Została wydana wersja systemu filtracji spamu Rspamd 3.9, oferującego narzędzia do oceny wiadomości na podstawie różnych kryteriów, w tym reguł, metod statystycznych oraz czarnych list. Na tej podstawie tworzona jest końcowa waga wiadomości, używana do podejmowania decyzji o konieczności zablokowania. Rspamd wspiera prawie wszystkie funkcje zaimplementowane w SpamAssassin i ma szereg cech, które pozwalają na filtrowanie poczty średnio 10 razy szybciej niż SpamAssassin, zapewniając jednocześnie lepszą jakość filtracji. Kod systemu jest napisany w języku C i jest udostępniany na licencji Apache 2.0.
Rspamd został zbudowany z wykorzystaniem architektury opartej na zdarzeniach (Event-driven) i początkowo był zaprojektowany do użytku w systemach o wysokim obciążeniu, co pozwala na przetwarzanie setek wiadomości na sekundę. Reguły służące do wykrywania oznak spamu charakteryzują się wysoką elastycznością i w najprostszym przypadku mogą zawierać wyrażenia regularne, a w bardziej skomplikowanych sytuacjach mogą być zdefiniowane w języku Lua. Rozszerzanie funkcjonalności i dodawanie nowych typów kontroli realizowane jest przez moduły, które mogą być tworzone w językach C i Lua. Na przykład dostępne są moduły do weryfikacji nadawcy za pomocą SPF, potwierdzenia domeny nadawcy przez DKIM oraz formułowania zapytań do list DNSBL. Dla uproszczenia konfiguracji, tworzenia reguł i śledzenia statystyk zapewniono administracyjny interfejs webowy.
W nowej wersji:
- Udoskonalone ustawienia klasyfikatora bayesowskiego. Domyślny rozmiar okna zmniejszono z 5 do 2 słów, co pozwoliło na zwiększenie wydajności oraz czterokrotne zmniejszenie zajmowanego miejsca w magazynie bez pogorszenia poziomu klasyfikacji spamu. Do testowania pracy klasyfikatora z różnymi ustawieniami zaproponowano narzędzie „rspamadm classifier_test”.
- Dodano moduł GPT, wykorzystujący API OpenAI GPT do klasyfikacji tekstu za pomocą zapytań do dużych modeli językowych, takich jak GPT-3.5 Turbo i GPT-4o. Dokładność klasyfikacji spamowej przy użyciu nowego modułu jest niższa niż w przypadku klasyfikatora bayesowskiego, ale jego zaletą jest to, że nie wymaga wcześniejszego szkolenia i może uwzględniać kontekst w wiadomościach, podczas gdy do skutecznego działania klasyfikatora bayesowskiego potrzebne jest wysokiej jakości i zrównoważone szkolenie silnika. Oprócz bezpośredniej identyfikacji spamu w wiadomościach, moduł GPT może być wykorzystywany do szkolenia klasyfikatora bayesowskiego.
- Wprowadzono możliwość wspólnego używania modułów known_senders i replies do oznaczania zweryfikowanych nadawców, wykorzystując jako sygnał to, że wcześniej wysyłano do nich odpowiedzi.
- Domyślnie wyłączona jest dynamiczna zmiana ograniczeń intensywności wysyłania wiadomości (dynamic ratelimit) związanych z jednym nadawcą, odbiorcą lub adresem IP.
Źródło: opennet.ru
