使用 MySQL 检测垃圾邮件发送者

我发现越来越多的用户在我的网站上注册，只是为了向其他用户发送重复的垃圾邮件消息。我添加了一些服务器端代码来使用以下 mysql 查询检测重复消息：

  SELECT count(content) as msgs_sent 
    FROM messages 
   WHERE sender_id = '.$sender_id.' 
GROUP BY content having count(content) > 10

该查询运行良好，但现在他们通过更改消息中的一些字符来解决这个问题。有没有办法用 MySQL 来检测这一点，或者我是否需要查看从 MySQL 返回的每个分组，然后使用 PHP 来确定相似性的百分比？

有什么想法或建议吗？

全文匹配

你可以考虑实施类似的东西MATCH例子here http://dev.mysql.com/doc/refman/5.0/en/fulltext-natural-language.html:

mysql> SELECT id, body, MATCH (title,body) AGAINST
    -> ('Security implications of running MySQL as root') AS score
    -> FROM articles WHERE MATCH (title,body) AGAINST
    -> ('Security implications of running MySQL as root');
+----+-------------------------------------+-----------------+
| id | body                                | score           |
+----+-------------------------------------+-----------------+
|  4 | 1. Never run mysqld as root. 2. ... | 1.5219271183014 |
|  6 | When configured properly, MySQL ... | 1.3114095926285 |
+----+-------------------------------------+-----------------+
2 rows in set (0.00 sec)

因此，对于您的示例，也许：

SELECT id, MATCH (content) AGAINST ('your string') AS score
FROM messages 
WHERE MATCH (content) AGAINST ('your string')
    AND score > 1;

请注意，要使用这些功能，您的content列需要是FULLTEXT index.

What is score在这个例子中？

It is a relevance value。它是通过以下描述的过程计算的：

集合和查询中的每个正确单词都经过加权 根据其在收集或查询中的重要性。 因此，出现在许多文档中的单词具有较低的 重量（甚至可能为零重量），因为它具有较低的 该特定集合中的语义价值。相反，如果这个词 很罕见，它的权重更高。单词的权重是 组合起来计算行的相关性。

来自文档 http://dev.mysql.com/doc/refman/5.0/en/fulltext-natural-language.html page.