logo
oba.by/baby-wp-anti-spam
Public
0
0
WeChat Login
CodeIssuesPull requestsEventsPackagesInsights
master
baby-wp-anti-spam/README.md
obaby<root@obaby.org.cn>
添加项目官网地址
a3189d40

Baby Anti-Spam

项目官网： https://anti-spam.zhongxiaojie.cn

作者： obaby，博客署名 baby 𝐢‍𝐧⃝ void

面向 中英混合 评论的 WordPress 垃圾识别方案：PHP 插件在评论入库前调用 本机 Python 服务，由小型多语种向量模型 + 分类器（或演示用规则）给出垃圾概率。

适合评论量不大、单机部署（例如 4 核 / 8GB RAM 的 Ubuntu），服务与 WordPress 同机时使用 127.0.0.1 即可。

仓库结构

baby_anti_spam/
├── README.md
├── screenshots/             # 文档：服务启动与 curl 自测示意
│   ├── service.png
│   └── test.png
├── service/                 # Python FastAPI 侧车服务
│   ├── .env.example
│   ├── requirements.txt
│   ├── requirements-ml.txt
│   ├── run.py
│   ├── app/
│   │   └── stats_backends/   # 统计存储：sqlite / mysql
│   └── scripts/
│       ├── init_stats_mysql.sql
│       └── init_stats_mysql.py
│       ├── train_sklearn.py
│       ├── download_embedding_model.py
│       └── download_embedding_model.sh
└── wordpress/baby-anti-spam/
    └── baby-anti-spam.php # WordPress 插件

Python 服务

环境

  • Python 3.10+（建议）
  • 核心依赖见 service/requirements.txt，多语种向量见 service/requirements-ml.txt（含 PyTorch 等，单独安装可规避部分 pip 解析 bug）
  • *.joblib 与 scikit-learn 版本需一致：训练机与服务机的 sklearn 应同一大版本（本仓库约束 >=1.8）。混用 1.7 与 1.8 易出现反序列化警告或推理报错（例如 LogisticRegression 缺少 multi_class）；请在服务器上 pip install -U "scikit-learn>=1.8" 与训练环境对齐，或改用与线上一致的 sklearn 重新训练后再部署。

安装与启动

务必先升级 pip，再继续（可减少 AssertionError: assert len(weights) == expected_node_count 一类错误）：

cd service
python3 -m venv .venv
source .venv/bin/activate   # Windows: .venv\Scripts\activate
python -m pip install -U "pip>=24.2" setuptools wheel
pip install -r requirements.txt
pip install -r requirements-ml.txt   # 若仅开演示规则、不用 .joblib 模型，可跳过本行
cp .env.example .env
# 编辑 .env：至少配置 SPAM_API_SECRET，或使用 SPAM_API_KEYS / SPAM_API_KEYS_FILE（见下文）
python run.py

默认监听：http://127.0.0.1:8765（由 SPAM_HOST / SPAM_PORT 决定，run.py 可用 --port 覆盖端口）。

run.py 本机 / 对外开放（命令行覆盖 SPAM_HOST）：

参数说明
（默认）使用 .env 中的 SPAM_HOST，未设置时为 127.0.0.1
--local强制只监听 127.0.0.1
--remote监听 0.0.0.0（供局域网 / 公网访问，务必配合防火墙与强密钥）
--port N覆盖端口（否则用 SPAM_PORT 或默认 8765）

启动时会在终端打印作者与博客信息、监听地址、模型与统计库等摘要（便于确认当前配置）。

安装报错排查（pip AssertionError / 拓扑排序）

若出现 get_topological_weights / assert len(weights) == expected_node_count（常见于 未先升级 pip 就装 requirements-ml.txt）：

  1. 在同一 venv 内先升级，再单独重试 ML 依赖：
    python -m pip install -U "pip>=24.2" setuptools wheel
    pip install -r requirements-ml.txt
  2. 保持分步安装：先 requirements.txt，再 requirements-ml.txt，不要合并成一条长命令。
  3. 仍失败时再启用旧版解析器（仅作兜底）：
    • Linux / macOS：PIP_USE_DEPRECATED=legacy-resolver pip install -r requirements-ml.txt
    • Windows PowerShell： 
      $env:PIP_USE_DEPRECATED = "legacy-resolver"
pip install -r requirements-ml.txt
  4. CPU 机器可先装 CPU 版 PyTorch 再装 sentence-transformers（减轻冲突），例如：
    pip install torch --index-url https://download.pytorch.org/whl/cpu
    然后再：pip install -r requirements-ml.txt

