垃圾邮件作为因特网中最具有争议的副产品,对于企业邮箱用户的影响首先就在于给日常办公和邮箱管理者带来额外负担。根据不完全统计,在高效的反垃圾环境下仍然有80%的用户每周需要耗费约10分钟的时间处理垃圾邮件,而对于中国多数企业邮件应用仍处于低效率反垃圾环境的情况下,这个比例更是呈现数十倍的增长,如图12-1所示,中国垃圾邮件的总量已经达到全球第三 [1] 。对于企业邮件服务商而言,垃圾邮件的恶意投送,还会大量占用网络资源,使得邮件服务器85%的系统资源在用于垃圾邮件的识别,不仅资源浪费极其严重,甚至可能导致网络阻塞瘫痪,影响企业正常业务邮件的沟通。现有的垃圾邮件检测技术主要基于规则和机器学习算法,是否可以通过强化学习的方式自动化绕过现有检测机制,自动产生绕过的样本,从而提升现有检测机制的能力呢?本章将介绍基于机器学习的垃圾邮件检测技术,以及如何使用强化学习自动化发现绕过现有垃圾邮件检测技术的方法。本章代码在配套GitHub的code/gym-spam目录下。
图12-1 世界垃圾邮件最多国家排行
[1] http://news.ifeng.com/a/20140725/41314715_0.shtml?f=hao123