mirror of
https://github.com/rspamd/rspamd.git
synced 2024-07-31 08:18:22 +02:00
334 lines
19 KiB
Plaintext
334 lines
19 KiB
Plaintext
=encoding utf8
|
||
|
||
=head1 Фильтрация спама при помощи системы rspamd.
|
||
|
||
=head2 1. История и предпосылки создания.
|
||
|
||
Мы долгое время использовали для фильтрации спама spamassassin, однако, при
|
||
наших объемах почтового трафика (9-10 миллионов писем в сутки) spamassassin
|
||
не обеспечивал достаточной производительности. После анализа исходного кода и
|
||
принципов работы было выявлены следующие "врожденные" проблемы SA:
|
||
|
||
=over
|
||
|
||
=item *
|
||
обработка письма осуществляется набором регулярных выражений, однако,
|
||
количество этих выражений слишком велико и является ключевым моментом
|
||
задумчивости SA (например, для извлечения received заголовков письма, SA
|
||
проверяет оные на соответствие всем ему известным MTA, очевидно, что такое
|
||
действие не является оптимальным);
|
||
|
||
=item *
|
||
нет возможности явно получить ip адрес, с которого нам отправили письмо (в SA
|
||
это делается парсом received заголовков, что я лично не считаю правильным, а тем
|
||
более оптимальным способом, так как MTA всегда знает, откуда ему пришло данное
|
||
письмо)
|
||
|
||
=item *
|
||
нет возможности передачи спам фильтру данных SMTP диалога
|
||
|
||
=item *
|
||
MIME парсинг писем очень медленный, так как опять же сделан на базе регулярных
|
||
выражений
|
||
|
||
=back
|
||
|
||
В итоге можно сказать, что основная проблема SA - это излишняя увлеченность
|
||
авторов регулярными выражениями и отсутствие оптимизации. В итоге, в качестве
|
||
базовых принципов создания rspamd были принципы оптимизации времени обработки
|
||
писем, в числе которых:
|
||
|
||
=over
|
||
|
||
=item *
|
||
полностью асинхронная работа с сетью (на базе libevent), в том числе DNS запросы
|
||
и работа с http
|
||
|
||
=item *
|
||
быстрые механизмы выделения памяти
|
||
|
||
=item *
|
||
компиляция всех регулярных выражений и вызов только тех из них, которые наиболее
|
||
возможны (то есть, имеется механизм ведения статистики срабатывания различных
|
||
правил, и при обработке следующего письма учитывается обработка предыдущих, что
|
||
позволяет максимально быстро провести основные тесты)
|
||
|
||
=item *
|
||
расширяемая архитектура: возможность написания плагинов на си, lua, возможность
|
||
добавления новых типов фильтров, расширений протокола rspamc, возможность
|
||
добавления новых типов статистических алгоритмов, алгоритмов нормализации и
|
||
парсинга текстов
|
||
|
||
=item *
|
||
возможность динамической загрузки различных настроек, списков ip адресов и
|
||
прочей информации через HTTP протокол с поддержкой даты модификации таких
|
||
списков
|
||
|
||
=item *
|
||
использование везде, где возможно, специализированных конечных автоматов для
|
||
разбора и анализа текстов
|
||
|
||
=item *
|
||
использование быстрого mime парсера gmime
|
||
|
||
=back
|
||
|
||
В результате перехода с SA на rspamd последний показал в среднем в 10 раз более
|
||
быструю обработку сообщений. В данный момент rspamd имеет статус бета версии, но
|
||
вполне пригоден для работы.
