Questão de Segurança da Informação — Sistemas de Proteção Locais (Antivírus, Antispyware, etc.) — INSTITUTO AOCP 2024

Filtro Bayesiano Antispam

Gabarito: letra C. O filtro bayesiano é um mecanismo de classificação de e-mails que utiliza probabilidades estatísticas, baseando-se no Teorema de Bayes para calcular a chance de uma mensagem ser spam ou não, a partir da análise de palavras e características do conteúdo. Essa é a definição central que distingue essa técnica das demais abordagens de filtragem.

Para entender por que a alternativa C é a correta, é preciso compreender o que é um filtro bayesiano e como ele se diferencia de outras técnicas de combate ao spam. O nome "bayesiano" vem do Teorema de Bayes, um princípio matemático que permite atualizar a probabilidade de uma hipótese à medida que novas evidências são obtidas. No contexto de e-mails, a hipótese é "esta mensagem é spam" e as evidências são as palavras e características presentes no texto.

O funcionamento prático é o seguinte: o filtro é treinado com um conjunto de e-mails já classificados como spam e como legítimos (ham). Durante o treinamento, o sistema calcula a probabilidade de cada palavra aparecer em um e-mail de spam e em um e-mail legítimo. Quando um novo e-mail chega, o filtro analisa as palavras presentes e, usando o Teorema de Bayes, combina essas probabilidades para calcular a probabilidade geral de o e-mail ser spam. Se essa probabilidade ultrapassar um determinado limiar (por exemplo, 90%), o e-mail é classificado como spam; caso contrário, é considerado legítimo.

Essa abordagem é considerada uma técnica de aprendizado de máquina, pois o filtro melhora sua precisão conforme é treinado com mais dados. É uma das formas mais eficazes de filtragem de spam, pois consegue se adaptar a novos tipos de spam e a variações na linguagem, algo que técnicas baseadas em regras fixas ou listas negras não conseguem fazer com a mesma eficiência.

A distinção fundamental que a questão explora é entre as diferentes abordagens de filtragem antispam. Enquanto o filtro bayesiano é estatístico e probabilístico, outras técnicas incluem a análise heurística (que busca padrões e regras), a verificação de autenticidade do remetente (como SPF, DKIM e DMARC), e as listas negras (que bloqueiam remetentes conhecidos por enviar spam). O filtro bayesiano não se encaixa em nenhuma dessas categorias, pois sua essência é o cálculo de probabilidades.

A pegadinha da questão está em confundir o filtro bayesiano com a análise heurística. Embora ambos sejam métodos "inteligentes" de detecção, eles são fundamentalmente diferentes: a heurística usa regras e padrões pré-definidos, enquanto o método bayesiano usa estatística e probabilidade. O candidato que não conhece a diferença pode facilmente marcar a alternativa A, que é um distrator clássico.

Guarde essa fronteira: filtro bayesiano = probabilidade estatística; heurística = regras e padrões. É exatamente nessa distinção que as alternativas se dividem.

Alternativa A — ❌ Incorreta

A análise heurística é uma técnica que se baseia em regras e padrões pré-definidos para identificar spam, como a presença de certas palavras-chave, estruturas de e-mail suspeitas ou características de remetente. O filtro bayesiano, por sua vez, não usa regras fixas, mas sim cálculos de probabilidade baseados no Teorema de Bayes. A alternativa confunde dois métodos distintos de filtragem, apresentando a heurística como se fosse a definição de filtro bayesiano.

Alternativa B — ❌ Incorreta

A verificação da autenticidade do remetente é uma técnica que utiliza protocolos como SPF (Sender Policy Framework), DKIM (DomainKeys Identified Mail) e DMARC (Domain-based Message Authentication, Reporting & Conformance) para confirmar se o e-mail foi realmente enviado pelo domínio que alega ser. Essa é uma abordagem de autenticação, não de classificação estatística. O filtro bayesiano não verifica a autenticidade do remetente; ele analisa o conteúdo da mensagem para calcular a probabilidade de ser spam.

Alternativa C — ✅ Correta ⟵ GABARITO

Esta é a definição precisa de um filtro bayesiano. Ele classifica e-mails com base em probabilidades estatísticas, utilizando o Teorema de Bayes para calcular a chance de uma mensagem ser spam ou não, com base na frequência de palavras e características do conteúdo. O filtro é treinado com um conjunto de e-mails classificados e, a partir daí, calcula a probabilidade de novos e-mails serem spam. Essa é a essência do método bayesiano.

Alternativa D — ❌ Incorreta

As listas negras (blacklists) são listas de remetentes, domínios ou endereços IP conhecidos por enviar spam. O filtro bloqueia e-mails provenientes dessas fontes. Essa é uma técnica de bloqueio baseada em reputação, não em análise estatística de conteúdo. O filtro bayesiano não se baseia em listas negras, mas sim na análise probabilística do conteúdo da mensagem.

Alternativa E — ❌ Incorreta

A criptografia de e-mails é uma técnica para proteger a confidencialidade e a integridade das mensagens, garantindo que apenas o destinatário autorizado possa lê-las. Isso não tem relação com a filtragem de spam. O filtro bayesiano não criptografa e-mails; ele os classifica como spam ou não com base em probabilidades estatísticas. A alternativa confunde dois conceitos completamente diferentes de segurança da informação.

Gabarito: letra C