PROBLEM
Was passiert, wenn der Admin auf „Mark as“ oder „Report as“ klickt?LÖSUNG
Der Umgang mit False Positives (FP) und False Negatives (FN) ist ein natürlicher Bestandteil des Betriebs jedes E-Mail-Sicherheitssystems. Selbst die fortschrittlichsten Filter-Engines können Nachrichten gelegentlich falsch klassifizieren, insbesondere während der anfänglichen Lernphase oder aufgrund individueller Nutzerpräferenzen. Newsletter, automatisierte Benachrichtigungen und Marketing-E-Mails sind häufige Beispiele, bei denen die Spam-Wahrnehmung von Empfänger zu Empfänger variieren kann. Aus diesem Grund muss ein effektives System nicht nur Fehler erkennen, sondern auch schnelle und zuverlässige Tools zur Korrektur bereitstellen, um die Genauigkeit kontinuierlich zu verbessern.
Der wichtigste Mechanismus zur Verwaltung von False Positives und False Negatives ist Machine Learning und der AI Classifier. Das System lernt kontinuierlich aus dem Mailverkehr, der Nachrichtenklassifizierung und dem Nutzerverhalten und passt seine Entscheidungen im Laufe der Zeit an. Administratoren spielen eine Schlüsselrolle bei der Beschleunigung und Verfeinerung dieses Lernprozesses durch zwei Hauptaktionen, die in der Oberfläche verfügbar sind: „Mark as“ und „Report as“.
Wenn ein Administrator auf „Mark as“ klickt, wird diese Aktion ausschließlich für das lokale Machine-Learning-Training verwendet. Dadurch wird dem System mitgeteilt, wie diese bestimmte Nachricht hätte klassifiziert werden sollen, und das Verhalten der Machine-Learning-Engines auf der Appliance wird sofort verbessert. Es wird keine E-Mail-Probe außerhalb des Systems gesendet, und die Korrektur gilt nur für die lokale Umgebung. Diese Option ist besonders nützlich, um das anfängliche Training nach der Bereitstellung zu beschleunigen oder wiederkehrende Fehlklassifizierungen, die spezifisch für die Organisation sind, schnell zu korrigieren.
Wenn ein Administrator auf „Report as“ klickt, führt diese Aktion gleichzeitig drei Vorgänge aus. Erstens trainiert sie die lokalen Machine-Learning-Engines auf die gleiche Weise wie die Aktion „Mark as“. Zusätzlich sendet sie die vollständige Original-E-Mail-Probe zusammen mit der Analyse des Gateways an die Libraesva EsvaLabs.
Die Proben werden sicher über eine verschlüsselte Kommunikation an die Libraesva EsvaLabs übertragen und offline sowie lokal bei EsvaLabs mit einer AES256-Verschlüsselung gespeichert.
Sicherheitsanalysten bei EsvaLabs überprüfen die Nachrichten, identifizieren Kompromittierungsindikatoren, korrelieren sie mit anderen Proben und implementieren Korrekturmaßnahmen für globale Reputationsdaten und Erkennungs-Engines. Sie aktualisieren außerdem täglich die datenschutzorientierte AI-Engine auf Ihrer Appliance, um deren Fähigkeiten kontinuierlich zu verbessern. Diese häufigen Updates verhindern das erneute Auftreten desselben False Positive oder False Negative in der Zukunft.