DSPAM
|
Project Release infomations and Project Resources. Note that these informations are from this projects Freecode.com page and the downloads themselves may not be hosted with SourceForge.JP.
Project Release Information2011-08-04 05:07 Support pour MySQL 5.5 a été ajouté. Support pour MySQL <5,0 a été abandonné. La licence a été changé de la GPLv2 à la AGPLv3. Il ya beaucoup de corrections de bugs. 2010-01-13 03:41 Ce communiqué a de nombreuses corrections, mises à jour de la documentation, des nettoyages de code et d'autres changements. Si vous exécutez l'une des plus âgés RC, bêta ou versions alpha, vous devez alors mettre à niveau vers cette version. Il n'ya pas de problèmes de compatibilité par rapport aux plus âgés alpha ou bêta plus âgés ou des communiqués de RC. Les utilisateurs qui utilisent DSPAM 3.8.0 ou plus peuvent mettre à niveau en suivant les étapes mentionnées dans le fichier RECLASSEMENT. 2009-06-25 06:45 Cette version corrige la plupart des problèmes de stabilité dans les versions précédentes. Ce communiqué a décodage caractère plus robuste, HTML traitement du courrier, gestion de la mémoire, les moteurs de stockage, Essence H / OSB tokenizing, et bien plus encore. 2007-03-18 21:35 Il s'agit d'une version non définitive, mais significative. Plusieurs corrections de bugs importants ont été accomplis. Bill Yerazunis 'Orthogonal Sparse bigram (OSB) tokenizer algorithme a été ajoutée. Le code a été considérablement optimisé pour fonctionner beaucoup plus rapidement et avec moins de ressources. 2006-06-09 19:27 Cette version inclut des corrections de bogues critiques pour PostgreSQL et les utilisateurs LDAP. Project Resources
Description du projet DSPAM is a server-side statistical anti-spam agent for Unix email servers. It masquerades as the email server's local delivery agent and effectively filters spam using a combination of de-obfuscation techniques, specialized algorithms, and statistical analysis. The result is an administratively maintenance-free, self-learning anti-spam tool. DSPAM has yielded real-world success rates beyond 99.9% accuracy with less than a 0.01% chance of false positives. |  |
