Spam con imágenes
Spam basado en imágenes,[1][2] o Spam con imágenes, para abreviar, es una especie de Correo basura donde la textual spam mensaje está incrustado en imágenes, que luego se fijan en los correos electrónicos de spam. Puesto que la mayoría de los clientes de correo se mostrará el archivo de imagen directamente al usuario, se transmite el mensaje de spam en cuanto se abre el correo electrónico (no hay necesidad para abrir aún más el archivo de imagen adjunta).
El objetivo del spam con imágenes es claramente eludir el análisis del contenido textual del correo electrónico realizada por la mayoría de los filtros de spam (por ejemplo, SpamAssassin, Bogofilter, SpamBayes). En consecuencia, por la misma razón, junto con la imagen adjunta, a menudo spammers Añadir algún texto "falso" al correo electrónico, es decir, un número de palabras que tienen más probabilidades de aparecer en emails legítimos y no spam. Los correos de spam de imagen anteriores contenían imágenes de spam en el que el texto era limpia y fácilmente legible, como se muestra en la figura 1.
En consecuencia, reconocimiento óptico de caracteres herramientas fueron utilizados para extraer el texto incrustado en imágenes spam, que podrían ser luego procesados junto con el texto en el cuerpo del correo electrónico por el filtro de spam, o, más generalmente, por más sofisticación técnicas de categorización de texto.[1][3] Además, las firmas (por ejemplo, MD5 hash) se generaron también para detectar fácilmente y bloquear spam ya conocidos imágenes. Los spammers reaccionaron a su vez aplicando algunas ofuscación técnicas de spam de imágenes, de manera similar a CAPTCHAs, ambos para evitar que el texto incrustado para ser leída por las herramientas OCR y para engañar a la detección basada en firmas. Algunos ejemplos se muestran en la figura 2.
Esto planteó la cuestión de mejorar la detección de spam de imagen utilizando técnicas de reconocimiento de patrón y visión de computadora.[1][2][4][5]
En particular, varios autores investigaron la posibilidad de reconocer el spam con imágenes con imágenes alterados mediante el uso de características de imagen bajo nivel genérico (como el número de colores, cobertura de color predominante, relación de aspecto de imagen, área de texto), metadatos de imagen, etc..[4][5][6][7] (véase [2] para un estudio exhaustivo). En particular, algunos autores también intentaron detectar la presencia en las imágenes adjuntas de texto con artefactos que denotan un intento de confundirlo contradictorio.[8][9][10][11]
Spam con imágenes comenzó en 2004 y alcanzó su punto máximo a finales de 2006, cuando sobre el 50% del spam era spam con imágenes. Mediados de 2007, comenzó a declinar y prácticamente desapareció en 2008.[12] Sin embargo, la razón detrás de este fenómeno no es fácil de entender. El declive del spam con imágenes probablemente puede atribuirse tanto a la mejora de las contramedidas propuestas (por ejemplo, detectores rápido de la imagen del spam basados en características visuales) y a los requisitos más altos en términos de ancho de banda de spam con imágenes que obligan a los spammers para enviar una cantidad menor de spam en un intervalo de tiempo dado. Ambos factores podrían haber hecho imagen de spam menos conveniente para los spammers que otras clases de spam. Sin embargo, a finales de 2011 se detectó un renacimiento del spam con imágenes, y spam con imágenes alcanzó el 8% de todo el tráfico de spam, aunque por un pequeño período.[13]
Véase también
- Técnicas anti-spam
- E-mail-spam
Referencias
- ^ a b c Giorgio Fumera, Ignazio Pillai, Fabio Roli,"Filtrado antispam basado en el análisis de información de texto incrustado en imágenes". Revista de investigación de aprendizaje máquina (monográfico sobre Machine Learning en seguridad informática), vol. 7, pp. 2699-2720, 12/2006.
- ^ a b c Battista Biggio, Giorgio Fumera, Ignazio Pillai, Fabio Roli,"Un estudio y evaluación experimental de técnicas, cartas de reconocimiento de patrón de filtrado de spam de imagen". Volumen 32, número 10, 15 de julio de 2011, páginas 1436-1446, ISSN 0167-8655.
- ^ "Plug-in de Bayes OCR Spam Assassin".
- ^ a b Aradhye, H., Myers, G., Herson, j., 2005. Análisis de imagen para gato eficiente egorization de correo electrónico spam basado en imágenes. En: Proc. int. conf en análisis de documentos y reconocimiento, pp. 914 – 918.
- ^ a b Dredze, M., Gevaryahu, R., Elias-Bachrach, A., 2007. Aprendizaje rápidos clasificadores para el spam con imágenes. En: Proc. 4ª conf correo y Anti-Spam (CEAS)
- ^ Wu, C. T., Cheng, K. T., Zhu, p., Wu, Y.-L., 2005. Usando características visuales de filtrado antispam. En: Proc. IEEE int. conf. en procesamiento de imágenes, Vol. III.pp. 501-504.
- ^ Liu, p., Qin, Z., Cheng, H., Wan, M., 2010. Modelado eficiente de imágenes de spam. En: Int Symp. en tecnología de la información inteligente y seguridad informática. IEEE Computer Society, pp. 663 – 666.
- ^ "Plug-in de fuzzy -OCR Spam Assassin".
- ^ Battista Biggio, Giorgio Fumera, Ignazio Pillai, Fabio Roli "Filtrado de Spam imágenes usando la información Visual", XIV conf. int. de análisis de imagen y procesamiento (ICIAP 2007), Módena, Italia, IEEE Computer Society, págs. 105 - 110, 09/10/2007.
- ^ Fabio Roli, Battista Biggio, Giorgio Fumera, Ignazio Pillai, Riccardo Satta, "La imagen mediante la detección de texto acusatorio alterada de filtrado de Spam", taller sobre sistemas de procesamiento de la información Neural (NIPS), Whistler, Columbia Británica, Canadá, 12/08/2007.
- ^ Battista Biggio, Giorgio Fumera, Ignazio Pillai, Fabio Roli, "Mejorar la imagen Spam filtrado usando imagen características del texto", Quinta Conferencia sobre correo electrónico y Anti-Spam (CEAS 2008), Mountain View, CA, USA, 21/08/2008.
- ^ a b IBM X-Force ® 2010, tendencia a mitad de año y riesgo informan (agosto de 2010).
- ^ a b IBM X-Force ® 2012, tendencia a mitad de año y riesgo informan (septiembre de 2012).