ایمیل ها، شیوه معمول تعداد زیادی از حملات اینترنتی هستند. بیشتر این حملات از نوع هرزنامه هستند. فیلترهای متنوعی مانند فیلتر بیز، فیلترهای مبتنی بر مجموع و فیلترهای مبتنی بر یادگیری ماشینی برای تشخیص هرزنامه مورد استفاده قرار می گیرند. بنابراین مدیریت ایمیل به دلیل مورد سوءاستفاده قرارگرفتن، مشکلی مهم و روز افزون برای افراد و سازمان ها شده است. هرزنامه اصولاً به عنوان ارسال ایمیل دسته ای ناخواسته، شناخته می شود. به بیان دیگر ایمیل هرزنامه ای است ناخواسته برای چند دریافت کننده. یک تعریف معمول، محدود به ایمیل تبلیغاتی ناخواسته است. تعریفی که ارسالهای غیر تبلیغاتی مانند اعلانات سیاسی و مذهبی، حتی ناخواسته، را به عنوان هرزنامه در نظر نمی گیرد. ایمیل تاکنون معمول ترین فرم هرزنامه اینترنتی بوده است. تحقیقات نشان داده است که ۱۵ تا ۲۰ درصد ایمیل سازمان های شرکتی آمریکا هرزنامه است. نیمی از کاربران، روزانه تعداد ۱۰ ایمیل یا بیشتر هرزنامه دریافت می کنند. درحالیکه تعدادی از آنها تا صدها ایمیل ناخواسته دریافت می کنند. به عنوان مثال، می توان گفت امروزه برخی از سایت های تجاری نیز مورد هدف تولیدکنندگان اسپم ها قرار می گیرند و از آن جایی که انتشار و انعکاس نظرات واقعی از سوی کاربران در خصوص استفاده از محصولات یک شرکت می تواند در بردارنده اطلاعاتی ارزشمند برای دیگر مشتریان باشد، لذا شناسایی اسپم ها و تشخیص نظرات جعلی در زمان کوتاه امری مهم تلقی می گردد. یکی از روش های رایج و مؤثر تشخیص هرزنامه، استفاده از الگوریتم های یادگیری ماشین است. به عنوان یکی از شاخه های وسیع و پرکاربرد هوش مصنوعی و علوم کامپیوتر، یادگیری ماشین به تنظیم و اکتشاف شیوه ها و الگوریتم هایی می پردازد که براساس آنها رایانه ها و سامانه ها توانایی یادگیری پیدا می کنند. یادگیری تحت نظارت، یک روش عمومی در یادگیری ماشین است که در آن به یک سیستم، مجموعه ای از جفت های ورودی – خروجی ارائه شده و سیستم تلاش می کند تا تابعی از ورودی به خروجی را فرا گیرد. به روشهای عمومی یادگیری ماشین اغلب روشهای طبقه بندی نیز گفته می شود. برخی از این روشها عبارتند از درخت تصمیم، ماشین بردار پشتیبان، نزدیکترین همسایه و شبکه های عصبی مصنوعی.