Защита от спама в Rails

Не пытайтесь создать собственное решение для этого, это намного сложнее, чем вы ожидаете. На самом деле это одна из тех вещей, таких как шифрование, где гораздо лучше отдать ее на откуп кому-то/чему-то, кто действительно хорош в этом. Вот некоторая предыстория для вас.

О расстоянии Левенштейна, безусловно, полезно знать (никогда не знаешь, когда пригодится метрика подобия), но для решения данной конкретной задачи его использовать нельзя.

Байесовский классификатор намного ближе к тому, что вам нужно. На самом деле обнаружение спама — это в значительной степени канонический пример того, как наивный байесовский классификатор может проделать огромную работу. Сказав это, вам придется найти большую коллекцию данных (сообщений), которые были классифицированы как спам и не спам и которые аналогичны типам сообщений, которые вы получаете на своем сайте. Затем вам нужно будет обучить свой классификатор и измерить его производительность. Вам нужно будет настроить его и убедиться, что вы не переобучаете его и т. д. Хотя Classifier::Bayes является достойной базовой реализацией, он не даст вам большой поддержки для этого. На самом деле Ruby страдает от отсутствия хороших библиотек для обработки естественного языка. В Ruby нет ничего, что можно было бы сравнить с NLTK Python.

Сказав все это, такие сервисы, как akismet, безусловно, будут иметь байесовский классификатор в качестве одного из инструментов, которые они используют для определения того, является ли то, что вы им отправляете, спамом или нет. Этот классификатор, вероятно, будет гораздо более сложным, чем тот, который вы можете создать самостоятельно, хотя бы по той причине, что у них также есть доступ к такому большому количеству данных. Вероятно, у них также есть другие типы классификаторов/алгоритмов, которые они будут использовать, в конце концов, это их основной бизнес.

Короче говоря, если бы я был на вашем месте, я бы еще раз посмотрел на что-то вроде Akismet. Если вы встроите на свой сайт средство, с помощью которого вы или ваши пользователи сможете помечать сообщения как спам (например, с помощью метода spam! rakismet), вы сможете отправлять эти данные в akismet, и служба должна довольно быстро узнать, что определенный тип сообщение является спамом. Таким образом, если ваши пользователи отправляют много похожих спам-сообщений, даже если akismet не улавливает это сразу, после того, как вы отметите пару из них, все остальные должны быть обнаружены автоматически. На вашем месте я бы сосредоточил свои усилия на экспериментах в этом направлении, а не на попытках создать собственное решение.