|
||
|
||
=head2 2. Установка и настройка rspamd
|
||
|
||
Для сборки rspamd вам потребуются:
|
||
|
||
=over
|
||
|
||
=item * libevent
|
||
L<http://www.monkey.org/~provos/libevent/> - библиотека для асинхронной
|
||
обработки событий
|
||
|
||
=item * glib
|
||
L<http://library.gnome.org/devel/glib/> - библиотека общего назначения,
|
||
содержащая многие вещи, о которых разработчики libc, увы, забыли (glib не
|
||
является графической библиотекой, хотя и используется, например, gtk)
|
||
|
||
=item * gmime
|
||
L<http://spruce.sourceforge.net/gmime/> - MIME парсер на базе библиотеки glib
|
||
|
||
=item * lua
|
||
L<http://www.lua.org/> - встраиваемый скриптовый язык (в принципе, наличие lua
|
||
необязательно, но без lua многий функционал rspamd останется нереализованным)
|
||
|
||
=item * perl
|
||
L<http://www.perl.org/> - на перле написан, например, консольный клиент rspamc,
|
||
распознаватель редиректов в URL'ях, поэтому наличие перла в системе крайне
|
||
желательно
|
||
|
||
=item * cmake
|
||
L<http://www.cmake.org/> - система сборки, которая позволяет rspamd собираться
|
||
(по крайней мере, в теории) на всех Posix совместимых системах. Использовать
|
||
стандартные в данной ситуации autotools я не стал, так как считаю их самой
|
||
неудобной в использовании системой сборки исходников, которую можно только
|
||
придумать.
|
||
|
||
=item * mercurial
|
||
L<http://mercurial.selenic.com/> - система управления версиями (SCM),
|
||
используемая для разработки rspamd. Так как в настоящее время rspamd находится в
|
||
состоянии бета-версии, то релизы выходят нечасто и зачастую являются менее
|
||
стабильными, чем текущая версия в репозитории, поэтому для установки rspamd
|
||
лучше использовать версию непосредственно из репозитория.
|
||
|
||
=back
|
||
|
||
После установки всех требуемых программ и библиотек можно приступить
|
||
непосредственно к установке rspamd.
|
||
|
||
=over
|
||
|
||
=item 1
|
||
скачиваем текущее состояние репозитория: $ hg clone http://rspamd.hg.sourceforge.net:8000/hgroot/rspamd/rspamd
|
||
|
||
=item 2
|
||
конфигурируем rspamd: $ cd rspamd && cmake .
|
||
(при необходимости изменить параметры можно вначале воспользоваться командой
|
||
ccmake .)
|
||
|
||
=item 3
|
||
собираем: $ make
|
||
|
||
=item 4
|
||
устанавливаем: # make install
|
||
|
||
=back
|
||
|
||
=head3 Конфигурирование
|
||
|
||
В процессе установки ставятся конфигурационные файлы по умолчанию в каталог
|
||
{PREFIX}/etc. При этом, в каталог etc/rspamd устанавливаются правила по
|
||
умолчанию (headers, html, drugs, loto и.т.п.), а в каталог
|
||
etc/rspamd.conf.sample устанавливается конфигурационный файл по умолчанию. Его
|
||
можно скопировать в файл etc/rspamd.conf и отредактировать в соответствии с
|
||
собственными предпочтениями. Конфигурационный файл по умолчанию снабжен
|
||
комментариями к каждой директиве, а также подробно описан в документации к
|
||
rspamd, находящейся в каталоге исходников doc/rspamd.pdf. В данном же
|
||
руководстве подробно изложен принцип работы rspamd и настройки всех модулей
|
||
системы. Для базовой работы достаточно исправить пути к файлам логов, пидфайлу,
|
||
а также обратить внимание на разделы factors и classifiers. Остановлюсь на этом
|
||
несколько подробнее.
