比赛一共三题主要是对伪造邮件识别、垃圾邮件分类和高威胁邮件识别。
第一题：伪造邮件识别：
在5000份去除subjec、content的邮件原文（.eml）中识别伪造邮件,如下图：
image.png
其中比较重要的字段：Received（代表从发件人到收件人经过的邮箱服务器跳数）、From（邮箱中显示的发送者）、Sender（不一定有，真正的发送者）、X-Originating-IP（发送者IP）、Authentication-Results（SPF、SKIM、DMARC校验结果https://blog.csdn.net/qq_34101364/article/details/108062913）
我们得了100分总结特征如下：
1.存在多个FROM的情况
2.sender和from后缀不同
3.SPF检查不是PASS
4.存在punycode （xn--）（Punycode（译为：域名代码）是一种表示Unicode码和ASCII码的有限的字符集。例如：“münchen”（德国慕尼黑）会被编码为“mnchen-3ya”。
）
5.服务器域名中存在sendgrid（这是一个代发服务器）
6.From
邮件可以见维基百科讲的很全（[https://zh.wikipedia.org/wiki/%E9%9B%BB%E5%AD%90%E9%83%B5%E4%BB%B6%E5%9C%B0%E5%9D%80]https://zh.wikipedia.org/wiki/%E9%9B%BB%E5%AD%90%E9%83%B5%E4%BB%B6%E5%9C%B0%E5%9D%80)）
第二题：对垃圾邮件进行分类
第二题.png
内部有黄色、广告、开发票、钓鱼、会议通知、代写论文
所以我们一直不知道该分几类（违法还是合法？对于用户有没有用？），就用关键词匹配了一下简单的分类。效果还不错44.5分。
第三题:提取威胁程度较高的软件
第三题.png
第三题_1.png
不想多说题目太坑了，提供个思路吧：
1.白名单过滤：有交互的可以先删掉（3万份）提取可信IP网段，可以将发送者在这个网段的过滤掉。然后分为两类 存在URL和不存在URL的。
2.存在URL的利用机器学习进行分类，通过调参保证最终的数量；不存在URL的，没进行处理（可以交一下看看分，应该不会太高），可以利用伪造识别一下。
3.可以筛选一个Blacklist（保证具有威胁的（1000左右）），然后上一步的去打榜，看覆盖程度。
