Wykrywanie spamu na podstawie implementacji SMTP

• Autorzy: Bazydło P. , Kozakiewicz A.

Identyfikatory

DOI

10.15199/59.2017.8-9.44

Warianty tytułu

EN

Spam detection on the basic of SMTP implementation

• Konferencja: XXXIII Krajowe Sympozjum Telekomunikacji i Teleinformatyki (XXXIII ;13-15.09.2017 ; Warszawa, Polska)
• Języki publikacji: PL

Abstrakty

PL

Artykuł przedstawia analizator implementacji SMTP, którego głównym celem jest detekcja niechcianych wiadomości email. Artykuł ten jest rozwinięciem systemu „B@bel”, który bazuje między innymi na rozpoznawaniu dialektów SMTP. W pracy przedstawiono nowe rozszerzenia analizatora dialektów SMTP, które znacznie redukują ilość wyników oznaczonych jako FN (False Negative). Ponadto, wyniki zostały zweryfikowane na podstawie danych z serwera pocztowego odpowiedzialnego za kolekcję spamu.

EN

This article presents analyzer, which is responsible for detection of unsolicited email messages on the basis of SMTP implementation. Paper provides an extension to the already known “B@bel” system, which is based on the analysis of so called SMTP dialects. In this work, new extensions are presented, which are responsible for the reduction of FN results (False Negative). Moreover, results have been verified on the basis of a real operating spamtrap.

Słowa kluczowe

PL

detekcja spamu; spambot; anomalie smtp; spamtrap

EN

spam detection; spambot; smtp anomalies; spamtrap

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Telekomunikacyjny + Wiadomości Telekomunikacyjne
• Rocznik: 2017
• Tom: nr 8-9
• Strony: 846--849, CD
• Opis fizyczny: Bibliogr. 13 poz., tab.

Twórcy

autor

Bazydło P.

• Naukowa i Akademicka Sieć Komputerowa NASK, ul. Kolska 12, 01-045 Warszawa

autor

Kozakiewicz A.

• Naukowa i Akademicka Sieć Komputerowa NASK, ul. Kolska 12, 01-045 Warszawa

Bibliografia

• [1] D. Gudkova, M. Vergelis, N. Demidova, T. Shcherbakova, August 2016, „Spam and phishing in Q2 2016, Kaspersky Lab”
• [2] Banday, M. Tariq, 2011, "Techniques and Tools for Forensic Investigation of E-mail." International Journal of Network Security & Its Applications 3.6
• [3] John J. P., Moshchuk A., Gribble S. D., Krishnamurthy A., 2009, „Studying Spamming Botnets Using Botlab”, USENIX Symposium on Networked Systems Design and Implementation NSDI
• [4] Spirin, Nikita, and Jiawei Han, 2012, "Survey on web spam detection: principles and algorithms." ACM SIGKDD Explorations Newsletter 13.2 s. 50-64
• [5] Khan, W.Z., Khan, M.K., Bin Muhaya, F.T., Aalsalem, M.Y., Chao, H.-C., 2015, „A Comprehensive Study of Email Spam Botnet Detection”, IEEE Communications Surveys and Tutorials, Volume 17, Issue 4, s. 2271-2295
• [6] Ren Y., Ji D., 2017, „Neural networks for deceptive opinion spam detection: An empirical study”, Information Sciences, Volume 385-386, s. 213-224
• [7] Meyer T. A., Whateley B., 2004, „SpamBayes: Effective open-source, Bayesian based, email classification system”, Collaboration, Electronic messaging, Anti-Abuse and Spam Conference CEAS,
• [8] Iedemska, J., Stringhini, G., Kemmerer, R., Kruegel, C., Vigna, G., 2014, „The tricks of the trade: What makes spam campaigns successful?”, Proceedings - IEEE Symposium on Security and Privacy, Volume 2014, s. 77-83
• [9] Stringhini, G., Egele, M., Zarras, A., Holz, T., Kruegel, C., & Vigna, G. 2012, „B@bel: Leveraging Email Delivery for Spam Mitigation” In USENIX Security Symposium s. 16-32.
• [10] Stringhini, G., Hohlfeldy, O., Kruegel, C., Vigna, G., 2014, „The harvester, the botmaster, and the spammer: On the relations between the different actors in the spam landscape”, 9th ACM Symposium on Information, Computer and Communications Security, ASIA CCS 2014; Kyoto; Japan, s. 353-363.
• [11] Litmus labs, Email Client Market Share statistics https://emailclientmarketshare.com/
• [12] RFC 5321, https://tools.ietf.org/html/rfc5321
• [13] RFC 5322, https://tools.ietf.org/html/rfc5322.html