ایمیل ناخواسته یا هرزنامه یکی از مشکلات جدی کاربران در مکاتبات الکترونیکی است. پایین آمدن راندمان کاری، اشغال فضای دیسک و حملات جعل هویت، بعضی ازپیامدهای هرزنامه می باشد. 90% حجم ایمیل های مبادله شده را هرزنامه ها تشکیل می دهند. همزمان با پیدایش هرزنامه، محققین نیز روش هایی برای برخورد با این پدیده معرفی نموده اند. تنوع روش های پیشنهادی بسیار زیاد است، از تکنیک های ساده مبتنی بر قوانین گرفته تا تکنیک های پیچیده در هوش مصنوعی. در میان کارهای انجام شده روش های مبتنی بر الگوریتم های یادگیری ماشینی حجم گسترده تری از کارهای مرتبط در این زمینه را به خود اختصاص داده است. علی رغم نتایج بسیار خوبی که از این روش ها حاصل شده است، الگوریتم های یادگیری ماشینی به شدت به داده های آموزشی خود و به روزبودن آن وابسته هستند. چالش دیگر تمرکز بیشتر کارها بر روی قسمت بدنه پیام است، که موجب افزایش هزینه محاسباتی می شود. در این پژوهش سعی بر معرفی و توسعه مدلی مستقل از زبان پیام بر پایه استفاده از ظرف عسل برای شناسایی هرزنامه شده است. ظرف عسل ترکیبی پیشنهاد شده قدرت فریبندگی بالاییارائه می دهد. دقت شناسایی هرزنامه با توجه با بکارگیری تنها ویژگی های سرآیند پیام و استفاده از چندین فیلترکننده توزیع شده بر مبنای الگوریتم بیزین ساده، بالا است. نتایج بدست آمده نشان می دهد با افزایش تعداد فیلترهای ضدهرزنامه،معیارهای دقت نظیر recall وprecision نیز افزایش می یابد. بهترین عملکرد برای 3000 نمونه پیام با استفاده از سه فیلترکننده با f-measure 100% بدست آمده است.