Wie die Spam-Erkennung von Telm funktioniert

1Ein Bot, viele Schichten

Telm verlässt sich nicht auf einen einzigen Trick. Stellen Sie es sich wie die Sicherheit an einem Flughafen vor: Eine Nachricht durchläuft mehrere Kontrollpunkte, einen nach dem anderen, und kann an jedem davon freigegeben oder gestoppt werden.

Dieses mehrschichtige Design macht den Schutz sowohl zuverlässig als auch schnell. Offensichtliche Fälle werden sofort entschieden, und nur die wirklich mehrdeutigen Nachrichten werden genauer betrachtet — deshalb wird selbst eine betriebsame Gruppe mit Zehntausenden Mitgliedern in Echtzeit moderiert, ohne sich je träge anzufühlen.

• Globale Spammer-Prüfung — bekannte Missbraucher werden am Eingang gestoppt, vor ihrer ersten Nachricht.
• Regel- und Muster-Detektoren — eine große Bibliothek, die Spam-Schemata auf einen Blick erkennt.
• Wiederholungsspam-Gedächtnis — eine Welle identischen oder ähnlich aussehenden Spams wird auf einmal erfasst.
• Unser eigenes ML-Modell — auf echtem Spam in vielen Sprachen trainiert, um Kampagnen zu fangen, die es nie gesehen hat.
• KI-Klassifikator — liest Bedeutung, für die seltene Nachricht, die wirklich grenzwertig ist.
• Selbstlernend — Ihre Entscheidungen machen jede Schicht für Ihre Gruppe schärfer.

2Die Reise einer einzelnen Nachricht

Das passiert, wenn jemand in Ihrer Gruppe postet. Die Nachricht wird Schicht für Schicht geprüft, und die meisten Nachrichten werden lange vor dem Ende freigegeben oder erfasst.

Admins, der Gruppeneigentümer und vertrauenswürdige Mitglieder auf der Whitelist werden nie moderiert — ihre Nachrichten überspringen diese Prüfungen vollständig, weshalb Sie sich nie sorgen müssen, dass der Bot Ihr eigenes Team berührt.

• Eintrittsprüfung — ein bekannter Spammer wird von der globalen Spammer-Datenbank an der Tür gestoppt, vor seiner ersten Nachricht (siehe CAS-Sperrliste und die globale Spam-Datenbank).
• Regeln und Muster — viele Detektoren summieren einen Spam-Score. Kein einzelnes Wort sperrt jemanden; die Entscheidung ergibt sich aus der Summe der Signale.
• Wiederholungsspam-Gedächtnis — wurde derselbe oder nahezu identische Text gerade in Ihrer Gruppe beurteilt, wird diese Antwort wiederverwendet, sodass eine Flut von Kopien in einem Zug behandelt wird.
• Unser ML-Modell — bewertet, wie spammig die Formulierung wirkt; sicherer Spam und sicher sauberer Text werden hier entschieden, und die Mitte zieht weiter.
• KI-Schicht — ein Sprachmodell liest die Bedeutung einer noch mehrdeutigen Nachricht (siehe KI-Moderation).
• Bilder und Audio — Perceptual Hashing, OCR-Texterkennung, QR-Code-Erkennung und Sprachtranskription speisen ihren Text zurück in genau dieselben Prüfungen.
• Urteil und Aktion — durchlassen, löschen, stummschalten, sperren oder zur Admin-Prüfung senden. Alles wird mit dem Grund im Moderationsjournal protokolliert.

3Was jede Schicht tatsächlich tut

Es hilft zu wissen, welche Aufgabe jeder Kontrollpunkt wirklich erfüllt, denn sie fangen sehr unterschiedliche Arten von Spam. Zusammen decken sie die blinden Flecken der anderen ab.

