sa-learnp - 云端在线

程序：

您的姓名

sa-learn - 训练 SpamAssassin 的贝叶斯分类器

概要

学习 [选项] [文件]...

学习 [选项] --dump [ 所有 | 数据| 魔法 ]

选项：

--ham 将消息学习为 ham（非垃圾邮件）
--spam 将邮件作为垃圾邮件学习
--forget 忘记留言
--use-ignores 使用 bayes_ignore_from 和 bayes_ignore_to
--sync 如果需要同步数据库和日志
--force-expire 强制数据库同步和到期运行
--dbpath 允许命令行覆盖（以 bayes_path 形式）
从哪里读取贝叶斯数据库
--dump [all|data|magic] 显示贝叶斯数据库的内容
使用可选参数来显示内容
--正则表达式仅用于转储，指定要使用哪些令牌
基于正则表达式的转储。
-f file, --folders=file 从文件中读取文件/目录列表
--dir 忽略； 历史兼容性
--文件忽略； 历史兼容性
--mbox 输入源采用 mbox 格式
--mbx 输入源采用 mbx 格式
--max-size跳过大于 b 字节的消息；
默认为 256 KB，0 表示没有限制
--showdots 使用点显示进度
--progress 使用进度条显示进度
--no-sync 跳过同步数据库和日志
学习后
-L, --local 本地操作，无网络访问
--import 从旧版本/非 DB_File 迁移数据
基于数据库
--clear 清除现有数据库
--backup 备份，到标准输出，现有数据库
- 恢复从文件名恢复数据库
-u 用户名, --username=用户名
覆盖从运行时获取的用户名
环境，与 SQL 一起使用
-C 路径，--configpath=path，--config-file=path
标准配置目录的路径
-p 首选项，--prefspath=文件，--prefs-file=文件
设置用户首选项文件
--siteconfigpath=path 站点配置路径
（默认：/etc/spamassassin）
--cf='config line' 额外的配置行
-D, --debug [area=n,...] 打印调试信息
-V, --version 打印版本
-h, --help 打印使用信息

商品描述

鉴于您收到的邮件被归类为垃圾邮件或非垃圾邮件（非垃圾邮件）的典型选择，这
工具会将每封邮件提供给 SpamAssassin，使其能够“了解”可能出现的迹象
指垃圾邮件，哪些可能指火腿。

只需为您的每个邮件文件夹运行一次此命令，它就会“学习”
邮件在其中。

注意 csh 风格 通配 支持邮件文件夹名称； 换句话说，
将文件夹名称列为“*”将扫描每个匹配的文件夹。 看
“Mail::SpamAssassin::ArchiveIterator”了解更多详情。

SpamAssassin 会记住它已经学习过的邮件信息，并且不会重新学习
再次发送这些消息，除非您使用 - 忘记 选项。 作为垃圾邮件获悉的邮件将
即时删除 SpamAssassin 标记。

如果您犯了一个错误并在它是垃圾邮件时将其扫描为火腿，反之亦然，只需重新运行
此命令与正确的分类，错误将被纠正。
SpamAssassin 会自动“忘记”之前的指示。

希望通过网络远程执行培训的“垃圾邮件”用户应该调查
“spamc -L”开关。

配置

- 火腿
学习输入消息作为火腿。 如果您之前已了解任何消息
作为垃圾邮件，SpamAssassin 会先忘记它们，然后将它们作为火腿重新学习。
或者，如果您以前将它们作为火腿学习过，则这次将跳过它们
大约。 如果消息已经通过 SpamAssassin 过滤，则学习者
将忽略 SpamAssassin 可能进行的任何修改。

- 垃圾邮件
了解输入消息为垃圾邮件。 如果你以前学过任何
作为火腿的邮件，SpamAssassin 会先忘记它们，然后将它们作为垃圾邮件重新学习。
或者，如果您之前将它们作为垃圾邮件学习，这次它会跳过它们
大约。 如果消息已经通过 SpamAssassin 过滤，则学习者
将忽略 SpamAssassin 可能进行的任何修改。

--文件夹=文件名, -f 文件名
sa-learn 将从指定文件中读取文件夹列表，每行一个文件夹
在文件中。 如果文件夹以“ham:type:”或“spam:type:”为前缀，则 sa-learn
将适当地了解该文件夹，否则文件夹将被假定为
指定的类型 - 火腿 or - 垃圾邮件.

