«Актуальность защиты от спама»

Последние пять лет проблема спам-писем все больше привлекает к себе внимание. Лицо, посылаемое спам, называют спамером. Такой человек может собирать электронные адреса с разных веб-сайтов, чатов и с помощью вирусов. Спам мешает пользователю полноценно и эффективно использовать свое время, емкость памяти и пропускную способность сети. Огромный объем спам-писем, проходя через компьютерные сети, негативно влияет на пространство памяти серверов электронной почты, пропускную способность связи, мощность процессоров и время использования. Угроза спама в электронной почте увеличивается ежегодно и отвечает более чем за 77% всего глобального трафика электронной почты. Чтобы этого избежать, стоит посмотреть как работает защита от спама от Тинькофф.

Пользователи, получающие спам-листы, остаются недовольными качеством услуг сервиса электронной почты, что может привести к финансовым потерям компаний, предоставляющих услуги электронной переписки. Также пользователи электронной почты могут стать жертвами различных интернет-афер и других мошеннических действий спамеров, отправляющих электронные письма, выдавая себя за авторитетные компании, с целью убедить пользователя раскрыть конфиденциальную информацию, такую ​​как пароли, номера кредитных карт и регистрационные номера банка (BVN).

Статистика от Google подтверждает, что 50-70% электронных писем, получаемых Gmail, являются нежелательной почтой. Модели обнаружения Google также содержали инструменты под названием «Безопасный просмотр Google» для распознавания веб-сайтов с вредоносными URL-адресами. Эффективность обнаружения фишинга в Google была улучшена благодаря внедрению системы, которая задерживает доставку некоторых сообщений Gmail на время, чтобы выполнить дополнительное и всестороннее изучение фишинг-сообщений, поскольку их легче обнаружить, когда они анализируются вместе. Эта преднамеренная задержка влияет только на 0,05% электронных писем.

Инженерия знаний и машинное обучение — два основных подхода, которые применили для преодоления проблемы фильтрации спама. Первое решение сосредоточено на создании системы, основанной на знаниях, в которой заранее определены правила. Основным недостатком этого метода является то, что эти правила необходимо постоянно поддерживать и обновлять пользователем или третьей стороной, например, поставщиком программного обеспечения. Подход к машинному обучению, напротив, не требует заранее определенных правил, а только требует учебного набора данных, который будет использоваться для адаптации алгоритма к модели.