Gibt es eine kostenlose Anti-Spam-Datenbank?

Question

Wordpress hat ein Spam-Filter-Plugin namens Akismet, das in der Lage ist, jeden Textblock als Spam zu klassifizieren. Der einzige Nachteil ist, dass Sie über ihre Schnittstelle gehen müssen und ihre Datenbank/Algorithmus ist nicht Open-Source-oder anderweitig verfügbar.

Es gibt auch kommerzielle Anbieter, die eine Web-API zur Verfügung stellen, mit der Sie die E-Mails, Kommentare oder anderen von Benutzern in Ihrer Webanwendung eingereichten Text klassifizieren können.

Gibt es eine Open-Source- oder eine frei zugängliche Datenbank, die einen Textblock als Spam/Nicht-Spam klassifizieren kann?

Edit: Hier ist eine deutlichere Erklärung, was ich will

Grundsätzlich Ich hatte gehofft, dass es eine umfangreiche Datenbank mit den Wahrscheinlichkeiten bestimmter Sätze um Spam da draußen war. Da (wie ich annehme) Spammer alle E-Mail-Adressen gleich spammen, indem ich meinen Bayes'schen Spam-Filter mit dieser Datenbank vorbelege, könnte ich eine Anwendung erstellen, die am Anfang die meisten Spam ohne Benutzertraining erfasst.

Answer 1

aktualisiert basierend auf Kommentar:

Ich glaube nicht eine einfache Datenbank, den Trick tun würde. Die meisten Spam-Mails werden algorithmisch generiert (z. B. enthält Kommentar-Spam normalerweise Inhalte aus dem Post). Akismet macht eine Kombination von Dingen, die wahrscheinlich Link-Analyse und die Verwendung bekannter Spam-Signaturen beinhaltet, aber sie veröffentlicht es nicht.

Ich habe über einige interessante AI-Projekte zu classify good rather than bad content gelesen. Sie können sich auch Spam Karma anschauen, die Blogkommentare basierend auf einer Vielzahl von Spam-Triggern analysiert (Post of Response unmittelbar nach dem Laden der Seite, etc.).

---

Original-Antwort (DNS schwarze Listen):

• DNSBL
• Spamhaus

Answer 2

Wahrscheinlich nicht genau das, was Sie suchen, aber die Moinmoin Wiki Maintainer halten eine zentrale Liste von Wiki-Spam reguläre Ausdrücke hier: http://master.moinmo.in/BadContent

Answer 3

Vielleicht ist dies eine totale Frage - überprüfen Sie diese jedoch: http://www.stopforumspam.com Verwenden Sie ihre API, um die IP oder eingegebene Benutzernamen oder E-Mails gegen ihre DB zu überprüfen. Aber ich rate Ihnen, cURL mit seinem Timeout-Parameter zu verwenden - der Dienst kann oder kann manchmal nicht auf Sie warten.