站長之家(ChinaZ.com) 12 月 5 日消息：Google 在其安全博客上宣布，Gmail 的垃圾郵件過濾功能經(jīng)歷了近年來最大規(guī)模的升級。這一升級主要體現(xiàn)在一種名為 RETVec（Resilient & Efficient Text Vectorizer，彈性高效文本向量化器）的新文本分類系統(tǒng)上。
Google 表示，RETVec 能有效識別并處理「對抗性文本操縱」，這類郵件通常包含特殊字符、表情符號、拼寫錯誤和其他雜亂字符，過去這些內(nèi)容對人類而言易于理解，但機(jī)器難以辨識。
此前，包含大量特殊字符的垃圾郵件往往能輕易繞過 Gmail 的防御。但隨著 RETVec 技術(shù)的升級，用戶反映表示近幾個月這類郵件不再是問題。
RETVec 的獨特之處在于，它不僅能夠處理像「恭喜！您的彩票賬戶中有 1000 美元余額」這樣的直接的垃圾郵件，還能識別出更為復(fù)雜的「對抗性文本操縱」。例如，郵件主題「??????????_????????_??????????????」之所以看起來加粗，是因為它使用了類似「數(shù)學(xué)粗體大寫 C」這樣的 Unicode 字符。這些字符雖然看似普通拉丁字母，但實際上并非如此，使得傳統(tǒng)垃圾郵件過濾器難以識別。
Google 表示，RETVec 的高效性體現(xiàn)在其對字符級操縱的彈性，包括字符插入、刪除、拼寫錯誤、同形異義字、LEET 替代等。RETVec 模型基于一種能夠高效編碼所有 UTF-8 字符和單詞的新型字符編碼器。因此，RETVec 能夠立即適用于 100 多種語言，無需查找表或固定的詞匯量。
Google 強(qiáng)調(diào)，與使用固定詞匯量或同形異義字查找表的傳統(tǒng)方法相比，RETVec 的資源利用率大大降低。此外，RETVec 的開源特性使其有望廣泛應(yīng)用于世界各地，消除同形異義字攻擊的威脅。
RETVec 采用類似于人類閱讀的方式，通過機(jī)器學(xué)習(xí) TensorFlow 模型識別單詞的視覺「相似性」，而非其實際字符內(nèi)容。Google 的測試表明，使用 RETVec 替換 Gmail 垃圾郵件分類器原有的文本向量化器，使得垃圾郵件檢測率提高了 38%，誤報率降低了 19.4%。同時，RETVec 的部署使模型的 TPU 使用率降低了 83%，使其成為近年來最大規(guī)模的防御升級之一。
據(jù) Google 透露，RETVec 已在內(nèi)部測試了一年時間，并已經(jīng)部署到用戶的 Gmail 賬戶中。
（舉報）