Amit tudnod kell
- A Gmail új szövegvektorral rendelkezik, a RETVec, amely 38%-kal jobb spamészlelést eredményez.
- A szövegvektorok segítenek azonosítani a betűket és szimbólumokat az e-mailekben, és ennek megfelelően spamként rendeződnek.
- Egyes spamküldők manipulálják a betűket és szimbólumokat, homoglifákat használnak, láthatatlan karaktereket adnak hozzá, és kulcsszótömeget használnak a spamszűrők megkerülésére.
Spam észlelés A Gmailben javulnia kell néhány Google-szolgáltatásban a szöveges azonosításra való háttérfrissítésnek köszönhetően. A biztonsági frissítésnek köszönhetően a Google szerint a Gmail 38%-kal jobban észleli a spameket.
A vállalat nemrég jelentette be a frissítést a Google Security oldalán blog bejegyzés (keresztül 9to5Google). Ezt megelőzően a Google belső tesztelése volt az elmúlt évben. A vállalat szerint ez az "elmúlt évek legnagyobb védelmi fejlesztése".
A Gmail spamészlelés újdonsága a RETVec, ami a Resilient & Efficient Text Vectorizer rövidítése. Szövegvektorokat használnak az e-mailek tartalmának azonosítására, amelyet néha a feladó rejt. Betűk és szimbólumok manipulálása, homoglifák (különböző hasonlónak tűnő karakterek) használata, láthatatlan karakterek hozzáadása, valamint kulcsszótömés használata a spamszűrők megkerülésére.
"A RETVec egy nagyon könnyű szóbeágyazó modell (~200 000 paraméter) segítségével éri el ezeket a fejlesztéseket" - mondta a Google a bejegyzésben. "Lehetővé teszi számunkra, hogy egyenlő vagy jobb teljesítmény mellett csökkentsük a Transformer modell méretét, és meg tudjuk osztani a számítást a gazdagép és a TPU között hálózat- és memóriahatékony módon."
A RETVec legnagyobb előnye, hogy 38%-kal jobban észleli a spameket, de van még rengeteg egyéb fejlesztés is. Ez a pontossági javulás magában foglalja a hamis pozitív eredmények közel 20%-os és a hamis negatívok közel 18%-os csökkenését. Hamis negatív az, ha a Gmail spamérzékelője nem szűri ki a spam e-maileket spamként, és hamis pozitív, ha az érvényes e-maileket helytelenül spamként rendezi.
Mivel a Google-nak sikerült csökkentenie a Transformer modell méretét, a RETVec használatával 83%-kal csökkent a Tensor Processing Unit használat. Ez jelentős hatékonysági előny, ha ezt az új szövegvektort alkalmazza a Gmailben.
A RETVec-et a Google Research fejlesztette ki, és teljesen nyílt forráskódú. A Google hosszú házon belüli tesztelési időszaka után a vállalat „nagyon hatékonynak találta a biztonsági és visszaélés-ellenes alkalmazásokban”.
Azok, akik saját alkalmazásaikhoz szeretnék használni a RETVec-et, követhetik a oktatóanyag a Google-tól, amely elmagyarázza, hogyan kezdje el.