La détection de spam Gmail a reçu ses «plus importantes améliorations de la défense en années récentes».

Bloquer le spam par e-mail est une bataille constante et en évolution permanente, et la dernière technique de Gmail permet d’améliorer la détection de 38 % grâce à une meilleure identification du texte. Les spammeurs utilisent souvent des homoglyphes (des caractères ressemblant de manière similaire aux lettres réelles), des caractères invisibles, un remplissage de mots-clés et d’autres «manipulations adverses du texte» pour contourner les modèles de classification du texte de Gmail qui identifient les attaques de hameçonnage, les escroqueries et d’autres contenus nocifs. Google contre-attaque avec RETVec (Resilient & Efficient Text Vectorizer). Open sourced par Google Research, cette approche «aide les modèles à atteindre des performances de classification de pointe et réduit considérablement le coût de calcul», tout en prenant en charge «toutes les langues et tous les caractères UTF-8 sans aucun prétraitement du texte. Cela le rend idéal pour les cas d’utilisation hors connexion, Web et d’autres utilisations à grande échelle: dans Gmail, RETVec a amélioré le «taux de détection de spam par rapport à la baseline de 38 %», tout en réduisant à la fois le taux de faux positifs (de 19,4 %) et l’utilisation de unité de traitement de tenseurs (de 83 %). RETVec parvient à ces améliorations en arborant un modèle de plongée en mot très léger (~ 200k paramètres), ce qui nous permet de réduire la taille du modèle Transformer à des performances égales ou supérieures, et de pouvoir diviser le calcul entre l’hôte et le TPU d’une manière efficace en termes de réseau et de mémoire.