Quali sono i criteri per valutare la reale efficacia di un sistema anti-spam? Purtroppo il numero di messaggi rilevati non è sufficiente: dati 1000 messaggi, il sistema ne ha identificati X e persi per strada Y. Questo dato, per quanto significativo, valuta solo una parte del meccanismo.
Un dato fondamentale è quello dei “falsi positivi”: si ha un falso positivo quando un messaggio buono (normalmente chiamato HAM, prosciutto, in contrapposizione a SPAM, carne in scatola) viene considerato spam e gestito come tale.
Più è efficace un sistema anti-spam, più è pericoloso un falso positivo: se il filtro è efficiente, l’utente sarà portato a non verificare i messaggi considerati come spam e fidarsi del sistema stesso.
Normalmente è possibile tarare l’aggressività del filtro: ad esempio, nel caso di Thunderbird il filtro Baesyano associa al messaggio un punteggio, se questo punteggio supera la soglia 90 il messaggio viene marcato come posta indesiderata.
L’utente può, a suo rischio e pericolo, modificare questo valore agendo sul parametro mail.adaptivefilters.junk_threshold. Riducendo il valore aumenterà la quantità di spam rilevato ma anche la possibilità di avere falsi positivi.
Se siete interessati all’argomento, date un’occhiata alla serie di articoli che Casper sta dedicando alla questione: valutazione dei filtri anti-spam e dei falsi positivi in alcuni tra i più diffusi client e-mail.
