Bikin Jengkel, Google Hapus 100 juta Spam di Gmail Dengan TensorFlow

1,5 miliar orang menggunakan Gmail setiap bulan, dan 5 juta bisnis berbayar menggunakan Gmail di tempat kerja sebagai bagian dari G Suite.

Bagi konsumen dan bisnis, sebagian besar undian Gmail adalah perlindungan keamanan bawaannya. Keamanan yang baik berarti terus berada di depan ancaman, dan model ML kami saat ini sangat efektif dalam melakukan hal ini — bersama dengan perlindungan kami yang lain, mereka membantu memblokir lebih dari 99,9 persen spam, phishing, dan malware dari mencapai kotak masuk Gmail.

Seperti halnya kami mengembangkan perlindungan keamanan kami, kami juga berupaya meningkatkan kemampuan pembelajaran mesin kami untuk melindungi Anda dengan lebih baik. Itulah sebabnya kami baru-baru ini menerapkan perlindungan baru yang diberdayakan oleh TensorFlow, kerangka pembelajaran mesin sumber terbuka (ML) yang dikembangkan di Google. Perlindungan baru ini melengkapi perlindungan berbasis peraturan dan ML yang ada, dan mereka telah berhasil meningkatkan kemampuan deteksi kami.

Dengan TensorFlow, kami sekarang memblokir sekitar 100 juta pesan spam tambahan setiap hari. Di mana kami menemukan 100 juta pesan spam tambahan ini? Kami sekarang memblokir kategori spam yang sebelumnya sangat sulit dideteksi. Menggunakan TensorFlow telah membantu kami memblokir pesan berbasis gambar, email dengan konten tersemat yang tersembunyi, dan pesan dari domain yang baru dibuat yang mencoba menyembunyikan volume rendah pesan spam dalam lalu lintas yang sah. Mengingat kami telah memblokir sebagian besar email spam di Gmail, memblokir jutaan lainnya dengan tepat adalah suatu hal yang wajar.

TensorFlow membantu kami menangkap spammer yang menyelinap kurang dari 0,1 persen, tanpa sengaja memblokir pesan yang penting bagi pengguna. Spam satu orang adalah harta orang lain ML memungkinkan penangkapan spam dengan membantu kami mengidentifikasi pola dalam kumpulan data besar yang mungkin tidak ditangkap oleh manusia yang membuat aturan; itu memudahkan kita untuk beradaptasi dengan cepat terhadap upaya spam yang terus berubah.

Perlindungan berbasis ML membantu kami membuat keputusan terperinci berdasarkan banyak faktor berbeda. Pertimbangkan bahwa setiap email memiliki ribuan sinyal potensial. Hanya karena beberapa karakteristik email cocok dengan yang dianggap “spam”, tidak selalu berarti itu adalah spam. ML memungkinkan kita untuk melihat semua sinyal ini bersama-sama untuk menentukan.

Akhirnya, ini juga membantu kami mempersonalisasi perlindungan spam kami untuk setiap pengguna — apa yang dianggap satu orang sebagai spam oleh orang lain mungkin dianggap sebagai pesan penting (pikirkan langganan buletin atau pemberitahuan email reguler dari suatu aplikasi).

Menggunakan TensorFlow untuk memberi daya pada ML Dengan melengkapi model ML kami yang ada dengan TensorFlow, kami dapat memperbaiki model ini lebih jauh, sambil memungkinkan tim untuk kurang fokus pada kerangka kerja ML yang mendasarinya, dan lebih banyak lagi untuk menyelesaikan masalah: membersihkan kotak masuk spam Anda ! Menerapkan ML pada skala bisa rumit dan memakan waktu. TensorFlow mencakup banyak alat yang membuat proses ML lebih mudah dan lebih efisien, mempercepat kecepatan di mana kita bisa beralih.

Sebagai contoh, TensorBoard memungkinkan kita untuk memonitor secara komprehensif pipa-pipa pelatihan model kita dan dengan cepat mengevaluasi model-model baru untuk menentukan seberapa berguna kita mengharapkannya. TensorFlow juga memberi kita fleksibilitas untuk dengan mudah melatih dan bereksperimen dengan berbagai model secara paralel untuk mengembangkan pendekatan yang paling efektif, alih-alih menjalankan satu eksperimen pada satu waktu. Sebagai standar terbuka, TensorFlow digunakan oleh tim dan peneliti di seluruh dunia (Ada 71.000 fork dari kode publik dan kontribusi sumber terbuka lainnya!).

Dukungan masyarakat yang kuat ini berarti penelitian dan gagasan baru dapat diterapkan dengan cepat. Dan, itu berarti kami dapat berkolaborasi dengan tim lain di Google lebih cepat dan mudah untuk melindungi pengguna kami. Secara keseluruhan, manfaat ini memungkinkan kami meningkatkan upaya ML kami, membutuhkan lebih sedikit insinyur untuk menjalankan lebih banyak eksperimen dan melindungi pengguna secara lebih efektif. Ini hanyalah satu contoh bagaimana kami menggunakan pembelajaran mesin untuk menjaga keamanan pengguna dan bisnis, dan hanya satu aplikasi dari TensorFlow.

Bahkan di dalam Gmail, kami saat ini bereksperimen dengan TensorFlow di bidang terkait keamanan lainnya, seperti phishing dan deteksi malware, sebagai bagian dari upaya berkelanjutan kami untuk menjaga keamanan pengguna. Dan Anda bisa menggunakannya juga. Google open-source TensorFlow pada tahun 2015 untuk membuat ML dapat diakses oleh semua orang — sehingga banyak organisasi yang berbeda dapat memanfaatkan teknologi yang mendukung kemampuan kritis seperti pencegahan spam di Gmail dan banyak lagi.

diterjemahkan dengan Google Translate dari laman https://cloud.google.com/blog/products/g-suite/ridding-gmail-of-100-million-more-spam-messages-with-tensorflow