• English Version
• 博客文章：一个自学习的Telegram广告拦截机器人

基于贝叶斯算法的 Telegram广告拦截机器人

BSS(@BayesSpamSniperBot) 是一个具备自学习能力的，基于贝叶斯定理实现的开源 Telegram 广告拦截机器人

特点

常见的 Telegram 广告机器人是大多是基于关键字的，通过匹配关键字进行文本拦截，非常容易被发垃圾广告的人绕过。

这不禁让我想起了保罗.格雷厄姆在《黑客与画家》一书在2002年介绍的情况：

当时电子邮件兴起，也有非常多的垃圾邮件，常见的垃圾广告拦截方式是关键字匹配+邮件地址黑名单，但是既低效也容易被绕过。

保罗.格雷厄姆就创造性地使用贝叶斯算法(Bayes Theorem)实现了一个广告拦截器, 效果竟然出奇地好。

对于 Telegram 的垃圾广告而言，这不是类似的问题嘛？那我可以用类似的解决方案来解决 Telegram 广告的问题嘛

如何使用

• 将机器人添加到您的群组
• 给予机器人管理员权限（删除消息(delete message )，封禁用户权限(ban user )）
• 机器人将自动开始工作

机器人会自动识别群内广告，然后删除文本消息，如果发送垃圾文本超过3次，将会被封禁。

本机器人的设计理念就是最小化打扰管理员与用户，提供简单的操作命令，并最大可能地自动化， 所以本机器人只提供以下三个命令（支持”/”开头自动补全）:

/markspam

删除垃圾消息并封禁用户, 需要管理员权限。

在某条你想封禁的信息下回复 /markspam, 机器人就会自动把该条消息删除被封禁用户.

(消息也被删除)

与常见的群管理机器人不同，这条命令不仅会删除垃圾消息并封禁用户, 因为这条消息还被管理员标记成垃圾文本，有非常高的置信度，所以系统就会以这条垃圾文本为训练数据，对模型进行实时更新。

下次类似的发言不仅会被识别，所有使用本机器人的群组都会受益，也会把类似的文本标记成垃圾广告

/listbanuser

查看封禁账户列表, 需要管理员权限。

查看已封禁的用户列表，并主动解封。

/listspam

查看广告消息列表, 需要管理员权限。

查看被标记为广告的消息列表，并可标记为正常。

/feedspam

投喂垃圾信息来训练，无任何权限要求，可私聊投喂或在群组内投喂.

架构设计

Telegram Bot 支持两种与 Telegram 服务器交互的模式，分别是：

1. Webhook: Telegram 服务器会在 Bot 收到新消息时主动回调此前 Bot 注册的地址，Bot Server 只需要处理回调的消息
2. Long Polling: Bot Server 一直轮询 Telegram 服务器，看是否有新消息，有就处理，本项目使用的是此模式

消息分析

Bot Server 收到消息之后，会派发到单独的 telegram_bot_worker 处理，然后根据预训练的模型判断是否是垃圾文本，如果是，调用 bot API 删除消息

封禁并训练

Bot Server 收到消息之后，会派发到单独的 telegram_bot_worker 处理， telegram_bot_worker 会调用 bot API 删除消息并封禁用户，并插入一条训练数据，标记为垃圾文本(spam)

保存训练数据会触发 hook, 创建一个训练消息，投递到消息队列 training, 会有另外的 worker classifier_trainer 订阅 training 消息，并使用新消息重新训练和更新模型

如何贡献

本项目纯粹用爱发电，如果想支持本项目，有以下的方式进行贡献:

1. 通过 /feedspam 命令投喂训练数据
2. 加入 BSS 支持群，或作者私人频道,在群里发广告
3. Sponsor 作者

常见问题

说得这么厉害，为什么别人在我群里发的广告还是没有被识别？

贝叶斯算法本质是个概率算法，如果它没有见过类似的广告，那么它就没法判断是否垃圾广告 :(

稍安勿躁，你需要做只是使用 /markspam 删除消息并封禁用户，就可以帮助训练这个bot, 所有使用这个 bot 的用户都会因此受益

wocao, 你这个机器人怎么把我正常的聊天消息也误删了？

我知道误删消息相当令人不爽，所以我已经竭力优化机器人，提高置信度（是广告的概率超过95%才会被判定为广告）， 但是因为即时通信消息「短文本+无上下文」的特性，误删仍然是无法完全根除的。

比如聊天消息是 境外CDN ，管理员认为是正常群聊，但被误删。实际这个消息和广告非常相似，比如有些广告是：

🔥 国内 - 海外 服务器 免备案 大带宽 欢迎业务 🌍 CDN加速网站 高防 过移动屏蔽 🔴 直播 推拉流 稳定 大带宽 不限制流量 🛠️ 搭建 专业定制开发app 🔥🔥 📱 销售：@cdncloud001 📢 频道： @xxxx

正常聊天消息 =京东淘宝 tg = 被误删，这个和广告也相当类似:

有淘宝京东闲鱼抖音购物软件的兄弟来找我干活 一单一结280秒结 @xxxx21

一手出 微信 QQ 支付宝 抖音 京东 淘宝 WS 火种 手机卡 电销卡 流量卡 需要联系唯一客服飞机： @xxxx01 双向 @xxxx_bot

所以提供了 /listspam 命令给管理员，管理员可以查看被删除的消息，如果发现有被误判的，可以手工标记为正常:

如何看到删除的消息？

有些消息被删除了，但是不知道有没有误删，有日志吗？

可以通过 /listspam 看到被删除的消息，如果看到有消息被误标记为广告，也可以将其标记为正常: