Se ha lanzado la versión 3.9 del sistema de filtrado de spam Rspamd, que proporciona herramientas para evaluar los mensajes según diversos criterios, incluidos reglas, métodos estadísticos y listas negras, sobre la base de los cuales se forma el peso final del mensaje, utilizado para decidir si se debe bloquear. Rspamd admite prácticamente todas las funcionalidades implementadas en SpamAssassin y tiene varias características que permiten filtrar el correo en promedio 10 veces más rápido que SpamAssassin, además de ofrecer una mejor calidad de filtrado. El código del sistema está escrito en C y se distribuye bajo la licencia Apache 2.0.
Rspamd está construido utilizando una arquitectura orientada a eventos (Event-driven) y está diseñado para su uso en sistemas de alta carga, permitiendo procesar cientos de mensajes por segundo. Las reglas para detectar signos de spam son altamente flexibles y pueden contener expresiones regulares en su forma más simple, mientras que en situaciones más complejas pueden ser escritas en el lenguaje Lua. La extensión de la funcionalidad y la adición de nuevos tipos de verificaciones se implementa a través de módulos, que pueden ser creados en los lenguajes C y Lua. Por ejemplo, hay módulos disponibles para verificar el remitente utilizando SPF, confirmando dominio el remitente a través de DKIM, y realizando consultas a listas DNSBL. Para simplificar la configuración, la creación de reglas y el seguimiento de estadísticas, se proporciona una interfaz web administrativa.
En la nueva versión:
- Se han mejorado la configuración del clasificador bayesiano. El tamaño de la ventana por defecto se ha reducido de 5 a 2 palabras, lo que ha permitido aumentar el rendimiento y reducir el consumo de espacio de almacenamiento en 4 veces sin degradar el nivel de clasificación de spam. Para probar el funcionamiento del clasificador con diferentes configuraciones, se ha propuesto la utilidad “rspamadm classifier_test.”
- Se ha añadido un módulo GPT que utiliza la API de OpenAI GPT para la clasificación de texto a través de solicitudes a grandes modelos de lenguaje, como GPT-3.5 Turbo y GPT-4o. La precisión en la clasificación del spam con el nuevo módulo es inferior a la del clasificador bayesiano, pero su ventaja es que no requiere entrenamiento previo y puede considerar el contexto en los mensajes, mientras que para el funcionamiento efectivo del clasificador bayesiano es necesario un entrenamiento de motor de calidad y equilibrado. Además de la detección directa de spam en los mensajes, el módulo GPT puede emplearse para entrenar al clasificador bayesiano.
- Se ha implementado la posibilidad de compartir los módulos known_senders y replies para marcar los remitentes verificados utilizando como indicio que anteriormente se les han enviado respuestas.
- Por defecto, se desactiva el cambio dinámico de las restricciones de intensidad de envío de mensajes (dynamic ratelimit) relacionadas con un remitente o receptor. dirección IP.
Fuente: opennet.ru
