Le tecniche con cui vengono i prodotti i messaggi di spam, sono in continuo miglioramento, e nessun prodotto può permettersi di non seguire le nuove tendenze dello spam.

LibraESVA per tenere il livello di performance attuale, fra i migliori prodotti in assoluti, con il 99,99% di spam bloccato e 0 falsi positivi, è molto attenta nello scoprire le nuove tecniche e considera molto importante il feedback fornito dalle installazioni dei propri clienti.

LibraESVA tiene in grande considerazioni le segnalazioni fornite dai clienti, e per questa

ragione è nato ESVALabs, dove un team di specialisti analizza i messaggi segnalati come falsi positivi e negativi, crea delle regole per prevenire l’errore e le trasmette in automatico a tutte le installazioni.

ESVALabs è alimentato dai messaggi che provengono dalle installazioni dei clienti, i messaggi possono essere inviati dall’interfaccia web di amministrazione.

La segnalazione è molto semplice, individuata la mail nella reportistica, occorre selezionare uno o più messaggi e va premuto il pulsante “Submit as Spam” se il messaggio era uno spam ed invece è stato consegnato, mentre va premuto il pulsante “Submit as False Positive” se il messaggio è stato bloccato pur non essendo un messaggio di spam

Prima di segnalare un messaggio agli ESVALabs occorre verificare due elementi:

• La presenza di regole personali che influiscono nel punteggio
• Il motore Bayesiano è addestrato

Possiamo capire facilmente questi due elementi aprendo i dettagli del messaggio, andando nella scheda Antispam Checks.

Se il messaggio è di Spam ma ci viene comunque consegnato si tratta di un “Falso negativo”, se si rispettano queste due condizioni:

• La regola BAYES_00 deve fornire un punteggio positivo
• Nessuna regola personale deve aver apportato un punteggio negativo

Nel caso le condizioni sono rispettate il messaggio è un “falso negativo” ed è possibile segnalarlo con il pulsante “Submit as Spam”.
Nel caso la regola BAYES_00 non fornisca un punteggio positivo, è necessario addestrare il motore Bayesiano premendo il pulsante “Learn as Spam”.

Se il messaggio è pulito ma non ci viene consegnato si tratta di un “Falso positivo”, se si rispettano queste due condizioni:

• La regola BAYES_00 deve fornire un punteggio negativo
• Nessuna regola personale deve aver apportato un punteggio positivo

Nel caso le condizioni sono rispettate il messaggio è un “falso positivo” ed è possibile segnalarlo con il pulsante “Submit as False Positive“.
Nel caso la regola BAYES_00 non fornisca un punteggio negativo, è necessario addestrare il motore Bayesiano premendo il pulsante “Learn as Ham”.