Rspamd 3.9 spamfiltreringssystem tilgjengelig

Rspamd 3.9 spamfiltreringssystemet har blitt utgitt, og gir verktøy for å evaluere meldinger i henhold til ulike kriterier, inkludert regler, statistiske metoder og svartelister, på grunnlag av hvilke den endelige vekten av meldingen dannes, som brukes til å bestemme om den skal blokkeres . Rspamd støtter nesten alle funksjonene som er implementert i SpamAssassin, og har en rekke funksjoner som lar deg filtrere post i gjennomsnitt 10 ganger raskere enn SpamAssassin, samt gi bedre filtreringskvalitet. Systemkoden er skrevet på C-språk og distribuert under Apache 2.0-lisensen.

Rspamd er bygget med en hendelsesdrevet arkitektur og er designet for systemer med høy belastning, og behandler hundrevis av meldinger per sekund. Regler for spamdeteksjon er svært fleksible og kan i sin enkleste form inneholde regulære uttrykk, mens de i mer komplekse situasjoner kan skrives i Lua. Funksjonaliteten kan utvides og nye typer sjekker kan legges til gjennom moduler som kan skrives i C og Lua. For eksempel er moduler tilgjengelige for avsenderverifisering ved hjelp av SPF, bekreftelse og andre metoder. domene Avsenderautentisering via DKIM og generering av DNSBL-spørringer. Et administrativt webgrensesnitt er tilgjengelig for å forenkle oppsett, regeloppretting og statistikksporing.

I den nye versjonen:

• Forbedrede Bayesianske klassifiseringsinnstillinger. Standardvindusstørrelsen er redusert fra 5 til 2 ord, noe som har forbedret ytelsen og redusert lagringsplassforbruket med 4 ganger uten å forringe spamklassifiseringsnivået. For å teste funksjonen til klassifiseringen med forskjellige innstillinger, foreslås verktøyet "rspmadm classifier_test".
• Lagt til en GPT-modul som bruker OpenAI GPT API for å klassifisere tekst via spørring mot store språkmodeller som GPT-3.5 Turbo og GPT-4o. Nøyaktigheten av spamklassifiseringen ved bruk av den nye modulen er lavere enn for den Bayesianske klassifisereren, men fordelen er at den ikke krever foropplæring og kan ta hensyn til konteksten i meldinger, mens for at den Bayesianske klassifisereren skal fungere effektivt, høy- kvalitet og balansert trening av motoren er nødvendig. I tillegg til å direkte identifisere spam i meldinger, kan GPT-modulen brukes til å trene en Bayesiansk klassifiserer.
• Det er nå mulig å bruke modulene kjente_sendere og svar sammen for å merke bekreftede avsendere, ved å bruke som en indikasjon på at svar tidligere har blitt sendt til dem.
• Som standard er dynamisk endring av meldingshastighetsgrenser (dynamisk hastighetsgrense) knyttet til en enkelt avsender, mottaker eller IP-adresse.

Kilde: opennet.ru