|
||
|
||
Все директивы rspamd имеют формат param = value; где символ ';' является
|
||
признаком окончания директивы. Также файл разбит на секции, каждая секция имеет
|
||
имя (например worker {}) и внутренние директвы внутри фигурных скобок. После
|
||
каждой секции также обязателен символ ';'. Также каждый модуль имеет особый
|
||
формат секции:
|
||
|
||
=begin html
|
||
|
||
<pre>
|
||
.module 'name' {
|
||
param = value;
|
||
};
|
||
</pre>
|
||
|
||
=end html
|
||
|
||
Все это может показаться сложным на первый взгляд, но это позволяет лучше
|
||
структурировать файл и облегчает расширяемость rspamd. Для первоначальной
|
||
настройки достаточно обратить внимание на раздел factors, который описывает веса
|
||
различных правил, раздел metric, который описывает максимальный вес, чтобы
|
||
письмо считалось спамом, а также на раздел classifiers. Раздел classifiers
|
||
обеспечивает работу статистических алгоритмов. В rspamd в настоящее время
|
||
реализован алгоритм winnow, который работает следующим образом:
|
||
|
||
=over
|
||
|
||
=item 1
|
||
текст разбивается на слова, также выделяется окно в пять слов
|
||
|
||
=item 2
|
||
окно перемещается по словам, при этом выделяются словосочетания по определенному
|
||
алгоритму и вычисляется их хеш
|
||
|
||
=item 3
|
||
каждый полученный таким образом хеш проверяется в файле статистики, в котором
|
||
хранятся хеши и их веса, если хеш найден, то его вес добавляется к суммарному
|
||
весу данного файла
|
||
|
||
=item 4
|
||
файл, набравший в сумме больше веса считается классом письма
|
||
|
||
=back
|
||
|
||
Основная идея такого подхода в определении по словосочетаниям, к какому классу
|
||
принадлежит данное письмо. В SA для этой цели используется вероятностный
|
||
алгоритм bayes, который достаточно похож на вышеописанный, но считает не веса, а
|
||
вероятности. Эффективность каждого из алгоритмов примерно одинакова и зависит в
|
||
основном от эффективности обучения. Однако, в отличие от SA, rspamd использует
|
||
не отдельные слова, а словосочетания, что повышает его эффективность. В секции
|
||
classifiers можно установить различные классы писем, а далее в секции factors
|
||
указать их вес (задав, например, для заведомо безвредных писем - ham -
|
||
отрицательный вес). Размер файлов статистики должен быть разумно большим для
|
||
хранения как можно большего числа хешей. Однако, необходимо учитывать, что эти
|
||
файлы целиком загружаются в память (хотя, реализация отображения файла в памяти
|
||
в различных ОС допускает загрузку и выгрузку страниц этого файла в своп системы,
|
||
но эффективность этого довольно низка), поэтому необходимо соизмерять размер
|
||
оперативной памяти и файлов статистики.
|
||
|
||
=head2 4. Подключение и проверка работоспособности rspamd
|
||
|
||
Для проверки работы системы rspamd проще всего воспользоваться командой rspamc:
|
||
|
||
=begin html
|
||
|
||
<pre>
|
||
hostname:~> rspamc stat
|
||
Do rspamc command stat
|
||
Messages scanned: 1234040
|
||
Messages learned: 59151
|
||
Connections count: 1176623
|
||
Control connections count: 59152
|
||
Pools allocated: 2530714
|
||
Pools freed: 2530699
|
||
Bytes allocated: 66991793394
|
||
Memory chunks allocated: 6453232
|
||
Shared chunks allocated: 3
|
||
Chunks freed: 6453090
|
||
Oversized chunks: 468849
|
||
Statfile: WINNOW_HAM (version 69); length: 100.0 MB; free blocks: 4563488; total blocks: 6553581; free: 69.63%
|
||
Statfile: WINNOW_SPAM (version 36383); length: 100.0 MB; free blocks: 760504; total blocks: 6553581; free: 11.60%
|
||
</pre>
|
||
|
||
=end html
|
||
|
||
В данном случае выводится общая статистика. Такого же эффекта можно достигнуть
|
||
командой telnet на порт процесса controller (он описан в конфигурационном файле
|
||
в секции worker, type у которого controller). По умолчанию это порт 11334 на
|
||
адресе 127.0.0.1. Работу правил и статистики можно также проверить по команде
|
||
rspamc:
|
||
|
||
=begin html
|
||
|
||
<pre>
|
||
~> rspamc symbols /tmp/mailman.eml
|
||
Processing /tmp/mailman.eml
|
||
Process file: /tmp/mailman.eml
|
||
Sending 4950 bytes...
