الملخص

أدى التهديد المتزايد لرسائل البريد الإلكتروني غير المرغوب فيها (البريد العشوائي) إلى أهمية تصفية البريد العشوائي في التبادل الآمن للاتصالات الرقمية. تنتهك رسائل البريد العشوائي خصوصية المستخدم وتقوض سلامة الأنظمة والإنتاجية. أكثر من 50% من حركة البريد الإلكتروني العالمية هي رسائل بريد عشوائي، والتي تطورت مؤخرًا إلى هجمات تصيد احتيالي أكثر تعقيدًا، باستخدام صور مضمّنة، وطرق أخرى. لم تعد طرق تصفية البريد العشوائي التقليدية كافية. تُحسّن أساليب التعلم العميق الحديثة تصفية البريد العشوائي بشكل كبير من خلال إجراء استخراج آلي متطور للميزات على النصوص والصور والوسائط المختلطة. تستخدم تقنيات تصفية البريد العشوائي شبكات عصبية تلافيفية (CNNs) للتعلم العميق لتحديد موقع الميزات، ونماذج الشبكات العصبية المتكررة (RNNs) ذات الذاكرة طويلة المدى قصيرة المدى (LSTM) ووحدات التكرار المبوّبة (GRUs) للمعالجة المتسلسلة للنصوص والوسائط الأخرى، ونماذج المحولات مثل BERT وRoBERTa للتحليل السياقي للنص. تصل دقة الكشف عن البريد العشوائي باستخدام الطرق الهجينة إلى 99.33%، على الرغم من أن هذه الطرق تتطلب موارد ضخمة.
ومع ذلك، لا تزال هناك تحديات، مثل أوجه القصور والفجوات في مجموعات البيانات، بالإضافة إلى مشكلات قابلية التفسير والخصوصية واستهلاك موارد التدريب على نطاق واسع، دون معالجة. وتُظهر الحلول المحتملة، مثل التعلم الذاتي الإشراف، وتطوير نماذج أبسط، وتقنيات التكيف مثل التعلم التعزيزي والتعلم المستمر، قيمةً كبيرة. وتشهد الأطر المقترحة للذكاء الاصطناعي القابل للتفسير (XAI) شعبية متزايدة، ولسبب وجيه: فهي تزيد من الشفافية والثقة. ولا شك أن التعلم العميق هو تقنيةٌ تُحدث نقلة نوعية في مجال تصفية البريد العشوائي. ومع ذلك، فإن القضية الأساسية تكمن في تحقيق الكفاءة التشغيلية.