环境变量（.env）

变量说明
SPAM_HOST监听地址，同机建议 127.0.0.1
SPAM_PORT端口，默认 8765
SPAM_API_SECRET单密钥模式（兼容旧版）：未配置 SPAM_API_KEYS 且未配置 SPAM_API_KEYS_FILE 时，仅此密钥有效，等价于 name=default、不限流（max_rpm=0）。与 WP 插件里填写的密钥一致
SPAM_API_KEYS多密钥：JSON 数组。每项为 name（唯一，用于统计与限流分组）、key 或 secret（与请求头一致）、max_rpm 或 rpm（每分钟最大请求数，0 表示不限制）。与 SPAM_API_KEYS_FILE 合并时：先读文件条目，再追加本变量
SPAM_API_KEYS_FILE可选，指向 JSON 文件，根节点为与上表相同结构的数组。文件必须存在，否则进程启动失败
SPAM_MODEL_PATH训练得到的 *.joblib 路径；留空则取决于 SPAM_FALLBACK_RULES
SPAM_FALLBACK_RULES无模型文件时是否启用内置极简规则（演示用）；生产训练后应设为 false 并配置 SPAM_MODEL_PATH
SPAM_LABEL_THRESHOLD可选，默认 0.8。spam_score ≥ 此值时 JSON 中 label 为 spam，否则为 normal
SPAM_DFA_ENABLED默认 true。为 true 时使用 dfa-python-filter/keywords 做敏感词检测；命中则直接 spam_score=1、detail=dfa_sensitive（早于 sklearn）
SPAM_DFA_KEYWORDS_PATH可选，自定义敏感词文件路径；留空则用 service/dfa-python-filter/keywords
SPAM_NON_CHINESE_FLOOR_ENABLED默认 true。为 true 时若合并后的 author/email/url/text 中无任何 CJK 表意字符（主要针对中文训练语料），则将 spam_score 至少抬到 SPAM_NON_CHINESE_SPAM_FLOOR
SPAM_NON_CHINESE_SPAM_FLOOR默认 0.9。与上项配合，在「无中文」评论上与 sklearn / 规则分取 max
SPAM_STATS_ENABLED默认 true。为 true 时记录每次成功返回的 /v1/classify 请求与响应（失败 / 401 不落库），并允许 /v1/mark-spam 写入 spam_marks 表
SPAM_STATS_BACKENDsqlite（默认）或 mysql。选 mysql 时需安装 pymysql（已在 requirements.txt）并配置下方 MySQL 变量
SPAM_STATS_DB_PATH仅 sqlite：数据库文件路径；留空则为 service/data/stats.sqlite（已加入 .gitignore）
SPAM_STATS_MYSQL_HOST / SPAM_STATS_MYSQL_PORT仅 mysql：默认 127.0.0.1 / 3306
SPAM_STATS_MYSQL_USER / SPAM_STATS_MYSQL_PASSWORD仅 mysql：连接账号（user 必填）
SPAM_STATS_MYSQL_DATABASE仅 mysql：库名（必填），默认示例 baby_spam_stats
SPAM_STATS_MYSQL_CHARSET仅 mysql：默认 utf8mb4

MySQL 统计库初始化（配置步骤）

将统计后端从默认 SQLite 迁到 MySQL 8+ 或 MariaDB 10.5+ 时，按下面顺序配置即可（脚本与表结构与运行时一致，见 service/scripts/init_stats_mysql.sql、service/scripts/init_stats_mysql.py）。

  1. 在 service 目录准备 .env
    在已有 SPAM_API_SECRET（或 SPAM_API_KEYS）基础上增加例如：

    SPAM_STATS_ENABLED=true
SPAM_STATS_BACKEND=mysql
SPAM_STATS_MYSQL_HOST=127.0.0.1
SPAM_STATS_MYSQL_PORT=3306
SPAM_STATS_MYSQL_USER=baby_spam
SPAM_STATS_MYSQL_PASSWORD=请改为强密码
SPAM_STATS_MYSQL_DATABASE=baby_spam_stats
SPAM_STATS_MYSQL_CHARSET=utf8mb4

    SPAM_STATS_MYSQL_USER 与 SPAM_STATS_MYSQL_DATABASE 在使用 MySQL 后端时必填；库名可与示例不同，但须与后续建库一致。

  2. 安装客户端库
    requirements.txt 已包含 pymysql，正常执行 pip install -r requirements.txt 即可。

