GMail, jedna z największych bezpłatnych platform e-mailowych na świecie, przeszła od chwili obecnej pewne zmiany mające na celu wzmocnienie bezpieczeństwa osób korzystających z tej platformy. Mówiąc dokładniej, użytkownicy Gmaila skorzystają z systemu sztucznej inteligencji, który ma na celu znacznie łatwiejsze i szybsze identyfikowanie spamu lub wiadomości phishingowych.
Google w przeszłości korzystał ze sztucznej inteligencji, aby pomóc GMailowi w walce z atakami phishingowymi, ale dzięki nowemu systemowi chce przenieść sprawę na zupełnie inny poziom. Według Google około 99.9% e-maili phishingowych otrzymywanych za pośrednictwem Gmaila jest blokowanych przez ten system sztucznej inteligencji, ale firma chce, aby odsetek ten wynosił 100%.
Aby proces był skuteczny, niektóre e-maile otrzymane za pośrednictwem Gmaila docierają z niewielkim opóźnieniem, aby firma mogła je szczegółowo przeanalizować, ale tego można było się spodziewać. Google twierdzi, że tylko 0.05% wszystkich e-maili otrzymanych za pośrednictwem Gmaila dotrze z opóźnieniem ze względu na sposób, w jaki są obecnie skanowane pod kątem treści phishingowych, więc większość użytkowników nie odczuje tego problemu.
Ten nowy system Gmaila współpracuje z Bezpiecznym przeglądaniem Google, gdzie linki internetowe w wiadomościach e-mail są sprawdzane pod kątem niewiarygodności witryn. Jeśli łącze w wiadomości e-mail Gmaila zostanie uznane za niebezpieczne, po kliknięciu użytkownikowi zostanie wyświetlony alert ostrzegający go o niebezpieczeństwie, na jakie jest narażony.
Cała ta nowa technologia Google sprawi, że Gmail będzie bezpieczniejszy dla wszystkich, a e-maile były już skanowane przez firmę, więc nie mówimy o czymś nowym.
„Uczenie maszynowe pomaga Gmailowi blokować wyświetlanie w skrzynce odbiorczej fałszywego spamu i wiadomości typu phishing z ponad 99.9% dokładnością. To ogromna liczba, biorąc pod uwagę, że 50–70 procent wiadomości otrzymywanych przez Gmaila to spam. Stale poprawiamy dokładność wykrywania spamu dzięki wczesnemu wykrywaniu phishingu – dedykowanemu modelowi uczenia maszynowego, który selektywnie opóźnia wiadomości (średnio mniej niż 0.05 procent wiadomości), aby przeprowadzić rygorystyczną analizę phishingu i jeszcze bardziej chronić dane użytkowników przed naruszeniami”.
