Osservato miglioramento delle parole -- caratteri Unicode dall'aspetto simile

[markersocial]

Per le parole monitorate, penso che si potrebbe migliorare il sistema facendo corrispondere anche i caratteri Unicode simili.

Ad esempio:
abcabcabc
𝘢𝘣𝘤𝘢𝘣𝘤𝘢𝘣𝘤
𝒂𝒃𝒄𝒂𝒃𝒄𝒂𝒃𝒄
ab𝘤𝘢𝘣𝒄𝒂𝒃𝒄

Questo permetterebbe essenzialmente agli spammer di creare molte varianti delle stesse parole per aggirare il filtro delle parole. Sono stato bombardato da spammer astuti e motivati, che hanno messo alla prova le funzionalità anti-spam di Discourse fino al limite assoluto. Questa è una delle tecniche che stanno utilizzando.

Forse potrebbe essere utile: GitHub - janlelis/unicode-confusable: Unicode::Confusable.confusable? "ℜսᖯʏ", "Ruby" · GitHub

[codinghorror (Jeff Atwood)]

Quello non è un “font”, è un diverso insieme di caratteri Unicode.

[markersocial]

Ah, scusa, grazie per la correzione. Ho aggiornato il post.

[codinghorror (Jeff Atwood)]

Improbabile, poiché quel tipo di corrispondenza unicode che “sembra simile” è estremamente costoso in termini di tempo di CPU ed è anche molto delicato da implementare correttamente, perché chi decide cosa “sembra simile” a qualcos’altro?

Ti suggerisco di considerare altri metodi per gestire questi spammer.

Nel frattempo, aggiungi semplicemente le varianti comuni dei termini di spam necessarie in diversi caratteri unicode.