खतरा खुफिया / लाइव कार्यक्षेत्र
पता लगाएं। समझाएं। सुरक्षित रखें।
तेज़ और सटीक निर्णयों के लिए बनाए गए एक व्याख्या योग्य स्पैम क्लासिफायर के साथ संदेश संकेतों का विश्लेषण करें।
विश्लेषण के लिए तैयार0 scans today
01 / INPUT
ईमेल विश्लेषण
साफ़ करें
प्रेषक ईमेल
विषय
ईमेल बॉडी
वैकल्पिक हेडरवैकल्पिक
ईमेल का विश्लेषण करें→
नमूना लोड करें
↑.EML अपलोड करें
क्लिपबोर्ड से पेस्ट करें⌘ V
02 / DECISION
डिटेक्शन परिणाम
LR · v1.4
Awaiting analysis
मॉडल के निर्णय और उसके सहायक साक्ष्य को प्रकट करने के लिए एक ईमेल सबमिट करें।
यह परिणाम क्यों?
मॉडल का आत्मविश्वास—
थ्रेशोल्ड50%
मॉडलLogistic regression
03 / SIGNALS
निकाली गई विशेषताएं
0
⌁विश्लेषण के बाद संकेत यहाँ दिखाई देंगे।
04 / EXPLANATION
पता लगाने का प्रमाण
मॉडल ने निर्णय क्यों लिया
◎अभी तक कोई प्रमाण नहींनिर्णय को स्पष्ट संकेतों में विभाजित देखने के लिए विश्लेषण चलाएं।
05 / INSPECT
संदेश की मुख्य विशेषताएं
एनोटेट किया गया
संदिग्ध शब्दजोखिम भरे लिंकतत्काल
आपका विश्लेषण किया गया संदेश यहाँ एनोटेट किया जाएगा।
06 / INTERPRETATION
पूर्वानुमान को किस चीज़ ने प्रभावित किया?
स्थानीय आधार रेखा + प्रासंगिक भार, कारण संबंधी स्पष्टीकरण की गारंटी नहीं
फीचर प्रभाव की तुलना करने के लिए एक ईमेल का विश्लेषण करें।
07 / MULTIMODAL
जोखिम का विवरण
उन्नत संकेत
टेक्स्ट, URL, संरचना और मेटाडेटा जोखिम को मैप करने के लिए एक ईमेल का विश्लेषण करें।
08 / CONTENT SIGNALS
AI-सहायता प्राप्त फ़िशिंग संकेतक
अनुमानी (Heuristic)
—AI-सामग्री संकेतक
—स्वचालित या AI-सहायता प्राप्त लेखन से जुड़े संकेतक AI लेखक होने का निश्चित प्रमाण नहीं हैं।
फ़िशिंग जोखिम—
अलग-अलग फ़िशिंग और AI-सामग्री संकेतों को देखने के लिए एक ईमेल का विश्लेषण करें।
परिचालन रिकॉर्ड
विश्लेषण इतिहास
हाल के वर्गीकरणों की समीक्षा करें और साक्ष्य ट्रेल के लिए किसी भी संदेश को फिर से खोलें।
इतिहास साफ़ करें
सभीस्पैमस्पैम नहींउच्च जोखिम
0 analyses| समय | प्रेषक | विषय | संभावना | परिणाम | Open |
|---|
◌इस फ़िल्टर से कोई विश्लेषण मेल नहीं खाताआपके पूर्ण किए गए स्कैन यहाँ दिखाई देंगे।
व्याख्या योग्य मशीन लर्निंग
मॉडल इनसाइट्स
फीचर सिग्नल संभावना में कैसे बदलते हैं, इस पर एक पारदर्शी नज़र।
LOGISTIC REGRESSION · V1.4
MODEL FUNCTION
सिग्मॉइड निर्णय वक्र
σ(z) = 1 / (1 + e⁻ᶻ)मॉडल स्कोर—
सिग्मॉइड आउटपुट—
स्पैम संभावना—
वर्गीकरण—
FEATURE VECTOR
इनपुट फीचर्स
X1 · शब्द आवृत्ति—
X2 · लिंक जोखिम—
X3 · ईमेल की लंबाई—
w1 · vocabulary4.20
w2 · link risk3.10
w3 · length signal0.95
b · intercept−2.10
Weighted score→Sigmoid→Probability→Class
MODEL STORY
बेसलाइन → संवर्धन
बेसलाइन मॉडल3 फीचर्सशब्द आवृत्ति, लिंक जोखिम और ईमेल की लंबाई मौजूदा सिग्मॉइड मॉडल को फीड करते हैं।
→उन्नत मूल्यांकन10+ सिग्नलटेक्स्ट, यूआरएल, संरचना, मेटाडेटा, स्पष्टीकरण और सामग्री संकेतक बेसलाइन को बदले बिना संदर्भ जोड़ते हैं।
EVALUATION
मॉडल मेट्रिक्स
डेटासेट आवश्यकबेसलाइन-बनाम-उन्नत प्रिसिजन, रिकॉल, F1, ROC-AUC, और PR-AUC की गणना करने के लिए एक लेबल वाला टेस्ट सेट कनेक्ट करें। इस डेमो में कोई भी प्रदर्शन संख्या मनगढ़ंत नहीं है।
जांच कैनवास
संकेत विश्लेषण
नवीनतम संदेश और उसके निकाले गए संकेतकों का एक केंद्रित दृश्य।
नवीनतम विश्लेषण चलाएं
⌁अभी तक किसी संदेश का विश्लेषण नहीं किया गया हैआपका नवीनतम फीचर मैप स्कैन के बाद यहाँ दिखाई देगा।
WORKSPACE
वर्कस्पेस सेटिंग्स
×
मोशन प्रभाववर्कस्पेस में सूक्ष्म ट्रांज़िशन का उपयोग करेंलॉन्च पर नमूना डेटाडेमो वर्कस्पेस को भरा हुआ रखेंहो गया
EXPLAINABILITY
यह परिणाम क्यों?
×
स्थानीय मॉडल स्पष्टीकरण उत्पन्न करने के लिए एक ईमेल का विश्लेषण करें।
बंद करें