Projects Agency Network), b ức th ư điện tử đó là một bài kiểm tra email. Năm 1977: Định dạng chuẩn (RFC 733) được Dave Crocker đề xuất để phổ biến phương thức giao tiếp bằng thư điện tử qua mạng Internet.  Thư điện tử ra đời 7
Năm 1978: VA Shiva Ayyadurai đã tạo ra một hệ thống điện tử để gửi thư giữa các phòng trong nội bộ trường Đại học Y và Nha khoa New Jersey. Năm 1979: Các thành phần: To, From, Cc, Bcc, Subject, Inbox, Outbox,.. được chuyển thành một hệ thống thư điện tử. Năm 1980: Hệ thống thư điện tử trên được ứng dụng thực tế trong trường Đại học Y và Nha khoa New Jersey. Ngày 30/08/1982: Thuật ngữ “email” và hệ thống thư điện tử được trao bản quyền chính thức. Năm 1982: Giao thức truyền tải thư điện tử SMTP ra đời. SMTP là giao thức truyền tải thư điện tử qua mạng, SMTP cho phép chuyển thông điệp thư điện tử từ máy chủ thư điện tử (mail server) của người gửi đến máy chủ thư điện tử của người nhận. Năm 1985: Hệ thống phát triển hình thức email offline cho phép người nhận lưu trữ thư trên máy tính. Năm 1988: Microsoft Mail là hòm thư điện tử thương mại đầu tiên được phát triển dùng cho giao thức mạng MAC (Media Access Control). Năm 1989: IBM ra mắt Lotus 1.0 – mô hình email server đầu tiên.  Những năm 1990 Những năm đầu 1990 vấn nạn thư rác bắt đầu hoành hành. Năm 1992: Microsoft Outlook phiên bản dành cho hệ điều hành MSDOS ra đời. Năm 1993: America Online và Delphi kết nối hệ thống email độc quyền của họ vào Internet. Cùng lúc đó hãng IBM liên doanh với BellSouth sản xuất dòng điện thoại thông minh đầu tiên Simon Personal Communicator có tính năng sử dụng email. Năm 1996: Sabeer Bhatia và Jack Smith khởi động “HotMail” website cung cấp dịch vụ thư điện tử miễn phí đầu tiên trên thế giới và HotMail nhanh chóng trở thành dịch vụ thư điện tử được sử dụng nhiều nhất thế giới. Năm 1997: Yahoo! cho ra đời Yahoo Mail tạo ra sự cạnh tranh với Hotmail. 8
Năm 1999: Blackberry cho phép truy cập dịch vụ thư điện tử qua điện thoại di động. Khả năng gửi thư qua điện thoại làm cho việc sử dụng thư điện tử trở nên tiện lợi và nhanh chóng hơn bao giờ hết. Cuối những năm 1990, thư điện tử sử dụng ngôn ngữ HTML ra đời cho phép định dạng văn bản phong phú hơn so với văn bản thuần túy.  Những năm đầu thế kỉ 21 Năm 2000: Microsoft phát hành ứng dụng email client Microsoft Entourage dành cho hệ điều hành Mac OS. Năm 2003: Microsoft Outlook 2003 phát triển bộ lọc thư rác và thư lừa đảo. Năm 2004: Ủy ban Thương mại Liên bang Mĩ ban hành đạo luật chống thư rác. Năm 2006: Microsoft Outlook 2007 ra đời hỗ trợ việc duyệt tin qua RSS và nhận tin nhắn. Cùng thời gian này mạng xã hội Facebook bắt đầu đi vào hoạt động trên quy mô toàn cầu, tạo ra sự liên kết giữa tài khoản Facebook với tài khoản thư điện tử. Tháng 4/2007: Gmail đi vào hoạt động sau 4 năm chạy bản thử nghiệm. Năm 2010: + Microsoft Outlook 2010 ra đời tích hợp Outlook Social Connector (hỗ trợ nhận gửi thư với các mạng xã hội) bỏ qua hội thoại và dọn dẹp hội thoại. + Outlook Mobile dành cho Windows Phone 7 và Outlook dành cho Mac 2011 ra