Inteligencia de amenazas / espacio de trabajo en vivo

Detectar. Explicar. Proteger.

Analice las señales de los mensajes con un clasificador de spam explicable diseñado para tomar decisiones rápidas y seguras.

Listo para el análisis0 scans today

01 / INPUT

Análisis de correo electrónico

02 / DECISION

Resultado de la detección

LR · v1.4

0.0%probabilidad de spam

Awaiting analysis

Envíe un correo electrónico para revelar la decisión del modelo y su evidencia de respaldo.

Confianza del modelo—

Umbral50%

ModeloLogistic regression

Puntaje del modelo—

03 / SIGNALS

Características extraídas

0

Palabras sospechosas—

—

Enlaces detectados—

—

Enlaces sospechosos—

—

Longitud del correo electrónico—

—

Recuento de palabras—

—

Indicadores de urgencia—

—

⌁Las señales aparecerán aquí después del análisis.

04 / EXPLANATION

Evidencia de detección

Por qué el modelo tomó la decisión

◎Aún no hay evidenciaEjecute un análisis para ver la decisión desglosada en señales claras.

05 / INSPECTAspectos destacados del mensaje
Anotado
Palabras sospechosasEnlaces de riesgoUrgencia
Su mensaje analizado se anotará aquí.

06 / INTERPRETATION

¿Qué influyó en la predicción?

Línea base local + pesos contextuales, no se garantizan explicaciones causales

Analice un correo electrónico para comparar la influencia de las características.

07 / MULTIMODAL

Desglose de riesgos

Señales mejoradas

Analice un correo electrónico para mapear el riesgo de texto, URL, estructura y metadatos.

08 / CONTENT SIGNALS

Indicadores de phishing asistido por IA

Heurístico

—Indicador de contenido generado por IA

—

Los indicadores asociados con la escritura automatizada o asistida por IA no son una prueba definitiva de autoría por IA.

Riesgo de phishing—

Analice un correo electrónico para ver señales separadas de phishing y contenido generado por IA.

Registro operativo

Historial de análisis

Revise las clasificaciones recientes y vuelva a abrir cualquier mensaje para ver su rastro de evidencia.

Hora	Remitente	Asunto	Probabilidad	Resultado	Open

◌Ningún análisis coincide con este filtroSus escaneos completados aparecerán aquí.

Aprendizaje automático explicable

Perspectivas del modelo

Una mirada transparente a cómo las señales de características se convierten en una probabilidad.

LOGISTIC REGRESSION · V1.4

MODEL FUNCTION

Curva de decisión sigmoide

σ(z) = 1 / (1 + e⁻ᶻ)

Puntaje del modelo—

Salida sigmoide—

Probabilidad de spam—

Clasificación—

FEATURE VECTOR

Características de entrada

X1 · Frecuencia de palabras—

X2 · Riesgo del enlace—

X3 · Longitud del correo electrónico—

w1 · vocabulary4.20

w2 · link risk3.10

w3 · length signal0.95

b · intercept−2.10

Weighted score→Sigmoid→Probability→Class

MODEL STORY

Línea base → mejora

Modelo base3 características

La frecuencia de palabras, el riesgo de enlaces y la longitud del correo alimentan el modelo sigmoide existente.

→

Evaluación mejorada10+ señales

El texto, las URL, la estructura, los metadatos, las explicaciones y los indicadores de contenido añaden contexto sin reemplazar la base.

EVALUATION

Métricas del modelo

Conjunto de datos requerido

Conecte un conjunto de prueba etiquetado para calcular la precisión, exhaustividad, F1, ROC-AUC y PR-AUC de referencia frente a los mejorados. No se fabrican números de rendimiento en esta demostración.

Lienzo de investigación

Análisis de señales

Una vista enfocada del mensaje más reciente y sus indicadores extraídos.

⌁Aún no se ha analizado ningún mensajeSu mapa de características más reciente aparecerá aquí después de un escaneo.

Detector de spam con IA MailGuard