Rspamd 3.9–ի սպամի ֆիլտրումային համակարգի թողարկում տեղի ունեցավ, որը տրամադրում է միջոցներ հաղորդագրությունների գնահատման համար տարբեր չափանիշներով, այդ թվում՝ կանոններով, վիճակագրական մեթոդներով և սև ցուցակներով, որոնց հիման վրա ձևավորվում է հաղորդագրության վերջնական կրիտիկական քաշը, որը օգտագործվում է արգելափակելու անհրաժեշտության որոշման համար։ Rspamd-ն աջակցում է SpamAssassin–ի իրականացված բոլոր հնարավորություններին և ունի մի շարք առանձնահատկություններ, որոնք թույլ են տալիս փոստային հաղորդագրությունները ֆիլտրել միջինում 10 անգամ արագ ֆիլտրել SpamAssassin–ից, ինչպես նաև ապահովել ավելի լավ ֆիլտրացիայի որակ։ Համակարգի կոդը գրանցվել է C լեզվով և տարածվում է Apache 2.0 լիցենզիայով։
Rspamd-ն կառուցված է իրադարձային (Event-driven) ճարտարապետությամբ և սկզբունքորեն նախատեսված է բարձր ծանրաբեռնված համակարգերում կիրառելու համար, թույլ տալով մշակել հարյուրավոր հաղորդակցություններ մեկ վայրկյանում։ Սպամի նշանները հայտնաբերելու կանոնները ունեն բարձր տեսակի ճկունություն և պարզագույն տեսքով կարող են պարունակել կանոնավոր արտահայտություններ, իսկ ավելի բարդ իրավիճակներում կարող են ձևակերպվել Lua լեզվով։ Տվյալների ընդլայնումը և նոր տիպի ստուգումների ավելացումը իրականացվում է մոդուլների միջոցով, որոնք կարող են ստեղծվել C և Lua լեզուներով։ Օրինակ, մատչելի են SPF օգտագործելով ուղարկողի ստուգման մոդուլներ։ Դոմեյն ուղարկողի DKIM-ի միջոցով հաստատմամբ, DNSBL ցուցակներին հարցումների ձևավորում։ Կազմակերպման, կանոնների ստեղծման և վիճակագրության հսկողության բարդությունը պարզեցված է վարչական web-հրավառով։
Նոր տարբերակում՝
- Բայեսյան դասակարգիչի կարգավորումները բարելավվել են: Նորաձևության չափը նախադրված է 5-ից 2 բառ, ինչը թույլ է տվել բարելավել կատարողականը և 4 անգամ կրճատել պահեստում տեղը առանց սպամի դասակարգման մակարդակի ընկնելու։ Դասակարգչի աշխատանքը տարբեր կարգավորումներով փորձարկելու համար առաջարկվում է «rspamadm classifier_test» ծրագրաշարը։
- Ավելացվել է GPT մոդուլ, որը օգտագործում է OpenAI GPT API-ն տեքստի դասակարգման համար՝ հարցման միջոցով մեծ լեզվաբառարանների, ինչպիսիք են GPT-3.5 Turbo և GPT-4o։ Նոր մոդուլի սպամի դասակարգման ճշտությունը ցածր է, քան բայեսյան դասակարգիչինը, բայց նրա առավելությունն այն է, որ նա նախնական ուսուցում չի պահանջում և կարող է հաշվի առնել հաղորդագրություններում կոնտեքստը, այն ժամանակ, երբ բայեսյան դասակարգիչը արդյունավետ աշխատելու համար բարձր որակավորում և հավասարակշռված մոդելացման կարիք ունի։ Ուղարկված հաղորդագրությունների սպամ հայտնաբերելուց բացի, GPT մոդուլը կարող է օգտագործվել բայեսյան դասակարգիչը ուսուցանելու համար։
- Կյանքի է հասցվել այս պարագայում known_senders և replies մոդուլների համատեղ օգտագործման հնարավորություն՝ վավերացված ուղարկողներին նշելու համար, օգտագործելով այն փաստը, որ zuvor վերադառնալություն են ուղարկվել նրանց։
- Զանգվածային հաղորդագրությունների ինտենսիվության սահմանումների դինամիկ փոփոխությունները (dynamic ratelimit) ռեժիմում, կապված մեկ ուղարկողի, մեկ ստացողի կամ IP-հասություն.
Ընտանիք: opennet.ru