đời. + Mạng xã hội Facebook công khai kế hoạch kết hợp ứng dụng Microsoft nền web vào hệ thống tin nhắn mới. Năm 2011: Hệ thống quy ước AP Stylebook của Hoa kì chính thức sử dụng chữ “email” trên các phương tiện truyền thông thay cho “email”. Trải qua các giai đoạn phát triển, hiện nay thư điện tử đang được cải tiến theo hướng thuận tiện, thân thiện hơn với người dùng thể hiện qua việc cải tiến giao diện người dùng cùng với đó là các chức năng bảo vệ thư điện tử ngày càng hiệu quả hơn. 9
1.1.2. Thư điện tử là gì Thư điện tử (email hay electronic mail) là một hệ thống chuyển nhận thư qua các mạng máy tính. Thư điện tử là một phương tiện thông tin rất nhanh. Một mẫu thông tin có thể được gửi đi ở dạng mã hóa hay dạng thông thường và được chuyển qua các mạng máy tính đặc biệt là mạng Internet. Nó có thể chuyển thông tin từ một máy nguồn tới một hay nhiều máy nhận trong cùng một thời điểm. Ngày nay, thư điện tử không chỉ gửi thông tin dạng chữ mà nó còn có thể truyền các dạng thông tin khác như: hình ảnh, âm thanh, phim,… đặc biệt là các phần mềm thư điện tử kiểu mới còn có thể hiển thị các thư điện tử dạng sống động tương thích với kiểu tệp HTML. Phần mềm thư điện tử (email software) là loại phần mềm nhằm hỗ trợ cho người dùng việc chuyển và nhận các mẫu thông tin. Thông tin có thể đưa vào phần mềm thư điện tử bằng cách thông dụng nhất là gõ chữ từ bàn phím, hoặc dùng máy quét hình ảnh scanner, máy ghi hình, webcam,… Phần mềm thư điện tử giúp việc soạn thảo, gửi, nhận, đọc, in, xóa hay lưu trữ các thư điện tử. Có hai loại phần mềm thư điện tử:  Các phần mềm thư điện tử được cài đặt trên từng máy tính (email client), hay phần mềm thư điện tử cho máy khách. Ví dụ: Microsoft Outlook, Microsoft Outlook Express, Netscape Communicator,….  Các phần mềm thư điện tử không cần cài đặt trên máy tính: Phần mềm loại này được cung cấp bởi các máy chủ (web server) trên mạng Internet. Để sử dụng được các phần mềm loại này thường các máy tính nối vào phải có một máy truy cập tương thích với sự cung ứng của Webmail. Ví dụ: Mail.Yahoo.com hay Hotmail.com,… Các dịch vụ thư điện tử có thể được cung ứng miễn phí hoặc có phí tùy theo nhu cầu và mục đích của người dùng. Ngày nay, thư điện tử thường được cung cấp kèm với 10
các phương tiện Internet khi người tiêu dùng ký hợp đồng với các dịch vụ Internet một cách miễn phí. 1.1.3. Lợi ích của thư điện tử Tốc độ gửi/nhận nhanh: Thư điện tử được chuyển qua đường Internet dưới dạng các tín hiệu điện nên tốc độ di chuyển gần như là tức thời. Với các bức thư tín bình thường chúng ta có thể mất một vài ngày để thư có thể tới được địa chỉ cần thiết nhưng với thư điện tử người nhận dường như không cần chờ đợi. Chi phí không đáng kể: Với các bức thư tín bình thường, ta phải tốn một khoản chi phí khá lớn khi gửi các bức thư của mình. Còn với thư điện tử, ta chỉ tốn một khoản phí rất nhỏ để kết nối Internet cùng với chi phí cho dịch vụ thư điện tử. Hiện nay, dịch vụ thư điện tử hầu hết được cung cấp miễn phí. Không có khoảng cách: Với thư điện tử, người nhận cho dù ở xa thì việc gửi và nhận thư đều được thực hiện gần như ngay lập tức. Chi phí cho các bức thư đó cũng đều như nhau và không đáng kể. 1.1.4. Cấu trúc chung và các giao thức gửi, nhận thư điện tử 1.1.4.1. Cấu trúc hệ thống thư điện tử SMTP (via internet) System call SMTP (Direction connection) SMTP 11
