使用 MySQL 检测垃圾邮件发送者

Question

我发现越来越多的用户在我的网站上注册，只是为了向其他用户发送重复的垃圾邮件消息。我添加了一些服务器端代码来使用以下 mysql 查询检测重复消息：

  SELECT count(content) as msgs_sent 
    FROM messages 
   WHERE sender_id = '.$sender_id.' 
GROUP BY content having count(content) > 10

该查询运行良好，但现在他们通过更改消息中的一些字符来解决此问题。有没有办法用 MySQL 检测到这一点，或者我是否需要查看从 MySQL 返回的每个分组，然后使用 PHP 来确定相似性百分比？

有什么想法或建议吗？

Answer 1

全文匹配

您可以考虑实现类似于MATCH示例的内容此处：

mysql> SELECT id, body, MATCH (title,body) AGAINST
    -> ('Security implications of running MySQL as root') AS score
    -> FROM articles WHERE MATCH (title,body) AGAINST
    -> ('Security implications of running MySQL as root');
+----+-------------------------------------+-----------------+
| id | body                                | score           |
+----+-------------------------------------+-----------------+
|  4 | 1. Never run mysqld as root. 2. ... | 1.5219271183014 |
|  6 | When configured properly, MySQL ... | 1.3114095926285 |
+----+-------------------------------------+-----------------+
2 rows in set (0.00 sec)

对于您的示例，也许：

SELECT id, MATCH (content) AGAINST ('your string') AS score
FROM messages 
WHERE MATCH (content) AGAINST ('your string')
    AND score > 1;

请注意，要使用这些函数，您的content列需要是FULLTEXT 指数。

本例中的分数是什么？

它是一个相关性值。它是通过以下描述的过程计算的：

集合和查询中的每个正确单词都会被加权
根据其在收集或查询中的重要性。
因此，出现在许多文档中的单词具有较低的
重量（甚至可能为零重量），因为它具有较低的
这个特定集合中的语义价值。相反，如果这个词
很稀有，它的权重更高。单词的权重是
组合起来计算行的相关性。

来自文档页面。