上面的“type”是可选的，但与ArchiveIterator的标准相同：mbox，
mbx、dir、file 或detect（如果未指定，则为默认值）。

--mbox
sa-learn 将读取包含要学习的电子邮件的文件，并将
以 mbox 格式处理它们（每个文件一封或多封电子邮件）。

--mbx
sa-learn 将读取包含要学习的电子邮件的文件，并将
以 mbx 格式处理它们（每个文件一封或多封电子邮件）。

--使用忽略
如果发件人地址与配置文件项匹配，则不了解该消息
"bayes_ignore_from" 或 to 地址匹配 "bayes_ignore_to"。 选项可能是
在从大量邮件中学习时使用，其中 hammy 垃圾邮件或
垃圾邮件尚未删除。

- 同步
同步日志和数据库。 成功同步数据库后
日志中的条目，日志文件被删除。

--强制过期
强制到期尝试，无论是否有必要。 笔记：
这并不意味着任何令牌实际上都会过期。 请参阅到期部分
联络一位教师

注意：“--force-expire”也会使日志数据同步到贝叶斯
数据库。

- 忘记
忘记先前学到的给定消息。

--数据库路径
允许命令行覆盖 贝叶斯路径 配置选项。

- 倾倒 选项
显示贝叶斯数据库的内容。 没有选项或有 所有 选项，
将显示所有魔法令牌和数据令牌。 魔法 只会显示魔法
令牌，以及 data 只会显示数据令牌。

也可以使用 --正则表达式 RE 选项来指定基于哪些标记显示
正则表达式。

- 清除
通过删除数据库的所有痕迹来清除现有的贝叶斯数据库。

警告：这是破坏性的，应谨慎使用。

--备份
以机器/人类可读的格式执行贝叶斯数据库的转储。

转储将包括令牌和看到的数据。 它适用于输入回
--restore 命令。

- 恢复=文件名
执行由定义的贝叶斯数据库的恢复 文件名.

警告：这是一个破坏性操作，之前的贝叶斯数据将被清除。

-h, - 帮帮我
打印帮助信息并退出。

-u 用户名, - 用户名=用户名
如果指定此用户名将覆盖从运行时获取的用户名
环境。 您可以使用此选项在虚拟用户配置中指定用户
当使用 SQL 作为贝叶斯后端时。

注意：此选项不会更改为给定的 用户名，它只会尝试采取行动
代表该用户。 因此，您需要拥有适当的权限才能
能够更改拥有的文件 用户名. 在 SQL 的情况下，这通常不是
问题。

-C 径, --配置路径=径, --配置文件=径
使用指定的路径来定位分布式配置文件。 忽略
默认目录（通常是“/usr/share/spamassassin”或类似的）。

--站点配置路径=径
使用指定的路径来定位特定于站点的配置文件。 忽略
默认目录（通常是“/etc/spamassassin”或类似的）。

--cf='配置 线'
直接从命令行添加额外的配置行，在
读取配置文件。 多种的 --cf 可以使用参数，每个参数都是
被视为单独的配置行。

-p 首选项, --首选项路径=首选项, --prefs-文件=首选项
读取用户评分偏好 首选项 （通常是“$HOME/.spamassassin/user_prefs”）。

- 进展
打印显示当前进度的进度条（到 STDERR）。 在没有的情况下
发现有效终端时，此选项的行为与 --showdots 选项非常相似。

-D [区域，...], -调试 [区域，...]
产生调试输出。 如果没有列出任何区域，则所有调试信息都是
打印。 也可以为每个区域单独启用诊断输出； 区 是
要检测的代码区域。 例如，要在贝叶斯上产生诊断输出，
学习和dns，使用：

spamassassin -D 贝叶斯，学习，DNS

有关哪些区域（也称为频道）可用的更多信息，请
请参阅以下位置的文档：

C<http://wiki.apache.org/spamassassin/DebugChannels>

适合正常登录的更高优先级的信息性消息
情况可用于“信息”区域。

--无同步
跳过通常在更改数据库后发生的缓慢同步步骤
条目。 如果您打算批量从多个文件夹中学习，或者要学习很多
一条一条的单个消息，使用此开关并运行“sa-learn”会更快
--sync” 扫描完所有文件夹后。

