Google ha revelado un nuevo vectorizador de texto multiling\u00fce llamado RETVec<\/strong> (abreviatura de Vectorizador de texto resistente y eficiente) para ayudar a detectar<\/a> contenido potencialmente da\u00f1ino como spam y correos electr\u00f3nicos maliciosos en Gmail.<\/p>\n “RETVec est\u00e1 entrenado para ser resistente a manipulaciones a nivel de caracteres, incluidas inserci\u00f3n, eliminaci\u00f3n, errores tipogr\u00e1ficos, homoglifos, sustituci\u00f3n LEET y m\u00e1s”, seg\u00fan el descripci\u00f3n del proyecto<\/a> en GitHub.<\/p>\n “El modelo RETVec est\u00e1 entrenado sobre un codificador de caracteres novedoso que puede codificar todos los caracteres y palabras UTF-8 de manera eficiente”.<\/p>\n Si bien grandes plataformas como Gmail y YouTube dependen de modelos de clasificaci\u00f3n de texto para detectar ataques de phishing, comentarios inapropiados y estafas, se sabe que los actores de amenazas idean contraestrategias para eludir estas medidas de defensa.<\/p>\n Se ha observado que recurren a manipulaciones de texto adversas, que van desde el uso de homoglifos hasta el relleno de palabras clave y caracteres invisibles.<\/p>\n RETVec<\/a>que funciona en m\u00e1s de 100 idiomas de forma inmediata, tiene como objetivo ayudar a crear clasificadores de texto en el lado del servidor y en el dispositivo m\u00e1s resistentes y eficientes, a la vez que es m\u00e1s s\u00f3lido y eficiente.<\/p>\n La vectorizaci\u00f3n es una metodolog\u00eda en el procesamiento del lenguaje natural (PNL<\/a>) para asignar palabras o frases del vocabulario a una representaci\u00f3n num\u00e9rica correspondiente para realizar an\u00e1lisis adicionales, como an\u00e1lisis de sentimientos, clasificaci\u00f3n de texto y reconocimiento de entidades nombradas.<\/p>\n “Debido a su novedosa arquitectura, RETVec funciona de inmediato en todos los idiomas y en todos los caracteres UTF-8 sin necesidad de preprocesamiento de texto, lo que lo convierte en el candidato ideal para la clasificaci\u00f3n de texto en dispositivos, web y a gran escala. implementaciones”, Elie Bursztein y Marina Zhang de Google anotado<\/a>.<\/p>\n El gigante tecnol\u00f3gico dijo que la integraci\u00f3n del vectorizador a Gmail mejor\u00f3 la tasa de detecci\u00f3n de spam con respecto a la base en un 38% y redujo la tasa de falsos positivos en un 19,4%. Tambi\u00e9n baj\u00f3 la Unidad de Procesamiento Tensorial (TPU<\/a>) uso del modelo en un 83%.<\/p>\n “Los modelos entrenados con RETVec exhiben una velocidad de inferencia m\u00e1s r\u00e1pida debido a su representaci\u00f3n compacta. Tener modelos m\u00e1s peque\u00f1os reduce los costos computacionales y disminuye la latencia, lo cual es fundamental para aplicaciones a gran escala y modelos en el dispositivo”, agregaron Bursztein y Zhang.<\/p>\n <\/p>\n![\"La](\"https:\/\/teknomers.com\/es\/wp-content\/uploads\/2023\/11\/Google-presenta-RETVec-la-nueva-defensa-de-Gmail-contra-el.jpg\")
<\/a><\/center><\/div>\n<\/a><\/div>\n<\/a><\/center><\/div>\n