System call Đọc, viết POP/IMAP Viết System call Hình 1.. Cấu trúc hệ thống thư điện tử Để thực hiện việc trao đổi thư với người dùng, giữa máy chủ và các máy khách thống nhất sử dụng chung một bộ giao thức gửi và nhận thư, trong đó quy định cụ thể về cổng làm việc, quy trình thao tác, các câu lệnh trao đổi, cấu trúc của thư điện tử. Mô hình trên mô tả một hệ thống thư điện tử với giao thức gửi thư SMTP và giao thức nhận thư POP hoặc IMAP. Hệ thống bao gồm bốn phần tử chính: MUA (Mail User Agent): là chương trình phần mềm của máy client được người dùng sử dụng để gửi, nhận, soạn thảo, xử lý thư điện tử. MTA (Mail Transfer Agent): là một chương trình thư của máy chủ, cho phép truyền tải thư điện tử từ máy này sang máy khác. MDA (Mail Delivery Agent): là chương trình MTA sử dụng để chuyển thư vào hộp thư của người dùng hoặc để truyền tải thư tới một MTA khác. Mỗi MTA sử dụng một hoặc nhiều MDA, mỗi MDA được sử dụng cho một loại yêu cầu phân phát thư riêng. MRA (Mail Retrieval Agent): là một chương trình hoặc một dịch vụ có chức năng lấy thư điện tử về từ một hộp thư trên một máy chủ ở xa và đưa chúng tới một MUA. Các MRA truy vấn các thư và các phần header từ những hộp thư ở xa và phân phát chúng tới các MUA trên máy của người dùng. 1.1.4.2. Cấu trúc của thư điện tử Một thư điện tử thường có hai phần chính : phần đầu (Header) và phần thân (Body) là văn bản chứa nội dung của thư. Khi gửi đi, toàn bộ thư điện tử được gói trong 12
nội dung (content). Ngoài ra, hệ thống thư còn tạo thêm một phần nữa gọi là bì thư (envelope) chứa các thông tin cần thiết cho việc chuyển thư đến nơi nhận. 1.1.4.3. Cấu trúc của một địa chỉ thư điện tử Một địa chỉ thư điện tử gồm ba phần chính dạng: Tên_định_dạng_thêm Tên_truy_cập@Địa_chỉ_máy_chủ_thư Thành phần: Tên_định_dạng_thêm: Đây là một dạng tên để người đọc có thể dễ dàng nhận ra người gửi hay nơi gửi. Tuy nhiên, trong các thư điện tử người ta thường không cần tên định dạng thêm và lá thư điện tử vẫn được gửi đi đúng nơi. Ví dụ: Su_pham_tin spt@gmail.com có thể viết địa chỉ thư là: spt@gmail.com lúc này phần mềm thư điện tử vẫn hoạt động chính xác và gửi đến đúng địa chỉ. Phần Tên_truy_cập: là phần xác định hộp thư. Do người đăng ký hộp thư đặt và cần phải nhớ rõ phần tên này. Phần này còn gọi là: phần tên địa phương. Phần Địa_chỉ_máy_chủ_thư: là địa chỉ máy chủ của nhà cung cấp dịch vụ thư điện tử. Giữa Tên_truy_cập và Địa_chỉ_máy_chủ_thư ngăn cách nhau bởi kí tự @ . Ví dụ: khoatoan11@gmail.com; suphamtn@yahoo.com; thpttn@hotmail.com;… 1.1.4.4. Một số giao thức sử dụng để gửi và nhận thư điện tử Hệ thống thư điện tử được xây dựng dựa trên một số giao thức: SMT, Post Office Protocol (POP), Multipurpose Internet Mail Extensions (MIME) và Interactive Mail Access Protocol (IMAP) được định dạng trong RFC 1176 là một giao thức quan trọng để thay thế POP, nó cung cấp nhiều cơ chế tìm kiếm văn bản, phân tích tin nhắn từ xa mà ta không nhìn thấy trong POP.  