苹果最新回应垃圾信息泛滥:正探索采用机器学习模型识别

简介: 针对此前媒体广泛报道的iMessage垃圾信息泛滥现状,8月2日午间,苹果官方回应中新经纬客户端称,我们非常重视中国用户,目前我们正在探索更多的办法以进一步减少垃圾信息,包括采用更先进的机器学习模型以识别垃圾信息,以及推出更多的工具来阻止恶意发件账号。

针对此前媒体广泛报道的iMessage垃圾信息泛滥现状,8月2日午间,苹果官方回应中新经纬客户端称,我们非常重视中国用户,目前我们正在探索更多的办法以进一步减少垃圾信息,包括采用更先进的机器学习模型以识别垃圾信息,以及推出更多的工具来阻止恶意发件账号。

iMessage是苹果公司的一款即时通信服务,可以发送短信、视频等内容。当有陌生人发送iMessage信息时,用户可以点击信息下方的“报告垃圾信息”按键,删除并向苹果报告垃圾信息。但是发送垃圾信息的账号最多只是被封禁,发送消息者只需注册新账户即可再发。

image

(网友收到的iMessage垃圾短信)


“通过iOS,我们已经推出了一些让用户可以轻松采纳的应对方法,比如过滤非所需联系人或电话号码,阻止未知发件人的信息,并报告疑似垃圾信息的 iMessage 信息。我们将继续努力保护我们的顾客免受垃圾信息的骚扰。”苹果方面今天称,“苹果在iOS 11中推出了SMS fraud extension(恶意短信拦截插件),使得像腾讯手机管家这样的第三方App可以发现潜在的垃圾短信,并将它们移送到专属的文件夹里。”

据了解,苹果iMessage垃圾信息泛滥的背后,是极低的群发消息成本。在某网络平台,有用户搜索发现有不少代发iMessage广告的商家,报价多为0.1元一条,发送数量在十万条以上的价格为0.09元一条。不仅有商家明码标价售卖iMessage群发设备、代发iMessae垃圾信息,用户的AppleID 也疑似遭到泄漏和贩卖。

此前,针对iMessage垃圾信息的情况,苹果公司回复称用户可以在设备上阻止联系人和电话号码,还可以过滤掉未知发件人发来的iMessage信息,并报告疑似垃圾信息的iMessage信息。不过,苹果公司表示,iMessage垃圾信息是通过运营商发送的,苹果没有权力辨别或拦截个人信息。

多位业内人士曾对媒体表示,拦截iMessage垃圾消息的难点主要在于如何识别垃圾消息,存在误报风险。iMessage作为即时通信软件对时效性要求高,不像电子邮件,即便被误判为垃圾信息也不一定会损害通信效率。而iMessage相较于QQ、微信等其他即时通信软件,默认允许接收陌生人信息,因此垃圾信息很多。

除了用机器学习模型以识别垃圾信息,苹果公司还表示正在跟国内的电信企业接触,并探索其他可以采取的方法来减轻垃圾信息带来的困扰。

原文发布时间为:2018-08-02
本文作者:AI小智君
本文来自云栖社区合作伙伴“人工智能观察”,了解相关信息可以关注“人工智能观察”。

相关文章
|
2月前
|
人工智能 自然语言处理 IDE
模型微调不再被代码难住!PAI和Qwen3-Coder加速AI开发新体验
通义千问 AI 编程大模型 Qwen3-Coder 正式开源,阿里云人工智能平台 PAI 支持云上一键部署 Qwen3-Coder 模型,并可在交互式建模环境中使用 Qwen3-Coder 模型。
590 109
|
3月前
|
人工智能 自然语言处理 运维
【新模型速递】PAI-Model Gallery云上一键部署Kimi K2模型
月之暗面发布开源模型Kimi K2,采用MoE架构,参数达1T,激活参数32B,具备强代码能力及Agent任务处理优势。在编程、工具调用、数学推理测试中表现优异。阿里云PAI-Model Gallery已支持云端部署,提供企业级方案。
269 0
【新模型速递】PAI-Model Gallery云上一键部署Kimi K2模型
|
3月前
|
人工智能 自然语言处理 运维
【新模型速递】PAI-Model Gallery云上一键部署gpt-oss系列模型
阿里云 PAI-Model Gallery 已同步接入 gpt-oss 系列模型,提供企业级部署方案。
|
4月前
|
机器学习/深度学习 算法 安全
差分隐私机器学习:通过添加噪声让模型更安全,也更智能
本文探讨在敏感数据上应用差分隐私(DP)进行机器学习的挑战与实践。通过模拟DP-SGD算法,在模型训练中注入噪声以保护个人隐私。实验表明,该方法在保持71%准确率和0.79 AUC的同时,具备良好泛化能力,但也带来少数类预测精度下降的问题。研究强调差分隐私应作为模型设计的核心考量,而非事后补救,并提出在参数调优、扰动策略选择和隐私预算管理等方面的优化路径。
317 3
差分隐私机器学习:通过添加噪声让模型更安全,也更智能
|
4月前
|
机器学习/深度学习 人工智能 算法
Post-Training on PAI (4):模型微调SFT、DPO、GRPO
阿里云人工智能平台 PAI 提供了完整的模型微调产品能力,支持 监督微调(SFT)、偏好对齐(DPO)、强化学习微调(GRPO) 等业界常用模型微调训练方式。根据客户需求及代码能力层级,分别提供了 PAI-Model Gallery 一键微调、PAI-DSW Notebook 编程微调、PAI-DLC 容器化任务微调的全套产品功能。
|
4月前
|
机器学习/深度学习 分布式计算 Java
Java 大视界 -- Java 大数据机器学习模型在遥感图像土地利用分类中的优化与应用(199)
本文探讨了Java大数据与机器学习模型在遥感图像土地利用分类中的优化与应用。面对传统方法效率低、精度差的问题,结合Hadoop、Spark与深度学习框架,实现了高效、精准的分类。通过实际案例展示了Java在数据处理、模型融合与参数调优中的强大能力,推动遥感图像分类迈向新高度。
|
4月前
|
机器学习/深度学习 存储 Java
Java 大视界 -- Java 大数据机器学习模型在游戏用户行为分析与游戏平衡优化中的应用(190)
本文探讨了Java大数据与机器学习模型在游戏用户行为分析及游戏平衡优化中的应用。通过数据采集、预处理与聚类分析,开发者可深入洞察玩家行为特征,构建个性化运营策略。同时,利用回归模型优化游戏数值与付费机制,提升游戏公平性与用户体验。
|
5月前
|
存储 人工智能 运维
企业级MLOps落地:基于PAI-Studio构建自动化模型迭代流水线
本文深入解析MLOps落地的核心挑战与解决方案,涵盖技术断层分析、PAI-Studio平台选型、自动化流水线设计及实战构建,全面提升模型迭代效率与稳定性。
205 6
|
4月前
|
机器学习/深度学习 算法 Java
Java 大视界 -- Java 大数据机器学习模型在舆情分析中的情感倾向判断与话题追踪(185)
本篇文章深入探讨了Java大数据与机器学习在舆情分析中的应用,重点介绍了情感倾向判断与话题追踪的技术实现。通过实际案例,展示了如何利用Java生态工具如Hadoop、Hive、Weka和Deeplearning4j进行舆情数据处理、情感分类与趋势预测,揭示了其在企业品牌管理与政府决策中的重要价值。文章还展望了多模态融合、实时性提升及个性化服务等未来发展方向。

热门文章

最新文章