La détection des spams Gmail a reçu ses «plus importantes améliorations de défense des dernières années».

Bloquer les spams par e-mail est une bataille sans fin 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 beaucoup aux lettres réelles), des caractères invisibles, un bourrage de mots-clés 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 répond 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 nécessiter de prétraitement du texte». Cela le rend idéal pour les utilisations en mode hors connexion, sur le 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 (19,4 %) et l’utilisation de l’unité de traitement des tenseurs (83 %). RETVec parvient à ces améliorations en étant doté d’un modèle de plongée en mot extrêmement léger (~ 200k paramètres), ce qui nous permet de réduire la taille du modèle de transformateur à des performances égales ou supérieures, et d’avoir la possibilité de diviser le calcul entre l’hôte et le TPU de manière efficace en termes de réseau et de mémoire.