|
||
RSPAMD/1.1 0 OK
|
||
Metric: default; False; -3.35 / 10.00 / 0.00
|
||
Symbol: WINNOW_HAM; 5.00
|
||
Symbol: RECEIVED_RBL; pbl.spamhaus.org,insecure-bl.rambler.ru
|
||
Urls:
|
||
</pre>
|
||
|
||
=end html
|
||
|
||
В данном случае показываются баллы, набранные письмом, а также дополнительная
|
||
информация. Подробнее о протоколе rspamc в документации (doc/rspamd.pdf). Для
|
||
подключения rspamd к MTA лучше всего использовать milter, если ваш MTA postfix
|
||
или sendmail. В качестве milter'а можно использовать, например, rmilter:
|
||
L<https://www.milter.org/milter/71/>. О настройке postfix + rmilter мной была
|
||
написана следующая заметка: L<http://cebka.pp.ru/blog/2009/02/-nginxpostfixrmilter.html>
|
||
Для MTA exim можно воспользоваться файлом local_scan.c в каталоге contrib/exim.
|
||
Инструкции по его установке описаны в самом файле, однако, это требует
|
||
пересборки MTA. Также rspamd "понимает" протокол SA, поэтому для подключения
|
||
rspamd можно использовать те же средства, что и для подключения к MTA SA.
|
||
|
||
Подробнее о командах rspamc и протоколе rspamc написано опять же в документации.
|
||
|
||
=head2 5. Обучение rspamd
|
||
|
||
Процесс обучения важен для корректной работы статистики. Для обучения
|
||
используется команда rspamc learn. Для указания файла (класса) письма
|
||
используется ключ -s. Пример использования:
|
||
|
||
=begin html
|
||
|
||
<pre>
|
||
~> rspamc -s WINNOW_HAM learn /tmp/mailman.eml
|
||
Processing /tmp/mailman.eml
|
||
Process file: /tmp/mailman.eml
|
||
Do rspamc command learn
|
||
Sending 4950 bytes...
|
||
Learn succeed. Sum weight: 128.48
|
||
</pre>
|
||
|
||
=end html
|
||
|
||
В качестве параметров можно указывать несколько файлов, целые каталоги, а также
|
||
imap папки:
|
||
|
||
=begin html
|
||
|
||
<pre>
|
||
~> rspamc -s WINNOW_SPAM learn imaps:user:cebka:password::host:somehost.rambler.ru:mbox:abuse.spam
|
||
Processing imaps:user:cebka:password::host:mailsupport.rambler.ru:mbox:abuse.spam
|
||
Enter IMAP password:
|
||
Process imap: host: somehost.rambler.ru, mbox: abuse.spam
|
||
Do rspamc command learn
|
||
Sending 382650 bytes...
|
||
Learn succeed. Sum weight: 1850.24
|
||
<skipped>
|
||
</pre>
|
||
|
||
=end html
|
||
|
||
При обучении необходимо учитывать, чтобы количество spam и ham писем было
|
||
примерно равным. Вес показывает суммарный вес словосочетаний текста, который был
|
||
до обучения данным письмом (то есть, то, насколько велика вероятность
|
||
принадлежности данного письма к этому классу). При обнаружении неверных
|
||
срабатываний статистики можно несколько раз применить learn к заданному письму,
|
||
проверяя его суммарный вес.
|
||
|
||
=head2 6. Поддержка и дальнейшие действия
|
||
|
||
Если вы решили использовать rspamd для обработки вашей почты, то лучшим
|
||
источником информации будет являться документация к rspamd, а также примеры lua
|
||
плагинов: etc/plugins/lua. Целью же данной статьи является ознакомление с
|
||
основными приемами по установке, конфигурированию и обучению rspamd, а также
|
||
описание преимуществ rspamd по сравнению с SA. Если на любом этапе работы с
|
||
rspamd у вас возникает проблема, то можно о ней сообщить мне:
|
||
B<vsevolod@highsecure.ru> или же в список рассылки rspamd на sourceforge
|
||
(англоговорящий): B<rspamd-devel@lists.sourceforge.net>. Сама система
|
||
rspamd находится в состоянии бета-версии, поэтому ваша помощь в тестировании и
|
||
запросы функциональности будут неоценимы в развитии rspamd.
|