抓垃圾电邮 ＩＢＭ请出钟馗

根据英国广播公司（ＢＢＣ )报导，纽约ＩＢＭ华生研究中心的研究人员利古佐斯和田惠恩（译音 )，将基因学家计算蛋白质注解的基因序列时所使用的一种演算程式“泰瑞西亚”，应用到辨识垃圾邮件上，并将这种新的程式命名为“钟馗”。

利古佐斯表示，垃圾邮件会含有某些字元序列模式，这些模式不会出现在非垃圾邮件中。研究人员对大量垃圾邮件进行分析，建立出一套垃圾邮件经常包含的字元序列模式，这些模式相当于某种“字汇”。利用这套字汇组成的资料库，“钟馗”就可以辨识垃圾邮件。

“钟馗”的运算原理是“模式发现”，而非“模式吻合”（如以邮件的来源、途径、身分认证或安全名单等明确资讯串为对象，对邮件进行搜寻过滤 )。只要邮件中出现高频率的垃圾“字汇”，就会被判定为垃圾邮件。

在六万六千封垃圾邮件与二万二千封非垃圾邮件的混合中，“钟馗”成功辨识出绝大多数垃圾邮件，成功率高达九十六点五％。

利古佐斯说，“钟馗”的辨识能力极强，只要“字汇”在邮件中出现两次或两次以上，邮件就会被抓出来，即使出现位置在邮件内容以外的地方也一样。现在许多垃圾邮件以“Ｓ”代替“＄”来逃避过滤程式，但这种障眼法也骗不过“钟馗”。此外，“钟馗”会透过不断学习扩大其“字库”。

“钟馗”所根据的“泰瑞西亚”程式，也是华生研究中心的研发成果。它的命名取自希腊神话中著名的盲眼先知泰瑞西亚，理由是这种演算程式并不知道它所要寻找的明确基因模式为何，它只是在大量的基因资料中，发现到某些反覆出现的模式。基因学家利用这些模式，解释疾病与基因缺陷的关系。