Một số giao thức gửi thư điện tử Giao thức SMTP: Là giao thức truyền tin tin cậy, chịu trách nhiệm phân phát thư điện tử từ hệ thống mạng này sang hệ thống mạng khác, chuyển thư trong hệ thống mạng nội bộ. Hầu hết các hệ thống thư điện tử gửi thư qua Internet đều dùng giao thức này. Các mẫu thông tin có thể được lấy ra bởi một email client. Những email client này phải dùng giao thức POP hay giao thức IMAP. 13
Giao thức X.400: là giao thức được ITUT và ISO định nghĩa nó đã được ứng dụng rộng rãi ở Châu Âu, Canada. X.400 cung cấp tính năng điều khiển và phân phối thư điện tử, sử dụng định nghĩa dạng nhị phân, do đó không cần mã hóa nội dung khi phân phát thư trên mạng Internet.  Một số giao thức nhận thư điện tử Có hai giao thức chính thường được dùng bởi các ứng dụng máy thư khách để truy cập thư từ các máy chủ: Post Office Protocol (POP) và Internet Message Access Protocol (IMAP). Giao thức POP: là giao thức được thiết kế để hỗ trợ tiến trình thư “offline”, trong tiến trình này thư điện tử được phân phát tới một máy chủ. Một máy tính cá nhân người dùng gọi định kỳ một chương trình thư khách được kết nối tới máy chủ và tải tất cả thư treo đó tới máy tính của người dùng. Cách truy cập offline là một loại dịch vụ storetoforward, được sử dụng để chuyển thư từ máy chủ thư tới máy của người đọc thư. Giao thức IMAP: là một giao thức chuẩn cho việc truy cập thư điện tử từ máy chủ thư cục bộ. Là một giao thức chủ/khách trong đó thư điện tử được nhận và duy trì bởi máy chủ thư. Với những yêu cầu này chỉ một trao đổi dữ liệu nhỏ làm việc tốt thậm trí qua một kết nối chậm như một modem. Chỉ khi người dùng yêu cầu đọc một thư điện tử cụ thể thì nó sẽ được tải về từ máy chủ thư đó. Người dùng có thể tạo và chế tác các thư mục hoặc các hộp thư trên máy chủ, xóa tin nhắn,… 1.2. Tổng quan về thư rác 1.2.1. Lịch sử Lịch sử thư rác có thể chia thành ba giai đoạn. 1.2.1.1. Giai đoạn thứ nhất những năm đầu của thư rác Nhiều ý kiến cho rằng thư rác đầu tiên được phát tán trên mạng diện rộng vào năm 1978, đó là một quảng cáo từ Digital Equipment Corporation (DEC) [5] nhà sản xuất máy tính mini hàng đầu thế giới. Do dịch vụ thư điện tử lúc này chưa tiên tiến nên 14
người phát tán thư rác (spammer) phải đánh thủ công các địa chỉ thư điện tử muốn gửi và có khoảng 320 trong tổng số các địa chỉ thư điện tử mà spammer muốn gửi nhận được thư rác này trong lần phát tán đầu tiên. Vào 1988 xuất hiện kiểu thư rác khác là thư rác lừa đảo (như lừa đảo làm việc từ thiện, lừa đảo về kiếm tiền). 