Dit is een zeer eenvoudige vorm en is gebruikt in de eerste generatie filters. Technologie verplaatst een inkeping daarna tot meer complexe mechanismen zoals DNS zwarte lijst op te nemen. Bij deze methode wordt een mogelijke spammer opgezocht als een DNS-vermelding en de domeinnaam van herkomst van de e-mail wordt opgezocht, als er iets fishy over dit bericht of indien de entiteit wordt een bekende spammer, dan is de e-mail wordt geblokkeerd . Er zijn nog enkele collaboratieve middel van het blokkeren van spam ook.
Sommige van deze filters zal een collectieve intelligentie van vele spam ontvangers gebruiken. In deze methode, wanneer een e-mail wordt gemarkeerd als spam, wordt de informatie vervolgens doorgegeven aan een centrale server en gedeeld met andere gebruikers van het spamfilter software.However informatie, al deze zijn niet erg efficiënte methoden en om eerlijk te zijn, zijn vrij rudimentair in hoe ze werken. De beste spamfilters met een bijna 100 procent succes zijn die complexe wiskunde gebruiken om kans te berekenen en eigenlijk leren van de gebruiker om spam te identificeren.
Er zijn twee back end logica die worden gebruikt in deze filters. Bayesiaanse filtering is een methode gebruikt door een aantal filters. Deze methode werkt door het identificeren van de aanwezigheid van een aantal trefwoorden in elke mail die is gemarkeerd als spam door de e-mail gebruiker. Na verloop van tijd, de software bouwt vervolgens een statistische waarschijnlijkheid van een post zijn een spam. Uiteindelijk kan de software volledig onafhankelijk werken. De andere methode die gebruikt wordt Markovia discriminatie genoemd.
Deze maakt gebruik van hetzelfde uitgangspunt als de vorige methode, maar is krachtiger, omdat het controleert de gebeurtenissen van hele zinnen. Dit is belangrijk omdat sommige slick schrijven aan het optreden van een zoekwoord te maskeren door kon glijden in de