Gmail viene utilizzato da 1,5 miliardi di persone ogni mese, con 5 milioni di aziende che utilizzano il servizio come parte di G Suite. Uno dei più grandi progetti del servizio è costituito dalle sue funzioni di sicurezza integrate. Attraverso l’uso del machine learning (ML), l’azienda è in grado di bloccare il 99,9% di spam, phishing e malware degli utenti.
Tuttavia, implementando nuove protezioni supportate dal framework di apprendimento automatico open source di Google, TensorFlow, il gigante della ricerca è riuscito a bloccare ogni giorno 100 milioni di messaggi spam aggiuntivi.
Google cerca di espendere le funzionalità del ML
Google sta bloccando le categorie di spam che in precedenza erano molto difficili da rilevare. Utilizzando TensorFlow, per la scansione di e-mail in arrivo, la società è ora in grado di bloccare messaggi basati su immagini, e-mail con contenuto nascosto e messaggi provenienti da nuovi domini.
ML, dunque, sta aiutando Google a catturare lo spam consentendo all’azienda di identificare alcuni modelli da una serie di dati di grandi dimensioni. La tecnologia rende anche più facile adattarsi rapidamente alle nuove tattiche utilizzate dagli spammer, personalizzando nel contempo le protezioni di spam per ciascun utente. Questo è necessario, poiché lo spam di una persona potrebbe essere un messaggio importante per qualcun altro.
L’applicazione di ML può essere sia complessa che dispendiosa in termini di tempo, motivo per cui TensorFlow contiene molti componenti per rendere ML più semplice ed efficiente. TensorFlow Extended (TFX) è uno di questi componenti che consente a Google di distribuire pipeline ML in modo rapido e standardizzato. TensorBoard, invece, consente di monitorare le pipeline di addestramento del modello e valutare rapidamente i nuovi modelli per determinarne l’utilità.
TensorFlow offre anche la flessibilità di addestrare e sperimentare in parallelo modelli diversi. Ciò aiuta le aziende a sviluppare l’approccio più efficace anziché limitarsi a eseguire un esperimento alla volta. Google sta anche sperimentando TensorFlow in altre aree correlate alla sicurezza, come il phishing e il rilevamento di malware. Il suo obiettivo è quello di rendere internet un posto meno pericoloso.