Udgivelsen af spamfiltreringssystemet Rspamd 3.9 er blevet annonceret. Det tilbyder værktøjer til vurdering af beskeder baseret på forskellige kriterier, herunder regler, statistiske metoder og sortlister, der danner den samlede vægt for beskeden, som bruges til at afgøre, om den skal blokeres. Rspamd understøtter stort set alle funktioner, der findes i SpamAssassin, og har en række egenskaber, der gør det muligt at filtrere e-mails op til 10 gange hurtigere end SpamAssassin, samtidig med at det leverer bedre filtreringskvalitet. Systemets kode er skrevet i C og distribueres under Apache 2.0-licensen.
Rspamd er bygget med en begivenhedsorienteret arkitektur (Event-driven) og er oprindeligt designet til brug i højtydende systemer, hvilket gør det muligt at håndtere hundrede beskeder per sekund. Reglerne for at identificere spam-funktioner er yderst fleksible og kan i sin enkleste form indeholde regulære udtryk; i mere komplekse situationer kan de defineres på Lua-sproget. Udvidelse af funktionaliteten og tilføjelse af nye typer kontroller implementeres gennem moduler, der kan skrives i C og Lua. For eksempel er der tilgængelige moduler til kontrol af afsender ved hjælp af SPF, bekræftelse domænet afsenderen gennem DKIM, og dannelse af forespørgsler til DNSBL-lister. For at forenkle konfiguration, oprettelse af regler og sporingsstatistik leveres et administrativt web-interface.
I den nye version:
- Indstillingerne for den bayesianske klassifikator er forbedret. Standard vinduesstørrelse er reduceret fra 5 til 2 ord, hvilket har forbedret ydeevnen og gjort det muligt at reducere lagerpladsforbruget med 4 gange uden at forringe niveauet for spamklassifikation. For at teste klassifikatorens funktion med forskellige indstillinger er der udviklet et værktøj kaldet «rspamadm classifier_test».
- GPT-modulet, der bruger OpenAI GPT API til at klassificere tekst via anmodning til store sprogmodeller som GPT-3.5 Turbo og GPT-4o, er blevet tilføjet. Spammerklassificeringsnøjagtigheden med det nye modul er lavere end med den bayesianske klassifikator, men dens fordel er, at den ikke kræver forudgående træning og kan tage højde for kontekst i beskeder, mens den bayesianske klassifikator kræver en kvalitets- og balanceret træning af motoren for effektivt at fungere. Udover direkte identificering af spam i beskeder kan GPT-modulet også bruges til at træne den bayesianske klassifikator.
- Muligheden for at dele modulerne known_senders og replies er implementeret for at markere verificerede afsendere ved at bruge det som tegn, at der tidligere er sendt svar til dem.
- Dynamisk ændring af hastighedsbegrænsninger (dynamic ratelimit), relateret til en enkelt afsender, modtager eller, er som standard deaktiveret. IP-adresse.
Kilde: opennet.ru
