PROBLEMA
Cosa succede quando l'Admin clicca su "Mark As" o "Report As"?SOLUZIONE
Gestire i falsi positivi (FP) e i falsi negativi (FN) è una parte naturale della gestione di qualsiasi sistema di sicurezza email. Anche i motori di filtraggio più avanzati possono talvolta classificare erroneamente i messaggi, specialmente durante la fase iniziale di apprendimento o in base alle preferenze individuali dell'utente. Newsletter, notifiche automatiche ed email di marketing sono esempi comuni in cui la percezione dello spam può variare da un destinatario all'altro. Per questo motivo, un sistema efficace non deve solo rilevare gli errori, ma anche fornire strumenti rapidi e affidabili per correggerli e migliorare continuamente l'accuratezza.
Il meccanismo principale per gestire falsi positivi e falsi negativi è il Machine Learning e l'AI Classifier. Il sistema apprende continuamente dal flusso di posta, dalla classificazione dei messaggi e dal comportamento degli utenti, adattando le proprie decisioni nel tempo. Gli amministratori svolgono un ruolo chiave nell'accelerare e affinare questo processo di apprendimento attraverso due azioni principali disponibili nell'interfaccia: “Mark as” e “Report as.”
Quando un amministratore clicca su “Mark as”, l'azione viene utilizzata esclusivamente per l'addestramento locale del Machine Learning. Questo indica al sistema come quel messaggio specifico avrebbe dovuto essere classificato e migliora immediatamente il comportamento dei motori di Machine Learning sull'appliance. Nessun campione di email viene inviato al di fuori del sistema e la correzione si applica solo all'ambiente locale. Questa opzione è particolarmente utile per accelerare l'addestramento iniziale dopo il deployment o per correggere rapidamente errori di classificazione ricorrenti specifici dell'organizzazione.
Quando un amministratore clicca su “Report as”, l'azione esegue tre operazioni contemporaneamente. Prima di tutto, addestra i motori locali di Machine Learning allo stesso modo dell'azione “Mark as”. Inoltre, invia il campione completo dell'email originale, insieme all'analisi del gateway, ai Libraesva EsvaLabs.
I campioni vengono trasmessi in modo sicuro ai Libraesva EsvaLabs tramite una comunicazione crittografata e vengono archiviati offline e localmente presso gli EsvaLabs con una crittografia AES256.
Gli analisti di sicurezza degli EsvaLabs esaminano i messaggi, identificano indicatori di compromissione, li correlano con altri campioni e implementano azioni correttive sui dati di reputazione globale e sui motori di rilevamento. Aggiornano inoltre quotidianamente il motore AI privacy-first sulla tua appliance per migliorarne continuamente le capacità. Questi aggiornamenti frequenti prevengono il ripetersi dello stesso falso positivo o falso negativo in futuro.