Izdana je verzija sistema za filtriranje spama Rspamd 3.9, koji pruža alate za procenu poruka prema različitim kriterijumima, uključujući pravila, statističke metode i crne liste, na osnovu kojih se formira konačna težina poruke koja se koristi za donošenje odluke o potrebnom blokiranju. Rspamd podržava gotovo sve mogućnosti realizovane u SpamAssassin-u i ima niz karakteristika koje omogućavaju filtriranje pošte u proseku deset puta brže od SpamAssassin-a, kao i bolje kvalitete filtriranja. Kod sistema je napisan u jeziku C i distribuira se pod Apache 2.0 licencom.
Rspamd je zasnovan na osnovi arhitekture, ki temelji na dogodkih (Event-driven), in je prvotno zasnovan za uporabo v sistemih z visoko obremenitvijo, kar omogoča obdelavo stotih sporočil na sekundo. Pravila za odkrivanje znakov neželene pošte so izjemno fleksibilna in v najpreprostejši obliki lahko vsebujejo regularne izraze, v bolj zapletenih situacijah pa se lahko oblikujejo v jeziku Lua. Razširitev funkcionalnosti in dodajanje novih vrst preverjanj poteka preko modulov, ki jih je mogoče ustvarjati v jezikih C in Lua. Na voljo so na primer moduli za preverjanje pošiljatelja z uporabo SPF, potrditev domene pošiljatelja preko DKIM, in oblikovanje poizvedb v DNSBL seznamih. Za poenostavitev nastavitve, ustvarjanja pravil in spremljanja statistike je na voljo administrativni spletni vmesnik.
V novi različici:
- Poboljšani su postavke bajesovskog klasifikatora. Veličina prozora po默认noj vrednosti smanjena je sa 5 na 2 reči, što je omogućilo povećanje performansi i četvorostruko smanjenje potrošnje mesta u skladištu bez degradacije nivoa klasifikacije spama. Za testiranje rada klasifikatora sa različitim postavkama ponuđena je alatka "rspamadm classifier_test".
- Dodan je GPT modul koji koristi OpenAI GPT API za klasifikaciju teksta putem zahteva za velikim jezičkim modelima, poput GPT-3.5 Turbo i GPT-4o. Tačnost klasifikacije spama pomoću novog modula je niža nego kod bajesovskog klasifikatora, ali njegova prednost leži u tome što ne zahteva prethodno treniranje i može uzeti u obzir kontekst u porukama, dok je za efikasan rad bajesovskog klasifikatora potrebno kvalitetno i izbalansirano treniranje mehanizma. Pored neposrednog otkrivanja spama u porukama, GPT modul može se koristiti za obučavanje bajesovskog klasifikatora.
- Ostvarena je mogućnost zajedničkog korišćenja modula known_senders i replies za označavanje verifikovanih pošiljalaca, koristeći kao znak to da su im prethodno upućivani odgovori.
- Podrazumevano je isključena dinamička promena ograničenja intenziteta slanja poruka (dynamic ratelimit), povezanih sa jednim pošiljaocem, primaocem ili IP-naslovom.
Izvor: opennet.ru
