如何识别人类发送的电子邮件？

Question

我正在开发一个项目，需要识别真人发送的电子邮件，而不是批量邮件、通知和时事通讯。有什么明确的方法可以做到这一点吗？电子邮件标题中是否有任何可以提供帮助的信息。我正在 Gmail IMAP 上工作，因此我已经有非垃圾邮件。

感谢这方面的任何帮助。谢谢！

Answer 1

没有明确的方法来区分批量邮件和个性化邮件。与垃圾邮件不同，大多数批量邮件都是请求/预期的，因此发件人不会做奇怪的事情来绕过垃圾邮件过滤器，这意味着这些电子邮件通常会很好地融合在一起。

但是，您可以寻找一些趋势。如果您想可靠地做到这一点，您可能需要应用一些评分系统，例如垃圾邮件过滤器。

您还需要接受这样的事实：您必然会得到很大比例的误报和漏报。

批量邮件中常见的一些内容在个性化信件中很少出现：

1. “收件人”和“抄送”地址不包含本地收件人。有时发件人会发送到“mailList@mydomain.com”，而不是“recipientA@recipientAdomain.com”、“recipientB@recipientBdomain.com”等。在这些情况下，“收件人”中也可能只出现一个地址并且“抄送”中没有出现任何内容
2. “发件人”地址是“noreply@”、“newsletter@”、“do-not-reply@”、“mailinglist@”，甚至是不太常见的术语，如“support@”或“sales@”（但请记住，它们可能会导致误报）
3. 存在“ List-Unsubscribe: ”标头
4. 该消息包含取消订阅链接。运行模式匹配以查找电子邮件最后几行中的常见短语。寻找链接或“取消订阅”、“选择退出”等词语。
5. 邮件列表往往内容丰富。检查是否大量使用 CSS 和大量图像，整个消息是否包含在<table></table>或<ul><li></li></ul>结构中。即 Dreamweaver 之类的东西会放入其中，而不是邮件客户端。
6. 邮件顶部的标题或粗体内容。如果消息的第一部分类似于新闻通讯，那么它可能是新闻通讯。
7. 大量链接或频繁链接到相同（或相同的少数）网站。时事通讯将尽力引导用户访问公司网站。如果链接的域与发件人域匹配（或相似），您可能会获得更高的分数。
8. 大量引用社交媒体。如果它是包含多篇文章的时事通讯，则每个故事可能都有自己的“推文”、“点赞”链接。个人用户可能（最多）包含一次对 Twitter、Facebook 等的引用（在他们的签名中）
9. 通知和其他自动生成的消息通常遵循相同的基本格式。如果您有能力，请对以前的消息运行某种差异或其他比较。强匹配意味着自动化。
10. 没有问候语，也没有通用的问候语。然而，个人电子邮件通常也会跳过“亲爱的弗雷德”位，因此这本身并不是一个足够好的检测；但像“亲爱的用户”或“亲爱的客户”这样的词几乎肯定是通用的。
11. 不太可能以“此致，伊恩”或“此致，约翰·多伊”结尾
12. 发件人之前评分很高。保持纪录。如果发件人多次触发高分，则几乎可以肯定他们是批量邮件。