La détection du spam Gmail a reçu ses «plus importantes améliorations de défense ces dernières années».

Bloquer le spam par courrier électronique est une bataille constante et en évolution perpétuelle, et la dernière technique de Gmail permet une amélioration de 38 % de la détection grâce à une meilleure identification du texte. Les spammeurs utilisent souvent des homoglyphes (caractères ressemblant de manière frappante à des 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 dangereux. Google réplique 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 cas d’utilisation hors connexion, Web et autres à grande échelle: dans Gmail, RETVec a amélioré le «taux de détection des spams par rapport à la version 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 tenseurs (de 83 %). RETVec parvient à ces améliorations en arborant un modèle très léger d’incorporation de mots (~ 200 000 paramètres), ce qui nous permet de réduire la taille du modèle de transformateur à des performances égales ou meilleures, et de pouvoir diviser le calcul entre l’hôte et le TPU de manière efficace en termes de réseau et de mémoire.