真实情形

在开放式中转站如此少的情况下，如此大量的垃圾邮件是怎样被发送的呢？上文的解释可能为我们提供了答案。然而，上文并没有说明，有多少垃圾邮件究竟如何进入了你的收件箱。几年前，我们在杂志中读到那些反垃圾邮件工具的时候，其中有些工具特别有效，删除或标出垃圾邮件的比例非常高。

而如今，垃圾邮件情形则完全变了。一个典型的收件箱不仅包括各种分门别类的过时的促销商品广告，而且充斥各种商品，如高级手表，还有近来出现的买进股票的建议。不用说，高级手表极有可能是赝品，买进的股票肯定要赔钱。问题是，所有那些垃圾邮件到底是如何绕过你设置的垃圾邮件过滤器的？

垃圾邮件发送者很狡猾。好几年前，Bayesian filtering（贝叶斯）被捧为垃圾邮件识别的最强大的工具之一。这种工具不是仅仅查找信息中的关键词和短语从而加以过滤，而是分析所有单词过滤垃圾邮件，允许你用好或坏的信息对系统进行“训练”。其构想是，某些单词组合在一起使用是垃圾邮件的典型特征，而在其他语境中，同样的单词组合却可能并非如此。通过谨慎地分析其概率，Bayesian filtering能捕捉大量的垃圾邮件。

然而，过不了多久，垃圾邮件发送者就弄明白了这个道理，这就是为什么很多垃圾邮件都包含看上去是任意组成的部分文本—你可能没能看见这些白底白色的文本，但是这些文本的确存在—而Bayesian filtering读到的则是垃圾邮件之外的文本。 因此，如果在邮件中放进大量的随意组成的常见单词和短语，那么垃圾邮件成为过滤器漏网之鱼的机遇还是不小的。

当然，也还有其他的方法：诸如Cloudmark和DCC这样的系统，能够计算垃圾邮件的校验和或“指纹”，并在服务器上与其他机器共享。邮件服务器能利用其指纹来识别垃圾邮件，而且，这类系统在设计时还设置了一定程度的模糊性，包容信息中通常出现的个性化内容。然而问题是：由于僵尸网络使发送者具备了强大的计算处理能力，因此，对数以百万计的垃圾邮件进行分别设置，对一台机器来言，是一项耗时费力的工作，发送过程由此变得缓慢，因此，仍然有足够的垃圾邮件能混进信息之中，因而“指纹”就不再那么可靠了。

但同时，垃圾邮件也有了最新的招数：图片垃圾邮件。虽说垃圾邮件发送者也常常利用图片来推广其产品，但近来，使用图片的垃圾邮件数量显著上升：根据McAfee的说法，图片垃圾邮件占到了所有垃圾邮件的40%以上，而且比例还在上升，这是去年图片垃圾数量的四倍。这种图片垃圾邮件在“炒股诈骗”式的骗局（该骗局的目的，就是骗你去购买某公司股票，从而抬高该公司的股价）中最为常见。由于没有真正的文本可以扫描识别，而且信息都是从大量不同的IP地址发送过来，因此，当它们达到邮件服务器时，就很难识别出来。从理论上讲，你可以在信息中运行字符识别程序，但这样做会耗费大量的处理时间。你也不能看到带有图片的信息就加以阻止，因为如此多的个人都通过邮件共享照片，或将他们公司的标徽贴在信息中作为署名。

到处都是垃圾邮件，数量如此巨大，难怪也有人在想，互联网是否也该需要新的邮件系统了。然而，这种情况却不太可能会发生。首先，就是因为有太多的人在使用现有的标准，沟通交流由此变得更为容易。其次，还有那些僵尸部落的存在：由于如此多的系统都被感染，进而受到控制，因此，用不了多久，垃圾邮件发送者就会找到方法去攻击那些系统。如此看来，可能只有从技术和法律层面提供解决方案了：从技术层面看，可以采用新技术，将其融入现存系统，以此来验证邮件；从法律层面来看，只要这些邮件发送者利用垃圾邮件的行为触犯法律，那么就将其告上法庭。

同时，要保持收件箱干净，你能采取什么措施呢？很明显，对于桌面反垃圾邮件软件而言，有效的清除工作十分困难，清除图片垃圾邮件更是如此。当然，就清除其他各类垃圾邮件而言，只要通过查找关键字、阻止已知的垃圾邮件域名或将已知联系人放进“白名单”中，这些桌面反垃圾邮件软件仍然发挥着作用。但是，看起来，要有效地解决这个问题，真的有必要，在全球的电子邮件服务器上展开对垃圾邮件的战争。