La détection des e-mails indésirables de Gmail a reçu ses «plus grandes mises à niveau de défense ces dernières années».

Bloquer le spam par e-mail est une bataille constante et en constante évolution, 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 (caractères ressemblant à des lettres réelles), des caractères invisibles, des mots-clés en surnombre et d’autres « manipulations adverses du texte » pour contourner les modèles de classification de texte de Gmail qui identifient les attaques par hameçonnage, les escroqueries et autres contenus nocifs. Google y répond en utilisant 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 nécessiter de prétraitement du texte ». Cela le rend idéal pour les cas d’utilisation en périphérie, sur le Web et d’autres applications à grande échelle : dans Gmail, RETVec a amélioré le « taux de détection du spam par rapport à la ligne de base de 38% », tout en réduisant à la fois le taux de faux positifs (de 19,4%) et l’utilisation de l’unité de traitement de tenseur (de 83%). RETVec parvient à ces améliorations en étant équipé d’un modèle de plongement de mots très léger (~200k paramètres), ce qui nous permet de réduire la taille du modèle Transformer sans perte de performance, et avec la possibilité de diviser le calcul entre l’hôte et le TPU de manière à réduire le trafic réseau et l’utilisation de la mémoire.