1.2.1.2. Giai đoạn thứ hai thư rác được gửi thông qua phần mềm Đầu thập niên 1990, với sự phát triển của Internet gây ra vấn nạn thư rác với số tăng lên nhanh chóng. Lúc này các spammer dùng các phần mềm để gửi tự động thư rác đến một danh sách nhiều địa chỉ. Ví dụ: thư rác Jesus, Cantel và Siegel. Vào 1995 Jeff Slaton tự nhận mình là “vua thư rác”, ông là một trong những người đầu tiên kiếm lợi nhuận từ các thư rác mà ông gửi đi, ông còn ép buộc các nạn nhân của mình trả phí nếu không muốn nhận thư rác. Việc làm của ông tạo ra ý tưởng cho các công ty thương mại là thuê những người như Jeff Slaton để phát tán thư điện tử với mục đích là quảng cáo giúp họ. 1.2.1.3. Giai đoạn thứ ba phần mềm chống thư rác chống lại các phần mềm gửi thư rác Vào 1996 xuất hiện các phần mềm chống thư rác đầu tiên như Spamblock, Internet Death Penalty, tuy nhiên vẫn không làm giảm sự phát triển của thư rác. Các địa chỉ thư điện tử của người dùng được bán cho các công ty, tổ chức muốn thực hiện quảng cáo trên thư điện tử. Và từ 1997 sự phát triển của thư rác đã vượt quá sự kiểm soát, một thống kê cho thấy 97% tổng số thư điện tử được gửi trên mạng là các thư người nhận không mong muốn [6]. 1.2.2. Định nghĩa Có nhiều tranh cãi về định nghĩa chính xác của thư rác (spam email), bởi vì thư rác mang tính cá nhân hóa nên khó mà nói lên được hết ý nghĩa của thư rác. Nhiều ý kiến cho rằng thư rác là những “thư điện tử không mong muốn”. Định nghĩa này cũng không thực sự chính xác, như một nhân viên nhận những thư điện tử về công việc từ 15
sếp của họ, đây là những thư điện tử người nhân viên không mong muốn nhưng chúng không phải là thư rác. Lại có ý kiến khác cho rằng thư rác là những “thư điện tử thương mại không được yêu cầu từ phía người nhận” những thư này bao gồm các thư điện tử quảng cáo về các sản phẩm và thư điện tử lừa gạt. Nhưng định nghĩa này cũng không thực sự chính xác. Sau đó có ý kiến cho rằng thư rác là “số lượng lớn thư điện tử không yêu cầu” và trong số đó các thư điện tử quảng cáo, thương mại chiếm đa số, đây có thể là định nghĩa gần đúng với ý nghĩa của thư rác nhất [7]. 1.2.3. Mục đích gửi thư rác Mục đích chính của việc gửi thư rác: Quảng cáo sản phẩm, hàng hóa, dịch vụ,… của tổ chức, công ty thương mại hay cá nhân nào đó. Lợi dụng sự tin tưởng của người dùng để lừa gạt như các hình thức thanh toán trực tuyến. Phát tán virus, mã độc hại kèm theo thư điện tử xâm nhập vào các máy nhận thư rác nhằm đánh cắp thông tin, phá hoại tài liệu, phá hủy hệ thống phần mềm. Tuyên truyền những luận điệu sai trái, văn hóa không lành mạnh, nói xấu chế độ chính trị. 1.2.4. Các đặc tính của thư rác Thư rác có các đặc tính cơ bản sau: Mang tính tương đối vì nó mang tính cá nhân, có thể một thư điện tử này là vô bổ với người này nhưng lại có lợi với người khác. Tính bất biến trong một thư rác thể hiện ở những từ, cụm từ hầu như không thay đổi trong những lần spam. Đặc tính phần header của thư rác [6]: + Địa chỉ thư điện tử của người nhận sẽ không được thể hiện ở trường “To:” hay “Cc:” vì địa chỉ này sẽ được ẩn trong trường “Bcc”. Người gửi 16
