Inteligência de ameaças / espaço de trabalho ao vivo

Detecte. Explique. Proteja.

Analise sinais de mensagens com um classificador de spam explicável, criado para decisões rápidas e confiantes.

Pronto para análise0 scans today

01 / INPUT

Análise de e-mail

02 / DECISION

Resultado da detecção

LR · v1.4

0.0%probabilidade de spam

Awaiting analysis

Envie um e-mail para revelar a decisão do modelo e suas evidências de suporte.

Confiança do modelo—

Limite50%

ModeloLogistic regression

Pontuação do modelo—

03 / SIGNALS

Recursos extraídos

0

Palavras suspeitas—

—

Links detectados—

—

Links suspeitos—

—

Comprimento do e-mail—

—

Contagem de palavras—

—

Indicadores de urgência—

—

⌁Os sinais aparecerão aqui após a análise.

04 / EXPLANATION

Evidência de detecção

Por que o modelo decidiu

◎Nenhuma evidência aindaExecute uma análise para ver a decisão dividida em sinais claros.

05 / INSPECTDestaques da mensagem
Anotado
Palavras suspeitasLinks de riscoUrgência
Sua mensagem analisada será anotada aqui.

06 / INTERPRETATION

O que influenciou a previsão?

Linha de base local + pesos contextuais, não garantidos como explicações causais

Analise um e-mail para comparar a influência dos recursos.

07 / MULTIMODAL

Detalhamento de risco

Sinais aprimorados

Analise um e-mail para mapear riscos de texto, URL, estrutura e metadados.

08 / CONTENT SIGNALS

Indicadores de phishing assistido por IA

Heurística

—Indicador de conteúdo de IA

—

Indicadores associados à escrita automatizada ou assistida por IA não são prova definitiva de autoria por IA.

Risco de phishing—

Analise um e-mail para ver sinais separados de phishing e conteúdo de IA.

Registro operacional

Histórico de análise

Revise classificações recentes e reabra qualquer mensagem para ver seu rastro de evidências.

Hora	Remetente	Assunto	Probabilidade	Resultado	Open

◌Nenhuma análise corresponde a este filtroSuas verificações concluídas aparecerão aqui.

Aprendizado de máquina explicável

Insights do modelo

Uma visão transparente de como os sinais de recursos se tornam uma probabilidade.

LOGISTIC REGRESSION · V1.4

MODEL FUNCTION

Curva de decisão sigmoide

σ(z) = 1 / (1 + e⁻ᶻ)

Pontuação do modelo—

Saída sigmoide—

Probabilidade de spam—

Classificação—

FEATURE VECTOR

Recursos de entrada

X1 · Frequência de palavras—

X2 · Risco do link—

X3 · Comprimento do e-mail—

w1 · vocabulary4.20

w2 · link risk3.10

w3 · length signal0.95

b · intercept−2.10

Weighted score→Sigmoid→Probability→Class

MODEL STORY

Linha de base → aprimoramento

Modelo de linha de base3 recursos

A frequência de palavras, o risco de links e o tamanho do e-mail alimentam o modelo sigmoide existente.

→

Avaliação aprimorada10+ sinais

Texto, URLs, estrutura, metadados, explicações e indicadores de conteúdo adicionam contexto sem substituir a linha de base.

EVALUATION

Métricas do modelo

Conjunto de dados necessário

Conecte um conjunto de testes rotulado para calcular precisão, recall, F1, ROC-AUC e PR-AUC de linha de base versus aprimorado. Nenhum número de desempenho é fabricado nesta demonstração.

Tela de investigação

Análise de sinal

Uma visão focada da mensagem mais recente e seus indicadores extraídos.

⌁Nenhuma mensagem analisada aindaSeu mapa de recursos mais recente aparecerá aqui após uma verificação.

Detector de Spam MailGuard AI