反垃圾评分阈值该怎么调？分数线怎么定才不误杀？

评分引擎的正确用法是设多档而非一刀切。典型分层是：低于下限直接投递；下限到上限之间标记并投入垃圾邮件文件夹或隔离区；高于上限才拒收或丢弃。Exchange 的反垃圾组件同样按信心等级映射到不同动作（投递、移入垃圾邮件、隔离、拒绝），而不是单一开关。

只设一个「拒收线」的系统必然在误杀和漏放之间二选一；加一个中间灰区，就能把不确定的邮件交给用户判断而不是直接销毁。

调优的约束条件应当是误报率而不是拦截率。做法：取一份已人工标注的近期真实邮件样本（正常邮件不少于数千封，且必须覆盖业务高峰期与各类自动通知邮件），对每个候选阈值算出误报数，选择满足误报预算的最低阈值。

关键点是「拒收档」的误报预算应接近零——因为拒收不可逆。隔离档可以容忍较高误报，因为用户可自行释放。把两档分别调优，而不是共用一个目标。

NIST SP 800-177 Rev.1 在讨论邮件过滤时强调需权衡误判带来的可用性损失。工程上的落地原则很简单：只有在 SMTP 会话内以 5xx 拒收，发送方才会收到退信、知道邮件没到；一旦收下后静默丢弃，双方都不知道邮件消失了。因此高分档宁可在会话内拒收，也不要收下再删。

隔离区必须配套三件事：用户可见的隔离摘要通知、自助释放入口、管理员可查的检索。缺任何一件，隔离在实际效果上等同于丢弃。

任何权重调整、新规则上线，先以「只记分不动作」的影子模式跑满一个完整周期（含月末结账、批量对账等特殊时段），对比新旧评分下动作分布的差异，重点看有多少原本投递的邮件会被新配置隔离或拒收。

差异超过预期就要定位到具体规则。逐条规则统计命中量与命中邮件的人工标注结果，命中量大但精确率低的规则应降权而非删除——直接删除会丢失它与其他规则的组合价值。

上线后长期跟踪：隔离区释放率（用户从隔离区放出的比例，持续偏高说明阈值过严）、用户举报的漏放量（偏高说明过松）、以及分数分布的整体漂移（若整体均值缓慢上移，通常是某条规则的外部数据源变化，而非邮件真的变差了）。

第三项最容易被忽略：依赖外部信誉数据的规则一旦数据源异常，会造成全局分数抬升与批量误杀。为这类规则设置「命中率突变」告警，比事后从用户投诉里发现要早得多。