The spams are changing every day to get through our defense.
To pass the Bayes filters there's the text that makes no sense.
Misspellings foil the keyword scan, and there's the trick most vile,
Sending a graphics attachment, text as a picture file.
Zajímalo by mě jestli taky používají OCR... Mají dobré OCR vyvinuté pro Google Books, a pokud budou ukládat MD5 zkontrolovaných obrázků, tak je to zvládnutelná zátěž (pro Google určitě).
Neco podobneho jsme vymysleli u jednoho nejmenovaneho ISP, nakonec to nebylo z duvodu vypocetni zateze realizovano.
Nebylo to urceno pro filtrovani mailu, ale pro kontrolu free webhostingu na nelegalni pornografii. Problem, ktery brzy nastane je, ze prosta MD5 obrazku nestaci, jelikoz staci obrazek nepatrne upravit a jeho MD5 je zcela odlisna. Je tedy nutne provadet duslednejsi analyzu, napr. vypocet Euklidovske vzdalenosti mezi vektory charakteristickych casti obrazku.