脅威インテリジェンス / ライブワークスペース
検知。説明。保護。
迅速かつ確実な意思決定のために構築された、説明可能なスパム分類器でメッセージシグナルを分析します。
01 / INPUT
メール分析
02 / DECISION
LR · v1.4検出結果
0.0%スパム確率
Awaiting analysis
モデルの信頼度—
しきい値50%
モデルLogistic regression
モデルスコア—
03 / SIGNALS
0抽出された特徴
不審な単語—
—
リンクが検出されました—
—
疑わしいリンク—
—
メールの長さ—
—
単語数—
—
緊急度インジケーター—
—
⌁分析後、ここにシグナルが表示されます。
04 / EXPLANATION
モデルが判断した理由検出の証拠
◎まだ証拠はありません分析を実行して、判断の根拠となった明確なシグナルを確認してください。
05 / INSPECT
注釈付きメッセージのハイライト
不審な単語危険なリンク緊急度
分析されたメッセージがここに注釈付きで表示されます。
06 / INTERPRETATION
ローカルベースライン + コンテキストウェイト。因果関係の説明を保証するものではありません予測に影響を与えた要因は何ですか？
メールを分析して、機能の影響を比較してください。
07 / MULTIMODAL
拡張シグナルリスクの内訳
メールを分析して、テキスト、URL、構造、メタデータの各リスクをマッピングします。
08 / CONTENT SIGNALS
ヒューリスティックAI支援によるフィッシング指標
—AIコンテンツ指標
—
自動生成またはAI支援によるライティングに関連する指標は、AIによる執筆の決定的な証拠ではありません。
フィッシングリスク—
メールを分析して、フィッシングとAIコンテンツのシグナルを個別に確認してください。
運用記録
分析履歴
最近の分類結果を確認し、メッセージを再オープンして証拠の追跡を行います。
| 時間 | 送信者 | 件名 | 確率 | 結果 | Open |
|---|
◌このフィルターに一致する分析はありません完了したスキャンがここに表示されます。
説明可能な機械学習
モデルインサイト
特徴信号がどのように確率になるかを透明性を持って示します。
MODEL FUNCTION
σ(z) = 1 / (1 + e⁻ᶻ)シグモイド決定曲線
モデルスコア—
シグモイド出力—
スパム確率—
分類—
FEATURE VECTOR
入力特徴
X1 · 単語頻度—
X2 · リンクのリスク—
X3 · メールの長さ—
w1 · vocabulary4.20
w2 · link risk3.10
w3 · length signal0.95
b · intercept−2.10
Weighted score→Sigmoid→Probability→Class
MODEL STORY
ベースライン → 強化
ベースラインモデル3 特徴
→単語の頻度、リンクのリスク、メールの長さが既存のシグモイドモデルに供給されます。
強化された評価10+ シグナル
テキスト、URL、構造、メタデータ、説明、およびコンテンツ指標が、ベースラインを置き換えることなくコンテキストを追加します。
EVALUATION
データセットが必要ですモデルメトリクス
ラベル付きテストセットを接続して、ベースライン対強化の適合率、再現率、F1スコア、ROC-AUC、PR-AUCを計算します。このデモでは、パフォーマンス数値は捏造されていません。
調査キャンバス
シグナル分析
最新のメッセージとその抽出された指標の集中ビュー。
⌁まだメッセージが分析されていませんスキャン後、最新の機能マップがここに表示されます。