Google線上安全博客最新文章介紹Gmail垃圾郵件篩選器全新升級，Google稱此是近年來規(guī)模最大的防御升級之一。

Gmail、YouTube、Google Play等系統(tǒng)依靠文本分類模型識別有害內(nèi)容，包括網(wǎng)絡釣魚攻擊、不當評論和詐騙。不過，過去機器學習模型難將有害文本內(nèi)容分類出來，因為不法分子會使用同形字、隱形字符以及關(guān)鍵字填充等手法，以所謂adversarial text manipulation嘗試繞過篩選器。

為了幫助文本分類器發(fā)揮效用，Google開發(fā)一種開源、多語言文本矢量化工具RETVec（Resilient&Efficient Text Vectorizer），協(xié)助模型實現(xiàn)最先進的分類性能并大幅降低運算成本，在服務器端和設(shè)備上創(chuàng)建更具彈性和性能的文本分類器。

過去一年，Google內(nèi)部對RETVec進行廣泛測試以評估實用性，發(fā)現(xiàn)它對于安全和防濫用的應用程序非常有效，特別是用RETVec取代Gmail垃圾郵件篩選器之前的文本矢量化工具，使Gmail能將垃圾郵件偵測率較基準提高38%，并將誤報率降低19.4%。此外，使用RETVec將模型的TPU（Tensor Processing Unit）使用率降低83%，使RETVec部署成為近年來最大的防御升級之一。

RETVec使用非常輕量的字詞嵌入模型（-200K參數(shù)）來改進，使Google能在相同或更好的性能下減少Transformer模型的大小，能夠以網(wǎng)絡和內(nèi)存有效方式在主機和TPU之間分割運算。

（首圖來源：Google Blog）