据说SPAM这词的来源和计算机其实没什么关系，也不是某四个英文单词的缩写。它实际上，来自于饭店中一首完没完了地念叨着“SPAM”的歌，这歌的声音如此之大、歌词如此之烦，以至于就餐者都无法正常对话了。

上面的解释很好地描述了SPAM的作用和危害，然而有趣的是这个词本身却没有一个合适且严格的中文翻译。Wikipedia上有人将其翻译成“垃圾邮件”。但我们知道，除了垃圾邮件外，在计算机的世界里SPAM又可变身为聊天室中的垃圾留言、论坛中的垃圾帖子、IM中的垃圾信息，以及一切可以由用户产生内容（UGC）的地方。

SPAM有不小的危害，但以人类目前的技术，很难做到100%的杜绝SPAM。我曾在“有效地阻止SPAM”一文中提到了表单隐藏域办法，这个方法的优点在于，以极低的实现成本得到了相对而言尚可的过滤效果；但缺点也很明显，就是有些SPAM机器人越来越聪明，它们会用自带的HTML解析器分析代码，并绕过过滤机制。我后来在此基础上，在blog所用的SPAM防火墙上增加了“黑白名单”机制（详见“Lonely Thinker 0.4完成及0.5展望”），实际效果相当不错。但此方法必须由人工干预才行－网站的管理者必须一直投入精力来维护黑白名单的数据库，所以比较麻烦。

下面是上述两种方法的一个实际效果：

2009年1月1日－2009年1月15日，LT内建的SPAM防火墙共拦截SPAM 361 条。其中依靠隐藏表单域（方法一）拦截 49 条，约占 14%；依靠黑名单（方法二）拦截 312 条，约占 86%。平均每天共拦截约24条。（原始log文件下载）

老实说这个结果还是颇出乎我的意料的，因为居然只有49个/次、约14%的机器人被方法一抓到，而86%的机器人都可以绕过方法一！

由此可见，现在的SPAM机器人都相当的智能，而这也正是我们为什么需要一些更棒的方法来抵御SPAM的原因。在下篇中，我想和大家聊聊我最近研究Bayesian算法的一些心得。

---

1. fei @ 2009-01-17 02:29:45 +0800:

   可转载否~
   另：记不得之前留言区域这里是不是黄色高亮了，毕竟大部分时间是阅读的RSS。人懒，不喜欢点到WEB。
   如果是刚调整的，不得不赞一下。这个细节其实非常的舒服，非常的爽。
   留言区域的高亮，用一句那啥啥说，巴适的很哪~

2. 丁宇 @ 2009-01-17 06:03:17 +0800:

   @fei:
   原则上我不希望转载，因为从长远来看这会浪费互联网和人们的资源。如果你一定要转载的话，请：
   1）保留作者信息；
   2）标明文章出处；
   3）保持转载内容和原文的一致性。

   推荐在你那里链接回来 [emoticon:smile_1]

3. willin @ 2009-03-02 08:26:53 +0800:

   我有簡單的防Spam方式,希望與你交流.
   http://willin.freehyperspace5.com/?p=1051

4. Felix @ 2009-03-02 18:01:52 +0800:

   @willin 看了你的方式，很不错。我没有使用JS主要是基于可访问性（accessibility）的考虑。

5. willin @ 2009-03-04 02:59:14 +0800:

   Umm.... 你這個頁面就加載了6個js, 我想js還是方便.

6. 丁宇 @ 2009-03-04 06:06:03 +0800:

   @willin 呵呵，是的，用了一些jQuery。不过你尽可以关掉js，可访问性几乎不受到影响，几乎所有的功能都可用（除了评论中的表情图标，这个以后改进）。