「貝氏過濾法」是利用「貝氏定理」發明的過濾法，簡單來說，「貝氏定理」是結合事前機率與條件機率，導出事後機率的過程。是將信件切分成單詞(Token)，利用演算法統計每個單詞的機率，進而推算出可能為垃圾信高達的機率。
「貝氏定理」是要仰賴過往累積的數據來預測事件發生的機率。因此對於空的「貝氏過濾法資料庫」，如能事先提供1000封垃圾信，與1000封正常信件，對信件辨別的訓練過程將帶來莫大幫助，首先分別將1000封的正常信與垃圾信放入資料庫，系統會將這2000封信的內容切成單詞，給予不同的機率。當下次新信件來時，一樣會把信件分解成單詞，比對訓練過的「貝氏過濾法資料庫」，分析過往的經驗，將能精確評判此封高達為垃圾信件的機率。有了訓練「貝氏過濾法資料庫」的步驟，「貝氏過濾法」的精準率必能達到95%~99.95%之準值。
垃圾其實類似於病毒；譬如防毒廠商必須為新病毒提供防毒定義檔，否則未被攔截的病毒勢將危害整個網路；假設一套有效系統能在初次中毒後，將病毒載入其中，日後即可自動攔阻同種病毒，聽起來是否很令人振奮？沒錯!「貝氏過濾法」即是基於此種理念，當同一封垃圾大量傳送時，同一間公司便會有相當人數收到同一封垃圾信，假設第一人將收到的垃圾信即刻送回系統學習，下一封垃圾信就會被有效攔截。