O que detectamos
Texto em imagens (OCR)
Extraia e analise texto de imagens, capturas de tela e fotos.
Códigos QR
Decodifique códigos QR para revelar links e spam escondidos.
Capturas comuns
- Imagens de golpe de cripto com endereços de carteira
- Códigos QR que levam a sites de phishing
- Imagens promocionais com texto de spam
- Capturas de tela de mensagens de spam
Como texto e códigos são extraídos de imagens
Os spammers movem a carga para dentro de imagens justamente para escapar dos filtros de texto, então o Telm lê as imagens também. Toda imagem passa por OCR — reconhecimento óptico de caracteres — para extrair qualquer texto que ela contenha, seja o endereço de uma carteira num gráfico de golpe cripto, uma promoção escrita sobre uma foto ou um print de uma mensagem de spam. Em paralelo, qualquer código QR é decodificado para revelar o link escondido dentro, muitas vezes um destino de phishing ou malware que a imagem nunca mostra em texto simples. O texto extraído e os links decodificados são então devolvidos à mesma esteira que julga as mensagens comuns, então o spam em imagem é avaliado pelo seu conteúdo real.
Isso fecha a brecha óbvia de qualquer defesa só de texto e funciona automaticamente em toda imagem, ao lado do hashing perceptual de imagens, que reconhece uma figura já vista antes mesmo quando ela foi recodificada de leve. O reconhecimento cobre oito idiomas — inglês, russo, alemão, francês, espanhol, chinês, japonês e coreano — e é aí que ficam os limites honestos: o OCR não é perfeito com fontes muito estilizadas, texto distorcido ou imagens de resolução muito baixa, e uma escrita fora desse conjunto não será transcrita. É uma camada extra forte, não uma garantia de que nenhum texto pode se esconder numa imagem, e é por isso que ela alimenta a esteira mais ampla em vez de decidir sozinha.
Perguntas frequentes
Escanear toda imagem deixa meu grupo mais lento ou me custa algo?
O escaneamento roda automaticamente em segundo plano conforme as imagens chegam; os membros não ficam esperando por ele para continuar conversando. Faz parte da esteira de proteção, e não de um complemento pago à parte. O hashing perceptual de imagens também deixa uma figura já vista e julgada ser reconhecida de novo rapidamente, então imagens de spam repetidas não precisam, cada uma, de uma reanálise completa.
O OCR vai ler imagens normais errado e sinalizar posts inocentes?
O OCR só extrai texto; ele não decide sozinho. As palavras extraídas e qualquer link de QR decodificado passam pela mesma esteira de detecção que uma mensagem normal, então um meme inofensivo com texto é julgado pelo que aquele texto de fato diz. Como em toda detecção, os casos de fronteira são registrados e revisáveis, e você pode observar isso no Modo de Monitoramento antes de a aplicação estar ligada.
Quais idiomas ele consegue mesmo ler?
O reconhecimento cobre oito idiomas: inglês, russo, alemão, francês, espanhol, chinês, japonês e coreano. Texto em um idioma fora desse conjunto não será transcrito de forma confiável, e fontes muito estilizadas, letras distorcidas ou prints de resolução muito baixa podem derrotar o OCR — o que é uma das razões de ele funcionar como uma camada que alimenta a esteira mais ampla, e não como um filtro autônomo.
Os spammers conseguem vencer o OCR distorcendo o texto de uma imagem?
Às vezes — texto deliberadamente deformado ou com ruído é exatamente com o que o OCR tem dificuldade, e um spammer determinado pode degradar uma imagem para prejudicar o reconhecimento. É por isso que o OCR não fica sozinho: a decodificação de QR pega links escondidos como códigos, o hashing perceptual pega imagens reaproveitadas e a esteira de IA julga qualquer texto recuperado, então vencer uma camada não libera todas elas.
Recursos relacionados
Explore mais maneiras pelas quais o Telm pode ajudar sua comunidade