FuzzyOcr - 反垃圾邮件插件


Apache Licene 2.0
Linux
C/C++

软件简介

FuzzyOCR,是一套修改自OcrPlugin的Spamassassin
plugin。同样是利用光学字符辨认(OCR)的方式,来识别图像式邮件所包含的「文字讯息」,并利用Fuzzy word
matching算法判断辨识出来的文字。

主要具备了下列的功能:

Optical Character Recognition using different engines and settings

Fuzzy word matching algorithm applied to OCR results

Image hashing system to learn unique properties of known spam images

Dimension, size and integrity checking of images

Content-Type verification for the containing email

Matching and learning techniques

可弹性支持不同的OCR interface,并利用fuzzy word matching算法来处理辨识的结果。

支持DB,可将处理过的图片,以 feature vectors的形态储存在数据库。因此相同或是类似的图片,便可以利用储存在DB的特征向量来处理。

能检测不同维 度、size与整合性的测试。

邮件内容检测。

Resource saving techniques

仅扫描邮件,而非辨认该封信件是否为垃圾信件。信件的分类仍交由spamassassin所判别的分数高低来决定。

对于已达到 spam分数门坎的邮件,FuzzyOCR在处理该封邮件时会忽略该封信件而不进行扫描,进而减轻系统负载。(3.5版之后提供)

藉 由比对储存于DB的feature vectors(dimensions and file
size)。若比对成功,则忽略该封信件,而不再进行OCR辨识与处理。