Lançado o Tab, bot antispam para Telegram com rede neural própria e retreinamento

O Telegram ganhou um bot antispam, o Tab, que não usa um modelo pronto de terceiros, mas uma rede neural própria do autor. O projeto já roda há alguns meses em chats, continua gratuito para testes e coleta dados para novos retreinamentos.

Como o bot funciona

O Tab se baseia em um modelo de classificação binária de mensagens: o bot decide se um texto é spam ou não. O autor não pegou soluções prontas do Hugging Face e montou a arquitetura por conta própria, com uma abordagem baseada em LSTM. A lógica é simples: em mensagens curtas do Telegram, é importante manter o contexto, e combinar uma rede recorrente com mecanismos de atenção oferece uma alternativa mais leve e controlável do que grandes modelos generalistas.

Sobre a rede neural em si, funcionam ainda várias regras, que cuidam não só de detectar mensagens suspeitas, mas também de reduzir o número de banimentos falsos. O bot verifica separadamente se o usuário está numa base de spammers e, conforme o resultado, apaga a mensagem na hora ou deixa a decisão final para o moderador. Essa abordagem híbrida parece mais prática do que a automação pura: a classificação de texto sempre mantém um risco de erro, principalmente em chats vivos com linguagem coloquial.

Dados e treinamento

A parte mais pesada do projeto não foi o código do bot, mas a preparação dos dados. O autor não encontrou um dataset recente e pronto para spam do Telegram em russo, então precisou montar o corpus manualmente: coletar dados de grupos públicos, vasculhar chats sabidamente cheios de spam e rotular as mensagens uma a uma. O dataset já passa de 25 mil exemplos, e é nele que se apoia a principal precisão da classificação.

O bot também tem um mecanismo de feedback dos moderadores. Se uma mensagem foi marcada por engano como spam, o moderador pode confirmar que é um texto normal, e esse caso entra no dataset como falso positivo. Assim, não se trata só de limpar o chat: o modelo melhora aos poucos com casos-limite reais, que costumam prejudicar a qualidade dos sistemas antispam.

"Não apresento esta solução como a exterminadora de todo spam."

Modos e limitações

Hoje o Tab oferece dois cenários: um modo padrão, mais cauteloso, e um modo automático, mais rígido. No modo padrão, o bot primeiro passa a mensagem pelo modelo e depois avalia sinais adicionais, incluindo a presença do usuário na base de spammers. Se a confiança não for suficiente, a decisão fica com uma pessoa. Isso reduz o risco de punir um participante comum do chat por um texto duvidoso.

• No modo padrão, uma mensagem suspeita pode ir para revisão do moderador
• No modo automático, o spam é apagado imediatamente após o acionamento do modelo
• O banimento depende mais estritamente da coincidência de dois fatores: classificação como spam e presença na base
• Os usuários podem denunciar mensagens com o comando /spam
• Os administradores do chat podem alternar o modo do bot

O principal problema desses sistemas é a evolução do próprio spam. Os spammers disfarçam palavras com caracteres parecidos de outros alfabetos, inserem espaços entre as letras e mudam a apresentação e o contexto da mensagem. Isso significa que o modelo não pode ser treinado uma vez e deixado sem supervisão: ele precisa de um fluxo constante de novos exemplos, retreinamentos e verificações.

O autor planeja um painel público com estatísticas em tempo real e mais automação da rotulagem, porque a etapa manual é hoje o que mais limita a escala.

O que isso significa

O Tab mostra que, mesmo sem uma grande equipe e sem acesso a infraestrutura pesada, é possível criar uma ferramenta de IA aplicada e funcional para um problema concreto dos chats do Telegram. Para o mercado, é mais um sinal: modelos de nicho e uma moderação humana cuidadosa muitas vezes entregam resultados mais úteis do que tentar resolver tudo com uma única rede neural universal.