ការស៊ើបការណ៍សម្ងាត់អំពីការគំរាមកំហែង / កន្លែងធ្វើការផ្ទាល់

រកឃើញ។ ពន្យល់។ ការពារ។

វិភាគសញ្ញានៃសារដោយប្រើកម្មវិធីចាត់ថ្នាក់សារឥតបានការដែលអាចពន្យល់បាន ដែលបង្កើតឡើងសម្រាប់ការសម្រេចចិត្តរហ័ស និងប្រកបដោយទំនុកចិត្ត។

ត្រៀមខ្លួនសម្រាប់ការវិភាគ0 scans today

01 / INPUT

ការវិភាគអ៊ីមែល

02 / DECISION

លទ្ធផលនៃការរកឃើញ

LR · v1.4

0.0%ប្រូបាប៊ីលីតេនៃសារឥតបានការ

Awaiting analysis

ដាក់ស្នើអ៊ីមែលដើម្បីបង្ហាញការសម្រេចចិត្តរបស់ម៉ូដែល និងភស្តុតាងគាំទ្ររបស់វា។

ទំនុកចិត្តរបស់ម៉ូដែល—

កម្រិតកំណត់50%

ម៉ូដែលLogistic regression

ពិន្ទុម៉ូដែល—

03 / SIGNALS

លក្ខណៈពិសេសដែលបានដកស្រង់

0

ពាក្យគួរឱ្យសង្ស័យ—

—

រកឃើញតំណភ្ជាប់—

—

តំណភ្ជាប់គួរឱ្យសង្ស័យ—

—

ប្រវែងអ៊ីមែល—

—

ចំនួនពាក្យ—

—

សូចនាករភាពបន្ទាន់—

—

⌁សញ្ញានឹងបង្ហាញនៅទីនេះបន្ទាប់ពីការវិភាគ។

04 / EXPLANATION

ភស្តុតាងនៃការរកឃើញ

មូលហេតុដែលម៉ូដែលបានសម្រេចចិត្ត

◎មិនទាន់មានភស្តុតាងនៅឡើយទេដំណើរការការវិភាគដើម្បីមើលការសម្រេចចិត្តដែលបែងចែកជាសញ្ញាដែលច្បាស់លាស់។

05 / INSPECTចំណុចសំខាន់នៃសារ
បានដាក់ចំណារពន្យល់
ពាក្យគួរឱ្យសង្ស័យតំណភ្ជាប់ដែលមានហានិភ័យភាពបន្ទាន់
សារដែលបានវិភាគរបស់អ្នកនឹងត្រូវបានដាក់ចំណារពន្យល់នៅទីនេះ។

06 / INTERPRETATION

តើអ្វីដែលមានឥទ្ធិពលលើការព្យាករណ៍?

មូលដ្ឋានគ្រឹះក្នុងស្រុក + ទម្ងន់តាមបរិបទ មិនមែនជាការធានាការពន្យល់ពីមូលហេតុនោះទេ

វិភាគអ៊ីមែលដើម្បីប្រៀបធៀបឥទ្ធិពលនៃមុខងារ។

07 / MULTIMODAL

ការបំបែកហានិភ័យ

សញ្ញាដែលបានកែលម្អ

វិភាគអ៊ីមែលដើម្បីកំណត់ហានិភ័យនៃអត្ថបទ URL រចនាសម្ព័ន្ធ និងទិន្នន័យមេ។

08 / CONTENT SIGNALS

សូចនាករនៃការបន្លំ (phishing) ដោយជំនួយពី AI

Heuristic

—សូចនាករមាតិកា AI

—

សូចនាករដែលទាក់ទងនឹងការសរសេរដោយស្វ័យប្រវត្តិ ឬជំនួយដោយ AI មិនមែនជាភស្តុតាងច្បាស់លាស់នៃការនិពន្ធដោយ AI នោះទេ។

