Un nuevo software desarrollado por el Instituto Tecnol\u00f3gico de Georgia (Georgia Institute for Technology) puede identificar el spam antes de que llegue al servidor de correo. El sistema, conocido como SNARE (Spatio-temporal Network-level Automatic Reputation Engine), valora cada correo entrante en funci\u00f3n de una serie de nuevos criterios que se pueden recoger en un solo paquete de datos. Los investigadores implicados, afirmaron que el sistema automatizado ejerce menos presi\u00f3n en la red y minimiza la necesidad de intervenci\u00f3n humana, logrando la misma presi\u00f3n que los filtros de spam tradicionales.<\/p>\n
Separar el spam del correo leg\u00edtimo, tambi\u00e9n conocido como ham, no es f\u00e1cil. Esto se debe, en parte, al enorme volumen de mensajes que es necesario procesar y, en parte, a las expectativas del correo electr\u00f3nico: los usuarios quieren que los correos lleguen en minutos, por no decir segundos, despu\u00e9s de su env\u00edo. Analizar el contenido de cada correo podr\u00eda ser un m\u00e9todo fiable para identificar el spam, pero se tarde demasiado en hacerlo, se\u00f1ala Nick Feamster, profesor ayudante de Georgia Tech que supervis\u00f3 la investigaci\u00f3n de SNARE. Por otra parte, dejar que el spam pase a nuestras bandejas de entrada sin filtrar tampoco es una buena opci\u00f3n. Seg\u00fan un informe presentado por la empresa de seguridad de correo electr\u00f3nico MessageLabs, el 90,4% de todos los correos enviados en junio fueron spam. <\/p>\n
\u00abSi a alguien no le preocupa el spam le sugiero que desconecte el filtro de spam de su correo durante una hora aproximadamente y vea lo que sucede\u00bb, se\u00f1al\u00f3 Sven Krassen, director principal de investigaci\u00f3n en miner\u00eda de datos de McAfee. Fue esta compa\u00f1\u00eda, de Santa Clara, California, la que proporcion\u00f3 los datos para el an\u00e1lisis al equipo de Georgia Tech. <\/p>\n
El equipo analiz\u00f3 25 millones de correos electr\u00f3nicos recopilados por TrustedSource.org, un servicio en l\u00ednea desarrollado por McAfee para reunir datos acerca de las tendencias en cuanto a spam y malware. Utilizando estos datos, los investigadores de Georgia Tech descubrieron varias caracter\u00edsticas que se podr\u00edan reunir en un solo paquete de datos y utilizarlas para identificar eficazmente el correo basura. Por ejemplo, su investigaci\u00f3n revel\u00f3 que el ham suele proceder de ordenadores que tienen muchos canales, o puertos, abiertos para comunicaci\u00f3n. Los bots, sistemas automatizados que a menudo se utilizan para enviar montones de spam, suelen tener abierto solo el puerto de correo, conocido como Protocolo Simple de Transferencia de Correo o SMTP.<\/p>\n
Adem\u00e1s, los investigadores observaron que representando en una gr\u00e1fica la distancia geod\u00e9sica entre las direcciones IP del emisor y las del receptor \u2013medidas sobre la superficie curva de la Tierra\u2013 se pod\u00eda determinar si el mensaje era un correo basura (al igual que cada casa tiene una direcci\u00f3n, cada ordenador conectado a Internet tiene una IP, y esa direcci\u00f3n se puede asociar con un \u00e1rea geogr\u00e1fica). Los investigadores observaron que el spam tiende a viajar mucho m\u00e1s lejos que el ham. Adem\u00e1s, los spammers suelen tener direcciones IP pr\u00f3ximas num\u00e9ricamente a las de otros spammers. <\/p>\n
Dean Malmgren, doctorando de la Universidad Northwestern cuyo trabajo incluye el estudio de nuevos m\u00e9todos para identificar spam, afirma que la investigaci\u00f3n le parece muy interesante, pero se pregunta hasta qu\u00e9 punto mantendr\u00e1 su eficacia SNARE una vez que se conozca ampliamente su metodolog\u00eda. Las direcciones IP son f\u00e1ciles de trampear, por lo que si los spammers averiguan c\u00f3mo funciona SNARE, podr\u00edan, por ejemplo, utilizar una IP falsa pr\u00f3xima al receptor.<\/p>\n