Kursy • Poradniki • Inspirujące DIY • Forum
Aż 1,5 miliarda ludzi co miesiąc używa Gmaila, a 5 milionów firm korzysta z niego w ramach płatnego pakietu G Suite. Jak gigantowi udaje się utrzymywać swój system w ryzach?
Aktualne rozwiązania pozwalają blokować ponad 99,9% spamu, phishingu i wirusów jeszcze przed dotarciem do adresata.
Aby Gmail był bezpieczniejszy i aby chronić swoich klientów, Google wdrożyło nowe zabezpieczenia oparte na TensorFlow. Jest to oprogramowanie udostępnione na licencji open source, które można wykorzystać do tzw. uczenia maszynowego (ang. Machine Learning, ML). Na Forbocie opisywaliśmy już np. jak dzięki niemu można sortować klocki LEGO:
Jednym z najpopularniejszych projektów, który pojawił się na Forbocie był sorter M&M'sów. Pora na bardziej rozbudowane urządzenie, które... Czytaj dalej »
Posiada ono wszechstronny i elastyczny ekosystem narzędzi, bibliotek i zasobów społeczności, który pozwala naukowcom na darmowe wykorzystanie najnowocześniejszych rozwiązań ML, a programistom na łatwą budowę i wdrażanie aplikacji. Dzięki stałemu rozwojowi, zabezpieczenia Gmail wciąż są modyfikowane i nie przestają być skuteczne mimo coraz to nowszych pomysłów spamerów i hakerów.
Filtry antyspamowe Gmail są jednymi z najskuteczniejszych na rynku
Korzystanie z TensorFlow pomaga zablokować wiadomości oparte na obrazach, wiadomości z ukrytą zawartością oraz wiadomości z nowo utworzonych domen. Narzędzie pomaga także wyłapać spam w tym 1% wiadomości, których nie udaje się sprawdzić w tradycyjny sposób.
Uczenie maszynowe (ML) umożliwia przechwytywanie spamu, identyfikując wzorce w zestawach danych, których ludzie nie nie potrafią uchwycić. Ułatwia to szybkie dostosowanie się do kreatywnych praktyk, a także ciągle zmieniających się technik spamerskich. Dodatkowo, to, co jedna osoba uważa za spam, inna może uznać za ważną wiadomość - dlatego ML pomaga personalizować ochronę przed niechcianymi wiadomościami, odnosząc się do preferencji poszczególnych użytkowników.
Wykorzystanie TensorFlow w filtrach antyspamowych i antyphishingowych, Gmail to koronny przykład wykorzystania tego narzędzia do wdrożenia niesamowicie przydatnych i potrzebnych funkcji. Oprócz precyzji i jakości działania, ograniczamy też ilość potrzebnej pracy inżynierów. Uczenie maszynowe to z pewnością jeden z najbardziej przyszłościowych tematów w wielu dziedzinach IT i warto ten temat śledzić. A czy Wy macie jakieś doświadczenia z TensorFlow w praktyce?
Serwisy do wgrywania zdjęć są często używane w niewłaściwy sposób, a ręczne moderowanie tysięcy plików nie jest możliwe. W walce... Czytaj dalej »
Źródło: [1]
Przeczytaj powiązane artykuły oraz aktualnie popularne wpisy lub losuj inny artykuł »
google, sieci neuronowe, tensor, TensorFlow
Dołącz do 20 tysięcy osób, które otrzymują powiadomienia o nowych artykułach! Zapisz się, a otrzymasz PDF-y ze ściągami (m.in. na temat mocy, tranzystorów, diod i schematów) oraz listę inspirujących DIY z Arduino i RPi.
Trwa ładowanie komentarzy...