Tre månader efter förra versionen lanseras nu Rspamd 3.13 – en uppdatering som förvandlar spamfiltret till ett ännu smartare verktyg. Med stöd för multiclass Bayes, AI-drivna analyser och förbättrat webgränssnitt tar systemet ett stort steg mot framtidens e-posthantering.
I en tid då e-postflöden översvämmas av skräppost, nätfiske och automatiserade meddelanden blir intelligenta filter allt viktigare. Rspamd, ett avancerat och öppet källkodsbaserat spamfilter som används i allt från mejlservrar till säkerhetslösningar, har nu släppt version 3.13. Denna uppdatering introducerar flera stora förbättringar – med allt från en helt ny multiclass Bayes-motor till bättre AI-stöd och moderniserade verktyg.
Från ”spam eller inte spam” till flera kategorier
Traditionellt har spamfilter byggt på en enkel modell: meddelanden delas upp i två kategorier – ”spam” eller ”ham” (laglig mejl). Rspamd 3.13 bryter denna binära logik och inför multiclass Bayes-klassificering.
Nu kan systemet hantera två till tjugo olika klasser av mejl, till exempel spam, nyhetsbrev, transaktionella kvitton eller interna notifieringar. Allt beräknas i ett enda Redis-anrop per meddelande, vilket gör processen både effektiv och flexibel.
För administratörer innebär detta att de kan bygga mycket mer nyanserade filter, samtidigt som systemet är bakåtkompatibelt med den klassiska ”is_spam”-konfigurationen.
AI-modulen får en rejäl översyn
En annan central nyhet är att Rspamd\:s neuralmodul har byggts om från grunden. Den är nu provider-baserad, vilket gör den lättare att utöka och integrera med olika typer av AI-lösningar. Dessutom har stöd för LLM-embeddings (stora språkmodellers inbäddningar) förbättrats. För att hålla nere kostnader och svarstider används Redis-baserad caching, vilket gör att systemet kan återanvända AI-beräkningar på ett smart sätt.
Detta öppnar för integration med stora språkmodeller, inklusive OpenAI:s GPT-5, som nu har fått sitt första stöd i Rspamd.
Smidigare tolkning av mejl
På analysnivå har även Rspamd blivit vassare:
- MIME-parsern kan nu automatiskt känna igen olika meddelandetyper.
- HTML-parsern fångar upp fler signaler, vilket stärker träffsäkerheten för filtermodulerna.
- Nya multimap selectors gör att administratörer kan bygga mer avancerade filterregler på ett sätt som påminner om SpamAssassin.
Förbättringar för driftsäkerhet och prestanda
Stabilitet och hastighet är avgörande i mejlflöden som hanterar miljontals meddelanden per dag. Version 3.13 levererar flera förbättringar här:
- Smidigare hantering av HTTP-timeouts.
- Probe mode för upstream-servrar, vilket minskar risken för onödiga omstarter.
- Bättre DNS-hantering via getaddrinfo.
- Standardisering på C++20, med förbättrat stöd för ARM-miljöer.
Nyheter i WebUI
Rspamds webbaserade gränssnitt har också fått en uppfräschning med Bootstrap-tema, möjligheten att hantera Bayes-klasser direkt i webben samt nya end-to-end-testflöden för scanning.
Fixar och optimeringar
Utöver nyheterna innehåller version 3.13 en rad förbättringar och buggfixar:
- DCC-pluginet har skrivits om för bättre prestanda.
- Förbättrad DKIM-hantering vid verifiering av mejl.
- Många små optimeringar och stabilitetsfixar i koden.
Slutsats
Med version 3.13 tar Rspamd ett stort kliv framåt. Den klassiska tvådelade spam/ham-världen ersätts av en mer realistisk modell där olika typer av mejl kan klassificeras separat. Samtidigt stärks stödet för AI-drivna analyser och integration med moderna språkmodeller.
För organisationer som vill ha bättre kontroll över sin e-post, högre precision i spamfiltret och långsiktigt stöd för AI-lösningar är detta en uppdatering som gör Rspamd ännu mer framtidssäkert.
https://docs.rspamd.com/downloads
Rspamd 3.13 — Fakta & nyheter
is_spam; stöd för autolearn och etiketterade klasserMulticlass Bayes
- 2–20 klasser (t.ex. spam, nyhetsbrev, transaktionella), en Redis-runda per meddelande.
- Lua/CLI stöd:
rspamc learn_class:<klass>(t.ex.transactional,newsletter). - Lua-API:
task:get_multiclass_result()ger klass-sannolikheter och confidence.
Neural modul & LLM
- Provider-baserad arkitektur (symboler, LLM-embeddings), versionerad och bakåtkompatibel.
- Pluggbar feature fusion med tränad normalisering:
unit/zscore/none(träning + inferens). - Redis-backad cache för LLM-embeddings → lägre kostnad och latens.
- Förbättrad prompt/parameter-hantering; initialt stöd för GPT-5 och andra modeller.
Parser & regelmotor
- MIME-parser: automatisk part-typdetektion.
- HTML-parser: fler features för nedströmsmoduler.
- Multimap selectors: SA-stil med dedikerat selector-fält; integrerat med Hyperscan och regex-cache.
Prestanda & driftsäkerhet
- Förbättrad konfiguration/hantering av HTTP-timeouts.
- Upstream “probe mode” → färre tvingade revive.
- DNS-upplösning via
getaddrinfo. - Kontinuerliga städningar och RPM-tweaks.
WebUI
- Bootstrap-uppgradering; fräschare UI.
- Bayes-klasshantering direkt i webben.
- E2E-flöden för skannertester.
Fixar
- DCC-plugin omskriven och optimerad.
- Förbättrad DKIM “relaxed” body-kanonisering.
- Stabilitetsförbättringar i multimap, WebUI och konfiguration; många små bugfixar.
Rspamd används för att analysera och poängsätta e-post i realtid med modulär arkitektur, Lua-scriptning, Redis-integration och höghastighetsmönstermatchning (Hyperscan).
