Saadaval on Rspamd 3.9 spamifiltreerimissüsteem

Ilmus Rspamd 3.9, mis pakub vahendeid saatjate hindamiseks erinevate kriteeriumide alusel, sealhulgas reeglid, statistilised meetodid ja mustad nimekirjad, mille alusel kujundatakse sõnumi lõplik kaal, mida kasutatakse otsustamiseks, kas sõnum blokeerida. Rspamd toetab praktiliselt kõiki võimalusi, mida on rakendatud SpamAssassinis, ning omab mitmeid omadusi, mis võimaldavad blokeerida postitusi keskmiselt 10 korda kiiremini kui SpamAssassin, tagades samal ajal parema filtreerimise kvaliteedi. Süsteemi kood on kirjutatud C-keeles ja see levitatakse Apache 2.0 litsentsi alusel.

Rspamd on üles ehitatud sündmustepõhiselt ja on algselt mõeldud kasutamiseks kõrge töökoormusega süsteemides, võimaldades töödelda sadu sõnumeid sekundis. Rikkaliku reguleeritavuse tõttu võivad rämpsposti tuvastamise reeglid sisaldada kõige lihtsamas vormis regulaaravaldisi, samas kui keerukamate juhtumite korral võivad need olla kirjutatud Lua keeles. Funktsionaalsuse laiendamine ja uute kontrollitüüpide lisamine toimub moodulite kaudu, mida saab luua C ja Lua keeltes. Näiteks on saadaval moodulid saatja kontrollimiseks SPF-i kaudu. domeen saateja kontrollimiseks DKIM-i kaudu ja päringute koostamiseks DNSBL-nimekirjad. Seadistamise, reeglite loomise ja statistika jälgimise hõlbustamiseks on saadaval administraatori veebi liides.

Uues versioonis:

• On parendatud bayes'i klassifikaatori seadeid. Vaikimisi akna suurus on vähendatud 5-lt 2 sõnale, mis on aidanud suurendada jõudlust ja vähendada salvestusruumi tarbimist neljakordselt ilma rämpsposti klassifitseerimise taseme langetamiseta. Klassifikaatori töö testimiseks erinevate seadistustega on pakutud utiliit "rspamadm classifier_test".
• Lisatud on GPT moodul, mis kasutab OpenAI GPT API-d teksti klassifitseerimiseks, tehes päringuid suurtele keelemudelitele nagu GPT-3.5 Turbo ja GPT-4o. Uue mooduli abil spämmi klassifitseerimise täpsus on madalam kui bayesian klassifikaatoril, kuid selle eeliseks on, et see ei vaja eelnevat treeningut ja suudab arvesse võtta konteksti sõnumites, samas kui bayesian klassifikaatori tõhusaks toimimiseks on vajalik kvaliteetne ja tasakaalustatud mootori treening. Lisaks spämmi tuvastamisele sõnumites saab GPT moodulit kasutada ka bayesian klassifikaatori treenimiseks.
• On rakendatud võimalus jagada mooduleid known_senders ja replies, et märgistada kinnitatud saatjad, kasutades märkidena seda, et neile on varem saadetud vastuseid.
• Vaikimisi on välja lülitatud sõnumite saatmise intensiivsuse dünaamiline piiramine (dynamic ratelimit), mis on seotud ühe saatja, saaja või IP-aadress.

Allikas: opennet.ru