  3. 创建数据库与表（任选其一；建议生产由 DBA 或脚本预置）

    • Python 初始化脚本（推荐）：在已激活 venv、service 为当前目录、且上一步 MySQL 变量已写入 .env 后执行：

      cd service
python scripts/init_stats_mysql.py

      该账号需能首次执行 CREATE DATABASE IF NOT EXISTS（或你事先建好库则仅需对该库有建表权限）；脚本会创建库（若不存在）并调用与应用相同的 CREATE TABLE / 索引逻辑。不要求事先把 SPAM_STATS_BACKEND 设为 mysql，脚本只读取 SPAM_STATS_MYSQL_*。

    • 手工执行 SQL：用高权限账号执行 init_stats_mysql.sql（与 service/scripts/init_stats_mysql.py 建库建表语义一致），例如当前目录为仓库根时：

      mysql -h 127.0.0.1 -P 3306 -u root -p < service/scripts/init_stats_mysql.sql

      若已在 service 目录下，则改为 < scripts/init_stats_mysql.sql。

      脚本内含有注释掉的「创建专用用户 + GRANT」示例，可按环境取消注释并替换密码后再执行，再让应用使用受限账号连接。

    • 仅依赖服务启动：须先人工创建好目标库（应用连接时使用 database=…，不会在运行时 CREATE DATABASE）。对该库授予 CREATE TABLE、CREATE INDEX、ALTER（用于旧表补列）等权限后，设置 SPAM_STATS_BACKEND=mysql 并启动服务， lifespan 中的 init_stats_db() 会创建 classify_calls、spam_marks 及索引。

  4. 启动并自检
    运行 python run.py，终端不应出现统计库初始化失败日志；可用带 X-Baby-Anti-Spam-Secret 的 GET /v1/stats/calls 验证，或在库中查询上述两张表是否有新写入。

多密钥示例（单行 JSON，注意引号转义）：

SPAM_API_KEYS=[{"name":"blog_a","key":"第一个长随机串","max_rpm":120},{"name":"blog_b","secret":"第二个密钥","rpm":30}]

WordPress 只需填写当前站点使用的那一个 key/secret，与服务端列表中任一项匹配即可。

限流：对每个 name 独立计数，60 秒滑动窗口；超限返回 429，detail 为 rate_limit_exceeded。/v1/stats/calls、/v1/classify、/v1/mark-spam 共用同一组密钥，且都会计入该密钥的 max_rpm。

HTTP 接口

  • GET /health — 健康检查，无需认证
  • GET / — 粉色风格首页：系统简介、随机背景图（zhongxiaojie.cn/baby_images/）、链向测试页与 /docs
  • GET /test/spam — 浏览器内粉色测试页（无需单独密钥即可打开页面；检测时请在页内填写与后端一致的 API 密钥）。同源访问可避免 CORS，例如 http://127.0.0.1:8765/test/spam
  • GET /v1/stats/calls — 调用统计（需密钥）。返回全库汇总次数、是否启用统计，以及按密钥 name 分组的已落库次数（by_key）。仅统计已成功写入统计库 classify_calls 的分类请求
  • POST /v1/mark-spam — 人工标记评论（需密钥）。text 必填；label：spam（标记为垃圾，默认）或 normal（标记为不是垃圾）。其余字段与分类对齐；可选 source、note。写入表 spam_marks 的 marked_label 列，并记录 api_key_name。SPAM_STATS_ENABLED=false 时返回 503 stats_disabled
  • POST /v1/classify — 分类，需在请求头携带 X-Baby-Anti-Spam-Secret: <与任一已配置密钥相同>

请求体（JSON）：

{
  "text": "评论正文",
  "author": "昵称",
  "email": "邮箱",
  "url": "网址"
}

响应示例：

{
  "spam_score": 0.12,
  "label": "normal",
  "detail": "sklearn"
}

label 为二分类：normal 或 spam（由 SPAM_LABEL_THRESHOLD 与 spam_score 决定）。WordPress 插件可用 spam_score + 阈值，也可按 label 分项阈值 再判垃圾 / 待审 / 放行。

统计接口响应示例（GET /v1/stats/calls）：

{
  "call_count": 42,
  "stats_enabled": true,
  "by_key": { "default": 30, "blog_a": 12 }
}

在已配置 SPAM_MODEL_PATH 时，返回的 spam_score 为 sklearn 概率与内置规则分的较大值（常见英文 SEO、click here+链接等会抬高分数），detail 可能为 sklearn+rules(...)；纯模型主导时仍为 sklearn。

