環信推反垃圾服務，八大技術為用户保駕護航

那些年，用户被虛假廣告塞的壇滿缽滿；那些年，網民被欺詐信息騙的傾家蕩產；那些年，色情圖片搞得社區難以正常發展；那些年，反動信息讓平台面臨關停的風險。據《中國網民權益保護調查報告(2015)》顯示，2015年網民因個人信息泄露、垃圾信息、詐騙信息等現象，總體損失高達805億元。同時，垃圾信息也極大影響互聯網產品用户體驗，如果不加以控制，只能眼睜睜地看着活躍度下降用户不斷流失。

互聯網企業因此面臨着各方面巨大的壓力，為此不得不投入大量的資源。大型互聯網公司都有專門的反垃圾研發團隊，人數動輒數人甚至數十人。但大多數中小型互聯網創業公司資源有限，很難專門建立自己的反垃圾團隊。在美國，已經有多家創業公司以雲服務或其他形式提供反垃圾服務。而在中國，反垃圾市場缺口巨大，但目前還沒有第三方的專業反垃圾服務提供商。

為了維護平台以及網民的合法權益不再遭受垃圾信息的侵害，作為全球最大的即時通訊雲PaaS平台，環信率先推出了反垃圾服務。

一，反垃圾服務“Anti-spam”面臨六大挑戰

反垃圾服務“Anti-spam”是一項長期並且艱鉅的工作，面臨以下六大挑戰：

1)1：n，一個anti-spam團隊要面臨看不見的千千萬萬的spammer(人或者機器);

2)spammer利益豐厚，已經形成完整的地下黑色產業鏈;

3)spam的成本越來越低，打碼網站(第三世界打碼平台)，萬能的淘寶(IP代理庫，手機黑卡，馬甲賬號)等;

4)spam質量越來越高，軟文與正常用户的文章差異越來越少;

5)anti-spam是拉鋸戰，學術界和工業界多采用機器學習的方法進行，但只要產品有流量，spammer會堅持不懈地研究策略和規則來繞開設定的屏障。anti-spam與其説是machine learning，不如説是adversarial learning;

6)anti-spam在大多數公司都是一個黑盒，為了保護自己，核心技術很少會拿出來公開交流。

二，環信反垃圾“anti-spam”服務八大技術讓垃圾消息無所遁形

環信作為國內即時通訊雲行業的開創者，有着連接人與人，連接人與商業的願景。不僅致力於為用户提供高穩定高可靠的底層消息服務，更致力於幫助用户不斷優化產品打造更好的用户體驗，從而實現雙贏。在反垃圾服務方面，環信anti-spam團隊將通過以下技術力圖識別惡意機器程序，將用户spam控制在可接受的範圍內。

1、關鍵詞過濾系統，主要用來過濾非法政治言論以及部分色情信息;

2、基於行為分析的spammer識別系統，藉助互聯網用户行為的特徵進行spammer識別;

3、惡意內容樣本自學習系統。基於內容的spammer識別系統，通過訓練，指針對用户的內容數據做判斷，從語義的角度分析spam的類別;

4、即時策略部署，緊急幫助用户攔截臨時爆發的spam;

5、用户產品指導等(註冊馬甲攔截，活動刷單等);

在上述anti-spam過程中，環信將會對用户的用户ID做匿名處理，充分保護用户隱私。並且將使用高效、準確的機器學習模型進行智能識別。

未來，環信還將部署以下三大技術： 1、消息惡意代碼檢測，xss等潛在的惡意攻擊;2、惡意URL檢測，釣魚網站等虛假URL檢測; 3、語音，圖片，視頻等spammer智能識別系統;

三，環信反垃圾“anti-spam”增值服務流程簡介：

1、環信反垃圾服務屬於增值服務，將面向所有互聯網企業，同時將優先向環信即時通訊雲和環信移動客服老用户開放。

2、企業可以聯繫環信商務申請開通反垃圾服務。

3、環信反垃圾團隊將跟企業溝通，瞭解用户垃圾消息的定義，商定垃圾消息的處理流程。

4、對企業的數據匿名處理，訓練模型，上線服務。

5、環信將不斷改進模型，提高準確率和召回率，同時幫助企業應對臨時事件。

截至12月份，已經有數十家環信老用户試用開通了環信反垃圾服務。某知名女性社交App在申請試用環信反垃圾服務以後，環信選擇其數據使用環信行為識別系統進行識別，發現該App目前的垃圾消息佔比高達40%，其中，垃圾消息主要分為非法廣告和虛假兼職兩類，比例為9：1，極度影響用户體驗。

通過環信行為檢測系統，垃圾消息監測準確率高達99%，垃圾消息召回率高達82%。該社交產品負責人表示：“環信反垃圾服務上線後用户活躍度獲得了明顯提升，以後再也不用為各種色情、政治類消息提心吊膽了。”

環信反垃圾服務將於近期正式對外開放申請，具體請聯繫環信商務或者關注環信官網(http://www.easemob.com/)更新。

名詞解釋：召回率，是機器學習的評判指標之一。舉個例子，現在某App有1000條消息，其中300條是垃圾消息，通過系統識別出了240條我們“算法認定”的垃圾消息，經過人工鑑定，這240條垃圾消息就是樣本中的垃圾消息，那麼算法的召回率是240/300=80%，算法準確率是100%。因為算法是一個學習的過程，所以會漏掉一些垃圾消息用作學習成本。