Tehdit istihbaratı / canlı çalışma alanı

Tespit Et. Açıkla. Koru.

Hızlı ve güvenilir kararlar için oluşturulmuş, açıklanabilir bir spam sınıflandırıcı ile mesaj sinyallerini analiz edin.

Analize hazır0 scans today

01 / INPUT

E-posta analizi

Temizle

Gönderen e-postası Konu E-posta gövdesi İsteğe bağlı başlıklarİsteğe bağlı

E-postayı analiz et→ Örnek yükle ↑.EML yükle

Panodan yapıştır⌘ V

02 / DECISION

Algılama sonucu

LR · v1.4

0.0%spam olasılığı

Awaiting analysis

Model kararını ve destekleyici kanıtlarını görmek için bir e-posta gönderin.

Neden bu sonuç?

Model güveni—

Eşik50%

ModelLogistic regression

Model puanı—

03 / SIGNALS

Çıkarılan özellikler

Şüpheli kelimeler—

—

Bağlantılar algılandı—

—

Şüpheli bağlantılar—

—

E-posta uzunluğu—

—

Kelime sayısı—

—

Aciliyet göstergeleri—

—

⌁Sinyaller analizden sonra burada görünecektir.

04 / EXPLANATION

Algılama kanıtı

Model neden karar verdi

◎Henüz kanıt yokKararın net sinyallere ayrıldığını görmek için bir analiz çalıştırın.

05 / INSPECT

Mesaj öne çıkanları

Açıklamalı

Şüpheli kelimelerRiskli bağlantılarAciliyet

Analiz edilen mesajınız burada açıklanacaktır.

06 / INTERPRETATION

Tahmini ne etkiledi?

Yerel temel + bağlamsal ağırlıklar, nedensel açıklamalar garantili değildir

Özellik etkisini karşılaştırmak için bir e-postayı analiz edin.

07 / MULTIMODAL

Risk dökümü

Gelişmiş sinyaller

Metin, URL, yapı ve meta veri riskini haritalamak için bir e-postayı analiz edin.

08 / CONTENT SIGNALS

Yapay zeka destekli kimlik avı göstergeleri

Sezgisel

—Yapay zeka içeriği göstergesi

—

Otomatik veya yapay zeka destekli yazımla ilişkili göstergeler, yapay zeka yazarlığının kesin kanıtı değildir.

Kimlik avı riski—

Ayrı kimlik avı ve yapay zeka içeriği sinyallerini görmek için bir e-postayı analiz edin.

Operasyonel kayıt

Analiz geçmişi

Son sınıflandırmaları inceleyin ve kanıt izi için herhangi bir mesajı yeniden açın.

Geçmişi temizle

TümüSpamSpam değilYüksek risk

0 analyses

Zaman	Gönderen	Konu	Olasılık	Sonuç	Open

◌Bu filtreyle eşleşen analiz yokTamamlanan taramalarınız burada görünecektir.

Açıklanabilir makine öğrenimi

Model içgörüleri

Özellik sinyallerinin nasıl olasılığa dönüştüğüne dair şeffaf bir bakış.

LOGISTIC REGRESSION · V1.4

MODEL FUNCTION

Sigmoid karar eğrisi

σ(z) = 1 / (1 + e⁻ᶻ)

Model puanı—

Sigmoid çıktısı—

Spam olasılığı—

Sınıflandırma—

FEATURE VECTOR

Girdi özellikleri

X1 · Kelime sıklığı—

X2 · Bağlantı riski—

X3 · E-posta uzunluğu—

w1 · vocabulary4.20

w2 · link risk3.10

w3 · length signal0.95

b · intercept−2.10

Weighted score→Sigmoid→Probability→Class

MODEL STORY

Temel → geliştirme

Temel model3 özellikler

Kelime sıklığı, bağlantı riski ve e-posta uzunluğu mevcut sigmoid modelini besler.

→

Gelişmiş değerlendirme10+ sinyaller

Metin, URL'ler, yapı, meta veriler, açıklamalar ve içerik göstergeleri, temelin yerini almadan bağlam ekler.

EVALUATION

Model metrikleri

Veri kümesi gerekli

Temel ve geliştirilmiş hassasiyet, duyarlılık, F1, ROC-AUC ve PR-AUC değerlerini hesaplamak için etiketli bir test kümesi bağlayın. Bu demoda hiçbir performans verisi uydurulmamıştır.

İnceleme tuvali

Sinyal analizi

En son mesajın ve çıkarılan göstergelerinin odaklanmış bir görünümü.

En son analizi çalıştır

⌁Henüz analiz edilen mesaj yokEn son özellik haritanız bir taramadan sonra burada görünecektir.

MailGuard AI İstenmeyen E-posta Dedektörü