car­a­van cal­cu­lus
curve priest­hood / with the bur­den of inten­tions / con­trive respectabil­i­ty
lus­cious recruiter / nobly explo­sive / snare human nature
Xerox gen­til­i­ty / hoarse­ly pyra­mid / retir­ing reprisal

Nein, ich bin nicht zu den Lit­er­atur­wis­senschaftlern überge­laufen, und das ist keine zeit­genös­sis­che englis­che Poe­sie. Ich habe diese Verse aus aus­gewählten Betr­e­f­fzeilen der E‑Mails zusam­mengestellt, die tagtäglich in meinem Spamord­ner lan­den. Es ist noch gar nicht lange her, da waren diese Betr­e­f­fzeilen ger­ade­heraus: „Sex all night long?“, „U can save your mon­ey“, „Need S0ftware?“ oder „Con­trat­u­la­tions! You have won the lot­tery!“. Wenn man die elek­tro­n­is­chen Wurf­sendun­gen öffnete, ahnte man, was einen erwartete: zweifel­hafte Offer­ten für Via­gra, Hypotheken und Adobe Pho­to­shop oder die Auf­forderung, doch bitte umge­hend seine Bankverbindung nach Nige­ria zu über­mit­teln um das Preis­geld für eine Lot­terie zu erhal­ten, an der man nie teilgenom­men hat­te. Doch seit einiger Zeit sind die Betr­e­f­fzeilen immer häu­figer kleine sur­re­al­is­tis­che Kunst­werke und wenn man die E‑Mails öffnet, enthal­ten sie Tex­twüsten aus zusam­men­hangslosen Sprach­fet­zen. Was ist da geschehen?

Es han­delt sich um die jüng­ste Spi­rale im Wet­trüsten zwis­chen Spam­mern und Anti­spam­fil­tern. Diese Fil­ter ver­suchen, die Spam­mer dort zu pack­en, wo sie am ver­wund­barsten sind — bei den Sprach­mustern, die sich im dig­i­tal­en Werbe­müll unweiger­lich find­en. Dabei dür­fen sie natür­lich nicht ein­fach eine Liste ver­boten­er Wörter abar­beit­en und alle Nachricht­en abweisen, die eines oder mehrere dieser Wörter enthal­ten. Denn es kön­nte ja sein, dass ein alter Fre­und mir von seinem Lot­to­gewinn erzählen möchte oder dass Bob Dole mich als Wirtschaftsmin­is­ter der USA vorschla­gen will und dabei erwäht, dass ihm die neue Via­gra-Wer­bekam­pagne nicht gefällt. Diese Nachricht­en müssen mich natür­lich erre­ichen können.

Deshalb gehen gute Anti­spam­fil­ter heute aus­gek­lügel­ter vor. Sie wer­den zunächst an zwei elek­tro­n­is­chen Kor­po­ra (=Textsamm­lun­gen) trainiert: einem, das aus möglichst vie­len mein­er erwün­scht­en E‑Mails beste­ht, und einem, das aus möglichst vie­len der uner­wüscht­en Sülz­mails beste­ht. Für jedes dieser Kor­po­ra erstellen sie eine Häu­figkeit­sliste aller Wörter. Die jew­eils zehn häu­fig­sten Wörter in ein­er zufäl­li­gen Auswahl mein­er erwün­scht­en und uner­wün­scht­en E‑Mails sind beispiel­sweise die fol­gen­den (dabei habe ich der Über­sicht hal­ber Wörter wie the, of, in, usw. wegge­lassen, die auf bei­den Lis­ten Spitzen­po­si­tio­nen einnehmen):

Nun wird für jedes Wort die Spamwahrschein­lichkeit ermit­telt, also die Wahrschein­lick­eit, mit der es in ein­er Spam­mail vorkommt. Die Top Ten auf den bei­den Lis­ten kom­men in meinen Email-Kor­po­ra jew­eils zu 0 Prozent bzw. zu 100 Prozent in den uner­wün­scht­en Emails vor, aber die meis­ten Wörter liegen irgend­wo dazwis­chen: das Wort offer kommt zum Beispiel zu 75 Prozent in Spam­mails und zu 25 Prozent in erwün­scht­en Emails vor, beim Wort wish­es (aus der Gruß­formel Best Wish­es) ist es genau umgekehrt. Für den Fil­ter sind diese Prozentzahlen Wahrschein­lichkeit­en dafür, dass eine Nachricht, die das entsprechende Wort enthält, eine Werbe­mail ist. Er sucht also nach Wörtern, die beson­ders stark in die eine oder andere Rich­tung abwe­ichen. Die Wahrschein­lichkeit­en wer­den zusam­mengezählt und daraus ergibt sich eine Gesamt­wahrschein­lichkeit. Würde diese bei 50 Prozent liegen, wäre der Fil­ter unentsch­ieden; tat­säch­lich liegt sie aber typ­is­cher­weise deut­lich darüber (dann weiß der Fil­ter: das ist Spam) oder darunter (dann weiß der Fil­ter: das ist eine erwün­schte Nachricht).

