Безопасная электронная почта с ИИ

Что это такое?

Интеллектуальная система фильтрации — это решение нового поколения для корпоративной почты, которое автоматически выявляет и блокирует потенциально опасные или нежелательные сообщения на этапе их получения.

Система интегрируется с сервером CommuniGate и использует мощную ИИ-модель (ComradeAI на базе Qwen 2.5) для анализа содержания писем: текста, заголовков, вложений.

Письма с нарушениями автоматически перенаправляются модератору или обрабатываются по заданным политикам.

Как это работает

1. Письмо поступает на почтовый сервер CommuniGate.

2. Скрипт-фильтр перенаправляет письмо в основной сервис.

3. ИИ анализирует письмо на наличие нарушений: 

• если всё чисто — письмо отправляется получателю;

• если есть нарушения — добавляется спецзаголовок, письмо перенаправляется модератору или в отдельную папку.

4. Вся информация отображается в панели управления: лог, статус, отправитель, результат анализа.

Архитектура системы

Система построена на модульной архитектуре:

• Скрипт-фильтр — подключается к CommuniGate как внешний фильтр

• Основной сервис (Docker) — обрабатывает письма и общается с ИИ

• ComradeAI — модель Qwen 2.5, обученная на выявление нарушений

• Веб-панель управления — настройка фильтров, мониторинг, списки отправителей

Всё взаимодействие построено на REST API и легко масштабируется.

Преимущества

• ИИ-фильтрация уровня enterprise — высокая точность благодаря обученной модели Qwen 2.5

• Контроль на входе — система анализирует письма до момента доставки

• Гибкость политики обработки — от автоматической доставки до ручной модерации

• Docker-архитектура — простота развертывания и обновлений

• Визуальный контроль — панель администратора для настройки и мониторинга

Локальное размещение — все компоненты разворачиваются на стороне клиента, без зависимости от облака

Обоснование потребности в оборудовании

Система использует ИИ-модель, которая требует вычислительных ресурсов уровня нейросетевого сервера. Это необходимо для:

• быстрого анализа писем в реальном времени

• обработки больших объёмов трафика (например, при пиковых нагрузках)

• возможности масштабирования и дообучения модели под нужды клиента

• работы модели локально, без доступа к облачным сервисам