谷歌开源 Magika:毫秒级识别内容类型,百万文件测试准确率超 99%
谷歌近日更新博文,宣布开源 Magika,基于人工智能快速高效地识别文件格式和内容类型,相关源代码已托管到 GitHub 上。这个工具非常好能帮助开发者在程序中直接部署来识别用户上传的文件内容和类型。
Magika 采用了一个定制的、高度优化的深度学习模型,即使在 CPU 上运行,也能在几毫秒内精确识别文件类型。
谷歌分享 Magika 的性能数据,100 多种格式的 100 万个文件基准评估测试结果显示,Magika 的性能比现有工具高出约 20%,Magika 的精确度和召回率均达到 99% 以上。
在内部,谷歌已经利用 Magika 加强用户安全。该系统已大规模部署,用于将 Gmail、Drive 和安全浏览中的文件发送到适当的安全和内容策略扫描器。与以前依赖手工创建规则的系统相比,谷歌通过 Magika 发现文件类型识别的准确率提高了 50%。
谷歌表示 VirusTotal 集成 Magika 之后,进一步提高平台的效率和准确性。在 VirusTotal 的 Code Insight 对文件进行分析之前,Magika 将起到预过滤的作用,Code Insight 使用谷歌的生成式人工智能来检测恶意代码。