说明：状态 --无同步 覆盖 贝叶斯学习日志
配置选项。 如果不指定，sa-learn 将直接学习到数据库。
如果指定，sa-learn 将学习到日志文件。

请注意： - 同步 和 --无同步 可以在同一个命令行指定，稍微有点
令人困惑。 在这种情况下， --无同步 选项被忽略，因为没有学习
操作。

-L, - 当地的
在了解有关邮件消息的详细信息时，不要执行任何网络访问。
这将加快学习过程，但可能会导致准确性略低。

请注意，这当前被忽略，因为当前版本的 SpamAssassin 不会
在学习的同时进行网络访问； 但未来的版本可能。

- 进口
如果您之前使用过没有“DB_File”模块的 SpamAssassin 的贝叶斯学习器
安装后，它将创建其他格式的文件，例如“GDBM_File”，
“NDBM_File”或“SDBM_File”。 此开关允许您将旧数据迁移到
“DB_File”格式。 它将覆盖当前在“DB_File”中的任何数据。

也可以与 --数据库路径 径 指定贝叶斯位置的选项
要使用的文件。

迁移

现在有多个后端存储模块可用于存储用户的贝叶斯数据。
因此，您可能希望从一个后端迁移到另一个后端。 这是一个简单的过程
用于从一个后端迁移到另一个后端。

请注意，如果您有单独的用户数据库，则必须执行类似的操作
每个人的程序。

sa-学习--同步
这将同步任何未完成的日记帐分录

sa-learn --backup > 备份.txt
这会将您所有的贝叶斯数据保存到纯文本文件中。

sa-学习--清除
这是可选的，但可以很好地清除旧数据库。

重复！
此时，如果您有多个数据库，则应执行上述过程
对于他们每个人。 （即每个用户的数据库都需要在继续之前进行备份。）

切换后端
备份所有数据库后，您可以更新新数据库的配置
数据库后端。 这将至少涉及 bayes_store_module 配置选项和
可能涉及一些额外的配置选项，具体取决于
模块。 （例如，您可能需要配置 SQL 数据库。）

sa-learn --restore 备份.txt
同样，您需要为每个数据库执行此操作。

如果您要迁移到 SQL，则可以使用 -u sa-learn 中的选项
填充每个用户的数据库。 否则，您必须以 who database 用户身份运行 sa-learn
你正在恢复。

引言 TO 贝叶斯 筛选

（感谢迈克尔贝尔为本节！）

有关其工作原理的更详细说明，请访问 http://www.paulgraham.com/ 并看到
“垃圾邮件计划”。 它具有合理的可读性，即使统​​计数据让我突围
麻疹。

简短的半不准确版本：经过训练，垃圾邮件启发式引擎可以
大多数“垃圾邮件”和“hammy”词并应用概率分析。 此外，一旦给出
作为分析的基础，引擎可以通过应用两者来继续迭代学习
非贝叶斯规则集和贝叶斯规则集一起创建不断发展的“智能”。

SpamAssassin 2.50 及更高版本支持贝叶斯垃圾邮件分析，以 BAYES 的形式
规则。 这是一个新功能，非常强大，在收到足够多的消息之前会被禁用
被学习了。

贝叶斯垃圾邮件分析的优点：

可以大大减少误报和漏报。
它从您的邮件中学习，因此它是为您独特的电子邮件流量身定制的。

一旦开始学习，它就可以继续向 SpamAssassin 学习并随着时间的推移不断改进。

缺点：

在结果对火腿/垃圾邮件有用之前需要相当数量的消息
决心。
很难解释为什么邮件被标记为或未标记为垃圾邮件。
即：一个简单的规则，匹配，比如说，“VIAGRA”很容易理解。 如果它
产生假阳性或假阴性，很容易理解为什么。

用贝叶斯分析，这都是概率——“因为过去说它很可能
因为这属于您系统中过去垃圾邮件常见的概率分布”。
告诉你的用户！ 当客户问“我能做些什么来
改变这个”。（顺便说一下，在这种情况下，答案是“使用白名单”。）

它将占用磁盘空间和内存。
它维护的数据库需要相当多的资源来存储和使用。

抵达 已开始

还是有兴趣？ 好的，这是使这个工作的指导方针。

首先是高级概述：

构建一个包含火腿和垃圾邮件的重要样本。
我建议每个数千个，放置在垃圾邮件和 HAM 目录或邮箱中。
是的，你必须手动排序 - 否则结果不会比
SpamAssassin 本身。 验证每条消息的垃圾邮件/垃圾邮件。 你是
敦促避免使用公开可用的语料库（样本）——这必须取自
您的邮件服务器，如果要在统计上有用的话。 否则，结果可能是
相当倾斜。

使用此工具向 SpamAssassin 教授这些样本，如下所示：
sa-learn --spam /path/to/spam/文件夹
sa-learn --ham /path/to/ham/文件夹
...

