Detecção de spam
com IA em 3 níveis
Três níveis de detecção — regras por palavra-chave, uma triagem rápida com IA local e uma verificação mais aprofundada com IA para casos incertos — analisam cada mensagem, e toda decisão fica registrada para você conferir.
- Alta taxa de detecção
- Resposta instantânea
- Poucos falsos positivos
Como funciona
Filtros baseados em regras
Padrões regex rápidos e heurísticas detectam o spam óbvio na hora.
- Correspondência de padrões regex
- Detecção de frases de spam conhecidas
- Verificação de lista de bloqueio de URLs
- Análise de codificação de caracteres
Modelo de IA local
Um modelo de machine learning no dispositivo analisa padrões de mensagens, comportamento do membro e contexto.
- Análise de padrões comportamentais
- Detecção de sequências de mensagens
- Pontuação de reputação do membro
- Classificação sensível ao contexto
Análise de IA na nuvem
Para casos difíceis, nosso LLM avançado na nuvem traz uma compreensão mais fina.
- Compreensão de linguagem natural
- Classificação de intenção
- Suporte a vários idiomas
- Aprendizado contínuo
O que ele detecta
Por que 3 níveis?
Sistemas de detecção de uma só camada enfrentam um dilema básico. Nossa abordagem em 3 níveis resolve isso.
- Nível 1 lida com a maior parte do spam com latência quase zero.
- Nível 2 captura mais spam com análise comportamental.
- Nível 3 lida com o spam mais sofisticado que restou.
Por que só regras deixam de ser suficientes
| Desafio | Só regras de palavras-chave | Análise por IA |
|---|---|---|
| Spam inédito | Deixa passar tudo que não foi listado explicitamente com antecedência | Julga o sentido e a intenção, então um golpe que ela nunca viu ainda soa como golpe |
| Texto disfarçado | É derrotada por e.s.p.a.ç.o.s, homoglifos e texto embutido em imagens | Enxerga através do disfarce como um humano faz — incluindo texto dentro de imagens via OCR |
| Contexto | Julga cada mensagem isoladamente, então os casos limítrofes viram cara ou coroa | Pondera a mensagem junto com o contexto da conta — um recém-chegado deixando dados de contato soa diferente de um frequentador compartilhando um link |
| Manutenção | Alguém tem que manter as listas de palavras-chave atualizadas para sempre | Continua aprendendo com as decisões e os sinais entre grupos sem curadoria manual de listas |
Ele continua aprendendo — com tráfego real
Nosso próprio modelo treinado
Um modelo de spam dedicado, treinado com tráfego real do Telegram, pega 97,9% do spam com apenas 0,07% de falsos positivos — e responde em milissegundos, antes mesmo de uma IA mais pesada precisar rodar.
Memória de veredictos
Veredictos confirmados são lembrados. Quando um quase-duplicado de spam conhecido aparece — mesmo reescrito ou recheado de emojis —, ele é bloqueado na hora, sem nova chamada de IA e sem atraso.
Proteção entre grupos
Um spammer pego numa comunidade é conhecido em todas. Os sinais de detecção são compartilhados entre grupos, então uma campanha que falhou uma vez não ganha um novo começo na porta ao lado.
Modo de teste para administradores
Ative o modo de teste e o bot modera as próprias mensagens dos administradores como se fossem membros comuns. Publique você mesmo conteúdo limítrofe e veja exatamente quais regras disparam — sem punir ninguém.
Como a detecção em 3 níveis decide sobre uma mensagem
Toda mensagem passa pelos níveis em ordem, começando pelo mais barato. O Nível 1 aplica padrões de regex, frases de spam conhecidas, consultas a listas de bloqueio de URLs e verificações de codificação de caracteres — o spam óbvio é pego aqui, sem nenhuma chamada a modelo. O que não fica claramente resolvido passa ao Nível 2, um classificador de texto rodando em nossos próprios servidores, que pontua a mensagem por conteúdo, contexto e comportamento recente do remetente, sem nenhuma requisição a API externa por mensagem. Só os casos genuinamente na fronteira — uma fatia pequena do tráfego — chegam ao Nível 3, um LLM na nuvem que lê a mensagem em busca de intenção e frases disfarçadas. A esteira para assim que um nível tem confiança.
Ordenar as verificações assim mantém o caso comum rápido e o caso caro raro, para que um grupo movimentado não fique esperando um LLM a cada linha. O limiar entre “agir” e “deixar quieto” é seu para ajustar, e vale a pena fazer: uma configuração mais rígida pega mais divulgação de fronteira, mas vai, de vez em quando, sinalizar um usuário real entusiasmado, enquanto uma mais frouxa deixa passar mais. Como toda decisão — qual nível disparou, a pontuação, a ação pretendida — é registrada no log, você nunca fica adivinhando por que uma mensagem foi removida, e pode começar no Modo de Monitoramento para observar a esteira antes que ela toque em alguém.
Perguntas frequentes
Qual é a precisão da detecção de spam com IA?
O pipeline em camadas — regras, o nosso próprio modelo treinado e um classificador de IA para os casos difíceis — pega cerca de 97,9% do spam com aproximadamente 0,07% de falsos positivos em tráfego real. E você não precisa acreditar na nossa palavra: o bot começa no modo de monitoramento, então você pode observar as decisões dele no seu próprio grupo antes que ele aja em qualquer coisa.
Funciona no meu idioma?
Sim. A detecção é multilíngue, incluindo sistemas de escrita CJK, texto transliterado e mensagens em vários idiomas. O OCR também lê o texto dentro de imagens, então spam escondido em fotos é pego do mesmo jeito.
O que acontece quando a IA erra?
O membro punido recebe um aviso cortês no próprio idioma e um link de recurso privado. Um árbitro de IA analisa o caso com o contexto do grupo; erros claros são revertidos automaticamente em segundos e a reputação do membro é restaurada.
Preciso configurar alguma coisa?
Não. A detecção funciona de cara com padrões sensatos. Se quiser, você pode ajustar o rigor, adicionar as suas próprias regras de palavras-chave e usar o modo de teste para sentir os limiares nas suas próprias mensagens primeiro.
Recursos relacionados
Explore mais maneiras pelas quais o Telm pode ajudar sua comunidade