thư rác thực hiện hành động này để giấu số lượng lớn các địa chỉ thư điện tử mà người gửi thư rác muốn gửi. + Để nội dung trống hoặc thiếu trường “To”. + Nội dung trường “From:” giống trường “To:”. + Thiếu trường “From:”. + Định danh –ID của thư điện tử bị thiếu hoặc bị làm giả. + Trường “Bcc:” có tồn tại vì ở các thư điện tử thông thường trường này thường không xuất hiện. + Trường “Xmailer” là trường thể hiện tên phần mềm dùng để gửi thư điện tử, nếu trường này bao gồm tên của phần mềm gửi thư rác quen thuộc thì có thể xác định được là thư rác hay không. + XUIDL header: là một định danh duy nhất được sử dụng bởi các giao thức POP để lấy thư điện tử từ một máy chủ thư điện tử. Nó thường được thêm vào giữa các máy chủ thư điện tử của người nhận và phần mềm thư điện tử của người nhận, nếu thư đến tại các máy chủ thư điện tử mà xuất hiện trường này thì là thư rác. + Tồn tại các dòng mã lệnh hoặc khoảng trắng tuần tự. Ví dụ như thêm mã lệnh trên chủ đề của thư và dùng khoảng trắng để giấu. + Tồn tại các dòng mã HTML không đúng quy tắc. Nội dung của thư thường chứa các từ như: khuyến mãi, kiếm tiền nhanh, free, … Giống nhau ở kích thước/ loại tệp tin/ tên tệp tin đính kèm thư rác ở các lần spam. 1.2.5. Các kĩ thuật tạo thư rác 1.2.5.1. Chỉnh sửa phần header của thư rác Nhập địa chỉ của các người nhận thư rác vào trường “Bcc:” thay vì trường “To:” hoặc “Cc”. 17
Thể hiện ở trường “To:” các địa chỉ thư điện tử không hợp lệ để đánh lừa người nhận. Dùng mã HTML và khoảng trắng để che dấu thông tin nhằm mục đích đánh lừa người nhận. 1.2.5.2. Chỉnh sửa phần nội dung của thư rác Gửi cùng một văn bản thư rác nhiều lần mà không có gì thay đổi. Đảo nội dung, xóa bớt hoặc thêm một số đoạn văn bản trong lần gửi tiếp theo. Thay đổi cách dùng từ, hình thức mà không làm thay đổi nội dung thư rác. Thêm các thẻ HTML vào văn bản thư rác để vượt qua các phần mềm lọc thư rác. Dùng hình ảnh thay văn bản để tránh các phần mềm lọc thư rác thông qua văn bản (biến dạng chữ để tránh nhận dạng kí tự quang học). Dựa vào các đặc tính của thư rác và các thủ thuật tạo thư rác của các spammer, người ta đã và đang nghiên cứu xây dựng các kĩ thuật lọc thư rác nhằm mục đích ngăn chặn phán tán thư rác sao cho hiệu quả nhất. 1.2.6. Các kĩ thuật phát hiện và ngăn chặn thư rác 1.2.6.1. Kĩ thuật blacklisting Một blacklist là một danh sách chứa thông tin các địa chỉ thư điện tử hay địa chỉ IP bị cho là địa chỉ phát tán thư rác. Blacklist còn được gọi là danh sách blackhole. Hiện nay trên thế giới có nhiều tổ chức chuyên về lĩnh vực thu thập và cung cấp blacklist của các máy chủ thư điện tử được kẻ phát tán thư rác sử dụng. Có nhiều loại danh sách blacklist khác nhau (IP blacklist, DNS blacklist, email blacklist) đưa đến nhiều mức độ lọc khác nhau trong mạng. Mỗi blacklist có một tập luật và điều kiện khác nhau để xác định thư rác. Một vài danh sách quá khắt khe, quá nhiều điều kiện dẫn đến rủi ro các thư điện tử hợp lệ bị mất rất cao. Các danh sách blacklist có hai hạn chế quan trọng là [7]: 18
