spam

网络的 spam 如幽灵般的细沙，一旦在网站里发现一个空隙，就源源不断的涌入。虽然 Drupal 的 akismet 和 spam 模块可以近乎完美的识别 spam 评论，但是他们在实施上有一个问题：spam 先提交给数据库再进行过滤。这样以来每次 cron 运行的时候都要删除数以万记的 spam ，加重了服务器端的压力，所以最好的办法是能够在 spam bot 留下评论之前就可以阻止它，于是有了各种各样的 captcha。 先用图像的 captcha， 这也是时下最流行的一种方式，但是有时图像里的数字字母过于难识别，即便是真人看到，也未必能辨别出来，所以又改用了算术题 captcha，留言是必须做一道的加法题，这种方法虽然方便了访客，但是却很容易被 spam bot 破解，因此仍然无法有效的阻止 spam 评论，所以最好有一种介于图像与简单数学题之间的辨别方式，于是就有了 Captcha Riddler 模块，可以自己设计一个问题，让访客留言的时候解答，以判断其是否是“人类”。这个模块还可以配合 i18n ，适合多语言网站使用。至于我这里，因为访客都是使用中文的，所以设置的问题很简单“一年有多少个月”，为了方面没有汉语输入法的访客输入，因此答案用阿拉伯数字即可。问题虽然简单，但是最近一段时间来成功的阻挡了 spam bot 的侵袭，也减轻了 akismet 和spam 模块的压力，效果很好，如果有同样的问题，不妨一试。

Drupal的Spam模块虽然功能强大，但是其运作原理类似先将spam吃掉，然后再消化（先把spam甄别出来，设置为“未发表”状态，然后在运行 cron job 的时候将其删除），这样一来还是比较耗费资源，所以决定还是用 Captcha 模块。4.7 版本的 Captcha 模块重新做了调整，为了适应没有安装 GD 的用户使用，Captcha 将原有功能分解为两个功能：数字运算 Captcha 和 TextImage Captcha。所谓数字运算，就是说在留言时必须计算一道数学题，用来证明是真人在留言；而 TextImage 则和通行的Captcha系统一样，通过辨认图片上的字母来填写留言。后者需要同时安装一个单独的 TextImage 模块。呵呵，希望这下子可以更好的阻挡 Spam。因为用来 Captcha，所以决定暂时停止 Spam 模块，并且不再要求留言时填写 Email ，希望不给留言增加麻烦。

是Google。

Spam一直是Blog比较头痛的问题。虽然各种各样的模块与过滤器可以非常有效的控制Spam，但是稍一不留神就会有新的评论或是Trackback Spam冒出来，有时像雪崩一样，瞬间冒出一百多条Spam。正是因为如此， 一些比较Popular的blog譬如Boing Boing，已经不再允许让访客直接留下评论，而是通过Technorati的backlink来实现评论的功能，这一点与Google的Blog比较相似，唯一不同的是Google的Blog用的是自己的blogsearch的backlink。通过这种方式虽然有效的制止了Spam，但是无疑也为用户留言制造了麻烦。举个例子，直接的留言系统好比朋友或是熟人直接照面打个招呼，而backlink式的评论却好比熟人想打个招呼还必须规规矩矩的写信，并且这信还不一定投递的到，因为你首先需要Technorati或是blogsearch收录你的blog（注意：书信的格式还有要求，必须是blog，通常还必须是主流blog，否则blogsearch等未必会买你的帐，icerocket现在还拒绝承认我的blog :< 不过还比较庆幸的是现在blog搜索的主流是Technorati与google的blogsearch，而drupal对于这两者还是很友好的。）呵呵，如果blog不能直接评论，那么blog还能作为web 2.0 的代表之一么？或者这样无法评论的blog还是blog么？用乔治华盛顿大学一个政治学教授的话说，这样的blog"[is] just a glorified press release"，譬如一些美国国会议员的"blog"。都是由于Spam的存在，很多流量较大的blog却不得不使用上述间接的留言方式，而造成这种局面的一个重要因素是因为Google。

或者更准确的说是以Google为代表的搜索引擎。与垃圾邮件不同，blog spam还有另外的一个目的就是获得更高的pagerank，从而在搜索引擎的搜索结果中脱颖而出。Six Apart的VP说：

The prime actor that made this behavior [指Spamming] valuable was Google, which created economics around links. Links on the Web have almost direct monetary value because of Google's PageRank system.

不尽如此，Google还默认blog中出现的链接的价值要比一般网站上出现的链接的价值要高，这更鼓励Spammer。虽然这并非Google的本意；虽然Google也在使用"nofollow"等trick防止spam，但是Google的搜索算法确实鼓励了这种做法，也算是一个unanticipated consequence吧。这两天看新闻，看到Google花了大价钱买了新的搜索算法，呵呵，不知道Google会不会改进它的pagerank的算法来杜绝blog spam.

Trackback成了垃圾信息的新场所，一晚上居然有十几条来自一个莫名其妙网站的trackback，估计是卖什么东西的。只好去翻Drupal的讨论区，发现一条相关的讨论，更改trackback模块中的function trackback_receive 函数如下： [点击观看|修改Trackback函数防止Spam] 看看效果如何。