VŠE (resp. Katedra informačního a znalostního inženýrství z Fakulty informatiky a statistiky) již několikátý semestr pořádá sérii přednášek ve spolupráci s firmou Seznam.cz. Jelikož mám tento semestr v termínu přednášek čas, na ty zajímavé se půjdu podívat a přednášku shrnu článkem zde na blogu.

První přednáška se týkala freemailu společnosti Seznam. Přednášet přišel programátor pan Michal Bukovský. Budu se držet jeho jeho prezentace a začnu několika zajímavými čísly.

• Pouze 10 lidí se ve firmě věnuje e-mailu na fulltime (programátoři, administrátoři a produktový manager).
• Chod e-mailu zabezpečuje přes 500 serverů.
• 2/3 z ukládaných zpráv je spam.
• Seznam má 6 milionů aktivních uživatelů e-mailových schránek.
• V průměru přichází 80000 požadavků/minutu, přijímá se 15000 zpráv/minutu, ukládá se 2000 zpráv/minutu a odesílá 2500 zpráv/minutu.
• Celková velikost uložených zpráv všech uživatelů v současné době dosahuje 2,4PB dat (přes 70% jsou duplicitní data).
• Průměrná velikost zprávy je přes 400kB, přičemž ještě před 2 lety to bylo 40kB.
• Přes 90% komunikace je v rámci České Republiky.
• Naprostá většina uživatelů zdaleka nevyužije kapacitu 2GB, nicméně je několik jednotlivců, kteří mají ve své schránce více než 200GB dat.
• Přibližně 80% uživatelů přistupuje k emailu prostřednictím webového rozhraní.

Další část přednášky byla věnována architektuře seznamáckého mailu. Tuto část vynechám, protože nemám povolení k distribuci slajdů, bez kterých by text ztrácel na své přehlednosti a srozumitelnosti.

Dále byla věnována pozornost uchovávání (storage) dat. Pan Bukovský v této části zmiňoval, že není problém velikost dat jako taková, ale extrémní požadavky na rychlost a četnost I/O operací, které jsou v prostředí českého internetu nevídané a tímpádem neustále bojují s limitující rychlostí pevných disků. Jinak file servery jsou používány dva, v případě výpadku je druhý FS schopen chybějící zastoupit (v případě špičky ovšem velmi reálně hrozí spadnutí).

Další, v podstatě poslední a velmi obsáhlá část přednášky byla věnována spamu.

Zde pan Bukovský hned na úvod zmínil, že velký traffic nutně neznamená nevýhodu. Pokud například dojde k aktivaci nějakého viru či hromadného odesílání spamu z konkrétní oblasti, vzhledem k počtu schránek se to Seznam dozví v českém prostředí pravděpodobně jako první a může tak odekvátně zareagovat (například zablokovat konkrétní IP adresy). Co se týká největších spamerů z hlediska států, tak to (možná pro někoho překvapivě) není Rusko, jihovýchodní Asie, ale Spojené Státy.

V boji proti spamu Seznam postupuje dvojím způsobem. K prvnímu filtrování spamu dochází již na SMTP serveru, e-maily, které projdou tímto filtrem jsou dále prověřovány spamovým scannerem.

Na SMTP serveru se používá:

• GeoIP - “IP rasismus”, blokace IP adres z konkrétních oblastí, zemí
• Autoblocker - automatický IP / User blacklist
• SPF - vlastník domény určuje, z kterých IP adres mohou chodit maily
• GrayList - mail transfer agent dočasně odmítá maily od nerozpoznaného odesílatele. Pokud se za určitý časový interval požadavek zopakuje, email je přijat (v případě spammerů, kteří odesílají tisíce mailů, se tyto požadavky většinou neopakují).
• Blacklisty a Whitelisty
• Delivery test

Spam scanner dále používá:

• Domain Keys - něco jako elektronický podpis emailu a některých položek v jeho hlavičce
• SpamAssassin
• Bayeovské filtry - statistická analýza počtu konkrétních slov, odkazů a dalších součástí, které spam často obsahuje.
• IP/URL DNS blacklisty
• DCC blacklisy
• Sbírání URL

Vzhledem k velikosti Seznamu je zřejmé, že i on se dopouští rozesílání spamu. Proti tomu tým okolo e-mailu bojují především pomocí CAPTCHA, která je přítomna v případě používání e-mailu v zahraničí. Zde Bukovský zmiňoval zajímavou věc - když CAPTCHA zavedli, trvalo přibližně pouze čtvrt hodiny, na kterou spamy utichly. V důsledku toho dospěli k závěru, že nebojují s nějakými automatickými nástroji (za tak krátkou dobu by někdo těžko předělal skripty, aby dokázali obejít tuto techniku), ale s lidmi někde v zemích třetího světa. Nakonec tento problém vyřešili poměrně razantně, do CAPTCHA zavedli naší diakritiku, čímž ovšem spolu se spammery odřízli také české uživatele, kteří chtějí používat webmail ze zahraničí.

Co se virové problematiky týče, tak se používá NOD32 scanner. Viry jsou však v dnešní době poměrně malý problém, oproti spamu zcela marginální.

Po přednášce bylo množství dotazů, zmíním jediný a to proč Seznam velmi dlouhou dobu odmítal zprovoznit IMAP. Podle přednášejícího to bylo především z důvodu náročnosti tohoto protokolu, některým technickým problémům (protokol IMAP vyžaduje nepřetržité spojení) a také přesvědčením, že to bude používat pouze minimum lidí.

Příště, pokud mi do toho něco nevlezle a najdu v komentářích nějaké pozitivní ohlasy ( ) se můžete těšit na téma Přístupnost v praxi.

Štítky: e-mail, Seznam, spam

Komentáře v diskuzi

Přidat komentář

Jméno (povinné)

E-mail, nebude zveřejněn (povinné)

Web

Ochrana proti spamu: (povinné)*
Opište prosím text z obrázku.