敏感词检测（dfa_sensitive）在匹配前会 去掉 http(s)://… 与 www.… 整段 URL，避免长链接里的 Base64/参数偶然拼出词表短串（例如 wyd）误命中。

若启用 SPAM_NON_CHINESE_FLOOR_ENABLED，且整条评论（含昵称、邮箱、网址、正文）里检测不到 CJK 表意字符，最终分数会与 SPAM_NON_CHINESE_SPAM_FLOOR（默认 0.9）取较大值，detail 中会出现 no_cjk_floor。

用 curl 自测

将下面地址、端口与密钥换成你 .env 里的 SPAM_HOST / SPAM_PORT / 当前配置的 SPAM_API_SECRET 或 SPAM_API_KEYS 中任一的 key。

健康检查（无需密钥）：

curl -sS "http://127.0.0.1:8765/health"

正常中文评论（期望 spam_score 偏低）：

curl -sS -X POST "http://127.0.0.1:8765/v1/classify" \
  -H "Content-Type: application/json" \
  -H "X-Baby-Anti-Spam-Secret: change-me-long-random" \
  -d '{"text":"写得很清楚，感谢分享！","author":"读者","email":"","url":""}'

中英混合、含链接或推广话术（演示规则或模型下通常分数更高）：

curl -sS -X POST "http://127.0.0.1:8765/v1/classify" \
  -H "Content-Type: application/json" \
  -H "X-Baby-Anti-Spam-Secret: change-me-long-random" \
  -d '{"text":"SEO optimization click here https://example.com/junk","author":"Agent","email":"spammer@example.com","url":"https://example.com"}'

错误密钥（响应头里应为 401 Unauthorized）：

curl -sS -i -X POST "http://127.0.0.1:8765/v1/classify" \
  -H "Content-Type: application/json" \
  -H "X-Baby-Anti-Spam-Secret: wrong-secret" \
  -d '{"text":"test","author":"","email":"","url":""}'

调用次数（需与上面相同的有效密钥头）：

curl -sS "http://127.0.0.1:8765/v1/stats/calls" \
  -H "X-Baby-Anti-Spam-Secret: change-me-long-random"

标记垃圾 / 标记正常（写入 spam_marks，marked_label 与 label 一致，api_key_name 为当前密钥的 name）：

# 标记为垃圾（label 可省略，默认 spam）
curl -sS -X POST "http://127.0.0.1:8765/v1/mark-spam" \
  -H "Content-Type: application/json" \
  -H "X-Baby-Anti-Spam-Secret: change-me-long-random" \
  -d '{"text":"明显广告","author":"spammer","source":"manual","note":"后台标记"}'

# 标记为不是垃圾
curl -sS -X POST "http://127.0.0.1:8765/v1/mark-spam" \
  -H "Content-Type: application/json" \
  -H "X-Baby-Anti-Spam-Secret: change-me-long-random" \
  -d '{"text":"认真讨论","label":"normal","source":"manual","note":"误杀纠正"}'

运行截图

服务已启动（本机 python run.py / Uvicorn 监听示例）：

Python 服务运行

curl 自测分类接口（/v1/classify 请求与 JSON 响应示例）：

curl 分类接口测试

模型从哪里来（怎么「下载」）

本项目里实际上是两件东西，不要混在一起：

  1. 句向量模型（Hugging Face 上的 sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2）

    官方模型页（境外，若超时可用下方镜像链接）：
    https://huggingface.co/sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2

    国内常用镜像（同一条 repo_id，仅域名不同，便于浏览说明页）：
    https://hf-mirror.com/sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2

    拉到指定目录的脚本（便于离线拷贝；仅需 pip install huggingface_hub，不必先有 PyTorch）：

    cd service
pip install huggingface_hub
# 默认走 huggingface.co；若超时请加 --mirror 或先 export HF_ENDPOINT=https://hf-mirror.com
python scripts/download_embedding_model.py --mirror --out-dir models/paraphrase-multilingual-MiniLM-L12-v2
# 或: bash scripts/download_embedding_model.sh models/paraphrase-multilingual-MiniLM-L12-v2

    huggingface.co 拉取仍失败时，可在一台能访问外网的机器上下载整个 models/paraphrase-multilingual-MiniLM-L12-v2 目录，再打包拷贝到服务器（repo_id 不变，仍是同一模型）。

    训练时改为指向该目录（同一 repo 内相对路径即可）：

    python scripts/train_sklearn.py --data /path/to/comments.csv --out models/spam_pipeline.joblib \
  --model-name models/paraphrase-multilingual-MiniLM-L12-v2

