首页›指南›电子邮件安全
电子邮件安全 · 了解
是的，AI模型有助于裁定模棱两可的邮件，即任何规则都无法明确归类的邮件。而保密性不能凭“私有”一词来判断：要看模型接收什么、由谁运营、保留什么，以及在客户之间共享什么。
绝大多数邮件都能毫不犹豫地归类。来自信誉不佳服务器的群发垃圾邮件、已知病毒、在拒收策略下未通过DMARC验证的域名：规则和特征码就足够了，而且它们比模型更快、更可预测。
剩下的是灰色地带：既不明显安全、也不明显欺诈的邮件。一家真实供应商的语气突然变了，一个不用常见措辞的付款请求，一段模仿内部流程的文字。各种信号相互矛盾。这正是语言模型能发挥作用的地方：它从整体上阅读邮件，并判断其与已计算信号的一致性。
但AI并不能因此取代其他防护层：
“私有AI”“主权AI”“您的数据不用于训练”：如果不了解实际发生了什么，这些说法并无太大意义。以下五个问题可用于比较。
这些答复应当以书面形式给出。说不清自己的模型接收什么的供应商，并没有掌控它自己的处理过程。
Klytic MTA集成了AI仲裁功能，在基础版和高级版中均已启用。以下是它做什么、不做什么。
举例说明。一封邮件来自一个认证正确、企业熟悉的域名，没有附件。邮件要求“在下一个到期日之前更新付款信息”。规则无法决断：发件人可靠，但情景像是诈骗。模型接收摘要、信号（常见发件人、首次提出此类请求、语气异常）和一段文字摘录。它倾向于判定为诈骗：邮件被送入隔离区，管理员可以查看原因。如果模型未响应，将由其他防护层的分数单独决定。
它的判断会叠加到分数中：它不会绕过隔离区，不会影响释放合法邮件的可能性，也不会影响邮件头中供管理员查看的判定说明（请参阅查看并导出过滤器的判定）。
过滤器主要从举报中学习。当用户将某封邮件标记为垃圾邮件，或反过来释放一封合法邮件时，发件人的信誉会随之调整。正是这一点使误报随时间推移而减少。
在Klytic MTA中：
因此，对于云端部署而言，如果写成“任何内容都不会离开实例”是不准确的：信号是共享的，这正是共享式学习的价值所在。共享的是信号，而不是邮件。
分析电子邮件就是处理个人数据：地址、姓名、内容。无论是否使用AI，该处理活动都必须记入企业的处理活动记录，并写明其目的（邮件系统安全）、接收方和期限。AI不会改变这一框架；它只是增加了两个问题：模型在哪里运行，它能看到什么。分析数据的保存期限详见保存与查阅电子邮件安全日志。
在Klytic MTA中不会：它只仲裁分数模棱两可的邮件，依据的是摘要、已计算的信号和有限的摘录。
该模型不是大众服务：它由Klytic运营，或在您的实例中运行。过滤器的学习保存的是聚合数据和指纹，而不是副本。
被误拦的合法邮件会留在隔离区，可以释放：请参阅隔离区、误报与举报。举报随后会修正信誉。
可以，将Klytic MTA部署在您自己的服务器上即可：分析在本地完成。
这是一个相关但不同的问题：请参阅AI与文档：无需发送到外部。
AI仲裁是Klytic MTA基础版和高级版的组成部分，与共享式学习和信号关联分析同属一类。具体事实如上所述：仅限模棱两可的邮件，模型由Klytic运营或在您的实例中运行，只接收有限摘录，AI未响应时由过滤器自行判定。
Klytic由一家法国公司运营。服务可部署在Klytic云中（可托管于与适用司法管辖相对应的任何地理区域，视服务可用性而定，尤其是欧洲或毛里求斯）、专属实例中，或您自己的服务器上。Klytic不是经SecNumCloud认证的服务。
除上述事实外，Klytic MTA不对“私有AI”作任何额外承诺。如果您的要求是不允许任何信号离开您的基础设施，就应选择本地部署及其上报模式，并将其写入合同。
查阅于2026年10月。