• Regel- und Muster-Detektoren — handgebaute Detektoren, die Spam-Schemata statt einzelner Wörter erkennen: Ins-DM-locken-Köder, versteckte Werbung, Promotion für Fremdkanäle, strukturelle Tricks und Verschleierung. Sie arbeiten auf normalisiertem Text, sodass gemischte Alphabete und eingefügte Symbole sie nicht täuschen.
• Wiederholungsspam-Gedächtnis — erkennt identische und nahezu identische Nachrichten (eine getauschte Telefonnummer, ein anderer Handle) und verwendet das frühere Urteil wieder, sodass koordinierte Fluten im Moment ihres Beginns abgeschaltet werden.
• Unser eigenes ML-Modell — ein Machine-Learning-Klassifikator, trainiert auf einer riesigen Sammlung bestätigten Spams plus sauberer Sprache in vielen Sprachen. Es verallgemeinert auf Kampagnen, die es nie gesehen hat, einschließlich verschleierter und übersetzter Varianten.
• KI-Klassifikator — ein Sprachmodell, das der echten Grauzone vorbehalten ist. Es liest die Absicht, sodass es eine echte Frage von einer getarnten Anpreisung unterscheiden kann.
• Bild- und Audioverständnis — OCR zieht Text aus Bannern und Screenshots, Perceptual Hashing gleicht bekannte Spam-Bilder ab, QR-Codes werden dekodiert, und Sprach- und Videonachrichten werden transkribiert. All dieser gewonnene Text kehrt in dieselben Regel-, Modell- und KI-Prüfungen zurück.

4Scores, Schwellen und Aktionen

Statt eines groben Ja/Nein sammelt jede Nachricht einen Spam-Score aus vielen Signalen an. Je höher der Score, desto stärker die Aktion — und ein einzelnes unglückliches Wort kann für sich genommen nie einen Bann erreichen, weil der Beitrag von Schlüsselwörtern deutlich unter den Bestrafungsschwellen gedeckelt ist.

Das ist die eingebaute Schutzmaßnahme gegen falsche Banns: Ein Urteil wird nie allein durch Wörter gefällt, sondern nur durch das Gesamtbild. Die Strenge dieser Schwellen steuern Sie über die Moderations-Strenggrade und Schutz-Voreinstellungen.

• Sehr hoher Score — automatische Entfernung und bei klarem Missbrauch eine Stummschaltung oder ein Bann.
• Mittlerer Score — zur Prüfung an einen Admin gesendet, statt blind zu handeln.
• Niedriger Score, nichts Verdächtiges — die Nachricht wird sofort freigegeben.
• Neue oder nicht vertrauenswürdige Mitglieder unterliegen etwas strengeren Schwellen als langjährige, vertrauenswürdige Stammgäste, sodass vertrauenswürdige Mitglieder fast nie erwischt werden.
• Jede Aktion ist umkehrbar und anfechtbar, und jede Entscheidung hält fest, welche Schicht entschieden hat und warum (siehe Moderationsentscheidungen verstehen).

5Was es erfasst

Statt Stoppwörter abzugleichen, erkennt die Engine Spam-Schemata an ihrem gesamten Muster, einschließlich verschleierter, bildbasierter und gesprochener Varianten. Das sind die Familien, die zu stoppen sie gebaut ist.

• Ins-DM-locken-Köder — Einladungen, in privaten Nachrichten weiterzumachen, selbst wenn sie wie eine normale Bemerkung formuliert sind.
• Versteckte Werbung und Promotion für Drittkanäle, einschließlich Weiterleitungen von anderen Kanälen (siehe Weiterleitungen und Kanäle steuern).
• Koordinierte Kampagnen — derselbe Text, der über viele Gruppen auftaucht oder von mehreren Konten innerhalb einer Gruppe in kurzer Zeit.
• Betrugs- und Phishing-Muster — gefälschte Gewinnspiele, Anlageköder und Identitätsdiebstahl von Admins (siehe Wie die Betrugserkennung funktioniert).
• Bildspam — Casino-Banner, QR-Codes und in Bilder eingebrannter Text.
• Sprach- und Videonachrichten-Spam — Anpreisungen und Links, die vorgelesen werden, um reine Text-Bots zu umgehen.
• Verschleierter Text — gemischte Alphabete, eingefügte Symbole und ähnlich aussehende Zeichen.

6Wie falsche Banns verhindert werden

Die größte Angst bei jedem Anti-Spam-Bot ist, dass er versehentlich ein echtes Mitglied entfernt. Telm ist so gestaltet, dass dies sowohl selten als auch immer wiederherstellbar ist, weil jede Entscheidung transparent und umkehrbar ist.

Mehrere Schutzmaßnahmen wirken gleichzeitig, und alle stellen das menschliche Urteil über die Maschine.