Thời gian lan truyền: Các danh sách blacklist sẽ thêm các địa chỉ mạng vào danh sách của nó chỉ khi mạng đó được dùng để phát tán thư rác. Trước đây việc thêm các mạng đó vào danh sách làm việc tốt do kẻ phát tán thư rác khá bị động. Nhưng ngày nay kẻ phát tán thư rác có thể đánh cắp tài khoản dialup, sử dụng các máy trung gian giúp gửi thư tạo ra các host mới để gửi thư rác trước khi chúng được thêm vào danh sách blacklist. Nhiều danh sách đã bắt đầu blacklist không gian địa chỉ người dùng dialup và ISDN để chống lại các host phát tán thư rác mới này. Tuy nhiên nỗ lực này gặp phải vấn đề lớn là không gian địa chỉ này thường xuyên thay đổi. Chất lượng duy trì các danh sách blacklist: Nhiều danh sách blacklist hiện nay được duy trì kém. Kết quả là một số mạng hợp lệ bị thêm vào blacklist không bao giờ bị xóa, hay chậm xóa. Những vấn đề này làm cho một số blacklist rất không được tin cậy do chúng khóa cả những thư điện tử hợp lệ.  Một số ưu – nhược điểm Ưu điểm: + Dễ cài đặt. + Dễ dàng chia sẻ danh sách này cho người khác sử dụng. Nhược điểm: + Cần thời gian lan truyền để cập nhật danh sách nên có thể để lọt các thư rác từ những host sử dụng tài khoản dialup bị đánh cắp, open replays hay proxy server. + Tốn nhiều công sức để duy trì danh sách blacklist. Chỉ nên dùng các blacklist tin cậy được cập nhật thường xuyên và chỉ nên blacklist các địa chỉ biết chắc là nơi phát tán thư rác. 1.2.6.2. Kĩ thuật whitelisting Whitelist là một danh sách các địa chỉ thư điện tử hay địa chỉ IP được coi là không phát tán thư rác. Các danh sách whitelist thường được sử dụng trong các ứng dụng thư điện tử để cho phép người dùng tạo ra danh sách những người mà họ muốn nhận thư 19
điện tử. Danh sách này sẽ ghi đè lên bất cứ danh sách blacklist nào, và nó cho phép thư điện tử được gửi vào hộp thư đến của người dùng mà không cần phải lọc như thư rác. Whitelisting ngược với blacklisting, nó sử dụng một danh sách tin cậy. Theo mặc định mọi người sẽ bị blacklist trừ khi họ có tên trong danh sách whitelist. Điểm khác biệt lớn nhất giữa kĩ thuật whitelisting và các kĩ thuật lọc nội dung là các kĩ thuật lọc nội dung được dùng để xác định thư rác, còn whitelisting được dùng để xác định người gửi rõ ràng. Hầu hết các whitelist được quản lý riêng bởi mỗi người dùng vì số lượng thư điện tử hợp lệ rất là lớn. Kĩ thuật whitelisting có độ chính xác cao vì nó chỉ cho phép những địa chỉ rõ ràng đi qua. Điều này là một lợi thế lớn, nhưng cũng có một số bất lợi vì tất cả thư điện tử của người lạ đều bị loại bỏ nên các thư điện tử hợp lệ từ những người muốn liên lạc với một người dùng nào đó cũng sẽ bị loại bỏ. Có một số cách để khắc phục nhược điểm này: Tạo ra whitelist các địa chỉ thư điện tử và một địa chỉ thư đặc biệt dùng để gửi tới người gửi chưa được whitelist. Một cách khác liên quan đến việc điều tiết người gửi (giới hạn tốc độ và số lượng thông điệp một người chưa được whitelist có thể gửi) và gửi đi một challenge/response [7].  Một số ưu – nhược điểm Ưu điểm: + Kết quả có độ chính xác cao. + Không phải dựa trên việc học nội dung thông điệp. Nhược điểm: + Có thể giả mạo địa chỉ trong danh sách whitelist. + Tất cả người dùng phải được tin cậy mới có thể gửi thư vào inbox được. + Người dùng cần phải cấu hình danh sách whitelist một cách thủ công. Kĩ thuật này phù hợp cho những người dùng cần độ chính xác cao mà không bận tâm đến rủi ro có thể mất các thư điện tử. 20