位于以色列的德国电信实验室团队设计了一个反垃圾邮件工具，在不必分析邮件内容的情况下此工具可以减少94%的垃圾邮件。

Eitan Menahem和Rami Puzis使用机器学习算法来对邮件传输代理的信誉进行分类并确认来自发送方的邮件为垃圾邮件的可能性。

研究人员透露，此系统的好处是不用分析邮件内容却能够极大的减少收到的垃圾邮件量。研究人员提到，“基于内容的过滤被认为是判断垃圾邮件最准确的方法，但是这种方法是需要大量计算的，而且有时会被认为侵犯隐私。”虽然像Spamhaus的黑名单是拦截垃圾邮件的有效工具，但是垃圾邮件发送者频繁的更改IP地址甚至盗取合法IP来逃避垃圾邮件过滤器。

另一个主要的技术是对发送者进行信誉分类，但是许多发送者信誉机制的建立是基于有限的数据集。德国电信研究员分析了由邮件头组成的带有950万记录的电子邮件日志。这些邮件头来源于德国电信网络服务提供商一周的数据。

研究员然后开始使用机器学习算法来研究如何确认垃圾邮件头，并且分析邮件传输代理的行为如何随着时间变化。此系统能够拦截监测到的94%的垃圾邮件，误判率只有0.5%。研究人员也能够证明： 对使用黑名单没能拦截的垃圾邮件，此系统能够监测到80%.

研究人员说，在过滤垃圾邮件方面，此系统能够减少网络服务提供商及大型企业的工作量。