在一些經常使用郵件的朋友，都會經常性的收到一些垃圾郵件，這也算是一個網絡犯罪的一種。
在21世紀初，早期防止垃圾郵件的嘗試收效甚微。通過創建反垃圾郵件簽名（實際上是人工創建的規則），垃圾郵件的泛濫只得到了最低限度的遏制，數十億封垃圾郵件中的50%會被攔截下來，而其餘的郵件仍在通過網絡發送給每一位使用郵件的用戶。
這個解決方案是在機器學習中找到的，機器學習算法分析大量的數據並得出特定的模式。其結果是全面加強了防禦，攔截了大約95%的垃圾郵件。
2005年，Trend Micro使用機器學習來發現和阻止垃圾郵件，使用了Trend Micro反垃圾郵件引擎(TMASE)和託管電子郵件安全(HES)解決方案。垃圾郵件和其他所有東西一樣都在進化，我們再次轉向了由高質量數據支持的機器學習。
當垃圾郵件充斥網絡時，它會減慢網絡速度，而且可能會有不知情的用戶點擊垃圾郵件，無意中下載惡意軟件或病毒。攔截垃圾郵件對網絡安全至關重要，它應該成為任何企業網絡防禦的一部分。然而，機器學習的有效性取決於它精確檢查大量數據的能力。
垃圾郵件似乎是一種過時的網絡威脅，但還在不斷髮展中。看來機器學習將會在現在或將來將垃圾郵件的威脅性降低最低。
如果網絡不安全，後果將會很明顯（如財務損失、聲譽受損、運營中斷）。最好的解決方案是使用不止一種形式的網絡安全，並採取多層次的方法。任何組織都不能忽視安全漏洞所造成的破壞。
分享到:
閱讀更多 T800科技網 的文章
