# Migliorare il rilevamento dello spam con LLMs > [! nota]- > Il contenuto di questa pagina è generato dalla trascrizione audio/video e dalla trasformazione del testo dal contenuto e dai link di questa fonte. Fonte: [https://fosdem.org/2025/schedule/event/fosdem-2025-5114-enhancing-email-spam-detection-with-llms-practical-experience-with-rspamd-and-gpt/](https://fosdem.org/2025/schedule/event/fosdem-2025-5114-enhancing-email-spam-detection-with-llms-practical-experience-with-rspamd-and-gpt/) <video src=“https://video.fosdem.org/2025/k4601/fosdem-2025-5114-enhancing-email-spam-detection-with-llms-practical-experience-with-rspamd-and-gpt.av1.webm” controls></video> ## Riepilogo e punti salienti: La sessione esplora l'integrazione dei modelli linguistici di grandi dimensioni (LLMs) nel filtraggio dello spam email, focalizzandosi sull'uso di Rspamd e GPT. Viene esaminata l'efficacia dei modelli LLM rispetto ai metodi tradizionali, evidenziando vantaggi e sfide. **Introduzione ai LLMs nel filtraggio email** La presentazione introduce l'uso di modelli linguistici di grandi dimensioni (LLMs) per migliorare il rilevamento dello spam nelle email. Viene discussa l'integrazione di Rspamd con servizi LLM, confrontando metodi di filtraggio supervisionati e non supervisionati. L'approccio LLM offre vantaggi come la gestione di email in più lingue e una maggiore efficacia nel rilevamento del phishing. **Vantaggi e sfide dei LLMs** I LLMs offrono un filtraggio più accurato senza necessità di addestramento, ma presentano sfide come costi elevati e maggiore consumo di risorse. Problemi di privacy e instabilità nei risultati sono altre preoccupazioni. Tuttavia, i LLMs possono migliorare la comprensione contestuale delle email, riducendo i falsi positivi. **Considerazioni pratiche e future** La sessione conclude con considerazioni pratiche per l'implementazione dei LLMs, suggerendo strategie di deployment cost-effective e tecniche di anonimizzazione dei messaggi. Si esplorano anche sviluppi futuri e best practice per l'adozione di LLMs in ambienti personali e aziendali. ## Significato per una trasformazione eco-sociale L'integrazione dei LLMs nel filtraggio dello spam email rappresenta un'importante innovazione per una trasformazione eco-sociale. Migliorando l'efficienza del rilevamento dello spam, si riduce il consumo energetico e si promuove una comunicazione più sicura. Tuttavia, l'uso di LLMs solleva questioni etiche e di privacy, poiché i dati personali potrebbero essere esposti o utilizzati impropriamente. Per i designer eco-sociali, i LLMs offrono strumenti per migliorare la sicurezza delle comunicazioni, ma richiedono attenzione nella gestione dei dati e nell'implementazione di soluzioni rispettose della privacy. Le sfide includono l'elevato costo di implementazione e la necessità di infrastrutture adeguate, oltre a questioni politiche legate alla regolamentazione della privacy e della sicurezza dei dati. ## Link [Rspamd project website](https://rspamd.com/) [Rspamd project repository](https://github.com/rspamd/rspamd) [Video recording (MP4) - 635.5 MB](https://video.fosdem.org/2025/k4601/fosdem-2025-5114-enhancing-email-spam-detection-with-llms-practical-experience-with-rspamd-and-gpt.mp4) [Video recording subtitle file (VTT)](https://video.fosdem.org/2025/k4601/fosdem-2025-5114-enhancing-email-spam-detection-with-llms-practical-experience-with-rspamd-and-gpt.vtt) [Video recording (AV1/WebM) - 73.1 MB](https://video.fosdem.org/2025/k4601/fosdem-2025-5114-enhancing-email-spam-detection-with-llms-practical-experience-with-rspamd-and-gpt.av1.webm) [Chat room(web)](https://chat.fosdem.org/) [Chat room(app)](https://chat.fosdem.org/app)