spam-detector/README.md

AntiSpam complex

Комплекс ПО для борьбы со спамом

Компоненты

Диаграмма компонентов

Dataset

• необходим первоначальный датасет (ham/spam) в формате CSV

Model

• использует датасет
• модели генерируются https://pypi.org/project/spam-detector-ai/
  • naive_bayes_model.joblib
  • random_forest_model.joblib
  • svm_model.joblib
  • logistic_regression_model.joblib
  • xgb_model.joblib

Decision Maker

• компонент, который принимает решения
• представлен в виде Web-сервера
• реализует API
  • POST /check-spam - открытый для пользователей
    • auth: none
    • request
      • body `{ "text": "SOME TEXT" }
    • response
      • status code 200
      • body { "is_spam": true }
  • POST /update-model - служебный, добавляет текст в датасет
    • auth: TOKEN
    • request
      • body: { "text": "SOME TEXT", "is_spam": true }
    • response
      • status code 200
      • body { "status": "OK" }
  • POST /restart - служебный, перезапускает данный компонент
    • auth: TOKEN
    • request
      • body: none
    • response
      • status code 200
      • body { "status": "OK" }

Sequence diagram

Model Updater

• добавляет в датасет новые тексты из базы дообучения
• запускается по графику, выполняет
  • сделать бэкап модели
  • запустить дообучение
  • при успешном результате дообучения
    • вызывает POST /restart компонента Decision Maker

Transport

• используется Rabbit MQ

Use cases

Телеграм-бот

• приходит сообщение в группу в телегу
• бот его читает (не входит в данный комплекс)
• отправляет на проверку
• получает результат: спам/не спам
• если спам - бот удаляет сообщение

На почте

• та же схема, только должен быть работающий клиент почты, который читает каждое сообщение, и если обнаружился спам, то помечать его спамом (помещать в категорию спам)

Дообучение с учителем

Сбор доп.текстов через Телеграм

• владелец бота в телеге встречает сообщение, которое является спамом, но не было удалено
• это сообщение отправляется в ТГ бот спам-определителя (не реализовано)
• сообщение помещается в базу для дообучения

Сбор доп.текстов через почту

• спам-письмо можно отправить на почту, которую читает бот (не реализовано)
• бот кладет текст письма в базу дообучения

Дообучение

• 1 р/сут происходит вычитывание всех сообщений из базы дообучения за день
• если в базе дообучения за день что-то есть, то
  • датасет обновляется
  • запускается процесс дообучения
  • перезапускается модель