Google tiene una nueva herramienta para mantener tu bandeja de entrada de Gmail libre de spam. RETVec es la abreviatura de Resilient and Efficient Text Vectorizer, siendo la vectorización una "metodología en procesamiento de lenguaje natural para mapear palabras o frases a un vector correspondiente de números reales" y luego utilizarlos para realizar análisis adicionales, predicciones y similitudes de palabras, según Towards Data Science.
Con RETVec, Gmail será mejor para detectar correos electrónicos de spam que ocultan caracteres invisibles, sustitución LEET (3xpl4in3d en lugar de explicado, por ejemplo), errores tipográficos intencionales y más. Los mensajes de correo electrónico perjudiciales tendrán dificultades para llegar a las bandejas de entrada.
Se admiten más de 100 idiomas
RETVec está entrenado para ser resistente contra manipulaciones a nivel de caracteres, incluyendo inserciones, eliminaciones, errores tipográficos, homóglifos, sustitución LEET y más", explica Google en GitHub. "El modelo RETVec está entrenado sobre un codificador de caracteres novedoso que puede codificar todos los caracteres y palabras UTF-8 de manera eficiente".
Desde el principio, RETVec admitirá más de 100 idiomas, según Google, y podría ser desplegado en diferentes escenarios: "Debido a su arquitectura novedosa, RETVec funciona de manera predeterminada en todos los idiomas y en todos los caracteres UTF-8 sin necesidad de preprocesamiento de texto, lo que lo convierte en el candidato ideal para despliegues de clasificación de texto en dispositivos, web y a gran escala", señalaron Elie Bursztein y Marina Zhang de Google. Con RETVec, la tasa de detección de spam de Google aumentó en un 38%, según la compañía, y agregó que su tasa de falsos positivos disminuyó en casi un quinto (19.4%).
El uso de la Unidad de Procesamiento Tensorial (TPU) del modelo se redujo en un 83%. "Los modelos entrenados con RETVec muestran una velocidad de inferencia más rápida debido a su representación compacta. Tener modelos más pequeños reduce los costos computacionales y disminuye la latencia, lo cual es crítico para aplicaciones a gran escala y modelos en dispositivos", agregaron Bursztein y Zhang. El spam es el vector de ataque más popular que existe, utilizado por prácticamente todos los ciberdelincuentes. Es omnipresente, económico y eficiente, y permite a los actores de amenazas entregar malware y robar datos sensibles.
Via TheHackerNews
