Was wir erkennen
Bildtext (OCR)
Text aus Bildern, Screenshots und Fotos extrahieren und analysieren.
QR-Codes
QR-Codes dekodieren, um versteckte Links und Spam-Inhalte aufzudecken.
Häufige Treffer
- Krypto-Betrugsbilder mit Wallet-Adressen
- QR-Codes, die zu Phishing-Seiten führen
- Werbebilder mit Spam-Text
- Screenshots von Spam-Nachrichten
Wie Text und Codes aus Bildern herausgeholt werden
Spammer verlagern ihre Nutzlast genau deshalb in Bilder, um Textfilter zu umgehen — also liest Telm auch die Bilder. Jedes Bild durchläuft OCR — optische Zeichenerkennung —, um jeglichen enthaltenen Text zu extrahieren, sei es eine Wallet-Adresse in einer Krypto-Betrugsgrafik, eine über ein Foto geschriebene Werbung oder ein Screenshot einer Spam-Nachricht. Parallel wird jeder QR-Code dekodiert, um den darin verborgenen Link offenzulegen — oft ein Phishing- oder Malware-Ziel, das das Bild nie im Klartext zeigt. Der extrahierte Text und die dekodierten Links werden dann durch dieselbe Pipeline geführt, die auch gewöhnliche Nachrichten beurteilt, sodass Bild-Spam anhand seines tatsächlichen Inhalts bewertet wird.
Das schließt die offensichtliche Lücke jeder reinen Textverteidigung und funktioniert automatisch bei jedem Bild, ergänzt durch perzeptuelles Bild-Hashing, das ein bereits gesehenes Bild wiedererkennt, selbst wenn es leicht neu kodiert wurde. Die Erkennung deckt acht Sprachen ab — Englisch, Russisch, Deutsch, Französisch, Spanisch, Chinesisch, Japanisch und Koreanisch —, und genau da liegen die ehrlichen Grenzen: OCR ist bei stark stilisierten Schriften, verzerrtem Text oder sehr niedrig aufgelösten Bildern nicht perfekt, und eine Schrift außerhalb dieses Satzes wird nicht transkribiert. Es ist eine starke zusätzliche Schicht, keine Garantie, dass sich kein Text in einem Bild verstecken lässt, weshalb es die breitere Pipeline speist, statt allein zu entscheiden.
Häufig gestellte Fragen
Verlangsamt das Scannen jedes Bildes meine Gruppe oder kostet es mich etwas?
Das Scannen läuft automatisch im Hintergrund, sobald Bilder eintreffen; Mitglieder müssen nicht darauf warten, um weiterzuschreiben. Es ist Teil der Schutz-Pipeline und kein separates, kostenpflichtiges Add-on. Perzeptuelles Bild-Hashing sorgt außerdem dafür, dass ein bereits gesehenes und beurteiltes Bild schnell wiedererkannt wird, sodass wiederholte Spam-Bilder nicht jedes Mal eine vollständige Neuanalyse brauchen.
Liest OCR normale Bilder falsch und markiert harmlose Beiträge?
OCR extrahiert nur Text; es entscheidet nicht von sich aus. Die extrahierten Wörter und ein etwaig dekodierter QR-Link werden durch dieselbe Erkennungs-Pipeline geführt wie eine normale Nachricht, sodass ein harmloses Meme mit Text danach beurteilt wird, was dieser Text tatsächlich sagt. Wie bei jeder Erkennung werden Grenzfälle protokolliert und sind nachprüfbar, und Sie können das Ganze im Beobachtungsmodus verfolgen, bevor die Durchsetzung eingeschaltet ist.
Welche Sprachen kann es tatsächlich lesen?
Die Erkennung deckt acht Sprachen ab: Englisch, Russisch, Deutsch, Französisch, Spanisch, Chinesisch, Japanisch und Koreanisch. Text in einer Sprache außerhalb dieses Satzes wird nicht zuverlässig transkribiert, und stark stilisierte Schriften, verzerrte Buchstaben oder sehr niedrig aufgelöste Screenshots können OCR ausbremsen — ein Grund, weshalb es als Schicht arbeitet, die die breitere Pipeline speist, und nicht als eigenständiger Filter.
Können Spammer OCR austricksen, indem sie den Text in einem Bild verzerren?
Manchmal — absichtlich verzerrter oder verrauschter Text ist genau das, womit OCR ringt, und ein entschlossener Spammer kann ein Bild verschlechtern, um die Erkennung zu erschweren. Deshalb steht OCR nicht allein: Die QR-Dekodierung fängt als Codes versteckte Links ab, perzeptuelles Hashing fängt wiederverwendete Bilder ab, und die KI-Pipeline beurteilt den jeweils wiederhergestellten Text, sodass das Überwinden einer Schicht nicht alle auf einmal aushebelt.
Verwandte Funktionen
Entdecken Sie weitere Möglichkeiten, wie Telm Ihrer Community helfen kann