• Score-Deckelung — Schlüsselwörter allein können nie einen Bann erreichen; es braucht das kombinierte Gewicht vieler unabhängiger Signale.
• Admins und vertrauenswürdige Mitglieder werden nie moderiert, und Sie können Ihrer Whitelist- und Vertrauensliste weitere Namen hinzufügen.
• Die Zone mittlerer Konfidenz geht zur Admin-Prüfung statt zu einer automatischen Bestrafung.
• Jede Aktion wird mit ihrem Grund protokolliert und kann angefochten werden — genehmigte Einsprüche geben auch ähnliche Nachrichten frei (siehe Wie Einsprüche funktionieren).
• Ein optionales persönliches ML-Modell lernt die normale Sprache Ihrer Community und legt gegen Fehlalarme ein Veto ein, die nicht dazu passen — es kann Nachrichten nur freigeben, nie bestrafen.

7Es lernt von Ihnen

Das System ist nicht eingefroren. Ihre Moderationsentscheidungen und genehmigten Einsprüche schulen es fortlaufend, sodass es mit der Zeit für Ihre spezifische Community genauer wird.

Jede dieser Rückkopplungsschleifen steht unter dem menschlichen Urteil — wenn Sie einen Einspruch genehmigen oder einen Fehlalarm markieren, überstimmt dieses Urteil die Maschine und gibt auch ähnliche Nachrichten frei.

• Ihre Korrekturen verbessern das ML-Modell laufend, sodass sich die Erkennung für die Art von Nachrichten schärft, die Ihre Gruppe tatsächlich sieht.
• Eine Nachricht als Fehlalarm zu markieren, gibt sofort die ähnlich aussehenden Nachrichten in ihrem Umfeld frei.
• Neue Detektoren werden auf echtem Traffic erprobt, bevor sie handeln dürfen, und zurückgenommen, wenn sie zu schwächeln beginnen.
• Die Bilanz eines Mitglieds passt an, wie viel Spielraum es erhält: eine Historie sauberer Nachrichten verdient etwas Nachsicht, eine Bestrafung verengt sie.
• Ein persönliches ML-Modell kann auf Ihrem eigenen Chat trainiert werden, um Fehlalarme bei der normalen Ausdrucksweise Ihrer Community freizugeben.

8Die Kontrolle behalten

Sie entscheiden, wie streng der Bot ist. Zwei Einstellungen zählen am Anfang am meisten, und alles, was der Bot tut, ist sichtbar und anpassbar.

Der Beobachtungsmodus lässt Sie beobachten, was der Bot tun würde, ohne tatsächlich jemanden zu bestrafen — der sicherste Weg, Vertrauen aufzubauen, bevor Sie die echte Durchsetzung einschalten.

• Beobachtungsmodus — nur beobachten, keine Bestrafungen, alles wird zur Prüfung protokolliert.
• Strenggrade und Voreinstellungen — wählen Sie ein fertiges Profil oder justieren Sie Schwellen für Ihre Community fein.
• Gelockerte Regeln — benennen Sie bestimmte Detektoren, die in Ihrer Gruppe nicht scoren dürfen (kritische Schutzmaßnahmen lassen sich nicht lockern).
• Verkaufs- und Krypto-Community-Modus zulassen — mildern Sie Auslöser für Communitys, in denen Handelsgespräche normal sind.
• Schalter pro Gruppe für CAS, die globale Spam-Datenbank, KI-Moderation, Sprachmoderation und das persönliche Modell.

9Bewährte Praktiken und häufige Fehler

Ein paar Gewohnheiten bringen Ihnen den größten Schutz mit den wenigsten Fehlalarmen. Die meisten Probleme neuer Admins laufen darauf hinaus, eine davon auszulassen.

• Beginnen Sie im Beobachtungsmodus und lesen Sie das Journal ein paar Tage, bevor Sie durchsetzen.
• Setzen Sie Ihr eigenes Team und bekannte Partner auf die Whitelist, damit ihre Links nie infrage gestellt werden.
• Aktivieren Sie die globale Spammer-Prüfung sofort — sie entfernt Angriffe, bevor Sie sie je sehen.
• Handeln Sie bei Einsprüchen und Fehlalarmen; jede Korrektur macht den Schutz Ihrer Gruppe schärfer.
• Deaktivieren Sie nicht ganze Schutzmaßnahmen, um einen einzelnen Fehlalarm zu beheben — lockern Sie stattdessen die betroffene Regel oder setzen Sie das Mitglied auf die Whitelist.
• Erwarten Sie nicht, dass brandneue Spammer auf irgendeiner externen Liste stehen; genau dafür sind die Regel-, Modell- und KI-Schichten da.