Detectarea spamului din imagini prin OCR în Telm

1De ce se ascunde spamul în interiorul imaginilor

Un filtru clasic de cuvinte-cheie se uită doar la textul mesajului, deci spammerii își pun oferta într-o imagine în schimb: un banner de cazinou, o captură de ecran de investiție, un cod QR care duce la un canal de înșelătorie. Pentru un bot naiv, mesajul pare gol și inofensiv.

Telm tratează o imagine drept conținut de citit, nu un atașament opac. Fiecare fotografie este inspectată în timp ce rulează restul verificărilor, astfel încât spamul din imagini este oprit în aceeași trecere ca spamul text.

2Cum citește Telm textul din interiorul unei imagini

OCR (recunoaștere optică a caracterelor) transformă literele tipărite pe o imagine înapoi în text. Telm citește cu motorul Tesseract, ajustat pentru limbile pe care le vorbește efectiv comunitatea dumneavoastră.

Odată ce textul este extras, o imagine neobișnuit de încărcată cu text este tratată ca o probabilă reclamă, iar cuvintele recuperate sunt trecute prin regulile dumneavoastră normale de spam. Dacă acele reguli se potrivesc, imaginea este punctată exact ca un mesaj text care ar fi spus același lucru.

• Citire multilingvă din start — engleză și rusă implicit, plus germană, franceză, spaniolă și CJK (chineză, japoneză, coreeană).
• O imagine încărcată cu text (multe cuvinte tipărite cu bună încredere) este ea însăși un semnal de spam.
• Textul recuperat este reverificat față de biblioteca completă de reguli, astfel încât ofertele ascunse în interiorul bannerelor sunt prinse.
• Rezultatele sunt reținute după amprenta imaginii, astfel încât aceeași imagine nu este niciodată procesată de două ori.

3Trei verificări pe fiecare imagine

OCR este una dintre cele trei verificări care rulează împreună pe fiecare imagine. Împreună acoperă bannerele reutilizate, textul tipărit și linkurile codificate.

• Hash perceptual — recunoaște un banner de spam cunoscut chiar și după ce a fost redimensionat, decupat sau recolorat. O imagine semnalată ca spam într-un grup este recunoscută în toate grupurile.
• OCR — citește textul tipărit în interiorul imaginii și îl trece prin regulile de spam.
• Decodor QR — extrage linkuri (inclusiv t.me, wa.me și telegram.me) și numere de telefon ascunse într-un cod QR și semnalează țintele suspecte.

4Când intervine viziunea AI

Verificările rapide de mai sus rezolvă majoritatea imaginilor pe cont propriu. Pentru zona gri autentică — o imagine care nu este nici un banner cunoscut evident, nici evident curată — Telm poate escalada către un model de viziune AI care descrie ce arată efectiv imaginea.

Această privire mai profundă este rezervată acelor cazuri limită, deci intervine doar când semnalele mai rapide sunt neconcludente.

5Ce controlați dumneavoastră

Detectarea inteligentă a imaginilor nu necesită nicio configurare — este activată de îndată ce botul impune. Dacă comunitatea dumneavoastră nu ar trebui să posteze deloc imagini, puteți aplica de asemenea o blocare directă care șterge fiecare imagine indiferent de conținut.

Cele două abordări sunt independente: detectarea inteligentă elimină imaginile de tip spam lăsând fotografiile normale să treacă; filtrul direct elimină toate imaginile. Majoritatea grupurilor doresc doar detectarea inteligentă.

• Detectare inteligentă (hash + OCR + QR) — păstrează fotografiile reale, elimină spamul din imagini. Activată implicit.
• Blochează toate imaginile — un filtru dur pentru comunități doar-text. Consultați filtrele de conținut.