ហានិភ័យនៃការបន្លំ (phishing)—

វិភាគអ៊ីមែលដើម្បីមើលសញ្ញានៃការបន្លំ (phishing) និងមាតិកា AI ដាច់ដោយឡែកពីគ្នា។

កំណត់ត្រាប្រតិបត្តិការ

ប្រវត្តិវិភាគ

ពិនិត្យមើលការចាត់ថ្នាក់ថ្មីៗ ហើយបើកសារណាមួយឡើងវិញសម្រាប់ផ្លូវភស្តុតាងរបស់វា។

ពេលវេលា	អ្នកផ្ញើ	ប្រធានបទ	ប្រូបាប៊ីលីតេ	លទ្ធផល	Open

◌គ្មានការវិភាគណាមួយត្រូវគ្នានឹងតម្រងនេះទេការស្កេនដែលបានបញ្ចប់របស់អ្នកនឹងបង្ហាញនៅទីនេះ។

ការរៀនម៉ាស៊ីនដែលអាចពន្យល់បាន

ការយល់ដឹងអំពីម៉ូដែល

ទិដ្ឋភាពច្បាស់លាស់អំពីរបៀបដែលសញ្ញាលក្ខណៈក្លាយជាប្រូបាប៊ីលីតេ។

LOGISTIC REGRESSION · V1.4

MODEL FUNCTION

ខ្សែកោងការសម្រេចចិត្ត Sigmoid

σ(z) = 1 / (1 + e⁻ᶻ)

ពិន្ទុម៉ូដែល—

លទ្ធផល Sigmoid—

ប្រូបាប៊ីលីតេនៃសារឥតបានការ—

ការចាត់ថ្នាក់—

FEATURE VECTOR

លក្ខណៈពិសេសនៃការបញ្ចូល

X1 · ប្រេកង់ពាក្យ—

X2 · ហានិភ័យនៃតំណភ្ជាប់—

X3 · ប្រវែងអ៊ីមែល—

w1 · vocabulary4.20

w2 · link risk3.10

w3 · length signal0.95

b · intercept−2.10

Weighted score→Sigmoid→Probability→Class

MODEL STORY

មូលដ្ឋាន → ការកែលម្អ

ម៉ូដែលមូលដ្ឋាន3 លក្ខណៈពិសេស

ភាពញឹកញាប់នៃពាក្យ ហានិភ័យនៃតំណភ្ជាប់ និងប្រវែងអ៊ីមែល បញ្ចូលទៅក្នុងម៉ូដែល sigmoid ដែលមានស្រាប់។

→

ការវាយតម្លៃកម្រិតខ្ពស់10+ សញ្ញា

អត្ថបទ, URL, រចនាសម្ព័ន្ធ, មេតាទិន្នន័យ, ការពន្យល់ និងសូចនាករខ្លឹមសារ បន្ថែមបរិបទដោយមិនជំនួសម៉ូដែលមូលដ្ឋាន។

EVALUATION

រង្វាស់ម៉ូដែល

ទាមទារសំណុំទិន្នន័យ

ភ្ជាប់សំណុំសាកល្បងដែលមានស្លាកដើម្បីគណនាភាពជាក់លាក់ (precision), ការរំលឹក (recall), F1, ROC-AUC និង PR-AUC បើធៀបនឹងមូលដ្ឋាន។ គ្មានលេខសមិទ្ធផលណាមួយត្រូវបានបង្កើតឡើងនៅក្នុងការបង្ហាញនេះទេ។

ផ្ទាំងការស៊ើបអង្កេត

ការវិភាគសញ្ញា

ទិដ្ឋភាពផ្តោតលើសារចុងក្រោយ និងសូចនាករដែលបានដកស្រង់ចេញពីវា។

⌁មិនទាន់មានសារណាមួយត្រូវបានវិភាគនៅឡើយទេផែនទីមុខងារចុងក្រោយរបស់អ្នកនឹងបង្ហាញនៅទីនេះបន្ទាប់ពីការស្កេន។

កម្មវិធីตรวจจับសារឥតបានការ MailGuard AI