Die guten und schlecht­en Wörter wer­den also gegeneinan­der aufge­wogen. Wenn in ein­er Email beispiel­sweise das Wort prize vorkommt, ergibt sich daraus zunächst eine Spamwahrschein­lichkeit von 100%. Wenn in der sel­ben Mail aber die Wörter Ana­tol und lin­guis­tics vorkom­men, so heben sie diese Wahrschein­lichkeit nicht nur auf son­dern kehren sie sog­ar um. Auf diese Weise würde mir eine Email, in der man mir ankündigt, dass ich den neugeschaf­fe­nen „Nobel Prize in Lin­guis­tics“ gewon­nen habe, nicht entgehen.

Und hier kom­men die Zufall­s­texte ins Spiel: sie stellen einen Ver­such dar die Anti­spam­fil­ter zu überlis­ten. Die Zufall­s­texte sollen dafür sor­gen, dass die Fil­ter keine aus­sagekräfti­gen Häu­figkeit­slis­ten für die Spam­mails auf­bauen kön­nen. Die Zufall­s­texte sollen dafür sor­gen, dass auf den schwarzen Lis­ten der Fil­ter jede Menge unschuldiger Wörter auf­tauchen, die die ver­rä­ter­ischen Wörter rel­a­tiv gese­hen sel­tener machen.

Anfangs wur­den diese Zufall­s­texte an die eigentliche Wer­be­botschaft ange­hängt. Das ver­wirrte die Anti­spam­fil­ter kaum, denn obwohl ver­rä­ter­ische Wörter wie lot­tery und Via­gra auf den Häu­figkeit­slis­ten dadurch tat­säch­lich nach unten wan­derten, kamen sie nach wie vor fast auss­chließlich in Spam­mails vor. Ihre Spamwahrschein­lichkeit blieb also fast unberührt. Im näch­sten Schritt ent­fer­n­ten die Spam­mer die Wer­be­botschaften ganz aus dem Text und hängten sie als Bild an. Zurück blieb also nur der Zufall­s­text. Der müsste die Fil­ter nun eigentlich vor ein großes Prob­lem stellen, denn es lassen sich keine typ­is­chen Spamwörter mehr aus­machen. Die Top Ten aus ein­er Auswahl von Zufallss­pam der let­zten Woche sehen bei mir beispiel­sweise so aus:

Dass diese Zufall­s­texte den Spam­fil­ter trotz­dem nicht überlis­ten kön­nen, liegt an drei Din­gen. Erstens weiß der Fil­ter ja gar nicht, dass etwa lot­tery ein spam­typ­is­ches Wort ist. Er weiß nur, dass es häu­fig in Spam­mails vorkommt. Deshalb behan­delt er nach kurzem Train­ing eben die Wörter said, man, con­trary, etc. eben­falls als Spamwörter. Zweit­ens fehlen in den Zufallss­pams nach wie vor die Wörter, die typ­is­cher­weise in tat­säch­lich an mich gerichteten Nachricht­en vorkom­men — die Spamwahrschein­lichkeit liegt deshalb nach wie vor deut­lich über der mein­er erwün­scht­en E‑Mails. Drit­tens, aus sprach­wis­senschaftlich­er Sicht weniger inter­es­sant, sam­melt der Fil­ter nicht nur Wörter, wie ich es hier gezeigt habe, son­dern auch verdeck­te Tex­tele­mente wie beispiel­sweise die HTML-Tags, mit denen die Bilder in die Werbe­mails einge­bun­den wer­den. Wenn die Sprache neu­traler ist, bekom­men diese Tags dafür ein umso größeres Gewicht.

Ein Gutes haben diese Texte aber: sie regen zu kreativem Umgang mit Sprache an. Die Idee, Gedichte daraus zu machen, stammt näm­lich lei­der nicht von mir. Über­all im Inter­net kann man solche „Spam Poet­ry“ find­en. Zu Zeit­en der tra­di­tionellen Massen­wer­bung waren diese Gedichte notwendi­ger­weise the­ma­tisch sehr beschränkt und dreht­en sich, wie die Wer­be­botschaften selb­st, haupt­säch­lich um Sex, Hypotheken und Lot­teriegewinne. Die Zufall­s­texte und ‑betr­e­f­fzeilen haben der Spam Poet­ry inzwis­chen zu wahren lit­er­arischen Höhen­flü­gen verholfen.