摘要

  • Project Honey Pot 将独一份的诱饵邮箱与一次网页访问绑定，后来的来信可以接回当时的采集记录。
  • 志愿网站提供页面，中央服务器分发地址、接收邮件并保留关联；这套分工也为研究采集者与发信服务器提供了材料。

2009 年 12 月 9 日，一封冒充税务通知的邮件进了收件箱。收件人根本不存在，收件系统却很高兴：等的就是这种信。

Project Honey Pot 当月的报告把它记为项目收到的第十亿封垃圾邮件。这个诱饵地址早在 2007 年 11 月 4 日就被爬虫从网页上采集走了。两年多后，冒充 Internal Revenue Service 的来信仍能通过收件地址，接回那次访问。

这门生意的尴尬之处在于，收信一方比发信一方更想把信留下来。

一个地址，只给一次访问

项目创建者的 2005 年论文记载，服务于 2004 年 10 月 14 日向公众志愿者开放。站长安装诱饵页面，让采集邮箱地址的程序有东西可拿。页面背后还连着一套记账系统。

访客到达时，本地脚本联系项目的中央服务器，传送访问者的 IP 地址、浏览器标识和来源页面信息。中央端记下时间与访问资料，再返回一个独一份的邮箱地址。

这个地址只展示一次。外表可以像普通邮箱，底下已经绑好了这次访问。以后有人往它寄信，接收系统就能把两个动作连起来：先有人在这里拿到地址，后来有人用这个地址投递邮件。

普通人看到垃圾邮件，往往只能问一句“你从哪儿弄到我的邮箱”。这个假邮箱手里有一张记录。发信过程带来的信息之外，它还保留着地址被展示、被采集的入口。

志愿网站承担的是摆饵。地址由中央端分发，信也由中央端接收。参与者贡献的域名把邮件路由指向项目，为诱饵提供更多像样的收件地址。摊位分散在各家网站，收信处集中在后台。

拿走地址的人，未必亲自按发送

Kevin S. Xu 等人的 2009 年研究利用这些关联，分析行为相近的采集程序群组。论文区分了采集邮箱的机器与发送邮件的服务器：一个采集者可以给多个发送者供货，一个发送者也可以使用多个采集者。

这样一来，收件地址成了研究工具。不同机器完成的几个环节，可以借它连接起来。那封 2009 年的假税务邮件也说明，旧访问记录有继续保存的价值：2007 年流出去的地址，后来仍带着能追溯的来路。

机关巧妙，水电仍得有人管。项目现行常见问题说明解释，寄给诱饵地址的信直接进入项目服务器，参与者也可以贡献子域名；撤回域名后，已经散出去的那些地址会退信。想让诱饵继续报信，后面的收件通路就得继续工作。

Project Honey Pot 把网页变成了一场通信实验的起点。爬虫拿走地址，项目留住底单。发送者热情推销、故作威严或者冒充税务机关时，也顺便交回了一点它原本没打算提供的东西：这个地址后来去了哪里。