Efficacité de K9 contre le SPAM

Comme vous le savez peut-ĂŞtre, je suis aussi l’auteur d’un site de lutte contre le SPAM (SpamAnti.net). Sur ce site, je conseille rĂ©gulièrement l’usage d’un outil de filtrage statistique du courrier Ă©lectronique pour se dĂ©barasser du SPAM : K9 de Robin Keir.

Mais beaucoup d’entre nous qui ont essayĂ© des outils parfois vendus très cher savent que l’efficacitĂ© est souvent faible sinon pitoyable. Alors, comment se dĂ©brouille K9 ? Très bien.

Comment ça marche ?

Tout d’abord, il faut comprendre comment fonctionne un tel outil. Il s’installe entre le serveur de mail de votre Fournisseur d’Accès Internet (FAI) et votre lecteur de courrier Ă©lectronique. Il tourne sur le PC, demande Ă  reconfigurer lĂ©gèrement le logiciel de mail, puis fonctionne tranquillement dans votre dos.

Ou à peu près, puisque pendant les premiers jours, il faut lui montrer quels sont les bons et les mauvais mails (il a une petite idée, mais elle est très approximative). Ensuite, il va en tirer de lui-même des critères statistiques de tri.

Efficacité

Pour parler prĂ©cisĂ©ment, K9 inclut directement des statistiques qui permettent de savoir Ă  quel niveau d’efficacitĂ© il se trouve. On a donc toute l’information nĂ©cessaire.

Ensuite, il y a deux mesures qui sont importantes Ă  relever :

1. l’efficacitĂ© en fonctionnement continu
2. l’efficacitĂ© (normalement rĂ©duite) pendant la phase initiale d’apprentissage

Pour le fonctionnement en continu je n’ai que des Ă©loges : après des mois de messagerie (soit plus de 100,000 mails) le score est Ă©loquent : 99.95% au minimum alors que je reçois des SPAMs d’absolument toutes les origines.

La question restait ouverte pour la phase d’apprentissage. Hors, je viens de refaire l’installation email de mon PC ; j’ai donc pu observer et mesurer cette nouvelle phase d’apprentissage. Et la bonne nouvelle arrive lĂ  aussi : sur 2994 mails (en une journĂ©e), j’ai dĂ» reclasser 9 messages comme “bon”, et 5 messages comme “mauvais”. Cela donne un 99,53% d’efficacitĂ© et l’apprentissage est visiblement fini depuis au moins 1500 messages.

Bien entendu, je en conseille pas de fermer les yeux Ă  partir de lĂ . Mais K9 procure un moyen simple et rapide de revenir en arrière pour chercher les erreurs toujours possibles : il classe les messages selon leur probabilitĂ© d’ĂŞtre du SPAM. 0% c’est du tout bon, 100% c’est du SPAM. Quand on regarde quels sont les messages Ă  proximitĂ© de la limite (50%), on repère facilement les quelques messages mal aiguillĂ©s.

Dans le cas ci-dessus, K9 montre clairement le message licite reçu (en bleu, avec une probabilité de 2,5%) et les SPAM (en noir, avec des pourcentages largement supérieurs à 50%).

Note francophone

DĂ©tail pas nĂ©gligeable pour nous autres francophones : mĂŞme si le site web de Robin Keir est en anglais, et mĂŞme si j’utilise moi-mĂŞme la version anglophone du produit, il existe sur le site une extension tĂ©lĂ©chargeable qui permet de le faire passer en français pour un meilleur confort.

Et c’est tout gratuit !

Publié le 28 aoĂ»t 2006 à 19:30.
D'autres articles similaires dans Logiciel, SPAM.