MailGuard AI स्पैम डिटेक्टर
Loading...
MailGuard AIइंटेलिजेंट ईमेल सुरक्षा
मॉडल ऑनलाइन ⚙ MG

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
0.0%स्पैम संभावना
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
मॉडल स्कोर—
03 / SIGNALS

निकाली गई विशेषताएं

0
संदिग्ध शब्द—
—
लिंक मिले—
—
संदिग्ध लिंक—
—
ईमेल की लंबाई—
—
शब्द गणना—
—
तत्काल संकेतक—
—
⌁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
समयप्रेषकविषयसंभावनापरिणामOpen
◌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 फीचर्स

शब्द आवृत्ति, लिंक जोखिम और ईमेल की लंबाई मौजूदा सिग्मॉइड मॉडल को फीड करते हैं।

→
उन्नत मूल्यांकन10+ सिग्नल

टेक्स्ट, यूआरएल, संरचना, मेटाडेटा, स्पष्टीकरण और सामग्री संकेतक बेसलाइन को बदले बिना संदर्भ जोड़ते हैं।

EVALUATION

मॉडल मेट्रिक्स

डेटासेट आवश्यक
बेसलाइन-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