让 SpamAssassin 继续学习。 当它发现火腿和垃圾邮件时，它会添加
“有趣的令牌”到数据库。

如果您需要 SpamAssassin 忘记特定消息，请使用 - 忘记 选项。
这可以应用于已经通过的火腿或垃圾邮件 学习 流程。
这有点像锤子，真的，降低特定令牌的权重
消息（仅当该消息之前已处理过）。

从单个消息中学习使用如下命令：
sa-learn --ham --no-sync 邮件消息

这对于绑定到邮件用户代理中的密钥非常方便。 它非常快，就像所有
耗时的东西被推迟，直到您使用“--sync”选项运行。

默认情况下启用自动学习
如果您没有保存要学习的邮件语料库，您可以让 SpamAssassin
自动了解您收到的邮件。 如果你从头开始自学，
您收到的邮件数量将决定 BAYES_* 规则生效的时间
活性。

有效 培训

学习过滤器需要培训才能有效。 如果你不训练他们，他们就不会
工作。 此外，您需要定期用新消息训练他们，让他们及时了解-
日期，否则他们的数据将变得陈旧并影响准确性。

你需要训练垃圾邮件 和 火腿邮件。 单独一种类型的邮件不会有任何
效果。

请注意，如果您的邮件文件夹包含转发垃圾邮件、垃圾邮件讨论等内容，
捕捉规则等，这会引起麻烦。 您应该避免扫描这些邮件
如果可能的话。 （一个简单的方法是将它们移到一边，放入一个文件夹中
扫描。）

如果您正在学习的消息已经通过 SpamAssassin 过滤，则
学习者将对此进行补偿。 实际上，它了解每条消息的样子
如果您事先在它上面运行了“spamassassin -d”。

另一件要注意的事情是，通常你的目标应该是训练至少 1000
如果可能，垃圾邮件和 1000 条火腿消息。 更多更好，但什么都结束
在我们的测试中，大约 5000 条消息并没有显着提高准确性。

小心你从同一个来源训练——例如，如果你在旧的垃圾邮件上训练，
但是新的火腿邮件，那么分类器会认为带有旧日期戳的邮件是
可能是垃圾邮件。

还值得注意的是，用很少量的火腿进行训练，会产生
残酷的结果。 你的目标应该是至少以相同的量（或更多，如果
可能！）的火腿数据而不是垃圾邮件。

在持续的基础上，最好继续训练过滤器以确保它具有新鲜
工作的数据。 有多种方法可以做到这一点：

1. 监督学习
这意味着保留所有或大部分邮件的副本，分为垃圾邮件和火腿
桩，并定期使用这些重新训练。 它产生了最好的结果，但
需要您（用户）做更多工作。

（顺便说一下，一个简单的方法是为“已删除”的邮件创建一个新文件夹，
而不是从其他文件夹中删除它们，只需将它们移到那里即可。
然后将所有垃圾邮件保存在一个单独的文件夹中，永远不要删除它。 只要你还记得
将错误分类的邮件移动到正确的文件夹集中，很容易跟上
迄今为止。）

2. 贝叶斯分类的无监督学习
另一种训练方法是将贝叶斯分类器的结果链接回
训练，所以它加强了自己的决定。 这只有在您重新训练时才安全
它基于您发现的任何错误。

SpamAssassin 不支持这种方法，因为实验结果强烈
表明它不能很好地工作，并且因为贝叶斯只是结果的一部分
呈现给用户的分数（而贝叶斯可能做出了错误的决定）
邮件，它可能已被另一个系统覆盖）。

3. 从 SpamAssassin 规则中无监督学习
在 SpamAssassin 中也称为“自动学习”。 根据统计分析
SpamAssassin 成功率，我们可以自动训练贝叶斯数据库
对我们的训练数据是准确的有一定程度的信心。

如果可能的话，还应该补充一些有监督的培训。

这是默认设置，但可以通过设置 SpamAssassin 配置关闭
参数“bayes_auto_learn”为0。

4. 基于错误的培训
这意味着训练少量的邮件，然后只训练那些邮件
SpamAssassin 分类错误。 这有效，但需要更长的时间才能正确
而不是完整的培训课程。

使用 onworks.net 服务在线使用 sa-learnp