    默认行为（不写脚本）： 在已安装 sentence-transformers 的前提下，下面任一操作会自动从 Hub 下载到缓存（~/.cache/huggingface/，约几百 MB）：

    • 第一次运行 scripts/train_sklearn.py 训练；或
    • 服务已配置 SPAM_MODEL_PATH 指向训练好的 *.joblib，第一次对评论做推理、管线里要加载 SentenceTransformer 时。

    只想预下载向量模型到默认缓存（可选）： 在 service 的 venv 里执行：

    Linux / macOS（bash）：

    export HF_ENDPOINT=https://hf-mirror.com   # 可选，再执行下行
python -c "from sentence_transformers import SentenceTransformer; SentenceTransformer('sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2')"

    Windows PowerShell（当前会话生效）：

    $env:HF_ENDPOINT = "https://hf-mirror.com"   # 可选
python -c "from sentence_transformers import SentenceTransformer; SentenceTransformer('sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2')"

    Windows CMD：

    set HF_ENDPOINT=https://hf-mirror.com
python -c "from sentence_transformers import SentenceTransformer; SentenceTransformer('sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2')"

    缓存默认在 ~/.cache/huggingface/（也可用环境变量 HF_HOME 指定目录；无网机器可把缓存目录整体拷过去）。

    huggingface_hub / sentence-transformers 走镜像下载时，一般设置：export HF_ENDPOINT=https://hf-mirror.com（与 hf-mirror 文档一致）。Windows 用 PowerShell 的 $env:HF_ENDPOINT = "https://hf-mirror.com"，或 CMD 的 set HF_ENDPOINT=https://hf-mirror.com。其它第三方镜像若有提供等价 Hub API 地址，可用下载脚本的 --endpoint URL。

  2. 「是不是垃圾」的分类头（spam / normal）

    • 本仓库默认可直接加载的，只有你本地训练出来的 spam_pipeline.joblib（train_sklearn.py + 你的 CSV）。本仓库不提供一份「官方预训练 joblib」供下载。
    • 互联网上当然有大量「已训练好的文本分类模型」（例如 Hugging Face Hub 里搜索 spam、sms spam 等），但它们多半是 英文、任务定义（标签含义）和 推理框架 与当前服务不一致；不能把某个 .bin / safetensors 直接填进 SPAM_MODEL_PATH——当前服务只认 joblib.dump 的 sklearn 流水线格式。
    • 若你希望「只下载、少标注」，更现实的做法仍是：用 少量 本站评论（几十～几百条）微调一层分类头，生成 joblib；或自行 fork 后在服务里增加对 Transformers pipeline("text-classification") 的调用路径，再指定 Hub 上的模型 ID（需自行评估语种、误杀率和许可协议）。

只用内置演示规则时（detail 为 fallback_rules）不会去下载上述向量模型。

训练模型

准备 CSV，两列：text、label，其中 label 为 normal 或 spam（旧数据里 ham 在训练脚本中会映射为 normal）：

text,label
这是一条正常评论,normal
点击领取红包...,spam

方式 A（推荐）：本站已通过评论 + fixed 仅垃圾

  • normal：sources/private/ 下 所有 *.csv（WordPress 导出格式：comment_approved=1 且 comment_type=comment）都会并入；例如 mars_comments.csv、zhong.wp_comments.csv。正文会做简单去 HTML。该目录已在 .gitignore 中忽略，请自行放入导出文件。
  • spam：仅使用 sources/fixed/data/spam.txt（一行一条）。fixed 下的 normal 数据不参与训练。 若语料里游戏公会 / COC「几本」类内容过多，可在 service 下执行 python scripts/filter_spam_remove_game_lines.py（会先备份 spam.txt.bak 再剔除匹配行；--dry-run 仅统计）。
    若还要去掉相对中性、像正常聊天的短句、只保留广告/脏词/链接/联系方式等明显垃圾行，可执行 python scripts/filter_spam_obvious_only.py（备份 spam.txt.bak_obvious；--dry-run 仅统计）。
cd service
source .venv/bin/activate
python scripts/sources_to_csv.py \
  --spam-file sources/fixed/data/spam.txt \
  --private-dir sources/private \
  --out data/comments.csv

还可追加单个导出文件：--normal-wp-export path/to/extra.csv（可多次写）。

方式 B：两个纯文本整文件（一行一条；会用到 fixed 的 normal 时选此项）：

python scripts/sources_to_csv.py \
  --normal-file sources/fixed/data/normal.txt \
  --spam-file sources/fixed/data/spam.txt \
  --out data/comments.csv

