Rspamd 3.13 запускается с многоуровневым Байесом на основе Redis

Rspamd 3.13, система фильтрации спама с открытым исходным кодом, предлагает многоклассовый Байес, обновленный нейронный модуль и улучшенную поддержку встраивания LLM.

Через три месяца после предыдущего релиза 3.12, Rspamd, бесплатная и с открытым исходным кодом продвинутая система фильтрации спама, широко используемая на почтовых серверах, почтовых шлюзах и устройствах безопасности для управления спамом, выпустила свое последнее обновление — версию 3.13.

Одним из основных изменений является переход к многоклассовой классификации Байеса. Вместо традиционного разделения на спам/не спам, Rspamd теперь поддерживает от двух до двадцати именованных классов, обрабатываемых за один вызов Redis для каждого сообщения. Это работает с существующей настройкой is_spam, но добавляет помеченные классы и автоподобие обучения.

API и CLI Lua также были обновлены, с добавлением новых команд, таких как rspamc learn_class:transactional, и функции Lua для получения результатов мультикласса.

Нейронный модуль также был полностью переработан. Теперь он основан на поставщике, поддерживает версионирование и добавляет подключаемое слияние признаков с обученной нормализацией. Кэширование LLM-встраиваний на базе Redis также является частью этого, с целью контроля как стоимости, так и задержки.

Со стороны разбора MIME-парсер теперь может автоматически определять типы частей, а HTML-парсер извлекает больше функций для последующих модулей.

Кроме того, в Rspamd 3.13 были добавлены селекторы multimap, улучшена обработка таймаута HTTP, а надежность работы с upstream теперь повышается за счет режима зондирования. Плюс, веб-интерфейс получил обновление на основе Bootstrap, управление классами Bayes и новые сквозные тестовые потоковые проверки.

В заключение стоит отметить, что интеграции с LLM и GPT также были улучшены, с лучшей обработкой запросов и начальной поддержкой GPT-5 от OpenAI. В этом выпуске исправления включают переписанный и оптимизированный плагин DCC, улучшенную канонизацию тела DKIM и ряд менее значительных улучшений надежности.

Для получения дополнительной информации см. объявление или обратитесь к журналу изменений проекта на GitHub.