方式 C：目录 sources/normal/*.txt 与 sources/spam/*.txt：

python scripts/sources_to_csv.py --out data/comments.csv
  • 目录模式可用 --sources /path/to/root 指定含 normal/、spam/ 的根路径。
  • 需要按「文本+标签」去重时加 --dedupe。
  • 全量数据训练耗时长、占用内存大；试跑可先 --dedupe 或裁切子集。

Windows PowerShell（方式 A）：

python scripts/sources_to_csv.py `
  --spam-file sources/fixed/data/spam.txt `
  --private-dir sources/private `
  --out data/comments.csv

训练（默认会从 Hub 拉取 paraphrase-multilingual-MiniLM-L12-v2，约几百 MB；若已下载或拷贝到本地目录，请加 --model-name 指向该目录）：

cd service
source .venv/bin/activate
python scripts/train_sklearn.py --data data/comments.csv --out models/spam_pipeline.joblib
# 已本地化向量模型时，例如：
# python scripts/train_sklearn.py --data data/comments.csv --out models/spam_pipeline.joblib \
#   --model-name models/paraphrase-multilingual-MiniLM-L12-v2
python scripts\train_sklearn.py --data data\comments_blog_fixed_spam.csv --out models\spam_obaby_pipeline.joblib

Windows（--data 换成你的 CSV 绝对路径或 .\data\comments.csv）：

cd service
.\.venv\Scripts\Activate.ps1
python scripts/train_sklearn.py --data .\data\comments.csv --out models\spam_pipeline.joblib
# 若需本地向量模型: 再加 --model-name models\paraphrase-multilingual-MiniLM-L12-v2

在 .env 中设置：

SPAM_MODEL_PATH=/绝对路径/models/spam_pipeline.joblib
SPAM_FALLBACK_RULES=false

重启 Python 服务后生效。

若加载模型时出现 InconsistentVersionWarning（ pickle 时 sklearn 比运行环境新）或推理时报 LogisticRegression/multi_class 相关错误：在服务的 venv 内执行 pip install -U "scikit-learn>=1.8"（与 requirements.txt 一致），重启服务；不要在低版本 sklearn 上加载高版本导出的 joblib。

WordPress 插件

  1. 将目录 wordpress/baby-anti-spam 复制到 wp-content/plugins/baby-anti-spam/，或打包为 zip 在后台上传安装。
  2. 在后台启用 Baby Anti-Spam。
  3. 进入 设置 → Baby Anti-Spam：
    • 服务地址：例如 http://127.0.0.1:8765
    • API 密钥：与服务端配置的 SPAM_API_SECRET（单密钥模式）或 SPAM_API_KEYS 中该站点对应条目的 key 一致
    • 判定依据：仅用 spam_score，或按 API 的 normal / spam 分项阈值再结合分数
    • 超时：默认约 2.5 秒，可按机器情况调整
    • 阈值：垃圾线与待审线（可针对 normal / spam 两档分别设置）
    • 服务失败时：放行或待审（避免服务宕机导致整站评论不可用）

插件使用过滤器 pre_comment_approved：spam_score 达垃圾线则 spam，达待审线则 hold，否则保持原状态。

安全建议

  • 默认只监听本回环地址（127.0.0.1）；若使用 run.py --remote 或 SPAM_HOST=0.0.0.0，应对公网暴露有明确需求并配合防火墙、反代与强密钥。
  • 使用强随机密钥；多站点可用 SPAM_API_KEYS 分密钥并设置 max_rpm，降低单 key 泄露后的滥用面。
  • 统计库（SQLite 文件或 MySQL 中的 classify_calls）含评论正文等数据：SQLite 注意文件权限；MySQL 注意账号最小权限、网络隔离与备份留存策略。
  • 定期用本站真实垃圾/正常样本更新训练数据，再重新导出 joblib。

许可证

插件头注明 GPLv2 or later（与 WordPress 生态常见约定一致）；若你单独发布服务代码，可自行选择与服务侧一致的许可证。

© 2026 Tencent, Inc. Supported by Tencent Cloud
About Us
Privacy Policy
Terms of Service
SLA
API
Docs
Showcase
Feedback
35/F,Tencent Building,Kejizhongyi Avenue,Nanshan District,Shenzhen
京ICP备11018762号-111
粤公网安备44030002006058号粤公网安备44030002006058号